Информационные технологии в менеджменте.Тест Синергия.
Сдано на 83 баллов в 2017г. Скриншот с отметкой прилагается к работе. Ответы выделены цветом в Worde.
1. В системе OLTP обновления данных происходит…
2. На сетевом графике в программе MS Project задачу, лежащую на критическом пути проекта, в терминах MS Project называют …
Critical (Критическая)
Noncritical (Некритическая)
3. Фиксируемые воспринимаемые факты окружающего мира представляют собой …
4. Информационное обеспечение - это …
совокупность внешней и внутренней информации, используемой экономической информационной системой
совокупность норм, выраженных в нормативных актах, устанавливающих и закрепляющих организацию ЭИС, их цели, задачи, структуру, функции и правовой статус
совокупность языков общения, правил их формализации, терминов, используемых в ЭИС
5. При сетевом объединении персональных компьютеров в виде внутрипроизводственной вычислительной сети, позволяет экономно использовать ресурсы со всех подключенных рабочих станций и обеспечивает преимущество …
разделение ресурсов
разделение данных
разделение программных средств
6. экспертные системы предназначены для обработки
7.В программе MS Project …
сетевой график не позволяет редактировать план проекта
параметры отображения блоков внутри этой таблицы и связи их друг с другом определяются в диалоговом окне Layout (Макет)
диаграмма типа «сетевой график» фактически представляет собой таблицу, в ячейках которой расположены блоки (при этом границы ячеек таблицы не отображаются)
8.Прикладное программное обеспечение ЭВМ предназначено для …
контроля работы устройств ЭВМ
обеспечения работы устройств ЭВМ
загрузки операционной системы ЭВМ
решения задач пользователя в технике, экономике, медицине и других областях
9. Ускорить и упростить работу менеджеров по персоналу на фирме позволяет...
Собеседование по телефону
Просмотр видеорезюме
Компьютерное собеседование
Собеседование «тет-а-тет»
10. Основным преимуществом MRP-систем является …
формирование последовательности производственных операций с материалами и комплектующими, обеспечивающей своевременное изготовление узлов (полуфабрикатов) для реализации основного производственного плана по выпуску готовой продукции
определение минимально допустимого уровня запасов товара или сырья на складе
возможность избежать перегрузки и недогрузки производственного оборудования и обеспечение эффективного использования производственных мощностей
11. Сеть Масштаба Предприятия или Корпоративная Сеть - это информационная система, в которой …
12.Экономические задачи, решаемые в диалоговом режиме, характеризуются …
быстрой обработкой системой принятых сообщений и немедленной передачей обработанных сообщений пользователю
уменьшением вмешательства пользователя в процесс решения задачи
решением задач с заданной периодичностью
активным воздействием пользователя на ход и порядок выполнения технологических операций обработки данных
большим объемом входных и выходных данных, значительная часть которых хранится на магнитных носителях
13. К признакам «малых» информационных систем относится
14. Системы обработки трансакций соответствуют …
15. Автоматизированная система управления (автоматизированная информационная система) в составе системы предприятия (организации) является составной частью …
автоматизированной системы предприятия (организации).
автоматизированной системы управления технологическим процессом предприятия (организации).
системы автоматизации предприятия (организации).
системы управления предприятия (организации).
16. … - интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач, принятия решений и должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов
17. Цепочка действий, наиболее точно отражающую процесс управления предприятием:
Целеполагание — анализ — контроль — формирование управленческого воздействия — корректировка — планирование — исполнение
Целеполагание — планирование — исполнение — контроль -анализ — формирование управленческого воздействия — корректировка
Целеполагание — планирование — исполнение — контроль — корректировка — анализ — формирование управленческого воздействия
18. Методы обработки информации представляют собой
Строго регламентированная, параметрами внешний условий (исходных данных) получаемыми результатами и соответствующими им правилами, последовательность элементарных операций обработки информации
Способы выполнения последовательности действий по обработке информации, определяемые в зависимости от внешних условий (исходных данных) или от полученных результатов
Алгоритмы (последовательности элементарных операций) выполнения работ обработки информации, определяемые внешними условиями (исходными данными) или полученными результатами
Алгоритмы действий (последовательности элементарных операций) при выполнении работ обработки информации, правила выполнения каждого действия(операции) и переходов между ними (при получении определенного результата или изменения параметров внешних условий)
19. На сетевом графике в программе MS Project задачу из внешнего проекта, являющуюся предшественником или последователем задачи открытого проекта, в терминах MS Project называют …
Critical / Noncritical Milestone (Критическая / Некритическая веха)
Project Summary (Суммарная задача проекта)
Critical (Критическая)
Critical / Noncritical External (Критическая / Некритическая внешняя)
Noncritical (Некритическая)
20. Примером предметной информационной технологии является технология
аналитического учета
составления электронных таблиц
автоматизированного составления бухгалтерского баланса
ценообразования
21. На сетевом графике в программе MS Project задачу, являющуюся завершающей, в терминах MS Project называют …
Critical / Noncritical Milestone (Критическая / Некритическая веха)
Critical / Noncritical External (Критическая / Некритическая внешняя)
Project Summary (Суммарная задача проекта)
Noncritical (Некритическая)
Critical (Критическая)
22. Средствами традиционных OLTP-систем можно
23. OLAP-системы (online analytical processing) - это …
Системы, ориентированные на анализ и принятие решений
Системы складского учета
Прикладные программы разработки софта
Системы, ориентированные на оперативную (транзакционную) обработку данных
24. Основными характеристиками OLAP-систем является …
Динамическая обработка разряженных матриц эффективным способом
Поддержка многомерного представления данных, равноправие всех измерений
25. Информационная технология - это …
система методов и приемов анализа, обработки и представления информации
совокупность информационных систем, функционирующих в организации
система методов и способов сбора, передачи, накопления, обработки, хранения, предоставления и использования информации
26. Специфика информационной системы поддержки руководства проявляется в
обобщении и подготовке документов для основных операций фирмы
широком применении аналитических моделей
использовании высоко развитых средств телекоммуникации, графических средств
27. Структура корпоративных информационных систем является …
статичной
не определенной
динамичной
28. OLTP-системы оказались мало пригодны потому что …
необходимые для оперативных систем функциональные возможности являются избыточными для аналитических задачхз
не предусматриваются развитые средства обеспечения целостности данных, их резервирование и восстановление
любой шаг в сторону не требует знаний о структуре данных и достаточно высокой — квалификации программиста
29. На сетевом графике в программе MS Project задачу, не относящуюся к критическому, в терминах MS Project называют …
Critical (Критическая)
Noncritical (Некритическая)
Critical / Noncritical Milestone (Критическая / Некритическая веха)
Project Summary (Суммарная задача проекта)
Critical / Noncritical External (Критическая / Некритическая внешняя)
30. Информационный обмен в структуре органов управления организации осуществляется …
по вертикали - между менеджерами по своему виду (функциям) управленческой деятельности (управления производством, финансами, кредитами, маркетингом и т.д.)
по горизонтали — между менеджерами и на каждом уровне управления.
в любом направлении — между менеджерами всех уровней управления и видам (функциям) управленческой деятельности (управления производством, финансами, кредитами, маркетингом и т.д.)
по горизонтали — между менеджерами на каждом уровне управления, и по вертикали - между менеджерами по своему виду (функциям) управленческой деятельности (управления производством, финансами, кредитами, маркетингом, обеспечением производства и т.д.)
^
Системы поддержки принятия решений
В 1980-е годы американские и японские компании начали развивать информационные системы , которые разительно отличались от MIS. Эти системы положили начало процессу "интеллектуализации" ИС. Новые системы были меньшими, интерактивными, и их целью было помочь конечным пользователям работать со всеми типами данных, проводить аналитические исследования, строить модели и разыгрывать сценарии для решения слабоструктурированных и вообще неструктурированных проблем в инновационных проектах. Системы, предоставляющие такие возможности, называются системами поддержки принятия решений - СППР (Decision Support System - DSS) .
Рис. 6.11. Система поддержки принятия решения как составная часть КИС
В середине 1980-х такие системы стали использоваться в текущей деятельности крупных компаний и корпораций. В настоящее время DSS является обязательной частью корпоративных ИС (КИС) (рис. 6.11 ).
Приведем основные характеристики систем поддержки принятия решения:
предлагают гибкость использования, адаптируемость и быструю реакцию;
допускают управление входом и выходом;
работают практически без участия профессиональных программистов;
обеспечивают информационную поддержку для решений проблем, которые не могут быть определены заранее;
применяют сложный многомерный и многофакторный анализ и инструментальные средства моделирования.
| Таблица 6.2. |
||
| Параметр | MIS | DSS |
| Концепция | Обеспечивает формализованные и частично формализованные данные для принятия структурированных решений | Обеспечивает интегрированные инструментальные средства, многомерные разнородные данные, динамические модели и язык интерпретации |
| Системный анализ | Выделяет информационные требования в соответствии с установленными правилами | Формирует порядок применения инструментальных средств и динамических правил в процессе работы |
| Проект | Поставляет информацию, основанную на утвержденных требованиях | Итеративный процесс добавления новых данных и информации, вытекающий из динамики среды |
| Источник данных | Внутренняя и частично внешняя среда | Внешняя и внутренняя среда |
| Пользователи | Менеджеры эксплуатационного и управленческого уровней | Высшее руководство, менеджеры департаментов, ИТ-служб, управленческого уровня, аналитики |
Хорошо разработанные DSS применяются на многих уровнях предприятия. Руководители компании и ведущие менеджеры могут пользоваться финансовыми модулями DSS, чтобы предсказать эффективность использования активов компании при изменении деловой активности или экономической ситуации в стране. Менеджерам среднего звена та же система может быть полезной для оценки перспективности краткосрочных инвестиций по выполняемым проектам. Для руководителей проектов - это инструмент для финансового планирования и распределения средств по планируемым закупкам.
DSS состоят из трех компонент: программного ядра и хранилища данных, аналитических средств обработки, анализа и представления информации, телекоммуникационных устройств.
Рис. 6.12. Основные компоненты системы поддержки принятия решения
Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структуры и оптимизированных для выполнения аналитических операций.
^ Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий , осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации DSS располагают различными типами интерфейсов доступа к своим сервисам (рис. 6.12 ).
^ Аналитические системы позволяют решать три основных задачи: анализ разнородной многомерной информации разной степени формализованности в реальном времени, последующий интеллектуальный анализ данных с построением моделей развития деловой ситуации и ведение отчетности.
Процесс принятия делового решения (рис. 6.13 ) отличается от аналогичного процесса в научной или социальной сфере тем, что преобразование рабочей гипотезы в решение осложняется двумя объективно существующими проблемами.
Рис. 6.13. Итерационный процесс принятия решения
Первая из них состоит в том, что накопление личного опыта в ходе повседневной деятельности у бизнесменов отстает от динамичного изменения экономической ситуации - что особенно характерно для современной России. Вторая проблема заключается в том, что в предпринимательской деятельности - да еще в условиях свободного рынка - практически отсутствует возможность проведения целенаправленных экспериментов, которые позволяют проверять правильность гипотезы на практике.
Следовательно, применительно к бизнес-деятельности процесс принятия решения претерпевает разрыв как минимум в двух точках: на этапе выдвижения гипотез и на этапе экспериментальной верификации моделей . Ликвидировать эти разрывы призвано активно развивающееся направление информационных технологий - технология многомерного анализа данных (On-Line Analytical Processing - OLAP).
