Информационное обеспечение – одна из важнейших обеспечивающих функций, качество которой является определяющим фактором обоснованности принимаемого решения и эффективности функционирования системы менеджмента. В динамике информационное обеспечение как процесс входит в понятие «коммуникация». Поэтому сначала рассмотрим данное понятие.
Коммуникация. Это обмен информацией, на основе которого руководство получает данные, необходимые для принятия эффективных решений, и доводит принятые решения до работников фирмы. Коммуникация – это сложный процесс, состоящий из взаимосвязанных шагов. Каждый из этих шагов необходим для того, чтобы сделать наши мысли понятными другому лицу. Каждый шаг – это пункт, в котором, если допустить небрежность, смысл может быть утрачен. Руководитель тратит на коммуникацию 50 – 90% всего времени. Он занимается этим, чтобы реализовать свои роли в межличностных отношениях, информационном обмене и процессах принятия решений по функциям управления. Обмен информацией представляет собой одну из самых сложных проблем на любом уровне иерархии.
В процессе обмена информацией можно выделить четыре базовых элемента:
1)отправитель – лицо, генерирующее идеи или собирающее информацию и передающее её;
2)сообщение – собственно информация, закодированная с помощью символов;
3)канал – средство передачи информации;
4)получатель – лицо, которому предназначена информация и которое интерпретирует её. При обмене информацией отправитель и получатель проходят несколько взаимосвязанных этапов. Их задача – составить сообщение и использовать канал для его передачи таким образом, чтобы обе стороны поняли и разделили исходную идею. Это трудно, ибо каждый этап является одновременно точкой, в которой смысл может быть искажен или полностью утрачен. Выделяют следующие взаимосвязанные этапы: а) зарождение идеи; б) кодирование и выбор канала; в) передача; г) декодирование.
Концепция систем поддержки принятия решений (СППР). Она включает целый ряд средств, объединенных общей целью — способствовать принятию рациональных и эффективных управленческих решений.
Система поддержки принятия решений — это диалоговая автоматизированная система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования.
Основу СППР составляет комплекс взаимосвязанных моделей с соответствующей информационной поддержкой исследования, экспертные и интеллектуальные системы, включающие опыт решения задач управления и обеспечивающие участие коллектива экспертов в процессе выработки рациональных решений.
Ниже на рис. 6.3. приведен архитектурно-технологическая схема информационно-аналитической поддержки принятия решений:
Рис. 6.3. Архитектурно-технологическая схема СППР Хранилища данных.
Ясно, что принятие решений должно основываться на реальных данных об объекте управления. Такая информация обычно хранится в оперативных базах данных OLTP -систем. Но эти оперативные данные не подходят для целей анализа, так как для анализа и принятия стратегических решений в основном нужна агрегированная информация. Кроме того, для целей анализа необходимо иметь возможность быстро манипулировать информацией, представлять ее в различных аспектах, производить различные нерегламентированные запросы к ней, что затруднительно реализовать на оперативных данных по соображениям производительности и технологической сложности.
Решением данной проблемы является создание отдельного хранилища данных (ХД), содержащего агрегированную информацию в удобном виде. Целью построения хранилища данных является интеграция, актуализация и согласование оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом.
Концепция хранилищ данных предполагает не просто единый логический взгляд на данные организации, а действительную реализацию единого интегрированного источника данных. Альтернативным по отношению к этой концепции способом формирования единого взгляда на корпоративные данные является создание виртуального источника, опирающегося на распределенные базы данных различных СОД. При этом каждый запрос к такому источнику динамически транслируется в запросы к исходным базам данных, а полученные результаты на лету согласовываются, связываются, агрегируются и возвращаются к пользователю. Однако, при внешней элегантности, такой способ обладает рядом существенных недостатков.
• Время обработки запросов к распределенному хранилищу значительно превышает соответствующие показатели для централизованного хранилища. Кроме того, структуры баз данных СОД, рассчитанные на интенсивное обновление одиночных записей, в высокой степени нормализованы, поэтому в аналитическом запросе к ним требуется объединение большого числа таблиц, что также приводит к снижению быстродействия.
• Интегрированный взгляд на распределенное корпоративное хранилище возможен только при выполнении требования постоянной связи всех источников данных в сети. Таким образом, временная недоступность хотя бы одного из источников может либо сделать работу информационно-аналитической системы (ИАС) невозможной, либо привести к ошибочным результатам.
