Информационной основой системы dss является. Интеллектуальные системы поддержки принятия решений — краткий обзор

Сергей КОРНЕЕВ (PMCG, директор)

Ч то во все большей и большей степени определяет деятельность человека, как в быту, так и в производстве? Конечно же, это стандартизация. Речь может идти о стандартизации речи, стандартизации одежды и т.д. Но автор, в силу своей профессиональной принадлежности, предлагает рассмотреть развитие стандартизации в области систем поддержки принятия решений (Decision Support Systems - DSS).

Почему такое внимание именно стандартизации? Да прежде всего потому, что нас интересует коммерческое применение прикладных систем, а масштабный бизнес в данной области, как и в любой другой, лежит в области стандартизации. Пылесос, автомобиль и т.п. стали массовыми товарами только после унификации требований к ним, пусть даже с учетом некоторых функциональных групп в рамках единого продуктового типа, скажем: семейный автомобиль, спортивный, внедорожник и т.д. Когда мы видим или слышим эти слова, то у нас возникают совершенно определенные ассоциации, и мы редко бываем обмануты в своих ожиданиях.

Термины и определения

Когда современный специалист, не только в области информационных технологий, но и просто эрудированный производственник, слышит аббревиатуру ERP, то можно в большинстве случаев ожидать вполне адекватного представления, о чем идет речь. Хотя еще лет десять назад это было не так. До сих пор это «не так» и с системами поддержки принятия решений.

С одной стороны, ERP, GIS и многие другие прикладные программные средства можно отнести по функциональному назначению к системам поддержки принятия решений - как минимум на 50% они для этого и создавались. Однако когда мы имеем дело с прикладным программированием, мы вынуждены следовать сложившимся стандартам, которые приписывают любому понятию в данной области определенный смысл. Некоторые отклонения, конечно, возможны, но только вокруг некоторой базовой спецификации.

Так же что такое DSS-система?

Можем найти следующее ее определение:

Decision Support Systems (DSS) является классом компьютеризированных информационных систем, которые поддерживают деятельность по принятию решений.

Это определение, по мнению автора, мало что проясняет и абсолютно не дает возможности идентификации в широком перечне классов информационных систем. Иногда в данного типа определениях присутствует фразы: «система должна облегчать принятие решений», «…анализировать данные и представлять их в удобной для принятия решений форме» и т.п.

Дэниель Пауэр (Daniel Power) в 2002 году идентифицировал пять типов DSS-систем как систем, оперирующих связями, данными, документами, знаниями и моделями.

Вот его определение:

DSS-система - это интерактивная компьютерная система, предназначенная для помощи лицу, принимающему решения, в использовании связей, данных, документов, знаний и моделей для идентификации и решения проблем и формирования решений.

Это уже, по крайней мере, конструктивно, хотя под данное определение попадают опять очень многие классы систем: ERP, GIS, DocFlow, Business Modeller, SCADA/DCE, Project Management и др.

А вот еще одно определение (Bonczek, Holsapple & Whinston, 1981):

DSS-система должна помогать лицу, принимающему решение, в решении непрограммируемых, неструктурированных (или полуструктурированных) проблем; DSS-система должна предлагать возможности формирования интерактивных запросов в естественном языке, близком к предметному и легко изучаемому.

Это определение, безусловно, сужает область идентификации.

И наконец, еще одно:

DSS-система помогает менеджеру или лицу, принимающему решение, использовать и манипулировать данными, использовать проверки и эвристики, а также строить и использовать математические модели.

В некоторых определениях упоминается возможность: включения в состав DSS-системы функциональных возможностей искусственного интеллекта.

Ну, в искусственный интеллект, наверное, так сразу лучше не лезть - как минимум, интуитивно понятного языка, близкого к естественному, там нет или нет в большинстве задач.

Упоминаются также как необходимые возможности графического представления данных.

Мало чему помогает в смысле той же идентификации.

Существует связное понятие - Business Intelligence Tools (инструментальные средства бизнес-интеллекта) - программное обеспечение, которое дает возможность пользователям наблюдать и использовать большие объемы сложных данных.

Выделяют три типа таких инструментальных средств:

1. Средства многомерного анализа- также известные как OLAP (On-Line Analytical Processing) - программное обеспечение, которое дает пользователю возможность наблюдать данные в различных измерениях, направлениях или сечениях.

2. Инструментальные средства запросов (Query Tools) - программное обеспечение, позволяющее формировать запросы к данным по содержанию или образцу.

3. Инструментальные средства поиска данных (Data Mining Tools) - программное обеспечение, которое осуществляет автоматический поиск важных образцов (моделей), или зависимостей в данных.

Под приведенное определение Пауэра это попадает и, наверное, к рассматриваемой теме относится. Но давайте пока отвлечемся от прикладной лингвистики. К ней мы вернемся позже - после рассмотрения целей, назначения и конкретных реализаций, которые должны прояснить дело.

Цели, назначение, практика

• финансовый анализ и прогнозирование;
• маркетинг реализации и закупок;
• анализ стереотипов клиентского поведения и выявление скрытых закономерностей;
• анализ рисков;
• управление активами.
• Каким образом данные задачи соотносятся с общей задачей информационного обслуживания бизнеса? К информационному обслуживанию бизнеса можно отнести:
• увязку стратегических задач бизнеса и ИТ;
• распределение и контроль прикладного программного обеспечения;
• оперативную поддержку пользователей;
• а также управление:
• проектами;
• производственными мощностями;
• изменениями;
• проблемами;
• издержками;
• непредвиденными ситуациями;
• вспомогательными службами;
• взаимоотношениями с клиентами;
• взаимоотношениями с поставщиками.

Более укрупненно можно говорить о том, что информационные технологии сосредоточены на обслуживании процессов, связанных с:

• людьми;
• процессами;
• стратегиями;
• технологиями.