Коротко эту технологию можно охарактеризовать следующими словами: ^ Быстрый Анализ Разделяемой Многомерной Информации (Fast Analysis of Shared Multidimensional Information - FASMI).
Ценность технологии многомерного анализа данных для бизнеса определяется тем, что она позволяет извлекать из "сырых" структурированных (как правило, в виде таблиц) данных информацию и знания, использование которых в принятии и реализации решений позволяет создавать дополнительную стоимость в компании по сравнению со стоимостью, создаваемой в отсутствие такой информации.
OLAP-технологии
В 1993 году основоположник реляционного подхода к построению баз данных Эдгар Кодд с партнерами (Edgar Codd, математик и стипендиат IBM), опубликовали статью, инициированную компанией "Arbor Software" (сегодня это известнейшая компания "Hyperion Solutions"), озаглавленную "Обеспечение OLAP (оперативной аналитической обработки) для пользователей-аналитиков", в которой сформулированы 12 особенностей технологии OLAP, которые впоследствии были дополнены еще шестью. Эти положения стали основным содержанием новой и очень перспективной технологии.Основные особенности технологии OLAP (Basic):
многомерное концептуальное представление данных;
интуитивное манипулирование данными;
доступность и детализация данных;
пакетное извлечение данных против интерпретации;
модели анализа OLAP;
архитектура "клиент-сервер" (OLAP доступен с рабочего стола);
прозрачность (прозрачный доступ к внешним данным);
многопользовательская поддержка.
обработка неформализованных данных;
сохранение результатов OLAP: хранение их отдельно от исходных данных;
исключение отсутствующих значений;
обработка отсутствующих значений.
гибкость формирования отчетов;
стандартная производительность отчетов;
автоматическая настройка физического уровня извлечения данных.
универсальность измерений;
неограниченное число измерений и уровней агрегации;
неограниченное число операций между размерностями.
OLAP-сервис представляет собой инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя с OLAP- системой, пользователь сможет осуществлять гибкий просмотр информации, получать произвольные срезы данных и выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени одновременно по многим параметрам. Вся работа с OLAP-системой происходит в терминах предметной области и позволяет строить статистически обоснованные модели деловой ситуации.
Программные средства OLAP - это инструмент оперативного анализа данных , содержащихся в хранилище. Главной особенностью является то, что эти средства ориентированы на использование не специалистом в области информационных технологий, не экспертом-статистиком, а профессионалом в прикладной области управления - менеджером отдела, департамента, управления, и, наконец, директором. Средства предназначены для общения аналитика с проблемой, а не с компьютером . На рис. 6.14 показан элементарный OLAP-куб, позволяющий производить оценки данных по трем измерениям.
Многомерный OLAP-куб и система соответствующих математических алгоритмов статистической обработки позволяет анализировать данные любой сложности на любых временных интервалах.
Рис. 6.14. Элементарный OLAP-куб
Имея в своем распоряжении гибкие механизмы манипулирования данными и визуального отображения (рис. рис. 6.15 , рис. 6.16 ), менеджер сначала рассматривает с разных сторон данные, которые могут быть (а могут и не быть) связаны с решаемой проблемой.
Далее он сопоставляет различные показатели бизнеса между собой, стараясь выявить скрытые взаимосвязи; может рассмотреть данные более пристально, детализировав их, например, разложив на составляющие по времени, по регионам или по клиентам, или, наоборот, еще более обобщить представление информации, чтобы убрать отвлекающие подробности. После этого с помощью модуля статистического оценивания и имитационного моделирования строится несколько вариантов развития событий, и из них выбирается наиболее приемлемый вариант.
Рис. 6.15.
У управляющего компанией, например, может зародиться гипотеза о том, что разброс роста активов в различных филиалах компании зависит от соотношения в них специалистов с техническим и экономическим образованием. Чтобы проверить этоу гипотезу, менеджер может запросить из хранилища и отобразить на графике интересующее его соотношение для тех филиалов, у которых за текущий квартал рост активов снизился по сравнению с прошлым годом более чем на 10%, и для тех, у которых повысился более чем на 25%. Он должен иметь возможность использовать простой выбор из предлагаемого меню. Если полученные результаты ощутимо распадутся на две соответствующие группы, то это должно стать стимулом для дальнейшей проверки выдвинутой гипотезы.
В настоящее время быстрое развитие получило направление, называемое динамическим моделированием (Dynamic Simulation), в полной мере реализующее указанный выше принцип FASMI.
Используя динамическое моделирование, аналитик строит модель деловой ситуации, развивающуюся во времени, по некоторому сценарию. При этом результатом такого моделирования могут быть несколько новых бизнес-ситуаций, порождающих дерево возможных решений с оценкой вероятности и перспективности каждого.
Рис. 6.16. Аналитическая ИС извлечения, обработки данных и представления информации
В таблице 7.5.2 приведены сравнительные характеристики статического и динамического анализа.
| Таблица 6.3. |
||
| Характеристика | Статический анализ | ^ Динамический анализ |
| Типы вопросов | Кто? Что? Сколько? Как? Когда? Где? | Почему так? Что было бы, если…? Что будет, если…? |
| Время отклика | Не регламентируется | Секунды |
| Типичные операции работы с данными | Регламентированный отчет, диаграмма, таблица, рисунок | Последовательность интерактивных отчетов, диаграмм, экранных форм. Динамическое изменение уровней агрегации и срезов данных |
| Уровень аналитических требований | Средний | Высокий |
| Тип экранных форм | В основном, определенный заранее, регламентированный | Определяемый пользователем, есть возможности настройки |
| Уровень агрегации данных | Детализированные и суммарные | Определяется пользователем |
| "Возраст" данных | Исторические и текущие | Исторические, текущие и прогнозируемые |
| Типы запросов | В основном, предсказуемые | Непредсказуемые - от случаю к случаю |
| Назначение | Регламентированная аналитическая обработка | Многопроходный анализ, моделирование и построение прогнозов |
Практически всегда задача построения аналитической системы для многомерного анализа данных - это задача построения единой, согласованно функционирующей информационной системы, на основе неоднородных программных средств и решений . И уже сам выбор средств для реализации ИС становится чрезвычайно сложной задачей. Здесь должно учитываться множество факторов, включая взаимную совместимость различных программных компонент, легкость их освоения, использования и интеграции, эффективность функционирования, стабильность и даже формы, уровень и потенциальную перспективность взаимоотношений различных фирм производителей.
OLAP применим везде, где есть задача анализа многофакторных данных. Вообще, при наличии некоторой таблицы с данными, в которой есть хотя бы одна описательная колонка и одна колонка с цифрами, OLAP-инструмент будет эффективным средством анализа и генерации отчетов. В качестве примера применения OLAP-технологии рассмотрим исследование результатов процесса продаж.
Ключевые вопросы "Сколько продано?", "На какую сумму продано?" расширяются по мере усложнения бизнеса и накопления исторических данных до некоторого множества факторов, или разрезов: "..в Санкт-Петербурге, в Москве, на Урале, в Сибири…", "..в прошлом квартале, по сравнению с нынешним", "..от поставщика А по сравнению с поставщиком Б…" и т. д.
Ответы на подобные вопросы необходимы для принятия управленческих решений: об изменении ассортимента, цен, закрытии и открытии магазинов, филиалов, расторжении и подписании договоров с дилерами, проведения или прекращения рекламных кампаний и т. д.
Если попытаться выделить основные цифры (факты) и разрезы (аргументы измерений), которыми манипулирует аналитик, стараясь расширить или оптимизировать бизнес компании, то получится таблица, подходящая для анализа продаж как некий шаблон, требующий соответствующей корректировки для каждого конкретного предприятия.
Поля таблицы: ^ Время, Категория товара, Товар, Регион, Продавец, Покупатель, Сумма, Количество .
Время . Как правило, это несколько периодов: Год, Квартал, Месяц, Декада, Неделя, День. Многие OLAP-инструменты автоматически вычисляют старшие периоды из даты и вычисляют итоги по ним.
^ Категория товара . Категорий может быть несколько, они отличаются для каждого вида бизнеса: Сорт, Модель, Вид упаковки и пр. Если продается только один товар или ассортимент очень невелик, то категория не нужна.
Товар . Иногда применятся название товара (или услуги), его код или артикул. В тех случаях, когда ассортимент очень велик (а некоторые предприятия имеют десятки тысяч позиций в своем прайс-листе), первоначальный анализ по всем видам товаров может не проводиться, а обобщаться до некоторых согласованных категорий.
Регион . В зависимости от глобальности бизнеса можно иметь в виду Континент, Группа стран, Страна, Территория, Город, Район, Улица, Часть улицы. Конечно, если есть только одна торговая точка, то это измерение отсутствует.
Продавец . Это измерение тоже зависит от структуры и масштабов бизнеса. Здесь может быть: Филиал, Магазин, Дилер, Менеджер по продажам. В некоторых случаях измерение отсутствует, например, когда продавец не влияет на объемы сбыта, магазин только один и так далее.
Покупатель . В некоторых случаях, например, в розничной торговле, покупатель обезличен и измерение отсутствует, в других случаях информация о покупателе есть, и она важна для продаж. Это измерение может содержать название фирмы-покупателя или множество группировок и характеристик клиентов: Отрасль, Группа предприятий, Владелец и так далее.
Важный вопрос - наличие данных. Если они есть в каком-либо виде (Excel- или Access-таблица, данные из базы учетной системы, в виде структурированных отчетов филиалов), ИТ-специалист сможет передать их OLAP-системе напрямую или с промежуточным преобразованием. Для этого OLAP-системы имеют специальные инструменты конвертации данных.
После настройки OLAP-системы на данные пользователь получит возможность быстро получать ответы на ключевые вопросы путем простых манипуляций мышью над OLAP-таблицей и соответствующими меню. При этом будут доступны некоторые стандартные методы анализа, логически следующие из природы OLAP-технологии.
^ Факторный (структурный) анализ . Анализ структуры продаж для выявления важнейших составляющих в интересующем разрезе. Для этого удобно использовать, например, диаграмму типа "Пирог" в сложных случаях, когда исследуется сразу 3 измерения - "Столбцы". Например, в магазине "Компьютерная техника" за квартал продажи компьютеров составили $100000, фототехники -$10000, расходных материалов - $4500. Вывод: оборот магазина зависит в большой степени от продажи компьютеров (на самом деле, быть может, расходные материалы необходимы для продажи компьютеров, но это уже анализ внутренних зависимостей).
^ Анализ динамики (регрессионный анализ - выявление трендов). Выявление тенденций, сезонных колебаний. Наглядно динамику отображает график типа "Линия". Например, объемы продаж продуктов компании Intel в течение года падали, а объемы продаж Microsoft росли. Возможно, улучшилось благосостояние среднего покупателя, или изменился имидж магазина, а с ним и состав покупателей. Требуется провести корректировку ассортимента. Другой пример: в течение 3 лет зимой снижается объем продаж видеокамер.
^ Анализ зависимостей (корреляционный анализ). Сравнение объемов продаж разных товаров во времени для выявления необходимого ассортимента - "корзины". Для этого также удобно использовать график типа "Линия". Например, при удалении из ассортимента принтеров в течение первых двух месяцев обнаружилось падение продаж картриджей с порошком.