• Выполнение сложных аналитических запросов над таблицами СОД потребляет большой объем ресурсов сервера БД и приводит к снижению быстродействия СОД, что недопустимо, так как время выполнения операций в СОД часто весьма критично.
• Различные СОД могут поддерживать разные форматы и кодировки данных, данные в них могут быть несогласованны. Очень часто на один и тот же вопрос может быть получено несколько вариантов ответа, что может быть связано с несинхронностью моментов обновления данных, отличиями в трактовке отдельных событий, понятий и данных, изменением семантики данных в процессе развития предметной области, ошибками при вводе, утерей фрагментов архивов и т. д. В таком случае цель – формирование единого непротиворечивого взгляда на объект управления – может не быть достигнута.
• Главным же недостатком следует признать практическую невозможность обзора длительных исторических последовательностей, ибо при физическом отсутствии центрального хранилища доступны только те данные, которые на момент запроса есть в реальных БД связанных СОД. Основное назначение СОД – оперативная обработка данных, поэтому они не могут позволить себе роскошь хранить данные за длительный (более нескольких месяцев) период; по мере устаревания данные выгружаются в архив и удаляются из транзакционной БД. Что касается аналитической обработки, для нее как раз наиболее интересен взгляд на объект управления в исторической ретроспективе.
Хранилище данных функционирует по следующему сценарию. По заданному регламенту в него собираются данные из различных источников – баз данных систем оперативной обработки. В хранилище поддерживается хронология: наравне с текущими хранятся исторические данные с указанием времени, к которому они относятся. В результате необходимые доступные данные об объекте управления собираются в одном месте, приводятся к единому формату, согласовываются и, в ряде случаев, агрегируются до минимально требуемого уровня обобщения.
На основе хранилища данных возможно составление отчетности для руководства, анализ данных с помощью OLAP -технологий и интеллектуальный анализ данных ( Data Mining ).
OLAP-технологии. В основе концепции оперативной аналитической обработки (OLAP) лежит многомерное представление данных. Термин OLAP ввел E. F. Codd в 1993 году. В своей статье он рассмотрел недостатки реляционной модели, в первую очередь невозможность «объединять, просматривать и анализировать данные с точки зрения множественности измерений, то есть самым понятным для корпоративных аналитиков способом», и определил общие требования к системам OLAP, расширяющим функциональность реляционных СУБД и включающим многомерный анализ как одну из своих характеристик.
По Кодду, многомерное концептуальное представление (multi-dimensional conceptual view) является наиболее естественным взглядом управляющего персонала на объект управления. Оно представляет собой множественную перспективу, состоящую из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Одновременный анализ по нескольким измерениям данных определяется как многомерный анализ. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Так, измерение Исполнитель может определяться направлением консолидации, состоящим из уровней обобщения «предприятие – подразделение – отдел – служащий». Измерение Время может даже включать два направления консолидации – «год – квартал – месяц – день» и «неделя – день», поскольку счет времени по месяцам и по неделям несовместим. В этом случае становится возможным произвольный выбор желаемого уровня детализации информации по каждому из измерений. Операция спуска (drilling down) соответствует движению от высших ступеней консолидации к низшим; напротив, операция подъема (rolling up) означает движение от низших уровней к высшим.
Интеллектуальный анализ данных. Наибольший интерес в СППР представляет интеллектуальный анализ данных, так как он позволяет провести наиболее полный и глубокий анализ проблемы, дает возможность обнаружить скрытые взаимосвязи, принять наиболее обоснованное решение.
Современный уровень развития аппаратных и программных средств с некоторых пор сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные структуры, органы государственной власти и местного самоуправления накопили большие объемы данных. Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения.
Интеллектуальный анализ данных (Data Mining) — это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.
В общем случае процесс ИАД состоит из трёх стадий:
• выявление закономерностей;
• использование выявленных закономерностей для предсказания неизвестных значений (прогностическое моделирование);
• анализ исключений, предназначенный для выявления и толкования аномалий в найденных закономерностях.