Как можно видеть, в сферу приложения систем DSS попадает почти половина структурных задач, возлагаемых на ИТ-службы. Это находит подтверждение при анализе рынка прикладных информационных систем. Так, мировой рынок, например, ERP-систем оценивается в настоящее время оборотами порядка 25 млрд. долларов. Рынок DSS-cистем, который возник только в середине 90-х годов, сейчас оценивается суммой порядка 10 млрд. долларов и растет существенно большими темпами, чем рынок корпоративных систем управления. Его рост порядка 30% в год против 10-15% роста ERP-рынка, и можно предположить, что в течение ближайших пяти лет можно ожидать достижения паритета. С другой стороны, если рынок систем DSS в настоящее время в основном связан с финансовым сектором, крупноформатной торговлей и телекоммуникациями, то можно ожидать постепенной ассимиляции функциональных возможностей DSS-систем в существующие системы ERP-класса, что, по-видимому, приведет к оживлению процессов обновления версий ERP-систем в корпоративном секторе.

Анализируя тенденции развития функциональности ERP-систем, можно уверенно говорить о том, что этот процесс уже идет. Так, практически во всех ведущих ERP-системах уже имплементированы функциональные возможности прогнозирования с использованием разнообразных статистических методов. Представляется очень перспективным развитие подходов DSS-систем в управлении активами, в частности, в организации эксплуатации и ремонтов оборудования. Это связано с постепенной миграцией подходов, а именно, от управления ремонтами по состоянию, к управлению на основе прогнозирования будущего состояния производственных мощностей. В Украине в данной сфере еще превалируют календарные подходы и управление эксплуатацией на основе учета наработки. Эти подходы были присущи промышленности развитых стран мира в 80-е годы и являются избыточными по издержкам содержания производственных мощностей.

Рассматривая деятельность корпораций в конкурентном окружении, Майкл Портер, например, выделяет следующую шестифакторную модель (рис.).

Можно быть уверенным, что в усилении данных конкурентных позиций и лежит основной предмет DSS-систем. Существенным фактором их развития является то, что к настоящему времени в транзакционных системах управления оперативной деятельностью компаний накоплен огромный объем данных, значение которых в настоящее время во многом не осознано и не используется.

Диаграмма сравнительной конкурентоспособности по Майклу Портеру

Крупноформатная торговля

Крупноформатная торговля и компании электронной коммерции (B2C, B2B) явились первыми институциональными заказчиками на DSS-системы. Основными задачами, решаемыми в данном секторе, являются:

• анализ ассортимента (селективный маргинальный доход, оборачиваемость запасов, статистическое управление запасами, фондоотдача);
• распределение площадей, раскладка;
• анализ эффективности деятельности менеджеров и мотивация персонала;
• планирование и анализ эффективности рекламы, акций, распродаж и т.п.;
• управление ценообразованием.

В части управления раскладкой можно привести известный пример с корреляцией покупок пива и памперсов. Или так называемая «ловушка на кассе» - это мелкие товары, которые выкладываются непосредственно в кассовой зоне. Площадь этой зоны ограничена. Что туда положить? Опять «нет ничего практичнее хорошей теории» - нужен анализ потребительских предпочтений, который, в частности, дает многомерный статистический анализ чеков. В мелкооптовой торговле ситуация попроще, т.к. там потребитель идентифицирован и учтен в базе данных торговой компании, что позволяет непосредственно анализировать клиентское поведение. В розничной торговле покупатель анонимный, хотя многие компании изначально это исключают, например, METRO Cash & Carry.Вообще основная тенденция развития прикладных информационных систем в последние пять лет - это ассимиляция систем управления взаимоотношениями с клиентами, возникших в качестве самостоятельных, в контур ERP, причем обе при этом только выигрывают.

Банки и финансовые компании

Рынок DSS-систем в финансовых институтах сейчас самый емкий. Сфера применения DSS-систем в банках касается прежде всего:

• банковского ритейла (платежные пластиковые карты и чеки);
• анализа рисков;
• предотвращения мошенничества (прежде всего с пластиковыми картами);
• анализа потребительского поведения и проектирования новых финансовых услуг.

Последнее, прежде всего, основано на анализе и формировании потребительских групп, которые характеризуются сходным поведением. Результатом этой работы являются проекты, например, молодежных жилищных кредитов, условия овердрафтов, VIP-программы клиентского обслуживания. При этом надо отвечать на вопросы: что такое «молодежь»?, кто такой VIP-клиент? и т.д.Предотвращение мошенничества - это перспективная зона использования методов искусственного интеллекта, которая никогда не будет исчерпана, как никогда не будет исчерпано воображение у мошенников.В страховых компаниях DSS-системы еще не имеют такого широкого распространения, но это только подчеркивает потенциальную перспективность данного рынка.

Телекоммуникации

В телекоммуникационных компаниях, прежде всего мобильной связи, роль DSS-систем связана с проектированием новых услуг, которое основано на выявлении устойчивых клиентских групп и преимущественного клиентского поведения. Этот рынок по времени жизни можно считать неисчерпаемым.

Промышленность

В промышленности к сферам применения DSS-систем можно отнести:

• управление взаимоотношениями с клиентами;
• статистическое управление запасами;
• финансовое и бюджетное планирование и управление;
• анализ и управление рисками.

Какие изменения в парадигме управления промышленностью произошли за последние 50 лет? До 60-х годов промышленное производство развивалось главным образом за счет развития технологии, что выражалось тезисом: «производить и продавать». В тот период, безусловно, предложение явно формировало спрос. При этом основные производственные фонды были преимущественно материальными: здания, сооружения, оборудование, за которым стояли патентованные технологии. К концу 20-го века признанным тезисом, выражающим рациональное рыночное поведение, стала парадигма «воспринимать и реагировать». Темп появления новых революционных технологий замедлился, технологии в основном находятся на этапе эволюции. А фронт конкурентной борьбы переместился в область проектирования новых продуктов и услуг. При этом превалирующим стали намерения и пожелания клиентов: явно или неявно выраженные. В качестве примеров можно привести практически полный переход на заказное конфигурирование автомобильной промышленности, постоянно возрастающий спектр предложений услуг в сфере телекоммуникаций при том же самом оборудовании и т.д.Все большее и большее значение приобретает информация и методы работы с ней. Это тем более актуально в развитых странах мира на фоне сохраняющейся тенденции переноса непосредственно материального производства в развивающиеся страны с низкой стоимостью рабочей силы, энергетических и сырьевых ресурсов. Концепция DSS-систем прямо соответствует задаче информационного обеспечения данной парадигмы.

