CC BY
61
УДК 681.5:65.014.1
A.A. Поздняков, С.Н. Сердюк
АНАЛИЗ МЕТОДОВ ПОЛУЧЕНИЯ АНАЛИТИЧЕСКОЙ ИНФОРМАЦИИ
В СИСТЕМЕ КОНТРОЛЛИНГА
Рассмотрена концепция контроллинга, ориентированная на систему учета, и ее основная задача - информационная поддержка принятия решений. Для повышения оперативности получения аналитической информации используют системы поддержки принятия решений (СППР). Проанализированы математические методы технологии интеллектуального анализа данных, применяемые в СППР. Метод эволюционного программирования выбран как наиболее эффективный при интеллектуальном анализе данных.
ПОСТАНОВКА ПРОБЛЕМЫ
В основе современной концепции системного управления организацией - контроллинга, лежит стремление обеспечить успешное функционирование организационной системы в долгосрочной перспективе. Контроллинг переводит управление предприятием на качественно новый уровень, интегрируя, координируя и направляя деятельность различных служб и подразделений предприятия на достижение оперативных и стратегических целей.
Основная цель контроллинга - ориентация управленческого процесса на достижение всех целей, стоящих перед предприятием. Конечная цель любого коммерческого предприятия - получение прибыли, поэтому, контроллинг можно назвать системой управления прибылью. Для достижения поставленных целей контроллинг обеспечивает выполнение следующих основных функций:
- координация управленческой деятельности по достижению целей предприятия;
- информационная и консультационная поддержка принятия управленческих решений;
- создание и обеспечение функционирования общей информационной системы управления предприятием.
В статье рассматривается только функция информационной и консультационной поддержки принятия управленческих решений, выполнение которой является основной задачей концепции контроллинга ориентированной на систему учета. В современных организациях менеджерами недостаточно внимания уделяется учетной информации управленческого характера [1], поэтому, рассмотрение концепции контроллинга ориентированной на систему учета является актуальной задачей. Таким образом, существует проблема принятия решений управленцами в условиях отсутствия необходимой информации.
АНАЛИЗ СОСТОЯНИЯ ВОПРОСА
В целом, различают три разновидности концепции контроллинга: ориентация концепции на систему учета; на управленческую информационную систему; на систему управления с акцентом на планирование и контроль. Система контроллинга на предприятии решает
все перечисленные задачи, но расстановка акцентов может быть разной в зависимости от требований руководства конкретной организации. Сущность концепции контроллинга ориентированной на систему учета - переориентация системы учета из прошлого в будущее. Основные задачи: создание на базе учетных данных информационной системы поддержки управленческих решений, связанных с планированием и контролем деятельности предприятия. Главным элементом этой концепции контроллинга является управленческий учет -новое научно-практическое направление в управленческой деятельности предоставляющее информацию о затратах предприятия, которая является наиболее важной при принятии решений.
Контрольная и оценочная информация, используемая в управленческом учете организационной деятельности, формируется в несколько этапов:
1. Подготовительный - сбор исходных данных от источников формирования первичных аналитических данных;
2. Вычислительный - процедуры обработки информации, завершающиеся формированием аналитической информации;
3. Потребления - процедуры оценки и контроля за производственной деятельностью структурных подразделений.
Конечная цель методов управленческого учета - получение аналитической информации как основы принятия решений. Для повышения оперативности получения аналитической информации в настоящее время применяют такой класс информационных систем (ИС) как системы поддержки принятия решений (СППР). Архитектура СППР, в основе которой положена современная концепция информационного хранилища данных (ХД, Data Warehouse), рассмотрена в работе [2]. В ХД представлены не первоначальные оперативные данные, а определенным образом обработанная учетная информация. Перед загрузкой в ХД данные, подвергают согласованию, фильтрации, дополняют недостающей общесистемной информацией и агрегируют - все эти процессы формируют первичные аналитические данные на подготовительном этапе получения контрольной и оценочной аналитической информации управленческого учета. На следующем этапе - вычислительном, в СППР применяются математические методы обработки первичных данных формирующих аналитическую информацию управленческого учета. На этапе потребления - управленцами анализируется полученная информация и принимаются управленческие решения.
Так как подготовительный этап и этап потребления рассматривались авторами в работе [2], остановимся на
анализе вычислительного этапа формирования аналитической информации в СППР. Покажем роль СППР в системе контроллинга и применяемые технологии анализа первичных аналитических данных.
