CC BY
0PROBLEMS OF DEVELOPING DECISION SUPPORT SYSTEMS FOR SMALL BUSINESS UNDER CONDITIONS OF SIGNIFICANT UNCERTAINTY
ПРОБЛЕМЫ РАЗРАБОТКИ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ МАЛОГО БИЗНЕСА В УСЛОВИЯХ ЗНАЧИТЕЛЬНОЙ НЕОПРЕДЕЛЕННОСТИ
Veronika L. Zaslavskaia 1 2 ORCID 0000-0001-8791-5614
Вероника Львовна Заславская 1 2
1 Officeverse LLC 1 ООО Офисверс
2 Zello Russia 2 Zello Россия
Keywords: data analysis, DSS, small business, information uncertainty, big data, data analysis technologies
Modern business requires a complete digital transformation, the use of analytical systems, a change in attitude to data at all levels.
A top manager of a small company needs to have broad expertise and a holistic vision based on a deep understanding of the internal processes and capabilities of the company, as well as knowledge of the industry, market, trends, international situation and other external factors.
The more complete the picture is, the more factors, as well as their influence coefficients the manager takes into account in decision-making, the more successful the company strategy will be. In practice, managers of small and even more micro-companies are often overwhelmed by operational activities.
In a rapidly changing environment and many influencing factors, it is advisable to use dynamic predictive analytics, which will allow modeling, analyzing risks, and building projections. Companies in the small and micro business segments generally do not have the budgets and competencies in the team to develop their own decision support systems (DSS).
The complexity of DSS development is due to the need to process a significant volume of data, most of which could be provided by the customer in an unstructured or semi-structured form. Additional difficulties in the development of DSS for small and micro businesses are the lack of awareness of the value and potential of data by all
Ключевые слова: анализ данных, СППР, малый бизнес, информационная неопределенность, большие данные, технологии анализа данных
Руководителю компании, относящейся к сегменту малого бизнеса, необходима широкая экспертиза и целостное видение, основанное на глубоком понимании внутренних процессов и возможностей компании, а также знании индустрии, рынка, трендов, международной ситуации и прочих внешних факторов.
Чем полнее эта картина, чем больше факторов, а также коэффициентов их влияния, взаимосвязей руководитель учитывает при принятии решений, тем успешнее стратегия компании. На практике руководители малых и тем более микро компаний часто перегружены операционной деятельностью.
В условиях быстро меняющейся обстановки и множества влияющих факторов целесообразно применение динамической предиктивной аналитики, которая позволит моделировать, анализировать риски, строить проекции.
Компании сегментов малого и микро бизнеса в основном не имеют бюджетов и компетенций в команде для разработки собственных систем поддержки принятия решений (СППР).
Сложность разработки СППР обусловлена необходимостью обработки значительных объемов данных, большая часть которых может быть предоставлена заказчиком в неструктурированном или слабо структурированном виде.
Дополнительными сложностями при разработке СППР для малого и микро бизнеса являются недостаточный уровень осведомленности о ценности и потенциале данных всеми сотрудниками компании, а также необходимость изменения инфраструктуры и
160
Zaslavskaia V. L.
Problems of Developing Decision Support Systems for Small Businesses in Conditions of Significant...
employees of the company, as well as the need to change the infrastructure and reorganize the company's business processes.
The completeness and reliability of the initial data affects the correctness of the results of working out the business intelligence system, so it is necessary to change the culture of attitude to data at all levels.
Over the past 20 years, small and micro businesses have accumulated significant amounts of data that can be effectively used in business intelligence systems in conjunction with open statistics, data from social networks, industry aggregate data, as well as data accumulated by various types of registrars.
In the case of independent software companies that could provide solutions to small organizations, they also face a number of challenges, to add the above mentioned facts.
The development of DSS even for a fairly narrow industrial segment requires some flexibility of the solution, it is impossible to completely unify it. From a legislative point of view, there are a number of unresolved issues in dealing with personal data. For example, the information cannot be transferred outside the enterprise to work with it; the degree of data anonymity, in which a particular customer is guaranteed not to be identifiable, especially when combining datasets, is not determined..
Also today, not all terms related to the processing of big data are clearly defined in the standards.
However, currently we see an active work on national, inter-state and international standardization.
Also, a number of measures have been developed to support innovative developments in the field of big data processing.
Based on the facts above, there is reason to assume a significant increase in the number of domestic predictive business analytics decisions for various industries.
In the third quarter of 2022, the health and fitness industry especially felt the problem of falling purchase rates and renewal of subscriptions, and also received many requests for refunds for previously purchased subscriptions not only for corporate programs, but also from individuals. Taking into account the above, examples of business tasks for a medium-sized fitness club are formulated:
1) calculation of the maximum cost of subscriptions and club cards without the risk of significant reduction of the client base;
реорганизация бизнес-процессов компании. Полнота и достоверность исходных данных влияет на корректность результатов отработки системы бизнес аналитики, поэтому необходимо изменение культуры отношения к данным на всех уровнях. За последние 20 лет предприятия малого и микро бизнеса накопили значительные объемы данных, которые можно эффективно использовать в системах бизнес-аналитики совместно с открытой статистикой, данными из социальных сетей, совокупными данными индустрии, а также данными, накопленными различного рода регистраторами.
