Методы и системы поддержки принятия управленческих решений

2008/04/27 Статьи

Автор статьи: Пучков Е.В.

“Достичь совершенства, процветать, защищать себя”, так определил деятельность своей организации ее глава Ги де Ротшильд. Эти слова актуальны и для современного этапа развития бизнеса, характеризующейся устойчивым ростом спроса на многочисленные продукты и услуги со стороны растущей российской экономики.
Рост масштабов и сложности деятельности предприятий обусловливает повышение требований к качеству управленческой деятельности. Основу любой управленческой деятельности составляют решения, принимаемые органами управления на единоличной или коллегиальной основе и направленные на достижение определенных целей (решение задач), стоящих перед организацией.
Для обеспечения необходимой эффективности (сроков, обоснованности, трудоемкости, стоимости) формирования и принятия управленческих решений служат системы поддержки принятия решений (Decision Support Systems — DSS) или как сейчас называют BI-системы (Business Intelligence).

Система поддержки принятия решений
В общем, система поддержки принятия решений представляет собой совокупность взаимосвязанных по целям, параметрам и условиям задач, методов (методик), программных средств и технических систем, позволяющих формировать в автоматизированном режиме набор отчетных форм, содержащих информацию для принятия управленческих решений и/или варианты таких решений.

Структурно DSS-система включает в себя (см. рис.1):
1. Data Warehouse (Хранилища данных). Являются информационной платформой DSS. Хранилища данных позволяют интегрировать информацию, отражающую разные точки зрения на одну предметную область.
2. 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:
• Информационно-поисковый. (Query Tools) . Система осуществляется поиск необходимых данных в соответствии с заранее определенными запросами
• Оперативно-аналитический. Система производит группировку и обобщение данных в любом виде, необходимом аналитику. Этот класс задач решается построением систем оперативного анализа с использованием технологии оперативной аналитической обработки данных OLAP (On-Line Analytical Processing), использующую концепцию многомерного анализа данных.
• Интеллектуальный. Система осуществляет поиск функциональных и логических закономерностей в накопленных данных, построение моделей и правил, которые объясняют найденные закономерности и/или с определенной вероятностью прогнозируют развитие некоторых процессов. Этот класс задач решается построением систем интеллектуального анализа, реализующего методы и алгоритмы Data Mining Tools.

Рисунок 1. Обобщенная архитектура DSS-системы

Развитие BI-систем
Исследования аналитической компании IDC, касающиеся BI-средств показывают, что рынок развивается 15-ти летними циклами. Первый из этих периодов, с 1975 до 1990 года, характеризовался созданием отчетов на мейнфреймах. Следующий цикл охватывает промежуток с 1990 до 2005 года, когда зародилась и развивалась современная эра BI-технологий, характеризуемая клиент-серверными BI-приложениями. Постепенно запросы, отчетность и OLAP-инструменты переместились с клиент-серверной на Web-платформу. В 2005 году наступил очередной поворотный момент на BI-рынке, стимулировавший новую волну инвестиций со стороны множества компаний из разных отраслей. По прогнозам этот цикл будет длиться до 2020 года, и основная его направленность ? выход технологии на широкий круг пользователей как внутри, так и вне организации, за счет простоты использования и интеграции BI в бизнес-процессы.

Рисунок 2. “Магический квадрант” Gartner Group

Рынок BI
Мировой рынок BI в 2006 году вырос на 11,5% и достиг значения $6,25 млрд по данным в IDC Worldwide. Основными поставщиками систем, согласно данным аналитиков, являются Business Objects, получившая в прошлом году доход в $894 млн., SAS с доходом в $679 млн., Cognos — $622 млн., Hyperion/Oracle — $529 млн., Microsoft — $480 млн. В последние годы происходила жесткая борьба за рынок. Самые крупные BI-сделки 2007 г.: Oracle + Hyperion Solutions, Cognos + Applix, SAP+Business Objects, IBM + Cognos (последние две официально завершились в начале 2008-го)(см.рис.2)
Что касается российского сектора BI, то за последние 5 лет он многократно вырос. Спрос на BI-решения в нашей стране растет примерно на 50% в год (по данным СNews).

Функциональность DSS-систем
Общий портрет DSS-систем можно составить на основе краткого анализа предложений таких мегавендеров как SAP, SAS, Oracle, IBM и Microsoft. Автор не ставил перед собой целью сравнительный анализ продуктов — это тема других работ. Но хочется отметить, что выход Microsoft на позицию лидера (раньше компания была в секторе «Претенденты») приведет к дальнейшей трансформации DSS-систем из дорогих средств стратегического значения в широко распространенные, зрелые технологии.
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 Scorecards) 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.

Методы и средства интеллектуального анализа данных (ИАД)
К сожалению, универсальные средства BI довольно сложны и дороги, поэтому они не могут широко применяться в рамках интегрированных систем, ориентированных на конечного пользователя, поскольку накопленный опыт работы с методами интеллектуального анализа уже позволил выделить типовые задачи и определить наиболее эффективные методы их решения. Существующие системы ИАД можно подразделить на исследовательские, ориентированные на специалистов и предназначенные для работы с новыми типами проблем, и прикладные, рассчитанные на непрограммирующих пользователей (аналитиков, менеджеров, технологов и т.д.) и решающие типовые задачи.
Если рассмотреть средства интеллектуального анализа данных (Data Mining), применяемые в системах поддержки принятия решений, то можно разделить их на 4 категории (см. Таблица 1).

