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.

Введение

Зачем нужны СППР :

1. Сложность в принятии решений
2. Необходимость в точной оценке различных альтернатив
3. Необходимость предсказательного функционала
4. Необходимость мультипотокового входа (для принятия решения нужны выводы на основе данных, экспертные оценки, известные ограничения и т.п.)

С начала 80-х уже можно говорить о формировании подклассов СППР , таких как MIS (Management Information System), EIS (Executive Information System), GDSS (Group Decision Support Systems), ODSS (Organization Decision Support Systems) и др. По сути, эти системы представляли собой фреймворки, спососбные работать с данными на различных уровнях иерархии (от индивидуального до общеорганизационного), а внутрь можно было внедрить какую угодно логику. Примером может служить разработанная Texas Instruments для United Airlines система GADS (Gate Assignment Display System), которая поодерживала принятие решений в Field Operations - назначение гейтов, определение оптимального времени стоянки и т.п.

В конце 80-х появились ПСППР (Продвинутые - Advanced), которые позволяли осуществлять «what-if» анализ и использовали более продвинутый инструментарий для моделирования.

Наконец, с середины 90-х на свет стали появляться и ИСППР , в основе которых стали лежать инструменты статистики и машинного обучения, теории игр и прочего сложного моделирования.

Многообразие СППР

По области применения

• Бизнес и менеджмент (прайсинг, рабочая сила, продукты, стратегия и т.п.)
• Инжиниринг (дизайн продукта, контроль качества...)
• Финансы (кредитование и займы)
• Медицина (лекарства, виды лечения, диагностика)
• Окружающая среда

По соотношению данные\модели (методика Стивена Альтера)

• FDS (File Drawer Systems - системы предоставления доступа к нужным данным)
• DAS (Data Analysis Systems - системы для быстрого манипулирования данными)
• AIS (Analysis Information Systems - системы доступа к данным по типу необходимого решения)
• AFM(s) (Accounting & Financial models (systems) - системы рассчета финансовых последствий)
• RM(s) (Representation models (systems) - системы симуляции, AnyLogic как пример)
• OM(s) (Optimization models (systems) - системы, решающие задачи оптимизации)
• SM(s) (Suggestion models (systems) - системы построения логических выводов на основе правил)

По типу использумого инструментария

• Model Driven - в основе лежат классические модели (линейные модели, модели управления запасами, транспортные, финансовые и т.п.)
• Data Driven - на основе исторических данных
• Communication Driven - системы на оснвое группового принятия решений экспертами (системы фасилитации обмена мнениями и подсчета средних экспертных значений)
• Document Driven - по сути проиндексированное (часто - многомерное) хранилище документов
• Knowledge Driven - внезапно, на основе знаний. При чем знаний как экспертных, так и выводимых машинно

Я требую жалобную книгу! нормальную СППР

1. Качество
2. Организация
3. Ограничения
4. Модель

Отдельно отметим такие важные атрибуты, как масштабируемость (в ныне одном подходе agile никуда без этого), способность обрабатывать плохие данные, юзабилити и user-friendly interface, нетребовательность к ресурсам.

Архитектура и дизайн ИСППР

Действительно, СППР вполне можно разделить на 4 больших слоя:

1. Интерфейс
2. Моделирование
3. Data Mining
4. Data collection

На схеме ниже представляю мое видение архитектуры, с описанием функционала и примерами инструментов:

С архитектурой более или менее понятно, перейдем к дизайну и собственно построению СППР.

В прицнипе, тут нет никакого rocket science. При построении ИСППР необходимо придерживаться следующих шагов:

1. Анализ домена (собственно, где мы будем нашу ИСППР использовать)
2. Сбор данных
3. Анализ данных
4. Выбор моделей
5. Экспертный анализ\интерпретация моделей
6. Внедрение моделей
7. Оценка ИСППР
8. Внедрение ИСППР
9. Сбор обратной свзяи (на любом этапе , на самом деле)

Оценивать ИСППР можно двумя способами. Во-первых, по матрице атрибутов, которая представлена выше. Во-вторых, по критериальному чек-листу, который может быть любым и зависеть от вашей конкретной задачи. В качестве примера такого чек-листа я бы привел следующее:

Подчеркну, что это только ИМХО и вы можете сами сделать удобный для себя чек-лист.

А где тут машинное обучение и теория игр?

С одной стороны, есть классические домены, назовем их «тяжелыми», вроде управления цепями поставок, производства, запасов ТМЦ и проч. В тяжелых доменах наши с вами любимые алгоритмы могут привнести дополнительные инсайты для зарекомендовавших себя классических моделей. Пример: предиктивная аналитика по выходам из строя оборудования (машинное обучение) отлично сработается с каким-нибудь FMEA анализом (классика).