Каковы сегодня основные промышленные тенденции? Это:

• глобализация;
• укрупнение;
• специализация (для средних компаний);
• интеграция в поставочные сети;
• фокусировка на разработке новых продуктов и услуг;
• необходимость одновременно конкурировать как по качеству, так и по цене.
• Промышленность сегодня фокусируется на:
• разработке новых продуктов;
• коммерциализации;
• использовании преимуществ консолидации и интеграции в поставочные сети;
• управлении людскими ресурсами.

Анализируя причины отставания США в промышленном развитии, Комиссия Министерства внешней торговли США считает, что для подъема конкурентоспособности, в частности, необходимо (автор приводит только те пункты рекомендаций, которые имеют отношение к предмету рассмотрения, сам исходный перечень немного шире):

уделять больше внимания стратегическому планированию и больше инвестировать в исследования и разработки;

изучать стратегию иностранных конкурентов и совершенствовать собственную;

• уделять больше внимания производственной функции и больше инвестировать в оборудование и кадры;
• устранить коммуникативные барьеры в пределах организации;
• признать ценность развития информационных связей с поставщиками и потребителями.

Информационная поддержка реализации вышеперечисленных рекомендаций со стороны DSS-систем может выглядеть следующим образом:

• «уделять …внимание стратегическому планированию…» - анализировать исторические данные по структуре себестоимости, динамике цен;
• «изучать стратегию иностранных конкурентов» - анализировать динамику рынков;
• «уделять больше внимания производственной функции» - анализировать затраты по управлению активами, динамику тарифов, эффективность использования оборудования и фондоотдачу;
• «устранить коммуникативные барьеры» - анализировать исторические данные по параметрам реализации внутренних бизнес-процессов и эффективность результатов;
• «признать ценность развития информационных связей» - анализировать исторические данные взаимоотношений с клиентами и поставщиками.

Эффективное решение данных задач требует углубленного анализа как рыночного окружения, так и динамики использования всех внутренних ресурсов.

Особое значение в конкурентной борьбе при практически равной ситуации по возможности доступа к технологиям приобретает персонал и подходы к управлению. В развитых странах мира персонал, по крайней мере, ведущий в стратегическом планировании, переместился из категории «Затраты» (Cost) в категорию «Фонды» - первые надо неуклонно сокращать, а вторые надо развивать и инвестировать.

Также следует отметить, что в настоящее время в мире действует общая глобальная тенденция преимущественного развития рынка услуг по сравнению со сферой непосредственно производства. Экономика все более и более становится информационной, а не материальной.

Рассматривая корпоративный рынок, очень показательным является анализ того, что могут и чего не могут наследуемые системы, прежде всего типов ERP и Project Management.

Оборона

В оборонной области аналитические системы класса DSS развиваются в решении задач:

планирования и управления операциями;

планирования и управления эксплуатацией.

Так, по результатам первой войны в Ираке экономический эффект от использования систем искусственного интеллекта был оценен в сумму порядка 100 млн. долларов. Это привело приблизительно к трехкратному увеличению ассигнований на развитие данных информационных технологий в интересах Министерства обороны США. Сегодня в данной области ассигнования уже оцениваются суммами в миллиарды долларов.

Государство

В области государственного строительства роль DSS-систем пока невелика. Потенциально их область использования связана с оценкой эффективности государственных и муниципальных программ. Это связано, прежде всего, с тем, что государственные и муниципальные программы не сводятся к экономическому эффекту как таковому. Развитие информационных систем в данной сфере в большой мере зависят от философского осмысления роли и места государства в будущем мире, т.е. основополагающую роль в данном процессе имеет выработка критериев и подходов к их оценке.

Предложения

Обобщенный портрет DSS-систем можно составить на основе краткого анализа предложений компаний Cognos, SAS, Hyperion, Oracle. Так как данная статья носит вводный характер, автор не ставил перед собой целью сравнительный анализ продуктов - это тема других работ.

Прежде всего, следует обратить внимание на то, что перечень ключевых игроков на рынке DSS-систем не совпадает с лидирующим списком производителей систем ERP. Присутствие компании Oracle в приведенном списке отражает явно выраженное намерение компании Oracle развивать данное направление, наличие действительно развитого инструментального набора для выполнения подобных проектов, последние приобретения компании в данной области. С этой точки зрения в анализируемый список можно было бы добавить и IBM с Microsoft, но эти производители все-таки больше относятся к инструментальной области и платформам, чем к прикладной.

В основной функциональный набор DSS-систем входят:

• финансовое планирование и бюджетирование;
• формирование консолидированной отчетности (до 200 преднастроенных отчетов);
• создание информационной системы стратегического управления на основе ключевых показателей деятельности (Balance Score Cards) с преднастроенными библиотеками показателей (до 500);
• анализ взаимоотношений с клиентами и поставщиками;
• анализ рыночных тенденций;
• функционально-стоимостный анализ (ABC-Costing);
• функционально-стоимостное управление (Activity Based Management, ABM);
• система постоянных улучшений (Kiezen Costing);
• многомерный анализ данных (OLAP);
• выявление скрытых закономерностей (Data Mining);
• выявление моделей (структур) данных;
• статистический анализ и прогнозирование временных рядов;
• событийное управление бизнесом (Event-driven BI);
• анализ рисков;
• формирование преднастроенных запросов (до 500-600);
• интеллектуальный поиск (по неполным данным и неформальным запросам);
• бизнес-моделирование и анализ эффективности выполнения бизнес-процессов;
• референтные отраслевые модели.
• Количество преднастроенных областей анализа достигает 30-40.
• Событийное управление бизнесом связано с обнаружением преднастроенных событий вида:
• уведомления об определенном состоянии;
• исполнение;
• операционные события.
• Информационной платформой являются хранилища данных (Data Warehouse).
• Инструментальная среда - интеграционные системы, основанные на открытых стандартах. Эти системы соответствуют требованиям:
• информационной безопасности;
• масштабируемости;
• открытости;
• многомерного и многовариантного представления данных;
• интеллектуального интерфейса;
• интегрируемости с основными платформами и бизнес-приложениями, интеграция данных из разнообразных источников, сетевая интеграция (прежде всего web);
• обеспечивают сервис по «очистке» данных при их загрузке в хранилища.
• Техническое обеспечение связано с:
• обработкой данных;
• надежным хранением данных и обеспечением целостности;
• архивацией и восстановлением данных;
• сетевым и телекоммуникационным обеспечением;
• криптографическим обеспечением;
• управлением доступом пользователей;
• загрузкой данных, в том числе с использованием средств интеллектуального интерфейса (распознавание образов: текста, речи, изображений).