Если говорить о независимых компаниях-разработчиках программного обеспечения, с помощью которых на рынке могли бы появиться решения, доступные для небольших организаций, то они, в дополнение к вышесказанному, также сталкиваются с рядом проблем.
Разработка СППР даже для довольного узкого индустриального сегмента требует определенной гибкости решения, его невозможно полностью унифицировать.
С точки зрения законодательства, существует ряд нерешенных вопросов при работе с персональными данными. К примеру, данные не могут быть переданы для работы с ними за пределы предприятия; не определена степень обезличивания данных, при которых конкретный клиент гарантированно не может быть опознан, особенно при объединении датасетов. Также на сегодняшний день не все термины, относящиеся к обработке больших данных, однозначно понимаются всеми.
Однако, в настоящее время ведется активная работа по национальной, межгосударственной и международной стандартизации, а также выработан целый ряд мер государственной поддержки инновационных разработок в сфере обработки больших данных. Основываясь на данных фактах, есть основание предполагать существенное увеличение количества отечественных решений предиктивной бизнес-аналитики для различных отраслей.
В качестве примера, обратимся к предприятиям спортивно-оздоровительной индустрии, которые в третьем квартале 2022 года особенно остро ощутили проблему падения показателей покупки и продления абонементов, а также получили много запросов на возврат средств за приобретенные ранее абонементы не только по корпоративным программам, но и от физических лиц.
С учетом изложенного сформулированы примеры бизнес-задач фитнес-клуба среднего размера: 1) Расчет максимальной стоимости абонементов и клубных карт без риска существенного уменьшения
_161_
Заславская В. Л.
Проблемы разработки систем поддержки принятия решений для малого бизнеса в условиях ...
2) Predicting the likelihood of renewal of subscriptions based on the analysis of all data accumulated and obtained from open sources and the issuance of recommendations, taking into account segmentation of the client audience. Search for patterns between the number of visits by the client to the club (per year, month, week) and subscription renewal.
3) Finding out the reasons for refusals to renew based on the identification of patterns and non-obvious correlations between the client's departure and the number of visits to the club, the duration of the visit, the use of additional services, etc.
4) increase in sales of additional services based on the classification and segmentation of the client audience;
5) increasing the efficiency and optimizing the work of sales managers by generating personal recommendations at the time of interaction with the client;
6) optimization of the loading of different club zones at different times of the day and on different days;
7) improving the effectiveness of marketing and promotions by correlating customer base segments and target audience segments.
In this case, the use of formalized approaches that provide sufficient indicators of the quality of the results of forecasting and risk assessment under conditions of significant information uncertainty is justified. These approaches include the regulariza-tion Bayesian Approach (RBA).
Bayesian smart measurements and RBA allow to ensure high rates of accuracy, reliability and validity of decisions. A complex of interrelated factors is used for implementation, which provides the possibility of flexible adaptation of the solution to changing information situations in conditions of significant uncertainty - the original multidimensional, distributed, inaccurate, incomplete, fuzzy information
Within the framework of RBA, even under conditions of significant uncertainty, it is possible to develop a model for a comprehensive assessment of the implementation and payback of the project, as well as evaluate hypotheses taking into account changes in the external economic environment and changes in the conditions for project implementation, as well as use any available information (including expert information) in order to improve quality and reliability.
клиентской базы
2) Прогнозирование вероятности продления абонементов на основе анализа всей совокупности накопленных и полученных из открытых источников данных и выдача рекомендаций с учетом сегментирования клиентской аудитории. Поиск закономерностей между количеством посещений клиентом клуба (в год, месяц, неделю) и продлением абонемента.
3) Выяснение причин отказов от продления на основе выявления закономерностей и неочевидных корреляций между уходом клиента и количеством посещений клуба, длительностью посещения, потреблением дополнительных услуг и т.д.
4) увеличение объема продаж дополнительных услуг на основе классификации и сегментирования клиентской аудитории;
5) увеличение эффективности и оптимизация работы менеджеров по продажам путем формирования персональных рекомендаций в момент взаимодействия с клиентом;
6) оптимизация загрузки различных зон клуба в разное время суток и дни;
7) повышение эффективности маркетинговых и рекламных акций с помощью корреляции сегментов клиентской базы и сегментов целевой аудитории.
В данном случае обосновано использование формализованных подходов, обеспечивающих достаточные показатели качества результатов прогнозирования и оценки рисков в условиях значительной информационной неопределенности. К таким подходам можно отнести регуляризирующий байесовский подход (РБП).