С другой стороны, в «легких» доменах, вроде клиентской аналитики, предсказании churn, выплаты кредитов - алгоритмы машинного обучения будут на первых ролях. А в скоринге, например, можно совмещать классику с NLP, когда решаем выдавать ли кредит на основе пакета документов (как раз-таки document driven СППР).

Классические алгоритмы машинного обучения

Поступаем очень просто:

Шаг 0. Определяем целевую переменную (ну, например, содержание оксида титана в готовой продукции)
Шаг 1. Определяемся с данными (выгружаем из SAP, Access и вообще ото всюду, куда дотянемся)
Шаг 2. Собираем фичи\генерим новые
Шаг 3. Рисуем процесс data flow и запускаем его в продакшн
Шаг 4. Выбираем и обучаем модельку, запускаем ее крутиться на сервере
Шаг 5. Определяем feature importances
Шаг 6. Определяемся со вводом новых данных. Пусть наш менеджер их вводит, например, руками.
Шаг 7. Пишем на коленке простой web-based интерфейс, куда менеджер вводит ручками значения важных фич, это крутится на серваке с моделькой, и в тот же интерфейс выплевываестя прогнозируемое качество продукции

Вуа-ля, ИСППР уровня детсад готова, можно пользоваться.

Подобные «простые» алгоритмы также использует IBM в своей СППР Tivoli, которая позволяет определять состояние своих супер-компьютеров (Watson в первую очередь): на основе логов выводится информация по перформансу Watson, прогнозируется доступность ресурсов, баланс cost vs profit, необходимость обслуживания и т.п.

Компания ABB предлагает своим клиентам DSS800 для анализа работы электродвигателей той же ABB на бумагоделательной линии.

Финская Vaisala , производитель сенсоров для минтранса Финляндии использует ИСППР для предсказания того, в какие периоды необходимо применять анти-обледенитель на дорогах во избежания ДТП.

Опять-таки финская Foredata предлагает ИСППР для HR, которая помогает принимать решения по годности кандидата на позицию еще на этапе отбора резюме.

В аэропорту Дубай в грузовом терминале работает СППР, которая определяет подозрительность груза. Под капотом алгоритмы на основе сопровидительных документов и вводимых сотрудниками таможни данных выделяют подозрительные грузы: фичами при этом являются страна происхождения, информация на упаковке, конкретная информация в полях декларации и т.п.

Тысячи их!

Обычные нейронные сети

Некоторые примеры можно найти в ВПК, например в американской TACDSS (Tactical Air Combat Decision Support System). Там внутри крутятся нейронки и эволюционные алгоритмы, помогающие в определении свой-чужой, в оценке вероятности попадания при залпе в данный конкретный момент и прочие задачки.

В немного более реальном мире можно рассмотреть такой пример: в сегменте B2B необходимо определить, выдавать ли кредит организации на основе пакета документов. Это в B2C вас оператор замучает вопросами по телефону, проставит значения фич у себя в системе и озвучит решение алгоритма, в B2B несколько посложнее.

ИСППР там может строиться так: потенциальный заемщик приносит заранее согласованный пакет документов в офис (ну или по email присылает сканы, с подписями и печатями, как положено), документы скармливаются в OCR, затем передаются в NLP-алгоритм, который дальше уже делит слова на фичи и скармливает их в NN. Клиента просят попить кофе (в лучшем случае), или вот где карту оформляли туда и идите прийти после обеда, за это время как раз все и обсчитается и выведет на экран девочке-операционисту зеленый или красный смайлик. Ну или желтый, если вроде ок, но нужно больше справок богу справок.

Подобными алгоритмами пользуются также в МИД: анкета на визу + прочие справки анализируются прямо в посольстве \ консульстве, после чего сотруднику на экране высвечивается один из 3 смайликов: зеленый (визу выдать), желтый (есть вопросы), красный (соискатель в стоп-листе). Если вы когда-нибудь получали визу в США, то то решение, которое озвучивает вам сотрудник консульства - это именно результат работы алгоритма в совокупности с правилами, а никак не его личное субъективное мнение о вас:)

В тяжелых доменах известны также СППР на основе нейронок, определяющие места накопления буфера на производственных линиях (см, напимер, Tsadiras AK, Papadopoulos CT, O’Kelly MEJ (2013) An artificial neural network based decision support system for solving the buffer allocation problem in reliable production lines. Comput Ind Eng 66(4):1150–1162 ), Общие Нечеткие Нейронные Сети на основе мин-макса (GFMMNN) для кластеризации потребителей воды (Arsene CTC, Gabrys B, Al-Dabass D (2012) Decision support system for water distribution systems based on neural networks and graphs theory for leakage detection. Expert Syst Appl 39(18):13214–13224 ) и другие.