Отличительной особенностью рассматриваемых продуктов является значительная большая, чем в случае с ERP-системами, готовность к немедленной работе (значительно меньшие циклы внедрения при наличии наследуемых баз данных).

Целевые результаты

Результаты выполнения проектов целевым образом соответствуют предоставлению возможности получения ответов на вопросы:

• здоров ли бизнес?
• кто мой лучший клиент?
• какой мой лучший продукт или услуга?
• какого поставщика мне выгодно выбрать и почему?
• где мы типично не укладываемся в сроки и почему?
• какова эффективность деятельности нашего персонала?
• какая дочерняя компания внесла наибольший (наименьший) вклад в результат?
• что показывает анализ фондоотдачи оборудования?
• какой сценарий и подход выбрать при слиянии (реструктуризации) компаний?
• и т.п.

Классификация типовых задач анализа и статистических методов их решения

В настоящем разделе будет приведена возможная классификация аналитических задач, возникающих в сфере бизнеса, финансов и управления и решаемых статистическими методами. Будет рассмотрена также классификация статистических методов, представленных в DSS-системах перечисленных выше компаний, и их применимость для решения различных классов аналитических задач.

Выделим следующие классы аналитических задач в области финансов, бизнеса и управления, требующих для своего решения использования различных статистических методов:

• горизонтального (временного) анализа;
• вертикального (структурного) анализа;
• трендового анализа и прогноза;
• анализа относительных показателей;
• сравнительного (пространственного) анализа;
• факторного анализа.

Далеко не все аналитические задачи из перечисленных выше являются в настоящий момент одинаково важными для каждой конкретной компании. В их повседневной деятельности еще велика доля рутинных бухгалтерских операций и много такого, что пока вовсе не требует никакого анализа. Однако необходимость повышения роли аналитического подхода начинают ощущать даже совсем малые фирмы.

Рассмотрим теперь классификацию методов статистического анализа. Все эти методы могут быть разделены на следующие классы:

• описательной статистики;
• проверки статистических гипотез;
• регрессионного анализа;
• дисперсионного анализа;
• анализа категориальных данных;
• многомерного анализа;
• дискриминантного анализа;
• кластерного анализа;
• анализа выживаемости;
• анализа и прогноза временных рядов;
• статистического планирования экспериментов и статистического контроля качества.

Детальный анализ приведенных математических методов также оставим за пределами нашего обзорного рассмотрения.

Аналитические методы в средствах разведки данных (Data Mining)

Аналитические методы дают конечному пользователю возможность осуществить весь цикл работы с исходными данными, имеющими большие объемы и невыясненную статистическую структуру. Этот цикл называется разведкой данных (Data Mining) и состоит из нескольких этапов: выборка, исследование, модификация, моделирование, оценка результатов (Sample, Explore, Modify, Model, Assess).

Средства Data Mining дают возможность ставить и решать как традиционные, так и нетрадиционные задачи анализа. Например, традиционной является постановка задачи: «Определить, имеется ли статистическая связь между такими показателями, как объем производства товара и объем его реализации (продажи)».

Нетрадиционной же была бы следующая постановка задачи: «Имеется несколько десятков (или даже сотен) показателей деятельности предприятия, и необходимо определить, между какими из них следует искать статистические связи вообще, какого рода связи следует искать (считать ли показатели равноправными, или считать одни показатели независимыми, а другие зависимыми переменными), на каких объектах эти связи проявляются».

При работе приложения на этапе выборки происходит формирование подмножества наблюдений из исходных данных (отбор по критериям или случайный отбор). На этапах исследования и модификации могут быть осуществлены: фильтрация данных, отбрасывание данных с большими выбросами, преобразование исходных переменных. На этапе моделирования осуществляется построение регрессий и оптимизация подмножества переменных, принятие решений на основе методик нейронных сетей, реализующих различные алгоритмы обучения классификации объектов, построение классификационных деревьев для отбора оптимального набора переменных и оптимального разбиения множества объектов, кластеризация и оптимальная группировка объектов. Наконец, на этапе обзора и оценки результатов пользователь имеет возможность сопоставить различные результаты моделирования, выбрать оптимальные класс и параметры моделей, представить результаты анализа в удобной форме.

На этапе подготовки данных обеспечивается доступ к любым реляционным базам данных, текстовым и SAS-файлам. Дополнительные средства преобразования и очистки данных позволяют изменять вид представления, проводить нормализацию значений, выявлять неопределенные или отсутствующие значения. На основе подготовленных данных специальные процедуры автоматически строят различные модели для дальнейшего прогнозирования, классификации новых ситуаций, выявления аналогий. Данные приложения поддерживают построение пяти различных типов моделей - нейронные сети, классификационные и регрессионные деревья решений, ближайшие k-окрестности, байесовское обучение и кластеризацию.

Анализ математического обеспечения существующих систем поддержки принятия решений

Рассмотрим более подробно средства интеллектуального анализа данных (ИАД, Data Mining), применяемые в системах поддержки принятия решений.

В качестве первого направления развития средств ИАД следует выделить методы статистической обработки данных, которые можно разделить на четыре взаимосвязанных раздела:

• предварительный анализ природы статистических данных (проверка гипотез стационарности, нормальности, независимости, однородности, оценка вида функции распределения и ее параметров);
• выявление связей и закономерностей (линейный и нелинейный регрессионный анализ, корреляционный анализ);
• многомерный статистический анализ (линейный и нелинейный дискриминантный анализ, кластер-анализ, компонентный анализ, факторный анализ);
• динамические модели и прогноз на основе временных рядов.