Сопоставление (сравнительный анализ). Сравнение результатов продаж во времени, или за заданный период, или для заданной группы товаров. В зависимости от количества анализируемых факторов (от 1 до 3-х) используется диаграмма типа "Пирог" или "Столбцы". Пример: сравнение результатов продаж однотипных магазинов для оценки качества работы менеджеров.
^ Дисперсионный анализ . Исследование распределения вероятностей и доверительных интервалов рассматриваемых показателей. Применяется для прогнозирования и оценки рисков.
Этими видами анализа возможности OLAP не исчерпываются. Например, применяя в качестве алгоритма вычисления промежуточных и окончательных итогов функции статистического анализа - дисперсию, среднее отклонение, моды более высоких порядков, - можно получить самые изощренные виды аналитических отчетов.
OLAP-системы являются частью более общего понятия "интеллектуальные ресурсы предприятия" или "средства интеллектуального бизнес-анализа" (Business Intelligence - BI), которое включает в себя помимо традиционного OLAP-сервиса средства организации совместного использования данных и информации, возникающих в процессе работы пользователей хранилища. Технология Business Intelligence обеспечивает электронный обмен отчетными документами, разграничение прав пользователей, доступ к аналитической информации из Internet и Intranet.
^
Технологии Data Mining
В настоящее время элементы искусственного интеллекта
активно внедряются в практическую деятельность менеджера. В отличие от традиционных систем искусственного интеллекта, технология интеллектуального поиска и анализа данных или "добыча данных"
(Data Mining - DM), не пытается моделировать
естественный интеллект, а усиливает его возможности
мощностью современных вычислительных серверов, поисковых систем и хранилищ данных. Нередко рядом со словами "Data Mining" встречаются слова "обнаружение знаний в базах данных" (Knowledge Discovery in Databases).
Рис. 6.17.
Data Mining - это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Data Mining представляют большую ценность для руководителей и аналитиков в их повседневной деятельности. Деловые люди осознали, что с помощью методов Data Mining они могут получить ощутимые преимущества в конкурентной борьбе.
В основу Data Mining (Discovery-driven Data Mining) положена концепция шаблонов (Patterns), отражающих фрагменты многоаспектных взаимоотношений в данных. Эти шаблоны представляют собой закономерности, свойственные выборкам данных, которые могут быть компактно выражены в понятной человеку форме. Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборки и виде распределений значений анализируемых показателей. На рис. 6.17 показана схема преобразования данных с использованием технологии Data Mining.
Рис. 6.18.
Основой для всевозможных систем прогнозирования служит историческая информация, хранящаяся в БД в виде временных рядов. Если удается построить шаблоны, адекватно отражающие динамику поведения целевых показателей, есть вероятность, что с их помощью можно предсказать и поведение системы в будущем. На рис. 6.18 показан полный цикл применения технологии Data Mining.
Важное положение Data Mining - нетривиальность разыскиваемых шаблонов. Это означает, что найденные шаблоны должны отражать неочевидные, неожиданные (Unexpected) регулярности в данных, составляющие так называемые скрытые знания (Hidden Knowledge). К деловым людям пришло понимание, что "сырые" данные (Raw Data) содержат глубинный пласт знаний, и при грамотной его раскопке могут быть обнаружены настоящие самородки, которые можно использовать в конкурентной борьбе.
Сфера применения Data Mining ничем не ограничена - технологию можно применять всюду, где имеются огромные количества каких-либо "сырых" данных!
В первую очередь методы Data Mining заинтересовали коммерческие предприятия, развертывающие проекты на основе информационных хранилищ данных (Data Warehousing). Опыт многих таких предприятий показывает, что отдача от использования Data Mining может достигать 1000%. Известны сообщения об экономическом эффекте, в 10-70 раз превысившем первоначальные затраты от 350 до 750 тыс. долларов. Есть сведения о проекте в 20 млн долларов, который окупился всего за 4 месяца. Другой пример - годовая экономия 700 тыс. долларов за счет внедрения Data Mining в одной из сетей универсамов в Великобритании.
Компания Microsoft официально объявила об усилении своей активности в области Data Mining. Специальная исследовательская группа Microsoft, возглавляемая Усамой Файядом, и шесть приглашенных партнеров (компании Angoss, Datasage, Epiphany, SAS, Silicon Graphics, SPSS) готовят совместный проект по разработке стандарта обмена данными и средств для интеграции инструментов Data Mining с базами и хранилищами данных.
Data Mining является мультидисциплинарной областью, возникшей и развивающейся на базе достижений прикладной статистики, распознавания образов, методов искусственного интеллекта, теории баз данных и др. (рис. 6.19 ). Отсюда обилие методов и алгоритмов, реализованных в различных действующих системах Data Mining. [Дюк В.А. www.inftech.webservis.ru/it/datamining/ar2.html ]. Многие из таких систем интегрируют в себе сразу несколько подходов. Тем не менее, как правило, в каждой системе имеется какая-то ключевая компонента, на которую делается главная ставка.
Можно назвать пять стандартных типов закономерностей, выявляемых с помощью методов Data Mining: ассоциация, последовательность, классификация, кластеризация и прогнозирование.
Рис. 6.19. Области применения технологии Data Mining
Ассоциация имеет место в том случае, если несколько событий связаны друг с другом. Например, исследование, проведенное в компьютерном супермаркете, может показать, что 55% купивших компьютер берут также и принтер или сканер, а при наличии скидки за такой комплект принтер приобретают в 80% случаев. Располагая сведениями о подобной ассоциации, менеджерам легко оценить, насколько действенна предоставляемая скидка.
Если существует цепочка связанных во времени событий, то говорят о последовательности . Так, например, после покупки дома в 45% случаев в течение месяца приобретается и новая кухонная плита, а в пределах двух недель 60% новоселов обзаводятся холодильником.
С помощью классификации выявляются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил.
Кластеризация
отличается от классификации тем, что сами группы заранее не заданы. С помощью кластеризации средства Data Mining самостоятельно выделяют различные однородные группы данных.
^
Статистические пакеты
Последние версии почти всех известных статистических пакетов включают наряду с традиционными статистическими методами также элементы Data Mining. Но основное внимание в них уделяется все же классическим методикам - корреляционному, регрессионному, факторному анализу и другим.
Недостатком систем этого класса считают требование к специальной подготовке пользователя. Также отмечают, что мощные современные статистические пакеты являются слишком "тяжеловесными" для массового применения в финансах и бизнесе.
Есть еще более серьезный принципиальный недостаток статистических пакетов, ограничивающий их применение в Data Mining. Большинство методов, входящих в состав пакетов, опираются на статистическую парадигму, в которой главными фигурантами служат усредненные характеристики выборки. А эти характеристики при исследовании реальных сложных жизненных феноменов часто являются фиктивными величинами. Это чрезвычайно важное обстоятельство следует обязательно учитывать при анализе многомерных данных.
В качестве примеров наиболее мощных и распространенных статистических пакетов можно назвать SAS (компания SAS Institute), SPSS (компания SPSS), STATGRAPHICS (компания Manugistics), STATISTICA для WINDOWS, STADIA и другие. Эти пакеты с успехом могут применять небольшие и средние предприятия, а большие многопрофильные компании могут интегрировать их в общую корпоративную сеть.
^
Нейронные сети и экспертные системы
Это большой класс систем, архитектура которых имеет аналогию с построением нервной ткани из нейронов. В одной из наиболее распространенных архитектур - многослойном персептроне
с обратным распространением ошибки - имитируется работа нейронов в составе иерархической сети, где каждый нейрон более высокого уровня соединен своими входами с выходами нейронов нижележащего слоя.
На нейроны самого нижнего слоя подаются значения входных параметров, на основе которых нужно принимать какие-то решения, прогнозировать развитие ситуации и т. д. Эти значения рассматриваются как сигналы, передающиеся в следующий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписываемых межнейронным связям. В результате на выходе нейрона самого верхнего слоя вырабатывается некоторое значение, которое рассматривается как ответ - реакция всей сети на введенные значения входных параметров.
Для того чтобы сеть можно было применять в дальнейшем, ее прежде надо "натренировать" на полученных ранее данных, для которых известны и значения входных параметров, и правильные ответы на них (рис. 6.20 ). Тренировка состоит в подборе весов межнейронных связей, обеспечивающих наибольшую близость ответов сети к известным правильным ответам.
Рис. 6.20. Схема самообучающейся информационной системы
Основным недостатком нейросетевой парадигмы является необходимость иметь очень большой объем обучающей выборки , хотя современные хранилища знаний относительно легко позволяют делать это. Другой существенный недостаток заключается в том, что даже натренированная нейронная сеть представляет собой черный ящик, "глотающий" начальные условия и выдающий прогноз. Знания, зафиксированные как веса нескольких сотен межнейронных связей, совершенно не поддаются анализу и интерпретации человеком (известные попытки дать интерпретацию структуре настроенной нейросети выглядят пока неубедительно).
Примеры используемых нейросетевых систем - BrainMaker (CSS), NeuroShell (Ward Systems Group), OWL (HyperLogic).
В отличие от нейронных сетей, где прогноз формируется без участия человека, экспертные системы включают одного или нескольких специалистов высокого класса в качестве элемента (рис. 6.21 ).
Рис. 6.21. Схема экспертной информационной подсистемы
Экспертная система имеет разветвленную сеть, позволяющую делать запросы и глубокий поиск в базах данных и хранилищах знаний. Если нейронные сети работают на принципе передачи информации от одних слоев нейронов к другим, причем изменения информации, происходящие во время передачи, обусловлены заранее не оговоренными эвристическими правилами, то в экспертных системах существует жесткий логический каркас - создатель заключения , который автоматически проводит линию рассуждения по заложенным в алгоритм правилам и использует параметры, вовлеченные в решение.
Ответ может быть известен заранее по результатам отзывов специалистов-экспертов; этот ответ сопоставляется с ответом системы, параметры изменяются, и проводится второй "прогон". В результате выдается экспертное заключение с вероятностной оценкой его надежности. Интерфейс допускает работу сразу нескольких пользователей.
Экспертные системы широко применяются в бизнесе, часто работают независимо и не включаются в корпоративные информационные сети. Как правило, они являются узко специализированными: транспортные, медицинские, банковские, торговые, юридические и т. д.
Рис. 6.22. Общая структура интеллектуальной ИС
Нейронные сети, аналитические и экспертные системы образуют обширный класс интеллектуальных систем. Структура такой информационной системы показана на рис. 6.22
.
^
Информационные системы поддержки деятельности руководителя
Системы поддержки выполнения решений (Executive Support Systems - ESS) появились в середине 1980-х годов в крупных корпорациях. ESS помогает принимать неструктурированные решения на стратегическом уровне управления компании и проводить системный анализ информации из внешней среды лучше, чем любые прикладные и специализированные ИС (рис. 6.23
).
Система поставляет совокупность текущей информации - как правило, внешней: курсы акций, спрос и предложения по отрасли, политические новости, экономические обзоры, прогнозы динамики цен и выбора оптимальной структуры инвестиционного портфеля (основанные на различных эмпирических моделях динамики рынка), данные аналитического учета по предприятию из внутренних модулей MIS и DSS.
Рис. 6.23. Процессы стратегического управления, поддерживаемые ESS
Она фильтрует, упорядочивает данные и выявляет критические параметры по заданным статистическим критериям, сокращая время и усилия для подготовки информации, необходимой для руководителя. В системах ESS используют самое "продвинутое" графическое программное обеспечение, которое может поставлять нужную графическую, аудио- и видеоинформацию немедленно в офис руководителя или зал заседаний.