Вообще стоит отметить, что NN как нельзя лучше подходят для принятия решений в условиях неопределенности, т.е. условиях, в которых и живет реальный бизнес. Алгоритмы кластеризации также хорошо вписались.

Байесовские сети

Динамические данные обновляются во времени, соответственно, паттерн работы модели будет такой: обучение-решение-обучение , что в общем похоже на работу врача: примерно определить диагноз, прокапать лекарство, посмотреть за реакцией. Таким образом, мы постоянно пребываем в состоянии неопределенности, подействует лечение или нет. И состояние пациента меняется динамически. Т.е. нам надо построить динамическую СППР, причем еще и knowledge driven.

В таких случаях нам отлично помогут Динамические Байесовские Сети (ДБС) - обобщение моделей на основе фильтров Калмана и Скрытой Марковской Модели.

Разделим данные по пациенту на статические и динамические.

Если бы мы строили статическую байесовскую сетку, то нашей задачей было бы посчитать следующую вероятность:

Где - узел нашей сетки (вершина графа, по сути), т.е. значение каждой переменной (пол, возраст....), а С - предсказываемый класс (болезнь).

Статическая сетка выглядит так:

Но это не айс. Состояние пациента меняется, время идет, надо решать, как же его лечить.

Вот для этого и применим ДБС.

Сначала, в день приема пацитента, строим статическую сетку (как на картинке выше). Потом, в каждый день i строим сетку на основе динамически меняющихся данных:

Соответственно, совокупная модель примет следующий вид:

Таким, образом, результат мы расчитаем по следующей формуле:

Где T - совокупное время госпитализации, N - количество переменных на каждом из шагов ДБС.

Внедрить эту модель в СППР необходимо несколько иначе - скорее тут надо идти от обратного, сначала эту модель зафиксировать, а потом строить интерфейс вокруг . Т.е., по сути, мы сделали хард модель, внутри которой динамические элементы.

Теория игр

Допустим, на рынке существует олигополия (малое количество соперников), есть определенный лидер и это (увы) не наша компания. Нам необходимо помочь менеджменту принять решение об объемах выпускаемой нами продукции: если мы будем выпускать продукцию в объеме , а наш соперник - , уйдем мы в минус или нет? Для упрощения возьмем частный случай олигополии - дуополию (2 игрока). Пока вы думаете, RandomForest тут или CatBoost, я вам предложу использовать классику - равновесие Штакельберга. В этой модели поведение фирм описывается динамической игрой с полной совершенной информацией, при этом особенностью игры является наличие лидирующей фирмы, которая первой устанавливает объём выпуска товаров, а остальные фирмы ориентируются в своих расчетах на неё.
Для решения нашей задачи нам надо всего-то посчитать такое , при котором решится задача оптимизации следующего вида:

Для ее решения (сюрприз-сюрприз!) надо лишь приравнять первую производную по к нулю.

При этом для такой модели нам понадобится знать только предложение на рынке и стоимость за товар от нашего конкурента, после чего построить модель и сравнить получившееся q с тем, которое хочет выкинуть на рынок наш менеджмент. Согласитесь, несколько проще и быстрее, чем пилить NN.

Для таких моделей и СППР на их основе подойдет и Excel. Конечно, если вводимые данные надо посчитать, то нужно что-то посложнее, но не сильно. Тот же Power BI справится.

Искать победителя в битве ML vs ToG бессмысленно. Слишком разные подходы к решению задачи, со своими плюсами и минусами.

Что дальше?

В недавнем интервью Джуда Перл, создатель тех самых байесовских сетей, высказал любопытное мнение. Если слегка перефразировать, то

«все, чем сейчас занимаются эксперты в машинном обучении, это подгонка кривой под данные. Подгонка нетривиальная, сложная и муторная, но все-таки подгонка.»

Скорее всего, вангую, через лет 10 мы перестанем жестко хардкодить модели, и начнем вместо этого повсеместно обучать компьютеры в создаваемых симулируемых средах. Наверное, по этому пути и пойдет реализация ИСППР - по пути AI и прочих скайнетов и WAPR"ов.