Байесовские интеллектуальные измерения и РБП позволяют обеспечить высокие показатели точности, надежности и достоверности решений. Для реализации используется комплекс взаимосвязанных факторов, что обеспечивает возможность гибкой адаптации решения к меняющимися информационным ситуациям в условиях значительной неопределенности - исходной разноаспектной, распределенной, неточной, неполной, нечеткой информации.
В рамках РБП даже в условиях значительной неопределенности возможна разработка модели комплексной оценки реализации и окупаемости проекта, а также оценка гипотез с учетом изменения внешней экономической среды и изменения условий реализации проекта, а также использовать любую доступную информацию (включая экспертную) с целью повышения качества и достоверности.
162
Zaslavskaia V. L.
Problems of Developing Decision Support Systems for Small Businesses in Conditions of Significant
References
1. Federal Agency for Technical Regulation and Metrology. National standard of the Russian Federation. GOST R 59277-2020 Artificial intelligence systems Classification of artificial intelligence systems. / Standartinform // 2021 P.12
2. National standard of the Russian Federation. Information Technology. BIG DATA. Review and dictionary. (ISO/IEC 20546:2019, IDT). / Moscow, Standartinform // 2021. - Access mode: https://api.bigdata-msu.ru/media/uploads/2020/12/30/gost-r-iso-mek-20547-1-standart-it- eabd-s truktura-i-process-primeneniya.pdf
3. National strategy for the development of artificial intelligence for the period up to 2030. Approved by Decree of the President of the Russian Federation of October 10, 2019 N 490
4. Part 1.1 of Article 4 of the Federal Law of July 24, 2007 No. 209-FZ "On the development of small and medium-sized businesses in the Russian Federation"
5. Data Age 2025: The Evolution of Data to Life-Critical Don't Focus on Big Data; Focus on the Data That's Big. David Reinsel John Gantz John Rydning | April 2017
6. Halpern J.Y. Reasoning About Uncertainty. Massachusetts: The MIT Press, 2003.
7. Kyburg H.E. Bayesian and non-Bayesian evidential updating //Arti cial Intelligence. 1987. Vol. 31
8. Khagurova M.P., Chinazirova S.K., Vodzhdokova Z.A., Gisheva S.Sh. BIG DATA AS THE BASIC CONCEPT OF CREATING BI SYSTEMS // The Scientific Heritage. 2020. No. 54-7. Access mode: URL: https://cyberleninka.ru/article/n/big-data-kak-osnovnaya-kontseptsiya-sozdaniya-bi-sistemy (date of access: 09.10.2022)
9. Technologies for working with Big Data: readiness for use and main barriers. mcs.mail.ru, VK Cloud, 2022 Joint study by VK Cloud and Arenadata C23
/ Библиография
1. Федеральное агентство по техническому регулированию и метрологии. Национальный стандарт Российской Федерации. ГОСТ Р 59277— 2020 Системы искусственного интеллекта Классификация систем искусственного интеллекта. / Стан-дартинформ // 2021 С.12
2. Национальный стандарт Российской Федерации. Информационные технологии. БОЛЬШИЕ ДАННЫЕ. Обзор и словарь. (ISO/IEC 20546:2019, IDT). / Москва, Стандартинформ // 2021. - Режим доступа: https://api.bigdata-msu.ru/media/uploads/2020/12/30/gost-r-iso-mek-20547-1-standart-it-eabd-s truktura-i-process-primeneniya.pdf
3. Национальная стратегия развития искусственного интеллекта на период до 2030. Утверждена Указом Президента Российской Федерации от 10 октября 2019 г. N 490
4. Часть 1.1 статьи 4 Федерального закона от 24 июля 2007 года № 209-ФЗ «О развитии малого и среднего предпринимательства в Российской Федерации»
5. Эпоха данных 2025: Эволюция данных до жизненно важных Не сосредотачивайтесь на больших данных; Сосредоточьтесь на больших данных. Дэвид Рейнсел Джон Ганц Джон Риднинг | апрель 2017 г.
6. Халперн Дж.Ю. Рассуждения о неопределенности. Массачусетс: MIT Press, 2003.
7. Кибург Х.Е. Байесовское и небайесовское обновление доказательств //Искусственный интеллект. 1987. Том. 31
8. Хагурова М.П., Чиназирова С.К., Водождокова З.А., Гишева С.Ш. BIG DATA КАК ОСНОВНАЯ КОНЦЕПЦИЯ СОЗДАНИЯ BI - СИСТЕМЫ // The Scientific Heritage. 2020. №54-7. Режим доступа: URL: https://cyberleninka.ru/article/n/big-data-kak-osnovnaya-kontseptsiya-sozdaniya-bi-
sistemy (дата обращения: 09.10.2022).
9. Технологии для работы с Big Data: готовность к использованию и основные барьеры. mcs.mail.ru, VK Cloud, 2022 г. Совместное исследование VK Cloud и Arenadata С.23
163
Заславская В. Л.
Проблемы разработки систем поддержки принятия решений для малого бизнеса в условиях