Системы ESS часто используют несложный статистический аппарат, но максимально учитывают сложившуюся специфику области бизнеса (профессиональный язык, системы различных индексов и пр.). На рынке имеется достаточно много программных модулей для встраивания в ESS. Как правило, они относительно дешевы (обычно $ 1000-2000). В настоящее время модули ESS в виде специализированных подсистем являются обязательной частью многих ERP-систем.
В отличие от других подсистем ИС (TPS, MIS, DSS), ESS не предназначены для решения какого-то определенного круга проблем. Вместо этого системы этого типа обеспечивают обобщенную неформализованную информацию и её оперативную передачу для оценки ситуаций с динамично изменяющимся набором проблем. Системы ESS используют более простой алгоритм оценивания, чем DSS, ее аналитические возможности позволяют строить относительно простые модели, которые можно сразу применять для предварительной оценки ситуации (рис. 6.24 ).
Рис. 6.24. Принципиальная схема исполнительной информационной системы
Изменилось, к примеру, налоговое законодательство или ставки таможенных пошлин - руководитель компании может быстро "проиграть" ситуацию, с тем, чтобы оценить, во что это выльется для его бизнеса, и принять некоторые превентивные меры. Подсистема ESS помогает найти ответы на общие вопросы:
Какие изменения мы должны произвести в своем бизнесе, чтобы получить (вернуть) конкурентное преимущество?
Какие новые приобретения, в том числе и в области ИТ, защитят нас от циклических колебаний в экономике?
Что предпринимают наши конкуренты, чтобы обогнать нас, что должны сделать мы, чтобы обогнать их?
Какие подразделения корпорации нужно закрыть и какие акции продать в первую очередь, чтобы уменьшить влияние общего спада в отрасли на наш бизнес?
В настоящее время с развитием технологий Internet/Intranet круг пользователей ESS значительно расширился - он, подобно MIS, охватывает практически все уровни управления, кроме, пожалуй, эксплуатационного. Информационные базы ESS содержат большие объемы наглядной и "исторической" информации, которая может быть очень полезна на уровнях выполнения проектов.
Современные ESS широко используют технологии географических информационных систем (Geographical Information System - GIS). GIS до последнего времени не получали достойного применения из-за высокой стоимости и необходимости дописывать необходимые программные модули и интерфейсы. Многопрофильные и многонациональные корпорации последней четверти конца ХХ века, связанные с нефтяным, геологоразведочным, авиатранспортным, рыболовным, туристическим бизнесом, сделали GIS необходимым приложением к информационной системе общего пользования.
Примером долгоживущей системы на рынке программных продуктов, реализующих ESS, может быть пакет Comshare"s Commander Decision, выполненный по технологии "клиент-сервер". Пакет CDD работает с информацией любого вида, включая запросы, вычисления, несложный статистический анализ данных, работу с таблицами, гипертекстом. Этот универсальный инструмент может использоваться для разработки традиционных ESS-приложений для систем поддержки принятия решений на различных уровнях управления и исполнения. CDD обеспечивает выборочный контроль, распознавание информации по шаблонам, демонстрацию диаграмм по лучшим и худшим показателям, указывает на необходимость обновить информацию по текущим выборкам данных.
В отличие от экспертных систем и компактных приложений анализа данных, исполнительные информационные системы делаются обычно "под заказ", и в виде исполнительных модулей входят в корпоративную информационную систему.
Задача руководителя - определить, какого типа данные и какой объем информации необходимы ему для плодотворной повседневной деятельности. Только он
досконально знает структуру своего бизнеса и стратегию его развития
. Никто другой не знает этого лучше!
^
Контрольные вопросы и задания
Назовите этапы развития информационных систем.
Дайте определение информационной системы современной компании.
Охарактеризуйте организацию как сложную иерархическую систему.
Как информация распределяется по уровням управления в организации?
Какие подсистемы ИС используются на различных уровнях управленческой пирамиды?
Охарактеризуйте место, занимаемое информационной системы в организационной структуре предприятия.
Перечислите категории информационных систем.
Какими основными информационными подсистемами формируется ИС на концептуальном уровне описания?
Что является содержанием трех основных слоев общего представления ИС?
Какие информационные технологии используются при разработке поисковых систем?
Что такое системы многомерного анализа данных и как они используются в современном бизнесе?
Что такое подсистема DSS и на каком уровне управления компанией используется эта подсистема?
Каково основное назначение информационной подсистемы OAS?
Охарактеризуйте информационные подсистемы TPS и OAS, укажите, данные какого типа используют эти подсистемы.
Укажите роль подсистемы KWS, ее место в системе управления организацией, основных пользователей этой подсистемы.
Что такое информационная подсистема MIS, на каком уровне управления она используется и кто ее основные пользователи?
Какие функциональные модули могут быть включены в подсистему DSS?
Какие информационные подсистемы используются для поддержки деятельности высших руководителей компании?
Какие программные приложения используются для бизнес-анализа, планирования и моделирования деятельности компании?
Управляющие информационные системы. Системы поддержки принятия решений. Схема обработки данных и подготовка информации. Состав автоматизированной ИС управления. Базовые функции управляющей информационной системы. Ситуационные комнаты.
Управляющие информационные системы
В качестве примера рассмотрим возможности управляющих информационных систем в менеджменте, которые появились в связи с интенсивным развитием информационных технологий. С ростом технической мощи ИТ компьютеры начали не просто облегчать работу человека, а позволяют выполнять то, что без ИТ было невозможным. В связи с тем, что менеджеру приходится принимать решения в условиях большой неопределенности и риска, новые возможности информационных систем очень быстро начинают находить применение в бизнесе.
Говоря о "новых" возможностях ИС в менеджменте, более справедливо называть некоторые из них новыми только для нас. Например, системы поддержки принятия решений уже более двух десятилетий используются в развитых странах, но пока еще не получили широкого распространения в нашей стране.
Системы поддержки принятия решений (Decision Support System)
Современные системы поддержки принятия решения (СППР), возникшие как естественное развитие и продолжение управленческих информационных систем и систем управления базами данных, представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР могут решаться неструктурированные и слабоструктурированные многокритериальные задачи. СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных, искусственного интеллекта, интерактивных компьютерных систем, методов имитационного моделирования.
В настоящее время нет общепринятого определения систем поддержки принятия решений, поскольку архитектура и технические решения существенно зависит от вида задач, для решения которых она разрабатывается, от доступных данных, информации и знаний, а также от пользователей системы. Приведем различные определения СППР:
Система поддержки принятия решений - совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений, основанная на использовании моделей.
Система поддержки принятия решений - это интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели для решения слабоструктуризированных проблем.
Система поддержки принятия решений - это система, которая обеспечивает пользователям доступ к данным и/или моделям, так что они могут принимать лучшие решения.
Можно привести некоторые общие элементы и характеристики, общепризнанные, как части СППР: система поддержки принятия решений - в большинстве случаев – это интерактивная автоматизированная система, которая помогает пользователю (лицу, принимающему решение) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.
Система поддержки принятия решений обладает следующими четырьмя основными характеристиками:
СППР использует и данные, и модели;
СППР предназначены для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;
Они поддерживают, а не заменяют, выработку решений менеджерами;
Цель СППР – улучшение эффективности решений.
В идеале система поддержки принятия решений должна выполнять следующее:
Оперировать со слабоструктурированными решениями;
Предназначаться для лиц, принимающих решения различного уровня;
Адаптироваться для группового и индивидуального использования;
Поддерживать как взаимозависимые, так и последовательные решения;
Поддерживать 3 фазы процесса решения: интеллектуальную часть, проектирование и выбор;
Поддерживать разнообразные стили и методы решения, что может быть полезно при решении задачи группой ЛПР;
Являеться гибкой и адаптируется к изменениям как организации, так и ее окружения;
Быть простой в использовании и модификации;
Улучшать эффективность процесса принятия решений;
Позволять человеку управлять процессом принятия решений с помощью компьютера, а не наоборот;
Поддерживать эволюционное использование и легко адаптироваться к изменяющимся требованиям;
Может быть легко построена, если может быть сформулирована логика конструкции СППР;
Поддерживать моделирование;
Позволять использовать знания.
Классификации систем поддержки принятия решений.
Для систем поддержки принятия решений отсутствует не только единое общепринятое определение, но и исчерпывающая классификация. Разные авторы предлагают разные классификации. На уровне пользователя СППР на пассивные, активные и кооперативные СППР. Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять. Активная СППР может сделать предложение, какое решение следует выбрать. Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.
На концептуальном уровне различаются СППР, управляемые сообщениями (Communication-Driven DSS) - поддерживает группу пользователей, работающих над выполнением общей задачи, управляемые данными (Data-Driven DSS) –в основном орм\иентированы на данные и манипуляции с ними, управляемые документами (Document-Driven DSS) - управляют, осуществляют поиск и манипулируют неструктурированной информацией, заданной в различных форматах, управляемые знаниями (Knowledge-Driven DSS) - управляемые знаниями обеспечивают решение задач в виде фактов, правил, процедур, управляемые моделями (Model-Driven DSS) - основная задача доступ и манипуляции с математическими моделями: статистическими, финансовыми, оптимизационными, имитационными (отметим, что некоторые OLAP-системы, позволяющие осуществлять сложный анализ данных, могут быть отнесены к гибридным СППР, которые обеспечивают моделирование, поиск и обработку данных).
На техническом уровне различаются СППР всего предприятия и настольные системы. В зависимости от данных, с которыми эти системы работают, СППР условно можно разделить на оперативные и стратегические. Оперативные СППР предназначены для немедленного реагирования на изменения текущей ситуации в управлении финансово-хозяйственными процессами компании.
Стратегические СППР ориентированы на анализ значительных объемов разнородной информации, собираемых из различных источников. Важнейшей целью этих СППР является поиск наиболее рациональных вариантов развития бизнеса компании с учетом влияния различных факторов, таких как конъюнктура целевых для компании рынков, изменения финансовых рынков и рынков капиталов, изменения в законодательстве и др. СППР первого типа получили название Информационных Систем Руководства (Executive Information Systems, ИСР). По сути, они представляют собой конечные наборы отчетов, построенные на основании данных из транзакционной информационной системы предприятия, в идеале адекватно отражающей в режиме реального времени основные аспекты производственной и финансовой деятельности. Для ИСР характерны следующие основные черты:
Отчеты, как правило, базируются на стандартных для организации запросах; число последних относительно невелико;
ИСР представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и т. п.;
Как правило, ИСР ориентированы на конкретный вертикальный рынок, например финансы, маркетинг, управление ресурсами.
Компоненты системы поддержки принятия решений
Система поддержки принятия решений требует трех первичных компонентов: модели управления, управления данными для сбора и ручной обработки данных и управления диалогом для облегчения доступа пользователя к DSS. Пользователь взаимодействует с DSS через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем DSS представляют результаты пользователю через тот же самый пользовательский интерфейс.
Модель управления и управление данными в значительной степени действуют незаметно и варьируются от относительно простой типовой модели в электронной таблице до сложной комплексной модели планирования, основанной на математическом программировании. Чрезвычайно популярный тип DSS - в виде генератора финансового отчета. С помощью электронной таблицы типа Lotos 1-2-3 или Microsoft Excel создаются модели, чтобы прогнозировать различные элементы организации или финансового состояния. В качестве данных используются предыдущие финансовые отчеты организации. Начальная модель включает различные предположения относительно будущих трендов в категориях расхода и дохода. После рассмотрения результатов базовой модели менеджер проводит ряд исследований типа "что, если", изменяя одно или большее количество предположений, чтобы определить их влияние на исходное состояние.