Среди наиболее известных и популярных средств статистического анализа следует назвать пакеты Statistica, SPSS, Systat, Statgraphics, SAS, BMDP, TimeLab, DataDesk, SPlus, Scenario (BI), «Мезозавр».

Особое направление в спектре аналитических средств ИАД составляют методы, основанные на нечетких множествах. Их применение позволяет ранжировать данные по степени близости к желаемым результатам, осуществлять так называемый нечеткий поиск в базах данных. Однако платой за повышенную универсальность является снижение уровня достоверности и точности получаемых результатов. Поэтому число специализированных приложений данного метода по-прежнему невелико, несмотря на то, что на протяжении последних 35 лет математики-прикладники проявляли к нему повышенный интерес.

Второе крупное направление развития составляют кибернетические методы оптимизации, основанные на принципах саморазвивающихся систем - методы нейронных сетей, эволюционного и генетического программирования.

Однако новые достоинства порождают и новые проблемы. В частности, решения, полученные кибернетическими методами, часто не допускают наглядных интерпретаций, что в определенной степени усложняет жизнь предметным экспертам.

К программным продуктам, использующим кибернетические методы ИАД, относятся системы PolyAnalyst, Neur-oShell, GeneHunter, BrainMaker, OWL, 4Thought (BI).

Непосредственно к кибернетическим методам ИАД примыкают синергетические методы. Их применение позволяет реально оценить горизонт долгосрочного прогноза. Особенный интерес вызывают исследования, связанные с попытками построения эффективных систем управления в неустойчивых режимах функционирования.

К третьему крупному разделу ИАД следует отнести совокупность традиционных методов решения оптимизационных задач - вариационные методы, методы исследования операций, включающие в себя различные виды математического программирования (линейное, нелинейное, дискретное, целочисленное), динамическое программирование, принцип максимума Понтрягина, методы теории систем массового обслуживания. Программные реализации большинства этих методов входят в стандартные пакеты прикладных программ, например Math CAD и MatLab.

В четвертый раздел средств ИАД входят средства, которые назовем условно экспертными, т. е. связанными с непосредственным использованием опыта эксперта. К их числу относят метод «ближайшего соседа», который лег в основу таких программных продуктов, как Pattern Recognition Workbench или KATE tools.

Другой подход к выбору решения связан с построением последовательного логического вывода - дерева решений, в каждом узле которого эксперт осуществляет простейший логический выбор («да» - «нет»). В зависимости от принятого выбора, поиск решения продвигается по правой или левой ветви дерева и в конце концов приходит к терминальной ветви, отвечающей конкретному окончательному решению. Здесь процесс статистического обучения выведен за пределы программы и сконцентрирован в виде некоторого априорного опыта, заключенного в наборе ветвей-решений.

Одной из разновидностей метода деревьев решений является алгоритм деревьев классификации и регрессии, предлагающий набор правил для дихотомической классификации совокупности исходных данных. Данный метод обычно применяется для предсказания того, какие последовательности событий будут иметь заданный исход. На основе деревьев решений разработаны такие программные продукты, как IDIS, С5.0 и SIPINA.

К экспертным методам следует отнести и предметно-ориентированные системы анализа ситуаций и прогноза, основанные на фиксированных математических моделях, отвечающих той или иной теоретической концепции. Роль эксперта состоит в выборе наиболее адекватной системы и интерпретации полученного алгоритма. Достоинства и недостатки таких систем очевидны - предельная простота и доступность применения и расплата достоверностью и точностью за эту простоту. Примерами программных продуктов, отвечающих предметно-ориентированным системам в области финансов, являются Wall Street Money, MetaStock, SuperCharts, Candlestick Forecaster.

В завершение обзора экспертных методов ИАД следует упомянуть методы визуализации данных и результатов их анализа, позволяющие наглядно отображать полученные выводы для создания у предметных экспертов и/или руководителей проектов единой картины ситуации. К программным продуктам, позволяющим формировать предварительные отчеты и визуализировать результаты, следует отнести системы Mineset и Impromptu (BI). В частности, система Mineset содержит в себе такие инструменты, как ландшафтный визуализатор, визуализаторы дисперсии, деревьев, правил и свидетельств.

Формировать сложные нелинейные отображения средствами цветной графики позволяет новое направление визуализации результатов, основанное на идеях фрактальной математики.

В начале пути

Если говорить о практике внедрения рассмотренных систем и информационных технологий в Украине, то она находится в самом зачаточном состоянии. Основной целью настоящей статьи и являлось привлечь внимание, прежде всего функциональных руководителей соответствующих служб, к имеющимся возможностям, мировой практике использования систем и основным тенденциям их развития.

Опыт автора по проведению подготовительной работы к внедрению рассматриваемых продуктов показал, что, с одной стороны, на украинских предприятиях исторические данные недооцениваются, а имеющиеся базы данных часто очень «бедны» для извлечения из них значимой информации, т.к. разрабатывались для решения учетных, а не управленческих задач. С другой стороны, в Украине очень ограничены возможности извлечения знаний из данных вследствие большой скорости изменений законодательной базы, что очень сильно искажает временную статистику. Это приводит к необходимости использования, например, нелинейных методов, в развитии которых вместе с украинскими учеными активное участие принимает компания, возглавляемая автором.

Научные направления, имеющие отношение к рассматриваемому вопросу, практически остались за пределами настоящей статьи, как по причине ограниченности формата, так и потому, что относятся в основном к другой сфере знания - самой что ни на есть фундаментальной математике.

Кроме этой статьи Вы можете посмотреть по тематеке текущего раздела:
в разделе "Энциклопедия"
2 статьи в разделе "Статьи".
1 статьи в разделе "История".
__________________

В результате изучения данной главы студент должен:

знать

• положения и теоретические основы информатизации поддержки принятия решений в сфере управления;
• современные представления о системах поддержки принятия решений;
• историю и тенденции развития систем поддержки принятия решений;

уметь

• обобщать и систематизировать современные концепции систем поддержки принятия решений;
• давать самостоятельную оценку информационных систем, поддерживающих современные методы и модели принятия решений;

владеть

• классификацией систем поддержки принятия решений;
• навыком выделения уникальных особенностей системы поддержки принятия решений, отличающих ее от других информационных систем.