Новыми компьютерными технологиями, образующими ИАД являются экспертные и интеллектуальные системы, методы искусственного интеллекта, базы знаний, базы данных, компьютерное моделирование, нейронные сети, нечеткие системы. Современные технологии ИАД позволяют создавать новое знание, выявляя скрытые закономерности, прогнозируя будущее состояние систем.
Организация потоков информации. Под потоком информации понимается целенаправленное движение информации от источников до потребителей. Рационализация потоков информации имеет целью исключить дублирование информации, минимизировать маршруты её прохождения и обеспечить рациональный обмен информацией между органами управления. Информационный поток характеризуется адрестностью (наличием источника и потребителя информации), режимом (регламентом) передачи от источника до потребителя и объемом передаваемой информации. По режиму передачи информация может подразделяться на поступающую потребителю принудительно, в нерегламентируемые сроки и по запросу, а также ежедневную, декадную, месячную, квартальную, годовую.
Инструментарий выработки рекомендаций. Этот инструментарий помогает решить следующие задачи.
• сформировать множество альтернативных вариантов решения (далее - альтернатив),
• сформировать множество критериев оценки альтернатив,
• получить оценки альтернатив по критериям,
• выбрать лучшую альтернативу, которая и выдается системой в качестве рекомендации.
Реализация этого варианта СППР требует решения некоторых нетривиальных проблем. Например: Учет различной важности критериев, выбор способа построения обобщенного критерия (часто называемого "функция полезности"). Важно отметить, что есть методы выбора лучшей альтернативы и без построения обобщенного критерия.
Критерии иногда удобно группировать в виде дерева (иерархии). Например, в Америке получил большое распространение метод анализа иерархий, предложенный Саати.
Есть критериальные методы, не учитывающие сравнительную важность критериев. Таков, например, классический метод выделения множества недоминируемых альтернатив (так называемого "множества Парето").
Вариант без использования критериев оценки альтернатив:
• сформировать множество альтернативных вариантов решения,
• получить результаты сравнения (например, попарного) альтернатив,
• выбрать лучшую альтернативу, которая и выдается системой в качестве рекомендации.
Второй вариант всегда (а первый очень часто) требует умения собирать и обрабатывать экспертную информацию. Особое место в такого рода информации принадлежит предпочтениям ЛПР. Можно сказать, что одной из важнейших задач СППР является максимально полное и адекватное выявление предпочтений ЛПР. На первый взгляд, это может показаться несложным и даже ненужным делом. Кажется, что достаточно детально расспросить ЛПР о том, что же он хочет получить, и зафиксировать ответы. Однако, на практике быстро выясняется, что ЛПР чаще всего не может явно и точно сформулировать свои предпочтения. Таковы особенности мышления.
Особые проблемы возникают при проведении коллективных экспертиз альтернатив. Одна из таких проблем: как корректно агрегировать различающиеся экспертные оценки?
Дополнительно можно отметить, что вышерассмотренные системы часто выдают результат не только в виде одной лучшей альтернативы, но в виде рейтинга альтернатив или их ранжировки.
2. Инструментарий подготовки данных. Этот инструментарий помогает решить следующие задачи.
• подготовить базы данных (часто объемные и содержащие сложные взаимосвязи),
• организовать гибкий и удобный доступ к базам данных через мощные средства формирования запросов,
• получить результаты запросов в форме, максимально удобной для последующего анализа,
• использовать мощные генераторы отчетов.
На это накладываются проблемы работы в сетях разного уровня и назначения, защита данных от потерь и несанкционированного использования и т.п.
Прежде всего, можно сказать, что оба инструментария призваны обеспечить процесс принятия решений. Однако, первый сосредоточен на сравнении альтернатив с целью выбора лучшей, второй - на подготовке данных для последующего анализа. Фактически, второй инструментарий не предполагает выдачу рекомендаций. Он выдает только данные, а процесс формирования альтернатив, их сравнения и выбора лучшей остается "за скобками". Первый инструментарий предполагает, что, во-первых, вся информация, необходимая для выдачи рекомендации, должна быть собрана и, во-вторых, она должна быть оформлена в виде модели выбора: "альтернативы + критерии + оценки". Поэтому, можно сказать, что второй инструментарий, по сути, есть подготовительный этап к первому, поскольку он только готовит данные, но не преобразует их в форму указанной модели выбора. Стало быть, для второго инструментария больше подошло бы название "система подготовки данных для принятия решения".