Исполнительные информационные системы (Executive Support System - ESS)
появились в 80-х годах. Ключевая концепция исполнительной информационной системы состоит в том, что такая система поставляет интерактивную совокупность текущей информации относительно конъюнктур рынка, формирует легкий доступ для старших руководителей и других менеджеров без помощи посредников. ESS использует современную графику, связь и методы хранения данных, обеспечивая исполнителям легкий интерактивный доступ к текущей информации относительно состояния организации.
Первоначально большинство ESS создавалось только для самих высших руководителей в фирме, но сейчас круг пользователей в большинстве компаний расширен, чтобы охватить все уровни управления. ESS использует данные, которые были отфильтрованы и обличены в итоге в форму, полезную для руководителей организации. Кроме того, много эффективных ESS включают качественные данные типа информации о конкурентоспособности, оценки и прогнозы.
Ситуационные комнаты.
Ситуационные комнаты –дальнейшее развитие систем поддержки принятия решений. Они позволяют быстро «погрузить» участников процесса принятия решений в рассматриваемую проблему, «научить их говорить» на одном языке, помочь разобраться в проблеме, правильно сформулировать запросы к внешним источникам информации и совместно подготовить хорошее (не обязательно наилучшее) решение. Такие комнаты популярны за рубежом – там они работают во властных структурах, в больших корпорациях и банках. В России создается и уже используется ряд ситуационных комнат (центров): Президента РФ, Совета Безопасности, МЧС. Начинают создаваться ситуационные центры и в субъектах России. Правда, в России такие центры разрабатываются с большой оглядкой на зарубежный опыт. С одной стороны, это правильно – не надо «изобретать велосипед», с другой – совсем не учитывается российская информационная и коммуникационная специфика.
Ситуационные комнаты –это специальное рабочее место для одного или группы специалистов, специально оборудованное для оперативного построения и «проигрывания» сценариев, быстрой оценки проблемной ситуации на основе использования специальных методов обработки больших объемов знаний и информации. В редуцированном виде ситуационные комнаты –это совсем не обязательно компьютеризованное помещение. Известные комнаты для «мозгового штурма» со столом, классной доской и мелом –это тоже ситуационные комнаты.
Главное в ситуационной комнате –правильно подобрать информацию и организовать интеллектуальную активность специалистов.
Эффект от компьютеризации ситуационных комнат во многом зависит от развитости используемых методов сбора информации, структурирования данных, построения сценариев и применяемых технологий. Большой объем достоверной информации о различных аспектах ситуации –признак устойчивости ее динамики, залог эффективности принимаемых корпоративных решений. На ней можно построить надежную классическую модель развития ситуации. В неустойчивые же периоды развития экономики собрать большой объем достоверной информации практически невозможно. В этом случае особого внимания заслуживают некоторые подобласти методов искусственного интеллекта.
Специфика ситуационной комнаты определяется акцентированием внимания на ее компонентах, непосредственно связанных с творческими процессами принятия решений. Система принятия решений может работать в следующих режимах:
Наглядное отображение на экране текущей актуальной информации: из филиалов корпорации, информационных агентств, органов власти, с объектов управления и пр. (проблемный мониторинг);
Запланированное заслушивание и обсуждение аналитических докладов по проблемным ситуациям для принятия соответствующих решений (плановое обсуждение проблем);
Оперативное принятие и контроль исполнения решений по непредвиденным, кризисным, чрезвычайным проблемам с подключением групп экспертов (чрезвычайный режим).
Режим мониторинга
Мониторинговый режим, как правило, регламентируется выбранной, но часто изменяющейся тематикой и относительно постоянным набором источников информации. «Мониторить» можно даже кризисные процессы, ведь для решения проблемы всегда надо за что-то «зацепится», иметь хотя бы какие-то индикаторы, по которым можно оценивать поведение исследуемой ситуации. Когда задача мониторинга понятна, его организация включает: выделение внутренней и внешней сфер, благоприятных и негативных факторов, определение источников информации.
Труднее организовать мониторинг в малознакомых ситуациях, когда не понятно, с чего начать. Информационная практика подсказывает, что для организации мониторинга в малознакомой ситуации целесообразно предпринять ряд действий. Во-первых, надо собрать группу экспертов и организовать мозговую атаку. Это нужно для углубления понимания, уяснения проблемы, ее структуризации, выделения определяющих проблему факторов. Особую трудность составляет определение индикаторов, характеризующих исследуемую ситуацию.
Во-вторых, мониторинг необходимо направить на реализацию определенной цели, решение конкретной задачи. Желательно, чтобы определение цели выходило за рамки проблемной области исследуемого объекта. Например, при организации мониторинга ситуации в области корпоративных ценных бумаг, цели следует формулировать в контексте всего рынка ценных бумаг.
В-третьих, организация мониторинга должна предусматривать формирование отдельных групп специалистов по обработке информации, работающих на различных иерархических уровнях –на верхнем уровне должно находиться лицо, в интересах которого осуществляется мониторинг. Группы, находящиеся на нижележащих уровнях должны работать в постоянном контакте между собой.
В-четвертых, при представлении руководителю корпорации обобщенной информации о ситуации необходимо также дать ему доступ к первичной информации –это повышает устойчивость процесса принятия корпоративных решений.
В-пятых, определенный поначалу набор показателей для слежения за ситуацией необходимо сохранять как можно дольше –даже если через некоторое время после запуска мониторинга выяснится, что он не так хорош, как хотелось бы. Это создаст хороший базис для последующей модификации мониторинга.
В-шестых, при организации мониторинга желательно ориентироваться на построение некоторой формализованной модели анализа собираемых данных и на модель принятия решений по результатам этого анализа. Существенным прорывом в области обработки больших информационных массивов стали технологии добычи данных (data-mining), позволяющие выявлять закономерности и тенденции развития наблюдаемых событий, строить сценарии их развития.
В-седьмых, для выявления закономерностей в развитии событий необходимо особое внимание уделить применению средств визуализации результатов обработки информации. Так, особый эффект дают средства многомерного представления этих результатов.
В-восьмых, мониторинг обычно понимается как слежение во времени за объектами. Но не всегда имеется временная выборка, поэтому можно осуществлять объектный мониторинг, выявляя закономерности на различиях, наблюдаемых при переходе от объекта к объекту, предприятия к предприятию и пр.
Режим планового обсуждения проблемы
Режим планового обсуждения проблемы предназначен для эффективной информационной поддержки сообщений и докладов по заранее подготовленному сценарию. Отличительной чертой работы ситуационной комнаты здесь является возможность реализации игровой обстановки, моделирования, высококачественного оформления материалов, телекоммуникационного и информационно-справочного обеспечения, позволяющих в процессе изложения обращаться за информацией в удаленные и локальные базы данных.
При подготовке обсуждения значительную сложность представляет предварительная подготовка сценариев демонстрации (предварительная режиссерская работа), поскольку всегда сложно спрогнозировать, как изменится ход обсуждения проблемы. Это обсуждение может «уйти» от того намеченного сценария и сделанными заранее заготовками. Чтобы повысить «устойчивость управления» сценарием обсуждения, система принятия решений должна быть максимально информационно открыта для получения требуемых сведений и аналитических материалов из внешних источников. Вместе с тем следует иметь в виду, что увеличение открытости некоторой информационной системы приводит к снижению целенаправленности обсуждения.
На успех предварительной подготовки вопроса к обсуждению в ситуационной комнате может повлиять статистическое исследование психологических профилей предполагаемых участников обсуждения проблемы.
Изучение ранее опубликованных экспертом научно-практических работ, высказываний, реакций на различные публикации в СМИ может помочь предсказать возможные отклонения группового обсуждения проблемы от намечаемого сценария, и, соответственно, заранее заготовить альтернативный сценарий или справочную информацию. Руководители обычно последовательно изучают проблему как «вширь» по всему спектру смежных вопросов, так и «вглубь», анализируя ее детали. Методическую сложность здесь составляет восприятие руководителями максимально полной информации по изучаемой проблеме в минимальный промежуток времени (одномоментное). СПР как раз и обеспечивает временную компрессию информации, катализирует интуитивное мышление группы лиц, принимающих решения.
Чрезвычайный режим
Наиболее характерным и специфичным для ситуационной комнаты является чрезвычайный режим работы. Предварительная подготовка материала и информации для принятия решений в чрезвычайном режиме сведена к минимуму, а состав информации необходимой для обсуждения непредвиденно возникшей проблемы определяется в процессе обсуждения. При чрезвычайном режиме использования ситуационной комнаты процесс принятия корпоративных решений носит кумулятивный характер: одномоментное (одновременное, сконцентрированное, скомпрессированное) представление руководителям наглядной информации, позволяет им принять решение на качественно более высоком уровне по сравнению с традиционными способами принятия решений.
Стоит заметить, что элементы чрезвычайного режима работы СПР могут возникнуть и при реализации режима планового обсуждения проблемы. В процессе принятия решений группой лиц существенно влияние факторов, отклоняющих линию обсуждения от заранее подготовленного общего плана.
Возникают новые альтернативы, за время обсуждения меняется информация, уточняются оценочные критерии важности той или иной ситуации, вводятся новые термины и определения, появляются новые трудности описания обстановки и др.
При чрезвычайном режиме работы ситуационной комнаты формирование сценария принятия решений практически совмещается с процессом принятия решения. Предварительно построенная модель оценки ситуации, как правило, отсутствует. Вместе с тем модель необходима и ее надо построить оперативно на основании имеющейся «под рукой» информации. Из-за уникальности ситуации ограничена возможность использования исторических примеров. Противоречива логика происходящих событий, нет времени и возможности строить логическую или регрессионную модель. Однако некая классификация (категоризация) имеющейся и высказанной в процессе рассуждений экспертами «нелогичной» информации должна быть проведена, ситуация должна быть как-то быстро структурирована и представлена.
СППР появились усилиями, в основном, американских ученых в конце 1970-х - начале 1980-х годов, чему в значительной степени способствовало широкое распространение персональных компьютеров, страндартных пакетов прикладных программ, а также значительные успехи в создании систем искусственного интеллекта (ИИ).
Отличительные особенности СППР.
СППР характеризуется следующими отличительными особенностями.
Ориентация на решение плохо структурированных (формализованных) задач, характерных, главным образом, для высоких уровней управления;
Возможность сочетания традиционных методов доступа и обработки компьютерных данных с возможностями математических моделей и методами решения задач на их основе;
Направленность на непрофессионального конечного пользователя ЭВМ посредством использования диалогового режима работы;
Высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя.
Место СППР среди информационных систем. Информационную модель некоторой организации можно представить себе в виде следующей иерархической модели, включающей в себя следующие три уровня (см. Рис. 4.3):
Обработка данных,
Обработка информации,
Принятие решений.
Рис. 4.3. Иерархия информационных систем в компании |
На первом низшем уровне находятся СЭОД. В иерархии управленческих решений этот уровень соответствует уровню управленческого контроля, автоматизирующего документооборот в организации. Основными характеристиками СОЭД являются:
Обработка данных на уровне оперативного контроля,
Эффективная обработка коммерческих операций, проводимых организацией,
Составление расписания и оптимизация работы компьютера,
Интеграция файлов, описывающих смежные задачи,
Составление отчетов для руководства.