Если же посмотреть на более близкую перспективу, то будущее ИСППР за гибкостью решений. Ни один из предложенных способов (классические модели, машинное обучение, DL, теория игр) не универсален с точки зрения эффективности для всех задач. В хорошей СППР должны сочетаться все эти инструменты + RPA, при этом разные модули должны использоваться под разные задачи и иметь разные интерфейсы вывода для разных пользователей. Этакий коктейль, смешанный, но ни в коем случае не взболтанный.

Литература

1. Merkert, Mueller, Hubl , A Survey of the Application of Machine Learning in Decision Support Systems, University of Hoffenhaim 2015
2. Tariq, Rafi ,Intelligent Decision Support Systems- A Framework, India, 2011
3. Sanzhez i Marre, Gibert , Evolution of Decision Support Systems, University of Catalunya, 2012
4. Ltifi, Trabelsi, Ayed, Alimi , Dynamic Decision Support System Based on Bayesian Networks, University of Sfax, National School of Engineers (ENIS), 2012

Главной особенностью информационной является качественно новый метод организации взаимодействия человека и компьютера. Выработка решения, что является основной целью этой технологии, происходит в результате итерационного процесса (рис. 1), в котором участвуют:

· система поддержки принятия решений в роли вычислительного звена и объекта управления;

· человек как управляющее звено, задающее входные данные и оценивающее полученный результат вычислений на компьютере.

Рис. 1 Итерационный процесс информационной
технологии поддержки принятия решений

Окончание итерационного процесса происходит по воле человека. В этом случае можно говорить о способности информационной системы совместно с пользователем созда­вать новую информацию для принятия решений.

Дополнительно к этой особенности информационной технологии поддержки принятия решений можно указать еще ряд ее отличительных характеристик:

· ориентация на решение плохо структурированных задач;

· сочетание традиционных методов доступа и обработки компьютерных данных с возможностями математических моделей и методами решения задач на их основе;

· направленность на непрофессионального пользователя компьютера;

· высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя.

Информационная технология поддержки принятия решений может использоваться на любом уровне управления. Кроме того, решения, принимаемые на различных уровнях управления, часто должны координироваться. Поэтому важной функцией и систем, и технологий является координация лиц, принимающих решения, как на разных уровнях управления, так и на одном уровне.

Система поддержки принятия решений (СППР) (англ. Decision Support System, DSS ) - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

СППР - это информационно-аналитическая система , решающая задачи по информационному и интеллектуальному обеспечению лица, принимающего решения (ЛПР).

Системы поддержки принятия решений (СППР, DSS, Decision Support System) возникли в начале 70-х 20 столетия благодаря развитию управленческих информационных систем и успехам в создании систем искусственного интеллекта. На развитие СППР важное влияние оказали достижения в области информационных технологий, в частности телекоммуникационные сети, персональные компьютеры, динамические электронные таблицы, экспертные системы. Системы подобного класса основаны на технологиях искусственного интеллекта, как правило, не входят в состав интегрированных систем управления предприятием, а являются разработками третьих фирм.

До сих пор нет единого определения СППР, в качестве примера можно привести следующие:

1. Это наиболее мощный представитель класса аналитических систем ориентированный на:

¾ Анализа больших массивов данных,

¾ на выполнение более сложных запросов,

¾ моделирование процессов предметной области,

¾ прогнозирование,

¾ нахождение зависимостей между данными

¾ для проведения анализа "что если"

2. Это интерактивная прикладная система, которая обеспечивает конечным пользователям, принимающим решение, легкий и удобный доступ к данным и моделям с целью принятия решений в слабоструктурированных и неструктурированных ситуациях в разных областях человеческой деятельности

3. Это такие системы, которые основываются на использовании моделей и процедур обработки данных и мыслей, которые помогают принимать решение

4. это интерактивные автоматизированные системы, которые помогают лицам, принимающим решение, использовать данные и модели для решения неструктурованных и слабоструктурованых проблем

5. это компьютерная информационная система, используемая для поддержки разных видов деятельности во время принятия решений в ситуациях, когда невозможно или нежелательно иметь автоматическую систему, полностью выполняющую весь процесс решений

6. это многоуровневая многофункциональная автоматизированная система выработки и реализации решений, которая формируется на основе:

¾ синтеза функциональных и структурных схем отдельных звеньев объекта;

¾ сквозных моделей и задач по стадиям жизненного цикла изделия и самого объекта;

¾ объединения разрозненных локальных подсистем в единую систему управления;

¾ создания взаимосвязанных контуров управления и усиления роли оперативного управления (для изучения логики и диагностики их течения);

¾ углубления системного и программно-целевого подхода к планированию и автоматического анализа работы объекта;

¾ развития единых сквозных норм и нормативов;

¾ создания разветвленной АРМ (как интеллектуальных терминалов), обеспечения программных взаимосвязей, согласования информации и диалога.