СППР В СИСТЕМЕ КОНТРОЛЛИНГА
Непременным компонентом успеха в современном бизнесе стало внедрение интегрированных автоматизированных систем управления предприятием (ИАСУП). Концепция контроллинга на предприятии реализуется только при комплексном, системном внедрении ИАСУП. Следует отметить, что современные ИАСУП являются лишь полноценными системами информирования и не решают проблемы поддержки принятия решений. Так сложилось, что автоматизации на предприятии в первую очередь подвергались процессы, с которыми человек мог справиться вручную, т.е. хорошо формализованные. Проблемы слабо формализованные и неформализованные человек не может решить без дополнительной помощи. Как правило, такие задачи решает управленческий персонал, поэтому, необходимо в состав ИАСУП включать в качестве подсистем: информационные системы менеджмента (ИСМ) и СППР. В контроллинге ИСМ обеспечивают менеджеров первичными аналитическими данными и релевантной информацией в удобной форме. ИСМ является базой при построении СППР.
СППР с информационной точки зрения является стержнем концепции контроллинга, и в то же время своеобразной надстройкой над информационной системой предприятия. Целью СППР является обеспечение методической и информационной поддержкой управленческого персонала при подготовки принятия решений по основным финансово-экономическим вопросам.
К основным финансово-экономическим задачам СППР в концепции контроллинга относятся: анализ состояния бизнеса, прогноз тенденций развития бизнеса, планирование бизнеса и управление его развитием.
Системное решение перечисленных выше задач предполагает наличие серьезной информационной поддержки со стороны СППР.
При формировании ХД ИСМ, как базы СППР, предварительно обследуются интересные внутренние и внешние источники информации, оценивается потенциальный объем и содержание переносимых в ХД сведений, определяются требования к структуризации информации в соответствии с требованиями управленческого персонала и используемой системы управленческого учета. Основными потенциальными пользователями СППР являются среднее и высшее звенья управления, системные аналитики. Особое место в их работе отводится вопросам анализа (экономического состояния организации, подразделений организации, ситуации на рынке предлагаемых товаров или услуг и т.д.), в том числе математической поддержки подготовки принятия управленческих решений. Получение необходимой аналитической информации происходит путем формирования аналитического запроса в ХД. Особо следует отметить, что управленцев и аналитиков интересуют не только и не столько
одноаспектные запросы, сколько сложные запросы с несколькими аспектами анализа и множественными связями. Более того, констатация и фиксация фактов, происходивших в прошлом, не является основным видом анализа. Наиболее интересными возможностями аналитических инструментов является прогноз на будущее и наличие механизмов моделирования по схеме "что... если...", а это, в свою очередь, полностью отвечает требованиям концепции контроллинга - "ориентация бизнеса не на прошлое, а на настоящее и будущее"[3,4]. Поэтому, большая часть современных программных продуктов ориентированна именно на эти возможности.
На сегодня сформировалось два направления, две технологии анализа подготовленных аналитических данных ХД:
- оперативная аналитическая обработка (OLAP);
- интеллектуальный анализ данных (ИАД, Data mining)-
Вопросы оперативной аналитической обработки данных подробно рассмотрены авторами в работе [2]. Остановимся на рассмотрении современной технологии подготовки аналитической информации - ИАД.
ИАД - 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. Принципиальное отличие ИАД от известных методов, используемых в СППР, состоит в переходе от технологии оперативного анализа текущих ситуаций, характерной для OLAP-приложений, к методам, опирающимся на мощный аппарат современной математики.
Отсюда такое обилие методов и алгоритмов, реализованных в действующих информационных системах ИАД в основу которых положены методы прикладной статистики, распознавания образов, методов искусственного интеллекта, нейронных сетей, нечеткой логики, деревьев решений, эволюционного программирования, генетических алгоритмов и др. Множественность и разнообразие задач анализа первичных данных требует использования специфичных математических методов ИАД. В системах интеллектуального анализа данных, как правило, реализован один математический метод. Если необходимо провести анализ несколькими методами, для этого применяют разные программные продукты. Это является главным недостатком внедрения ИАД. Однако, такой технический недостаток не мешает использовать методы ИАД в системе контроллинга предприятия, для повышения информированности управленцев при принятии решений. Большое количество систем ИАД можно разбить на классы в каждом из которых используется какой-то один определенный математический аппарат. Проанализируем классы систем ИАД и их возможности при анализе первичных данных.
КЛАССЫ СИСТЕМ ИАД
Основное положение ИАД - поиск скрытых знаний (hidden knowledge) в сырых данных. Методы ИАД по-
82
ISSN 1607-3274 "Радтелектротка. 1нформатика. Управлшня" №1, 2004
зволяют выявлять пять стандартных типов закономерностей: ассоциация, последовательность, классификация, кластеризация и прогнозирование. Определенные методы и алгоритмы, реализованные в информационных системах ИАД, позволяют выявлять определенные типы закономерностей. В ИАД используется большое число различных методов: статистические пакеты; деревья решений; системы рассуждений на основе аналогичных случаев; нейронные сети; эволюционное программирование; генетические алгоритмы; системы для визуализации многомерных данных [5].