На втором среднем уровне, соответствующем уровню управленческого контроля, акцент переносится на процедуры обработки информации, выполняемые ИСУ. Указанная обработка обычно относится к планированию деятельности в таких функциональных сферах деятельности организации как маркетинг, производство, финансы, бухучет, кадры. Основными характеристиками ИСУ следует считать:
Подготовку информации, полезной на уровне среднего руководства,
Структурирование (упорядочивание) информационных потоков,
Интеграцию (объединение) данных, получаемых от СЭОД по функциональным сферам бизнеса (ИСУ маркетинга, ИСУ производства и т.п.),
Создание запросно-ответной системы и составление отчетов для руководства (обычно с использованием баз данных).
На третьем самом высоком уровне управления, соответствующем стратегическому планированию, формируются наиболее важные решения организации. Используемые на этом уровне СППР (как будет ясно из дальнейшего, СППР могут использоваться на любом уровне управления) имеют следующие характеристики:
Подготовку вариантов решений для высшего руководства,
Обеспечение высокой адаптивности к изменениям и высокой скорости ответов на запросы пользователей,
Обеспечение помощи в принятии решений любым индивидуальным управленцам.
Управление данными в условиях СЭОД осуществляется в основном для обработки текущих коммерческих операций, проводимых фирмой. Создание ИСУ было связано с появлением СУБД, давшей возможность организовать режимы запросов, обработки данных, а также создания разнообразных управленческих отчетов. Однако главным достоинством создания СУБД было снижение затрат на текущее программирование, связанное с эксплуатацией баз данных. Следует указать на сравнительно невысокие требования, предъявляемые пользователем к таким системам. Требования к СППР значительно серьезнее. Это касается возрастания потребности в достоверных данных, в том числе и носящих вероятностный характер, а также ужесточения временных ограничений к запросному режиму и использованию данных, поступающих из некомпьютеризированных источников. Соблюдение таких требований обеспечивает быстрый обмен данными между базами данных, входящих в СППР, и большой базой данных, хранящей сведения об операциях фирмы.
Итак, СЭОД и ИСУ дают возможность удовлетворить информационные потребности пользователя посредством быстрого доступа к необходимым данным и получения отчетов (построенных с различной степенью обработки данных), облегчающих принятие решений. В случае СППР правильнее говорить о способности системы совместно с пользователем создавать новую информацию (часто в виде готовых альтернатив) для принятия решений.
Следует заметить, что рассмотренный подход к установлению места СППР среди ИС может отчасти ввести читателя в заблуждение. Так, может показаться, что СППР можно использовать только на высших уровнях управления. В действительности они могут использоваться для помощи в принятии решения на любом уровне управления. Кроме того, решения, принимаемые на различных уровнях управления, часто должны координироваться. Поэтому важной функцией СППР является координация лиц, принимающих решения на разных уровнях управления, а также в рамках одного уровня. И, наконец, читателю может показаться, что помощь в принятии решений - это единственное, что может потребоваться руководству высших уровней от информационных систем. Однако, принятие решений - это только одна из функций управленцев, по которым они получают помощь от информационных систем.
Заметим также, что сам термин "информационные системы управления" используется в литературе в широком и узком смысле. В широком смысле он включает в себя любые виды рассмотренных компьютерных систем (СЭОД, ИСУ, СППР и др.), используемых в интересах управленцев. В узком смысле этот термин означает вид ИС, производящих управленческие отчеты, т.е. ИСУ.
Структура СППР
До настоящего момента мы не затрагивали вопросы структуры СППР, считая ее некоторым "черным ящиком". Первое представление о структуре СППР можно составить из рассмотрения Рис. 4.4.
В состав СППР помимо пользователя входят три главных компонента: подсистема обработки и хранения данных, подсистема хранения и использования моделей и программная подсистема. Последняя включает в себя систему управления базой данных (СУБД), систему управления базой моделей (СУБМ) и систему управления диалогом между пользователем и компьютером (СУД).
Подсистема данных. Подсистема обработки и хранения данных характеризуется всеми известными преимуществами построения и использования баз данных. Однако использование баз данных в составе СППР характеризуется определенными особенностями (см. Рис. 4.5). Так, например,
 Рис. 4.4. Структура СППР |
базы данных в составе СППР имеют значительно больший набор источников данных, включая внешние источники, особенно важные для принятия решений на высоких уровнях управления, а также источники некомпьютеризованных данных. Другой особенностью является возможность предварительного "сжатия" данных, поступающих из многочисленных источников, путем их предварительной совместной обработки процедурами агрегирования и фильтрации.
Данные играют в СППР важную роль. Они могут использоваться непо- стредственно пользователем или как исходные данные для расчета при помощи математических моделей.
Часть данных подсистема данных СППР получает от системы обработки операций, производимых фирмой. Однако лишь в редких случаях данные, полученные на уровне обработки коммерческих операций, оказываются полезными для СППР. Для того, чтобы получить возможность использования, эти данные должны быть предварительно обработаны. Для этого имеются две возможности. Первая - использовать для обработки данных об операциях фирмы СУБД, входящую в СППР. Вторая - сделать обработку за пределами СППР, создав для этого специальную базу данных. Ясно, что вторая из указанных возможностей предпочтительнее для фирм, производящих большое количество коммерческих операций.
 IitUC. 4.5. Структура подсистемы данных СППР |
Обработанные данные об операциях фирмы образуют экстрактивные файлы, которые для повышения надежности и быстроты доступа хранятся за пределами СППР. Идея создания специальной базы данных для обработки операций фирмы базируется на целесообразности разделить сферу автоматической электронной обработки данных от сферы менее квалифицированного конечного пользователя. Кроме того, конечные пользователи СППР, ожидающие быстрой реакции системы на свои запросы, постоянно конкурировали бы за машинное время с процессом обработки операций. Поэтому многие организации, работающие с СППР, используют для обработки своих коммерческих операций отдельный компьютер, работающий в рамках центральной ИСУ.
Помимо данных об операциях фирмы, для функционирования СППР требуются и другие внутренние данные. Так, например, необходимы оценки управляющих, занятых в сферах маркетинга, финансов, производства, данные о движении персонала, инженерные данные и т. п. Эти данные должны быть своевременно собраны, введены и поддержаны.
Важное значение, особенно для поддержки решений на верхних уровнях управления, имеют данные из внешних источников. В числе необходимых внешних данных следует указать данные о конкурентах, национальной и мировой экономике. В отличие от внутренних данных внешние данные часто могут быть куплены у специализирующихся на их сборе организаций.
В настоящее время широко исследуется вопрос о включении в СППР еще одного источника данных - документов, включающих в себя записи, письма, контракты, приказы и т.п. Если содержание этих документов будет записано в памяти (например, на видеодиске) и затем обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и др.), СППР получат новый мощный источник информации.
Подсистема данных, входящая в состав СППР, должна обладать следующими возможностями:
Составление комбинаций данных, получаемых из различных источников, посредством использования процедур агрегирования и фильтрации;
Быстрое прибавление или исключение того или иного источника данных;
Построение логической структуры данных в терминах пользователя;
Использование и манипулирование неофициальными данными для экспериментальной проверки рабочих альтернатив пользователя;
Управление данными при помощи широкого спектра функций управления, предоставляемых СУБД;
Обеспечение полной логической независимости базы данных, входящей в подсистему данных СППР, от других операционных баз данных, функционирующих в рамках фирмы.
Подсистема моделей. Наряду с обеспечением доступа к данным СППР обеспечивает доступ пользователя к моделям принятия решений. Это достигается введением в ИС соответствующих моделей и использованием в ней базы данных как механизма интеграции моделей и коммуникации между ними (см. Рис. 4.6).
Полученная в результате СППР будет сочетать в себе преимущества СЭОД и ИСУ в части обработки данных и генерации управленческих отчетов с достоинствами методов исследования операций и эконометрики в части математического моделирования ситуаций и нахождения решения.
Процесс создания моделей должен быть гибким. Он должен включать в себя специальный язык моделирования, совокупность отдельных программных блоков и модулей, реализующих отдельные компоненты различных моделей, а также набор функций управления.
Использование моделей обеспечивает способность СППР к проведению анализа. Модели, используя математическую интерпретацию проблемы, при помощи определенных алгоритмов способствуют нахождению информации, полезной для принятия правильных решений. Например, модель линейного программирования дает возможность определить наиболее выгодную производственную программу выпуска нескольких видов продукции при заданных ограничениях на ресурсы.
Использование моделей в составе информационных систем началось с применения статистических методов и методов финансового анализа, которые реализовались командами обычных алгоритмических языков. Позже были созданы специальные языки, позволяющие моделировать ситуации типа “что будет, если?" или "как сделать, чтобы?". Такие языки, созданные специально для построения моделей, дают возможность построения моделей определенного типа, обеспечивающих нахождение решения при гибком изменении переменных.
В настоящее время существует множество типов моделей и способов их классификации, например, по цели использования, области возможных приложений, способу оценки переменных и т. п.
Целью создания моделей являются либо оптимизация, либо описание некоторого объекта или процесса. Оптимизационные модели связаны с нахождением точек минимума или максимума некоторых показателей. Например, управляющие часто хотят знать, какие их действия ведут к максимизации прибыли (минимизации затрат). Модели оптимизации позволяют получать подобную информацию. Описательные модели описывают поведение некоторой системы и не предназначены для целей управления (оптимизации).
Хотя большинство систем носит стохастический характер (т.е. их состояние не может быть предсказано с абсолютной достоверностью), большинство математических моделей построены как детерминистские. Детерминистские модели используют оценку переменных одним числом (в отличие от стохастических моделей, оценивающих переменные несколькими параметрами). Детерминистские модели более популярны, чем стохастические, потому что они менее дорогие и трудные, их легче строить и использовать. К тому же часто с их помощью оказывается возможным получить достаточную информацию для помощи принимающему решение.
C точки зрения области возможных приложений модели подразделяются на специализированные модели, предназначенные для использования только с одной системой, и универсальные - предназначенные для использования с несколькими системами. Первые из них - более дорогие, они обычно используются для описания уникальных систем и обладают большей точностью, чем вторые.
База моделей. Модели в СППР образуют базу моделей, включающую в себя стратегические, тактические и оперативные модели, а также совокупность модельных блоков, модулей и процедур, используемых как элементы для построения моделей (см. Рис. 4.6). Каждый тип моделей имеет свои уникальные характеристики.
Стратегические модели используются на высших уровнях управления для установления целей организации, объемов ресурсов, необходимых для их достижения, а также политики приобретения и использования этих ресурсов. Они могут быть также полезны для выбора вариантов размещения предприятий, прогнозирования политики конкурентов и т.п. Для стратегических моделей характерна значительная широта охвата, множество переменных, представление данных в сжатой агрегированной форме. Часто эти данные базируются на внешних источниках и могут иметь субъективный характер. Горизонт планирования в стратегических моделях обычно измеряется в годах. Эти модели обычно детерминистские, описательные, специализированные для использования на одной определенной фирме.
Тактические модели применяются управляющими среднего уровня для распределения и контроля использования имеющихся ресурсов. Среди возможных сфер их использования следует указать: финансовое планирование, планирование требований к работникам, планирование увеличения продаж, построение схем компоновки предприятий. Эти модели применимы обычно лишь к отдельным частям фирмы (например, к системе производства и сбыта) и могут также включать в себя агрегированные показатели. Временной горизонт, охватываемый тактическими моделями, лежит между одним месяцем и двумя годами. Здесь также могут потребоваться данные их внешних источников, но основное внимание при реализации данных моделей должно быть уделено внутренним данным фирмы. Обычно тактические модели реализуются как детерминистские, оптимизационные и универсальные.