 

Таблица 1. Методы и средства ИАД

Методы Средства

Методы статистической обработки данных

·   предварительный анализ природы статистических данных;

·   выявление связей и закономерностей;

·   многомерный статистический анализ;

·   динамические модели и прогноз на основе временных рядов.

Statistica, SPSS, Systat, Statgraphics, SAS, BMDP, TimeLab, Data-Desk, S-Plus, Scenario (BI), «Мезозавр»

 
Кибернетические методы, основанные на принципах саморазвивающихся систем — методы нейронных сетей, эволюционного и генетического программирования

NeuralWorks Pro, NeuroSolution, PolyAnalyst, NeuroShell, GeneHunter, BrainMaker, OWL, 4Thought (BI), Statistica Neural Networks,

MatLab Neural Network Toolbox

Традиционных методы решения оптимизационных задач:

вариационные методы, методы исследования операций, включающие в себя различные виды математического программирования динамическое программирование, принцип максимума Понтрягина, методы теории систем массового обслуживания

 Math CAD, MatLab

Экспертные методы

·   метод «ближайшего соседа»

·   метод дерева решений

·   предметно-ориентированные системы анализа ситуаций и прогноза, основанные на фиксированных математических моделях

·   методы визуализации данных

  

Pattern Recognition Workbench, KATE tools,

IDIS, С5.0 и SIPINA

Street Money, MetaStock, SuperCharts, Candlestick Forecaster

Mineset, Impromptu (BI)

 

Применение
Применение BI-технологий все больше и больше расширяется, выходит на все организационные уровни, что, без сомнения, имеет в целом положительное влияние на развитие, поскольку компании стремятся дать эти инструменты в руки тех сотрудников, которые действительно в них нуждаются.

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.

 

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.

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.

Концепция DSS-систем прямо соответствует основным промышленным тенденциям сегодня:
• 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.

Оборона
В оборонной области аналитические системы класса DSS развиваются в решении задач:
• планирования и управления операциями;
• планирования и управления эксплуатацией.

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.

Заключение
Зачем компания покупает BI? Очевидно, что цель любой компании - зарабатывание денег. BI сам по себе денег не зарабатывает, но он позволяет иногда найти точки, в которых компания деньги теряет или точки, где можно зарабатывать больше.
Исторически BI в России воспринимается как игрушка, от которой непонятно какой толк, но красиво. А происходит это потому, что не так много компаний, которые могут реально заработать с помощью BI деньги. Рынок растет, но все равно относительно пуст и чаще заработать больше можно просто вложив эти же деньги в расширение бизнеса, а не в поиск на чем сэкономить.
Радует то, что в бизнесах, где конкуренция стала плотная, уже вопрос “Нужен ли BI?” не возникает. Возникает вопрос “Какой BI взять?”

Статья опубликована: Деловой аналитический журнал «Ваш Капитал Юг». №6-7 2008

 

Источники использованной литературы

  1. С. В. Корнеев. «Системы поддержки принятия решений в бизнесе». Журнал "Сети & Бизнес" (№6, 2005)
  2. Коннова Е.П. «Описание бизнес-процессов в банковской сфере»
  3. Дмитрий Слиньков. «Бизнес-моделирование для внедрения ИСУ предприятия» Журнал «Директор информационной службы», 18/03/2001 №03,
  4. Алексей Агапов. «Еще раз о моделировании бизнес-процессов». Журнал «Директор информационной службы»
  5. Сахаров И. С. «Обеспечение качества моделирования бизнес-процессов» 13.12.2007
  6. В.Аджиев. «MineSet - визуальный инструмент аналитика»
  7. М.Киселев, Е.Соломатин. «Средства добычи знаний в бизнесе и финансах». Открытые системы, # 4, 1997, с.41-44
  8. Марина Шапот. «Интеллектуальный анализ данных в системах поддержки принятия решений». www.osp.ru
  9. «Персональный интеллект». Журнал «Компьютерра» 24.05.2002 г.
  10. «Системы поддержки принятия решений - ваш инструмент для правильного выбора». Журнал «Компьютерра» №34 (262)
  11. Том Давенпорт. «Эволюция решения». Журнал «Директор информационной службы» 28.02.2005 №02
  12. Гриненко А. С. «Система интеллектуально-информационной поддержки процесса принятия управленческих решений». www.cfin.ru
  13. Лаптырев Д.А. «Концепция системы поддержки принятия управленческих финансовых решений». www.bankclub.ru
  14. Бойченко Александр, Филинов Евгений. «Пособия для руководителя». www.connect.ru
  15. Пашкус В.Ю. «Банковское совершенство: проблемы, критерии, подходы». www.ippnou.ru
  16. www.kvazar-micro.com
  17. www.abc.org.ru
  18. www.dssdev.ru
  19. www.oracle.com
  20. www.olap.ru
  21. www.statsoft.ru
  22. www.devbusiness.ru
  23. www.topsbi.ru
  24. www.programbank.ru
  25. www.klerk.ru
  26. big.spb.ru
  27. ibm.com
  28. donntu.edu.ua
  29. basegroup.ru
  30. neuroproject.ru и др.