Проанализируем специфику решаемых ими задач, характеризующих эффективность алгоритмов для выявления различных типов закономерностей.
Методы, получившие в последнее время широкое применение в самых разных областях, являются алгоритмы деревьев решений. Эти методы применяются для решения задач классификации. Одним из наиболее важных свойств деревьев решений является представление данных в виде иерархической структуры. Такая структура естественным образом может быть использована для классификации. Алгоритмы деревьев - одни из самых быстрых и эффективно реализуемых в ИАД, поэтому они получили широкое распространение.
Системы рассуждений на основе аналогичных случаев часто еще называют методом "ближайшего соседа" (nearest neighbour). Этот метод применяется при решении задач прогнозирования. Метод находит в прошлом близкие аналогии текущей ситуации и выбирает тот же ответ, который был для него правильным. Обычно прогноз делается на основе нескольких похожих событий, а не одного. Главным недостатком метода считается то, что он вообще не создает каких-либо моделей или правил, обобщающих предыдущий опыт. В выборе решения метод основывается на всех исторических данных, поэтому нельзя сказать на основе каких факторов метод строит свои ответы.
Нейросетевые методы успешно решают многие задачи прогноза, задачи нахождения зависимости одних переменных от других (задачи ассоциации и последовательности), но строимая зависимость не представляется в ясном для понимания человеком виде, в результате чего затруднительно оценить статистическую значимость получаемых в процессе обучения прогностических моделей. Второй недостаток заключается в том, что нейронная сеть - это очень специфическая структура, и она хорошо имитирует, хорошо может выразить только достаточно узкий круг возможных зависимостей. Тем не менее, это очень популярные методы, которые часто неплохо работают и используются во многих прикладных областях.
Название метода генетических алгоритмов подчеркивает его аналогию с процессом эволюции и естественного отбора в природе. Методы достаточно успешно решают задачи классификации и кластеризации. Центральной темой исследований генетических алгоритмов явился принцип устойчивости, приспособляемости. К настоящему времени генетические алгоритмы уже доказали свою устойчивость (нечувствительность к локальным
экстремумам) при решении задач функциональной оптимизации в различных областях бизнеса, науки и управления. Эти алгоритмы вычислительно просты и в то же время достаточно мощные. На основе использования методологии кодирования генетический алгоритм может эффективно работать с широким классом функций. Однако генетические алгоритмы имеют недостаток: критерий отбора хромосом и используемые процедуры являются эвристическими и совсем не гарантируют нахождение "лучшего" решения.
В ИАД широко применяются методы математической статистики. Методы статистики применяют при обнаружении числовых зависимостей в данных - задачи классификации и кластеризации. Недостатком статистических методов считается: специальная подготовка пользователей и усредненная характеристика выборки, причем эти усредненные характеристики часто являются фиктивными величинами.
Эволюционное программирование - на сегодня самая молодая и наиболее перспективная ветвь ИАД. Суть метода заключается в том, что гипотезы о виде зависимости целевой переменной от других переменных формулируются системой в виде программ на некотором внутреннем языке программирования. Так как этот язык является универсальным, то в принципе на нем можно выразить любую четко определенную зависимость (любой тип закономерности). Все рассмотренные до этого методы отличались одной присущей им всем слабой стороной - а именно, слабой выразительностью используемого ими языка представления обнаруживаемых знаний и, как следствие, узостью класса зависимостей, которые в принципе могут быть этими методами обнаружены. Например, алгоритмы деревьев решений могут получать только классификационные правила в виде формул исчисления высказываний, включающих элементарные операторы отношений (>, <, =). Линейная регрессия может находить зависимости только в виде линейных формул. Таким образом, практически каждый метод ИАД привязан к некоторому узкому языку представления знаний. Это является существенным ограничением на их использование, поэтому предлагается способ его преодоления - поиск законов и правил не в виде формул некоторого фиксированного декларативного формализма, а в виде алгоритмов и программ, выражающих способ вычисления значения целевой переменной, исходя из значений независимых переменных. Идея использования эволюции программ оказалась весьма плодотворной и позволила кардинально снизить время, требуемое для поиска алгоритма, по сравнению с требуемым для простого перебора возможных решений. Лежащей в основе метода идее он и обязан своим названием. Процесс построения программ строится как эволюция в мире программ, и этим метод немного похож на генетические алгоритмы. Когда система находит программу, достаточно точно выражающую искомую зависимость, она начинает вносить в нее небольшие модификации и отбирает среди построенных таким образом дочерних программ повышающие точность. Таким образом, система наряду со случайным перебором одновременно выращи-
вает несколько эволюционирующих линий программ, которые конкурируют между собой в точности выражения искомой зависимости.