Оперативные модели используются на низших уровнях управления для поддержки принятия оперативных решений с горизонтом, измеряемым днями и неделями. Возможные применения этих моделей включают в себя введение дебиторских счетов и кредитных расчетов, календарное производственное планирование, управление запасами и т.д. Оперативные модели обычно используют для своих расчетов внутрифирменные данные. Они, как правило, детерминистские, оптимизационные и универсальные (т. е. могущие быть использованными в различных организациях).
В дополнение к стратегическим, тактическим и оперативным моделям база моделей СППР включает в себя совокупность модельных блоков, модулей и процедур. Сюда могут входить процедуры линейного программирования, статистического анализа временных рядов, регрессионного анализа и т.п. - от простейших процедур до сложных пакетов прикладных программ. Модельные блоки, модули и процедуры могут использоваться как поодиночке, самостоятельно для помощи пользователям СППР, так и комплексно, в совокупности для построения и поддержания моделей.
Система управления интерфейсом. Эффективность и гибкость СППР в решении определенных задач во многом зависит от характеристик используемого интерфейса. Интерфейс включает в себя программную систему управления диалогом (СУД), компьютер и самого пользователя.
Язык пользователя - это те действия, которые пользователь производит в отношении системы путем использования возможностей клавиатуры, электронных карандашей, пишущих на экране, джостика, "мыши", команд, подаваемых голосом, и т.п. Наиболее простой формой языка действий является создание форм входных и выходных документов. Получив входную форму (документ), пользователь заполняет его необходимыми данными и вводит в компьютер. СППР производит необходимый анализ и выдает результаты в виде выходного документа установленной формы.
Значительно возросла за последнее время популярность визуального интерфейса, разработанного американской компанией "Apple Mackintosh", в основу которого положено использование специального устройства "мыши". C помощью этого устройства пользователь выбирает представленные ему на экране в форме картинок объекты и действия, реализуя, таким образом, язык действий.
Управление компьютером при помощи человеческого голоса - самая простая и поэтому самая желанная форма языка действий.
Она еще недостаточно разработана и поэтому мало популярна в СППР. Существующие разработки требуют от пользователя серьезных ограничений (органиченного набора слов и выражений; специального устройства, учитывающего особенности голоса пользователя; управление должно осуществляться в виде дискретных команд, а не в виде обычной гладкой речи). Технология этого подхода интенсивно совершенствуется, и в ближайшем будущем можно ожидать появления новых совершенных СППР, использующих речевой ввод информации.
Язык сообщений - это то, что пользователь видит на экране дисплея (символы, графика, цвет), данные, полученные на принтере, звуковые выходные сигналы и т.п. Долгое время единственной реализацией языка сообщений был отпечатанный или выведенный на экран дисплея отчет (или другое требуемое сообщение). Теперь к нему присоединилась новая возможность представления выходных данных - машинная графика. Она дает возможность создавать на экране и бумаге цветные графические изображения в трехмерном виде. Использование машинной графики, значительно повышающее наглядность и интерпретируемость выходных данных, становится все более популярным в СППР.
За последние несколько лет наметилось новое направление, развивающее машинную графику - мультипликация. Мультипликация оказывается особенно эффективной для интерпретации выходных данных СППР, связанных с моделированием физических систем и объектов. Так, например, СППР, предназначенная для обслуживания клиентов в банке, с помощью мультипликационных моделей может реально просмотреть различные варианты организации обслуживания в зависимости от потока посетителей, допустимой длины очереди, количества пунктов обслуживания и т. п.
В ближайшие годы следует ожидать использования человеческого голоса как языка сообщений СППР. В качестве возможного примера можно указать использование этой формы в работе СППР сферы финансов, где в процессе генерации чрезвычайных отчетов голосом поясняются причины исключительности той или иной позиции.
Знания пользователя - это то, что пользователь должен знать, работая с системой. Сюда относится не только план действий, находящийся в голове у пользователя, но и учебники, инструкции, справочные данные, выдаваемые компьютером при команде о помощи. Инструкции и справочные данные, выдаваемые системой по просьбе пользователя, обычно не стандартны, а зависят от места в контексте решения задачи, в котором находится пользователь СППР. Иным словами, помощь специализирована с точки зрения ситуации.
Большую помощь пользователю СППР могут оказать так называемые командные файлы, содержащие запрограммированные инструкции выполнения системой стандартных процедур. Такие файлы активизируются нажатием одной клавиши и не требуют от пользователя знания командного языка. Примером могут служить постоянно выполняемые в рамках АРМ процедуры сопоставления планируемого и фактического состояния производства (ценностей на складе, объемов производства, поступления наличности и др.).
В случае явной недостаточности знаний пользователя о данной предметной области и самой СППР, последние могут использоваться в качестве тренажеров под руководством опытных пользователей или экспертов в исследуемой области.
Совершенствование интерфейса СППР определяется успехами в развитии каждой из трех указанных компонент.
Важным измерителем эффективности используемого интерфейса является выбранная форма диалога между пользователем и системой. В настоящее время наиболее распространенными являются следующие формы диалога: запросно-ответный режим, командный режим, режим меню и режим заполнения пропусков в выражениях, предлагаемых компьютером. Каждая форма в зависимости от типа задачи, особенностей пользователя и принимаемого решения может иметь свои достоинства и недостатки.
Интерфейс СППР должен обладать следующими возможностями:
Манипулировать различными формами диалога, изменяя их в процессе решения по выбору пользователя;
Передавать данные системе различными способами;
Получать данные от различных устройств системы в различном формате;
Гибко поддерживать (оказывать помощь по запросу, подсказывать) знания пользователя.
Эксплуатационные требования к СППР с позиций пользователя.
Первые три из указанных ниже требований имеют отношение к типу задачи, решаемой лицом, принимающим решение. Остальные - связаны с типом оказываемой ему помощи.
1. СППР должны осуществлять помощь в принятии решений и быть особенно эффективными при решении неструктурированных и плохо структурированных задач. Имеются в виду задачи, при решении которых использование СЭОД, ИСУ и моделей исследования операций обычно не давало результатов.
2. СППР должны осуществлять помощь в принятии решений управленцами всех уровней, а также при координации решений, требующих участия нескольких уровней управления.
3. СППР должны осуществлять помощь в принятии как индивидуальных, так и коллективных решений. Здесь имеются в виду решения, ответственность в которых разделена между несколькими руководителями или внутри группы работников.
4. СППР должны осуществлять помощь на всех стадиях процесса принятия решений. Как будет показано ниже, если на стадиях изучения проблемы и сбора данных СППР оказывает лишь дополнительную помощь (главный вклад вносит использование ИСУ), то на всех последующих стадиях (кроме стадии принятия решения) помощь, оказываемая СППР, является превалирующей.
5. СППР, оказывая помощь при принятии различных решений, не может зависеть ни от одного из них.
6. Использовать СППР должно быть легко. Это обеспечивается высокой адаптивностью системы по отношению к виду задач, особенностям организационного окружения и пользователя, а также дружественным интерфейсом.
Г рупповые СППР
Все, что говорилось выше о СППР, относилось прежде всего к поддержке индивидуальных решений. Однако, менеджер редко принимает решение один. Советы директоров, научно-технические советы, бригады проектантов, проблемные комиссии - вот далеко не полный перечень примеров коллективного подхода к принятию решений. Групповые СППР (ГСППР) представляют собой интерактивные компьютерные системы, призванные обеспечить поддержку группам работников в решении плохо структурированных проблем.
Принятие групповых решений является более сложным, чем индивидуальных, поскольку оно связано с необходмостъю согласования различных индивидуальных точек зрения. Поэтому главной задачей ГСППР является улучшение коммуникаций в работающем коллективе. Улучшение коммуникаций приводит к экономии рабочего времени, которое может быть использовано на более глубокое проникновение в данную проблему и разработку большего количества возможных альтернатив ее решения. Оценка большего количества альтернатив способствует выбору более обоснованного решения.
Важность принятия групповых решений, с одной стороны, хронические пороки группового общения (см. главу 2) и ограниченные возможности борьбы с ними, с другой, привели к созданию специальной информационной технологии для поддержки групповых решений .
Большая часть этой технологии реализуется средствами систем автоматизации офиса (CAO)1 улучшая коммуникацию между сотрудниками. ГСППР могут быть специализированными (приспособленными для решения лишь одного типа проблем) или универсальными (предназначенными для решения широкого круга вопросов). Многие ГСППР содержат встроенный программный механизм, препятствующий развитию негативных тенденций группового общения (возникновению конфликтных ситуаций, группового мышления И Т.П.).
Структура ГСППР. ГСППР включает в себя техническое и программное обеспечение, а также процедуры и персонал (см. Рис. 4.7).
 Рис. 4.7. Структура групповой системы поддержки принятия решений |
Указанные компоненты обеспечивают членам группы возможность коммуникации и другую поддержку при обсуждении проблем. В процессе работы с системой члены группы имеют постоянный доступ к базе данных, базе моделей и различным приложениям. Распорядитель группы отвечает за выбор необходимых для работы группы процедур. Распорядитель группы и ее члены имеют возможность вступать в диалог.
Техническое обеспечение. В ГСППР обычно используют одну из следующих конфигураций технического обеспечения:
1. Единственный компьютер. В этом случае все участники собираются вокруг единственного компьютера и по очереди отвечают на вопросы, которые появляются на экране монитора, до тех пор, пока решение не будет получено. Использование такой конфигурации целесообразно лишь для целей обучения.
2. Сеть компьютеров или терминалов. Каждый участник находится за своим компьютером или терминалом, имея возможность вести диалог с центральным процессором системы.
3. Комната для принятия решений. В основе этой конфигурации ГСППР лежит приложение CAO1 называемое компьютерной конференцией и описанное в разделе 4.4. Комната для принятия решений включает в себя локальную компьютерную сеть с сервером, на котором работает распорядитель системы. Она также оснащена общим экраном, позволяющим демонстрировать всем членам группы необходимую информацию (индивидуальную и агрегированную).
Программное обеспечение. Программное обеспечение ГСППР включает в себя базу данных, базу моделей и программы специальнных приложений. Оно обеспечивает возможность индивидуальной и групповой работы пользователлей, а также ведение групповых процедур приниятия решений. Так, в части групповой работы программное обеспечение ГСППР позволяет
Производить численное и графическое суммирование предложений и результатов голосования членов группы;
Вычислять веса альтернатив решения, производить анонимную запись полученных предложений, выбирать лидера группы, строить процедуры построения консенсуса, препятствовать развитию негативных тенденций группового общения;
Передавать текст и числовые данные между членами группы, между членами группы и распорядителем группы, в также между членами группы и центральным процессором ГСППР.
Персонал. Этот компонент ГСППР включает в себя всех членов группы и распорядителя, присутствующего на каждой встрече группы и отвечающего за аппаратную часть системы и управление сменой процедур ведения дискуссии.
Пооиедуоы. Процедуры представляют собой необходимый компонент ГСППР, посредством которого обеспечивается целенаправленность обмена мнениями, объективность достижения консенсуса и эффективность использования программного и технического обеспечения системы.