Определение и основные характеристики систем поддержки принятия решений

Системы поддержки принятия решений представляют собой класс информационных систем, в рамках которых опыт и неформализованные знания лица, принимающего решение, сочетаются с применением математического аппарата. Благодаря этому свойству такие системы могут быть с успехом использованы при решении неструктурированных задач.

Согласно классификации Г. Саймона все задачи принятия решений можно подразделить на следующие категории:

• полностью структурированные, когда ЛПР известны все элементы задачи и взаимосвязи между ними. Такие решения носят рутинный, повторяющийся характер, поэтому их можно полностью автоматизировать и свести роль ЛПР в принятии таких решений практически к нулю;
• слабоструктурированные, или смешанные, содержащие как качественные, гак и количественные элементы, о которых менеджер имеет неполное представление, поскольку знает лишь часть элементов и связей между ними;
• неструктурированные , содержащие описание основных элементов, признаков и характеристик, количественные зависимости между которыми не известны.

Следует отметить, что в практике работы руководителя встречается относительно немного полностью структурированных или совершенно неструктурированных задач. При этом большинство управленческих задач могут быть классифицированы как слабоструктурированные.

В СППР активно используются субъективные предпочтения ЛПР, от которых зависит окончательное принятие решения. Такой подход дает менеджеру возможность использовать свои знания и опыт. Кроме того, ответственность ЛПР за принятые решения резко усиливает его мотивацию и побуждает к тщательному анализу информации. Таким образом, «субъективное» - не всегда плохо, а «объективное» - не всегда достижимо.

Существующие в настоящее время СППР, как правило, являются результатом мультидисциплинарных исследований, охватывающих такие области, как проектирование баз и хранилищ данных, искусственный интеллект, интерактивные компьютерные системы, методы имитационного моделирования.

В работах Г. Саймона, посвященных теории поддержки принятия решений, содержится следующий набор из шести утверждений. Первые три из них сформулированы в ставшей классической книге Administrative behavior 1

• если информация, хранящаяся в компьютере, доступна тогда, когда это необходимо для принятия решения, то это может повысить рациональность принятия решений;
• специализация функций принятия решений в значительной степени зависит от формирования надлежащих каналов связи с центрами решений;
• когда необходимость в каком-либо конкретном знании возникает неоднократно, организация может предвидеть эту необходимость и, предоставляя человеку, обладающему этими знаниями, преимущество в принятии решений, добиться принятия более эффективного решения.

Три перечисленных утверждения особенно важны, если время, отведенное на принятие решения, ограничено.

В статье Applying information technology to organization design сформулированы еще три утверждения :

• для постиндустриального общества основной проблемой является не организация эффективного производства, а организация эффективного процесса принятия решений, т.е. обработки информации. Повышение эффективности принятия решений всегда будет важным фактором;
• с точки зрения обработки информации разделение труда означает разложение общей системы принятия решений на относительно независимые подсистемы, каждая из которых может быть спроектирована на основе минимального взаимодействия с другими;
• ключ к успешной разработке информационных систем заключается в согласовании технологий и внимания к пользователям. Дополнительный компонент для обработки информации, человек или машина, может повысить производительность системы, если будут выполнены следующие три условия:
• - компонент приносит больше результатов, чем требует вложений, экономит время и не требует дополнительного внимания;
• - компонент включает как активные, так и пассивные элементы. При этом активные элементы автоматически выбирают и фильтруют информацию;
• - компонент включает в себя аналитические и искусственные модели, которые способны решать задачи, оценивать и принимать решения.

Таким образом, автоматизированная поддержка принятия решений полезна и необходима в тех случаях, когда есть потребность в предоставлении релевантной, качественной информации лицам, принимающим решения, тогда, когда они в этой информации нуждаются.

С момента появления первых разработок в области систем поддержки принятия решений определение СППР непрерывно совершенствуется 1 .

Ранние определения СППР (предложенные в начале 1970-х гг.) отражали следующие три момента: 1) возможность оперировать с неструктурированными или слабоструктурированными задачами (в отличие от задач, с которыми имеет дело исследование операций); 2) интерактивные автоматизированные (т.е. реализованные на базе компьютера) системы; 3) разделение данных и моделей.

Приведем некоторые определения СППР:

• совокупность процедур обработки данных и суждений, помогающих руководителю в принятии решений, основанных на использовании моделей ;
• интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели для решения слабоструктурированных проблем ;
• система, которая обеспечивает пользователям доступ к данным и (или) моделям таким образом, что пользователи могут принимать более обоснованные решения .

Сформулировать общепринятое определение СППР трудно. Это объясняется тем, что ее конструкция существенно зависит от вида задач, для решения которых она разрабатывается, видов данных, возможностей программного обеспечения, а также от пользователей системы.

Тем не менее можно выделить некоторые общепризнанные элементы и характеристики СППР. Прежде всего, СППР - это интерактивная автоматизированная система, которая помогает ЛИР использовать данные и модели для принятия решений. Система должна обладать возможностью работать с интерактивными запросами, при этом язык формирования запросов должен быть достаточно простым для изучения.

Согласно Е. Тюрбану 1 СППР обладают следующими четырьмя основными характеристиками:

• они используют как данные, так и модели;
• они предназначены для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;
• они поддерживают, но не заменяют выработку решений менеджерами;
• их цель состоит в повышении эффективности принимаемых решений.

Также Е. Тюрбан предложил список характеристик «идеальной»

СППР - она:

• оперирует слабоструктурированными задачами;
• предназначена для ЛПР различных уровней;
• может быть адаптирована для группового и индивидуального использования;
• поддерживает как взаимозависимые, так и последовательные решения;
• поддерживает три фазы процесса решения: интеллектуальную часть, проектирование и выбор;
• поддерживает различные методы решения, что может быть полезно при решении задачи группой ЛПР;
• является гибкой и адаптируется к изменениям как внутренней среды организации, так и ее окружения;
• проста в использовании и модификации;
• повышает эффективность процесса принятия решений;
• позволяет человеку управлять процессом принятия решений с помощью компьютера, а не наоборот;
• поддерживает эволюционное использование и легко адаптируется к изменяющимся требованиям;
• может быть легко построена, если может быть сформулирована логика конструкции СППР;
• поддерживает моделирование;
• позволяет использовать знания.