Из проведенного анализа существующих методов И АД можно сделать вывод, что наиболее подходящим методом при анализе данных является метод эволюционного программирования. С помощью этого метода можно находить любые типы закономерностей. Возможно, что при решении задач классификации предпочтительней было бы использовать алгоритмы деревьев решений, а при прогнозировании - метод ближайшего соседа и т.д. Но в виду того, что каждый из этих методов реализован в отдельном программном продукте, покупка такого множества программ не целесообразна и экономически неэффективна для предприятия. Поэтому применение методов эволюционного программирования является наиболее эффективным при решении задач интеллектуального анализа данных.
ВЫВОДЫ
Управление современным предприятием требует большей оперативности в период быстрых изменений на рынке, более короткого цикла обращения продукции и услуг. Именно поэтому сейчас остро стоит вопрос в реорганизации, в первую очередь, управленческого процесса на предприятии. Повысить эффективность деятельности управленцев на всем этапе управленческого цикла призвана новая концепция управления предприятием -контроллинг. Контроллинг как новое явление в теории и практике управления выполняет функцию интегрирования всех функций управленческого процесса. Занимая особое место в системе управления, контроллинг осуществляет информационное обеспечение принятия решений в целях оптимального использования имеющихся возможностей. Для выполнения данной функции контроллинга на предприятии необходимо, во-первых, провести комплексную автоматизацию всех бизнес-процессов, а, во-вторых, внедрить СППР в соответствии с требованиями управленческого персонала предприятия. Т.к. для анализа данных с целью получения аналитической информации необходимо использовать разнообразные математические методы - применение технологии ИАД является необходимых условием для повышения эффек-
тивности процесса принятия решений на любом предприятии.
На основе проведенного анализа методов ИАД - эволюционное программирование является наиболее подходящим методом при анализе данных по двум причинам. Во-первых, с помощью метода эволюционного программирования можно достаточно эффективно находить любые типы закономерностей, что нельзя сказать о других методах ИАД. Во-вторых, экономически эффективно для предприятий использовать один программный продукт с реализацией метода эволюционного программирования для комплексного решения задач интеллектуального анализа данных, чем несколько программных продуктов, каждый из которых выявляет только ограниченный набор типов закономерностей.
ПЕРЕЧЕНЬ ССЫЛОК
1. Рубцов С.В. Целевое управление в корпорациях. Управление изменениями. - М.: Фи-нансы и статистика, 2001. - 305 с.
2. Сердюк С.Н., Поздняков А.А. Анализ и синтез систем поддержки принятия решений // Радюелектрошка. 1нфор-матика. Управлшня, 2000. - № 1. - С.106 -111.
3. Дайле А. Практика контроллинга. - М.: Финансы и статистика, 2001. - 336 с.
4. Ананькина Е.А., Данилочкин С.В., Данилочкина Н.Г. и др. Контроллинг как инструмент управления предприятием / Под ред. Н. Г. Данилочкиной. - М.: Аудит, ЮНИТИ, 2001. -279 с.
5. Дюк В., Самойленко A. Data mining: учебный курс. - СПб.: Питер, 2001. - 368 с.
НадШшла 18.02.03 Шсля доробки 31.02.04
Розглянута концепщя контроллтгу, opienmoeana на систему облшу, та гг головна задача - шформацшна nid-тримка прийняття рииень. Для тдвищення onepamueuocmi отримання аналтичног гнформаци використовуютъ системы тдтримки прийняття рииень (СППР). Проанал1зова1и математичм методы технологи ттелектуального анал1зу даних ят використовуються в СППР. Метод еволющйного програмування обраний як найбыъш ефективний при inme-лектуальному анал1зу даних.
The article considers controlling-accounting conception and it main goal - information decision support. Decision support system (DSS) are using for increase quickness getting the analytical information. Mathematical methods of technology data mining is analyse in the article. This methods use in DSS. A method of evolution programming is the method of highest effectiveness in data mining.
УйК 681.518
Ю.А. Скобцов, М.А. Ермоленко
ФУНКЦИОНАЛЬНЫЕ МОДЕЛИ НЕИСПРАВНОСТЕЙ ЦИФРОВЫХ СИСТЕМ
Рассмотрена проблема верыфыкации ы тестирования Исследованы функциональные модели неисправностей циф-сложных цифровых систем, представленных на языках опи- ровых систем, описанных с помощью этих языков, сания аппаратуры высокого уровня (УНОЬ, УЕШЬОС).
84
ISSN 1607-3274 "Радюелектрошка. 1нформатика. Управлшня" №1, 2004