Поддержка, осуществляемая ГСППР. Для того, чтобы проанализировать работу ГСППР, выделим три уровня средств поддержки, предоставляемых этими системами:
Уровень 1. Поддержка коммуникаций
Уровень 2. Поддержка принятия решений
Уровень 3. Поддержка правил игры
Уровень 1. Поддержка коммуникаций. На этом уровне ГСППР, используя возможности CAO и специальные программы, может осуществлять следующие виды поддержки:
Передача сообщений между членами группы средствами электронной почты;
Формирование общего экрана, видимого всем членам группы и доступного с каждого рабочего места;
Возможность анонимного ввода идей (предложений) и их анонимной оценки (ранжирования);
Выдача на общий экран (или монитор каждого рабочего места) всей выходной информации, являющейся результатом обсуждения (исходного и окончательного списка предложений, результатов голосования и др.);
Формирование повестки дня для обсуждения.
Уровень 2. Поддержка принятия решений. На этом уровне ГСППР, используя программные средства моделирования и анализа принятия решений, может осуществлять следующие виды поддержки:
Плановое и финансовое моделирование;
Использование деревьев решений;
Использование вероятностных моделей;
Использование моделей распределения ресурсов.
Уровень 3. Поддержка правил игры. На этом уровне ГСППР использует специальные программные средства для соблюдения установленных правил проведения групповых процедур (например, установление очередности выступлений и правил голосования, приемлемости вопросов в данный момент и др).
1) . Перед началом встречи лидер группы встречается с ее распорядителем, чтобы спланировать работу группы, выбрать программное обеспечение, наметить повестку дня.
2) . Работа группы начинается с того, что ее лидер предлагает группе для решения вопрос или проблему.
3) . Далее участники вводят с клавиатуры свои ответы, которые делаются доступными всем. После того, как участники ознакомились со всеми высказанными предложениями, они дают комментарии к ним (положительные или отрицательные).
4) . Распорядитель, используя программу обобщения предложений, ищет в поданных предложениях общие термины, темы и идеи и создает из них несколько обобщенных предложений с комментариями, которые сообщаются всем участникам.
5) . Лидер начинает дискуссию по обобщенным предложениям (словесную или электронную). На этой стадии с помощью специальных программ происходит ранжирование (назначение приоритетов) обсуждаемых предложений.
6) . Для лучших пяти или десяти предложений начинается новая дискуссия с целью их конкретизации и дальнейшей оценки.
7) . Процесс (разработки предложений, их обобщения и ранжирования) повторяется или заканчивается финальным голосованием. Этот этап использует специальную программу, называемую “окончательный комментарий", выдающий комментарий по отобранным обобщенным предложениям.
ПОСТРОЕНИЯ И ИСПОЛЬЗОВАНИЯ СППРДЛЯ ФИНАНСОВОГО ПЛАНИРОВАНИЯ
Описываемый пример основан на реальных событиях, которые имели место в одном из западных банков.
В конце очередного финансового года банк, обнаружив значительное сокращение прибыли, ощутил себя в опасности. Анализ возникшей ситуации выходил за рамки обычной управленческой деятельности.
Хотя указанный банк числился в числе передовых, одним из первых внедрившим кредитные карточки и компьютерную систему бухгалтерских расчетов, реализация кредитной политики в нем до сих пор осуществлялась вручную.
Было принято решение создать новую компьютерную систему финансового планирования, производящую анализ и прогнозирование, а также создающую отчеты на базе использования данных уже существующей в банке системы обработки бухгалтерских операций. Анализ при этом касался освещения динамики изменения основных показателей, оценивающих соотношение собственных активов и заемных средств банка. Прогнозирование предполагалось проводить для двух постоянных горизонтов: 12 месяцев и 5 лет.
Система финансового планирования (СФП) использовалась в следующих трех направлениях:
В начале каждого месяца выдавался отчет о деятельности банка за предшествующий месяц;
В течение каждого месяца - для решения специальных текущих задач и разработки стратегических планов;
В конце каждого календарного года - для разработки годовых бюджетных документов.
Как нетрудно заметить, в отличие от уже существовавшей в банке ИC бухгалтерских расчетов (представлявшей собой централизованную СЭОД), вновь созданная СФП представляет собой СППР, сохраняющая такие стандартные функции этих систем как
Доступ к данным в любой момент;
Поддержка принимаемых решений выдачей периодических управленческих отчетов;
Использование математических моделей прогнозирования для оценки альтернатив и стратегий;
Обеспечение возможности работы в режиме диалога (возможность изменения целей и ограничений при изменении условий и обстоятельств на финансовых рынках).
Данные. Каждый месяц полученные данные записываются в базы данных, содержащие ретроспективную информацию за последние три года в помесячном разрезе и за семь с половиной лет в поквартальном разрезе. Кроме того, базы данных содержат полученную прогнозную информацию на последующие 12 месячных периодов.
Отчеты и анализ. Каждый месяц система финансового планирования выдает полный набор финансовых документов, включая балансовый отчет, отчет о доходах и отчеты по основным коммерческим показателям. Полученные месячные данные сравниваются с результатами прогнозирования, бюджетом и с аналогичными данными, полученными в предшествующем году. Кроме того, система выдает периодические отчеты об особенно напряженных (критических) аспектах деятельности банка, например, отчет о соотношении ставок и объемов процентных платежей.
Прогнозирование. Все перечисленные отчеты могут быть выданы системой для каждого из 12 последующих месяцев. Независимые переменные для этих отчетов могут быть введены непосредственно пользователями или сформированы из стратегических соображений автоматически. При необходимости здесь могут быть использованы оптимизационные модели, находящиеся в базе моделей системы. Прогнозирование является “скользящим", постоянно покрывающим следующие 12 месяцев, с постоянной переоценкой данных в начале каждого месяца.
Преимущества. Внедрение СФП привело к повышению прибыльности банка за счет следующих факторов:
Построения механизма управления важнейшими показателями балансового отчета, в том числе ликвидностью и соотношением собственного и заемного капитала;
Создания базы для координациии процесса принятия решений на уровне стратегического планирования;
Создания возможности для высшего руководства быстро реагировать на изменение нормативных актов, условий рынка и внутрибанковских
обстоятельств;
Снижения затрат на создание периодических управленческих от
Вопросы дпя самопроверки
1. Опишите ситуацию, которая побудила руководство банка к созданию СФП.
2. Какие преимущества обеспечивало внедрение СФП?
3. Опишите компоненты СФП, обосновав - к какому виду ИС она относится.
3) . СППР имеет способность управления диалогом между пользователем и системой, а также управления данными и моделями.
4) . СППР включает в себя три информационных подсистемы. Первая (подобно ИСУ) - обеспечивает подготовку периодических и специальных отчетов. Вторая - выдает результаты решения моделей. Третья (ГСППР) - обеспечивает коммуникацию между членами группы.
5) . При создании СППР цели ее функционирования определяют тип принимаемых решений и вид оказываемой менеджеру помощи.
Системы поддержки выполнения решений (Executive Support Systems - ESS) появились в середине 1980-х годов в крупных корпорациях. ESS помогает принимать неструктурированные решения на стратегическом уровне управления компании и проводить системный анализ информации из внешней среды лучше, чем любые прикладные и специализированные ИС (рис. 6.23).
Система поставляет совокупность текущей информации - как правило, внешней: курсы акций, спрос и предложения по отрасли, политические новости, экономические обзоры, прогнозы динамики цен и выбора оптимальной структуры инвестиционного портфеля (основанные на различных эмпирических моделях динамики рынка), данные аналитического учета по предприятию из внутренних модулей MIS и DSS.
Рис. 6.23. Процессы стратегического управления, поддерживаемые ESS
Она фильтрует, упорядочивает данные и выявляет критические параметры по заданным статистическим критериям, сокращая время и усилия для подготовки информации, необходимой для руководителя. В системах ESS используют самое "продвинутое" графическое программное обеспечение, которое может поставлять нужную графическую, аудио- и видеоинформацию немедленно в офис руководителя или зал заседаний.
Системы ESS часто используют несложный статистический аппарат, но максимально учитывают сложившуюся специфику области бизнеса (профессиональный язык, системы различных индексов и пр.). На рынке имеется достаточно много программных модулей для встраивания в ESS. Как правило, они относительно дешевы (обычно $ 1000-2000). В настоящее время модули ESS в виде специализированных подсистем являются обязательной частью многих ERP-систем.
В отличие от других подсистем ИС (TPS, MIS, DSS), ESS не предназначены для решения какого-то определенного круга проблем. Вместо этого системы этого типа обеспечивают обобщенную неформализованную информацию и её оперативную передачу для оценки ситуаций с динамично изменяющимся набором проблем. Системы ESS используют более простой алгоритм оценивания, чем DSS, ее аналитические возможности позволяют строить относительно простые модели, которые можно сразу применять для предварительной оценки ситуации (рис. 6.24).
Рис. 6.24. Принципиальная схема исполнительной информационной системы
Изменилось, к примеру, налоговое законодательство или ставки таможенных пошлин - руководитель компании может быстро "проиграть" ситуацию, с тем, чтобы оценить, во что это выльется для его бизнеса, и принять некоторые превентивные меры. Подсистема ESS помогает найти ответы на общие вопросы:
- Какие изменения мы должны произвести в своем бизнесе, чтобы получить (вернуть) конкурентное преимущество?
- Какие новые приобретения, в том числе и в области ИТ, защитят нас от циклических колебаний в экономике?
- Что предпринимают наши конкуренты, чтобы обогнать нас, что должны сделать мы, чтобы обогнать их?
- Какие подразделения корпорации нужно закрыть и какие акции продать в первую очередь, чтобы уменьшить влияние общего спада в отрасли на наш бизнес?
ESS формирует пакеты информации по заданным темам и представляет комфортный доступ для высших руководителей компаний и корпораций без посредников. Интерфейс ESS чрезвычайно дружелюбен, используется наглядная графика, аудио- и видеосредства, мобильная связь, современные методы хранения и представления данных, а также проведения видеоконференций в распределенных компаниях.
В настоящее время с развитием технологий Internet/Intranet круг пользователей ESS значительно расширился - он, подобно MIS, охватывает практически все уровни управления, кроме, пожалуй, эксплуатационного. Информационные базы ESS содержат большие объемы наглядной и "исторической" информации, которая может быть очень полезна на уровнях выполнения проектов.
Современные ESS широко используют технологии географических информационных систем (Geographical Information System - GIS). GIS до последнего времени не получали достойного применения из-за высокой стоимости и необходимости дописывать необходимые программные модули и интерфейсы. Многопрофильные и многонациональные корпорации последней четверти конца ХХ века, связанные с нефтяным, геологоразведочным, авиатранспортным, рыболовным, туристическим бизнесом, сделали GIS необходимым приложением к информационной системе общего пользования.
Примером долгоживущей системы на рынке программных продуктов, реализующих ESS, может быть пакет Comshare"s Commander Decision, выполненный по технологии "клиент-сервер". Пакет CDD работает с информацией любого вида, включая запросы, вычисления, несложный статистический анализ данных, работу с таблицами, гипертекстом. Этот универсальный инструмент может использоваться для разработки традиционных ESS-приложений для систем поддержки принятия решений на различных уровнях управления и исполнения. CDD обеспечивает выборочный контроль, распознавание информации по шаблонам, демонстрацию диаграмм по лучшим и худшим показателям, указывает на необходимость обновить информацию по текущим выборкам данных.
Загрузка...