СППР состоит из двух основных подсистем - лица, принимающего решения, и информационной системы (ИС). Функция ЛПР как компонента СППР состоит не только в вводе данных, но и в принятии решений - на основе своих знаний и интуиции .

Данные есть результат наблюдения за физическим объектом или явлением: например, ежедневным объемом производства, ежедневным объемом продаж или уровнем запасов продукта. База данных есть совокупность взаимосвязанных файлов. Системы управления базами данных представляют собой компьютерные программы, связанные с управлением большим количеством данных в физическом хранилище, а также с созданием и обновлением запросов к базам данных. СУБД могут представлять собой как «стороннее» программное обеспечение, так и быть встроенными в СППР.

Математические модели обычно встроены в СППР, а пользователи могут создавать, редактировать, обновлять или удалять модели. Современные СППР представляют пользователю довольно широкий выбор режимов работы: на основе интерфейсных меню, языка команд, вопросов и ответов, а также взаимодействие на основе форм, систем распознавания речи и графического пользовательского интерфейса. В частности, графический пользовательский интерфейс {graphic users interface) предусматривает использование иконок, кнопок, выпадающих меню и панелей. В последние годы эти элементы стали наиболее распространенным способом общения пользователей с информационными системами.

Простейшая архитектура СППР представлена на рис. 3.1, а ее место в комплексной информационной системе предприятия - на рис. 3.2.

Рис. 3.1.

Рис. 3.2.

СППР отличаются от других управленческих информационных систем тем, что они направлены на повышение эффективности решений, а не на облегчение процесса принятия решений.

Модель принятия решений человеком предусматривает три этапа - разведку, разработку и выбор. При этом термин «поддержка» подразумевает довольно много различных действий и задач, выполняемых на каждом из перечисленных этапов.

На стадии разведки роль ЛПР заключается в определении проблемы, которую необходимо решить. Делается это на основе исходных данных, полученных и проанализированных системой обработки транзакций или управленческой информационной системой.

Рис. 3.3.

Существующие обзоры СППР показывают, что все большее число систем становится стратегическими инструментами, необходимыми для существования и устойчивого развития организаций 1 . Дальнейшие исследования должны принимать во внимание, что СППР из необязательного программного обеспечения становятся жизненно необходимыми для бизнеса. Следовательно, индивидуальные различия, стили поведения, личные, демографические иные пользовательские характеристики могут стать критическими факторами успеха. Смещение фокуса исследований применения СППР с пользовательских проблем на задачи, а также на организационные и внешние факторы является необходимым для отражения действительности.

Оценка эффективности применения СППР связана с анализом затрат и выгод, получаемых от их внедрения. Уникальность данных систем состоит в том, что, хотя они обеспечивают значительную экономию средств и рост прибыли предприятия, оценка эффективности их применения представляется весьма проблематичной. Поэтому исследователи используют анализ последствий принимаемых решений, изменений в процессе принятия решений, концептуальных изменений в видении проблемы руководством, изменений в процедурах, а также анализ затрат и выгод, изменений в обслуживании, а также управленческие оценки системы .

Сегодня СППР нашли широкое применение как в коммерческих, так и в некоммерческих организациях. В то же время есть две области, в которых они используются не столь часто - международный бизнес и учет/аудит .

Особенности и основы построения компонентов СППР обеспечивают реализацию таких важных свойств построения информационных систем, как интерактивность, интегрированность, мощность, доступность, гибкость, надежность, робастность, управляемость.

Интерактивность СППР означает, что система реагирует на различные действия, посредством которых человек влияет на вычислительный процесс, в частности, в диалоговом режиме. Человек и система обмениваются информацией в темпе, который сравним со скоростью обработки информации человеком. Однако практика показывает, что лишь немногие руководители хотят и умеют вести прямой диалог с компьютером: многие предпочитают взаимодействие с системой через посредника или в режиме косвенного доступа, с возможностью пакетной обработки данных. Вместе с тем свойство интерактивности необходимо для исследования новых проблем и ситуаций при адаптивном проектировании прикладных СППР.

Интегрированность СППР - это совместимость составляющих системы управления данными и средств общения с пользователями в процессе поддержки принятия решений.

Мощность означает способность системы отвечать на существенные вопросы.

Доступность - это способность обеспечить предоставление ответов на запросы пользователя в нужной форме и в нужное время.

Гибкость характеризует возможность системы адаптироваться к изменениям потребностей и ситуаций.

Надежность означает способность системы выполнять требуемые функции в течение длительного периода.

Робастность - это способность системы восстанавливаться в случае возникновения ошибочных ситуаций как внешнего, так и внутреннего происхождения. Хотя между надежностью и робастностью существует определенная связь, это две разные характеристики: система, которая никогда не восстанавливается в случае возникновения ошибочных ситуаций, может быть надежной, не будучи робастной. Однако система с высоким уровнем робастности, которая может восстанавливаться и продолжать работу во многих ошибочных ситуациях, может быть отнесена к ненадежным, поскольку она может не обладать способностью выполнять необходимые процедуры.

Управляемость означает, что пользователь может контролировать действия системы, вмешиваясь в ход решения задачи.

Современные компьютерные системы поддержки принятия решений:

• предоставляют руководителю помощь в процессе принятия решений и обеспечивают поддержку во всем диапазоне структурированных, полу- структурированных и неструктурированных задач;
• поддерживают и делают более обоснованными соображения и оценки руководителя, но не заменяют и не отменяют их (контроль остается за человеком). Благодаря удобному интерфейсу пользователь чувствует себя комфортно и не боится работать с системой;
• повышают эффективность принимаемых решений. В отличие от административных информационных систем, в которых акцент делается на максимальную производительность аналитического процесса, в СППР значительно более весомыми являются эффективность процесса принятия решений и самих решений;
• интегрируют модели и аналитические методы с доступом к данным и выборкой данных. Для оказания помощи в принятии решений активизируются одна или несколько моделей (математических, статистических, имитационных, количественных, качественных или комбинированных). Содержание баз и хранилищ данных охватывает историю текущих и предшествующих операций, а также информацию внутреннего характера и информацию о среде;
• просты в использовании даже для лиц, которые не имеют богатого опыта работы с компьютером. Системы являются «дружественными» для пользователей, не требуют глубоких знаний в области вычислительной техники и обеспечивают простую навигацию, диалоговую документацию, встроенные средства обучения и другие атрибуты программных интерфейсных систем;
• построены по принципу интерактивного решения задач. Пользователь имеет возможность поддерживать диалог с СППР в непрерывном режиме, не ограничиваясь вводом отдельных команд с последующим ожиданием результатов;
• ориентированы на гибкость и адаптивность к изменениям как во внешней среде, так и в подходах к решению задач, которые выбирает пользователь;
• не навязывают пользователю какой-либо определенный процесс принятия решений. Пользователь имеет ряд возможностей и может выбирать их в форме и последовательности, которые соответствуют стилю «воображаемых моделей» его познавательной деятельности.

DSS (Decision Support Systems) - система поддержки принятия решений или СППР - это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в бизнесе и предпринимательстве.

Интерактивные системы позволяют руководителям получить полезную информацию из первоисточников, проанализировать ее, а также выявить существующие бизнес-модели для решения определенных задач. С помощью СППР можно проследить за всеми доступными информационными активами, получить сравнительные значения объемов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения.

По взаимодействию с пользователем выделяют три вида СППР:

• пассивные помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения;
• активные непосредственно участвуют в разработке правильного решения;
• кооперативные предполагают взаимодействие СППР с пользователем. Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение.

По способу поддержки различают:

• модельно-ориентированные СППР, используют в работе доступ к статистическим, финансовым или иным моделям;
• СППР, основанные на коммуникациях, поддерживают работу двух и более пользователей, занимающихся общей задачей;
• СППР, ориентированные на данные, имеют доступ к временным рядам организации. Они используют в работе не только внутренние, но и внешние данные;
• СППР, ориентированные на документы, манипулируют неструктурированной информацией, заключенной в различных электронных форматах;
• СППР, ориентированные на знания, предоставляют специализированные решения проблем, основанные на фактах.

Выделяют четыре основных компонента:

• информационные хранилища данных;
• средства и методы извлечения, обработки и загрузки данных;
• многомерная база данных и средства анализа OLAP ;
• средства Data Mining.

СППР позволяет облегчить работу руководителям предприятий и повысить ее эффективность. Они значительно ускоряют решение проблем в бизнесе. СППР способствуют налаживанию межличностного контакта. На их основе можно проводить обучение и подготовку кадров. Данные информационные системы позволяют повысить контроль над деятельностью организации. Наличие четко функционирующей СППР дает большие преимущества по сравнению с конкурирующими структурами. Благодаря предложениям, выдвигаемым СППР, открываются новые подходы к решению повседневных и нестандартных задач.

Оставьте свой комментарий!

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.

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.

Системы поддержки принятия решений (DSS) - это компьютерные системы, почти всегда интерактивные, разработанные, чтобы помочь менеджеру (или руководителю) в принятии решений. DSS включают и данные, и модели, чтобы помочь принимающему решения решить проблемы, особенно те, которые плохо формализованы. Данные часто извлекаются из системы диалоговой обработки запросов или базы данных. Модель может быть простой типа "доходы и убытки", чтобы вычислить прибыль при некоторых предположениях, или комплексной типа оптимизационной модели для расчета загрузки для каждой машины в цехе. DSS и многие из систем, обсуждаемых в следующих разделах, не всегда оправдываются традиционным подходом стоимость - прибыль; для этих систем многие из выгод неосязаемы, типа более глубокого принятия решения и лучшего понимания данных.

Рис. 1.4 показывает, что 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.

Рис. 1.4. Компоненты системы поддержки принятия решений

Чрезвычайно популярный тип DSS - в виде генератора финансового отчета. С помощью электронной таблицы типа Lotus 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. Например, менеджер мог бы зондировать влияние на рентабельность, если бы продажа нового изделия росла на 10% ежегодно. Или менеджер мог бы исследовать влияние большего, чем ожидаемое, увеличения цены сырья, например 7% вместо 4% ежегодно. Этот тип генератора финансового отчета - простые, но мощные DSS для руководства принятием финансовых решений.

Пример DSS по приведению транзакций данных - система определения размеров ассигнований на полицейские выезды, используемая городами Калифорнии. Эта система позволяет офицеру полиции увидеть карту и выводит данные географической зоны, показывает полиции звонки вызовов, типы вызовов и время вызовов. Интерактивная способность графики системы разрешает офицеру манипулировать картой, зоной и данными, чтобы быстро и легко предположить вариации альтернатив полицейских выездов.

Другой пример DSS - интерактивная система для планирования объема и производства в большой бумажной компании. Эта система использует детальные предыдущие данные, прогнозирующие и планирующие модели, чтобы проиграть на компьютере общие показатели компании при различных плановых предположениях. Большинство нефтяных компаний развивают DSS, чтобы поддержать принятие решения капиталовложений. Эта система включает различные финансовые условия и модели для создания будущих планов, которые могут быть представлены в табличной или графической форме.

Все приведенные примеры DSS названы специфическими DSS. Они -фактические приложения, которые помогают в процессе принятия решения. Напротив, генератор системы поддержки принятия решений - это система, которая обеспечивает набор возможностей быстро и легко строить специфические DSS. Генератор DSS - пакет программ, разработанный для выполнения на частично компьютерной основе. В нашем примере финансового отчета Microsoft Excel или Lotus 1-2-3 могут рассматриваться как генераторы DSS, в то время как модели для проектирования финансовых отчетов для частного отделения компании на базе Excel или Lotus 1-2-3 - это специфические DSS.

Более подробно DSS рассматриваются в разд. 2.2.