Основные компоненты СППР.

DSS – это человеко-машинный вычислительный комплекс, ориентированный на анализ данных и обеспечивающий получение информации, необходимой для принятия решений в сфере управления. Такое разнообразие определений отображает широкий диапазон разных типов СППР. Но практически все виды этих компьютерных систем характеризуются четкой структурой, которая содержит три главных компонента, которые составляют основу классической структуры СППР, отличающей ее от других типов ИС:

1. интерфейса пользователя, который дает возможность лицу, которое имеет право принимать решения, проводить диалог с системой, используя разные программы ввода, форматы и технологии вывода;

2. подсистемы, предназначенной для сохранения, управления, выбора, отображения и анализа данных;

3. подсистемы, которая содержит набор моделей для обеспечения ответов на множество запросов пользователей, для аналитических задач.

Рассмотрим структуру системы поддержки принятия решений (рис. 2), а также функции составляющих ее блоков, которые определяют основные технологические операции.

Рис. 2. Основные компоненты информационной
технологии поддержки принятия решений

В состав системы поддержки принятия решений входят три главных компонента: база данных, база моделей и программная подсистема, которая состоит из системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером.

База данных играет в информационной технологии поддержки принятия решений (СППР) важную роль. Данные могут использоваться непосредственно пользователем для расчетов при помощи математических моделей. Рассмотрим источники данных и их особенности:

1. Часть данных поступает от информационной системы операционного уровня. Чтобы использовать их эффективно, эти данные должны быть предварительно обработаны.

Для этого существуют две возможности:

– использовать для обработки данных об операциях фирмы систему управления базой данных, входящую в состав системы поддержки принятия решений;

– сделать обработку за пределами системы поддержки принятия решений, создав для этого специальную базу данных. Этот вариант более предпочтителен для фирм, производящих большое количество коммерческих операций. Обработанные данные об операциях фирмы образуют файлы, которые для повышения надежности и быстроты доступа хранятся за пределами системы поддержки принятия решений.

2. Помимо данных об операциях фирмы для функционирования системы поддержки принятия решений требуются и другие внутренние данные, например данные о движении персонала, инженерные данные и т.п., которые должны быть своевременно собраны, введе­ны и поддержаны.

3. Важное значение, особенно для поддержки принятия 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 oт внутренних внешние данные обычно приобретаются у специализирующихся на их сборе организаций.

4. В настоящее время широко исследуется вопрос о включении в базу данных еще одного источника данных – документов, содержащих записи, письма, контракты, приказы и т.п. Если содержание этих документов будет записано в памяти и затем обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и др.), то система получит новый мощный источник информации.

Система управления данными (СУБД) 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;

обеспечение полной логической независимости этой базы данных от других операционных баз данных, функционирующих в рамках фирмы.

База моделей . Целью создания моделей являются описание и оптимизация некоторого объекта или процесса. Использование моделей обеспечивает проведение анализа в системах поддержки принятия решений. Модели, базируясь на математической интерпретации 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 реализовывались 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 построить модели определенного типа, обеспечивающие нахождение решения при гибком изменении переменных.

Существует множество типов моделей и способов их классификации, например по цели использования, области возможных приложений, способу оценки переменных и т.п.

По цели использования модели подразделяются на оптимизационные , связанные с нахождением точек минимума или максимума некоторых показателей (например, управляющие часто хотят знать, какие их действия ведут к максимизации прибыли или минимизации затрат), и описательные , описывающие поведение некоторой системы и не предназначенные для целей управления (оптимизации).

По способу оценки модели классифицируются на детерминистские , использующие оценку переменных одним числом при конкретных значениях исходных данных, и стохастические , оценивающие переменные несколькими параметрами, так как исходные данные заданы вероятностными характеристиками.

Детерминистские модели более популярны, чем стохастические, потому что они менее дорогие, их легче строить и использовать. К тому же часто с их помощью получается вполне достаточная информация для принятия решения.

По области возможных приложений модели разбиваются на специализированные , предназначенные для использования только одной системой, и универсальные – для использования несколькими системами.

Специализированные модели более дорогие, они обычно применяются для описания уникальных систем и обладают большей точностью.

В системах поддержки принятия решения база моделей состоит из стратегических, тактических и оперативных моделей , а также математических моделей (рис. 6.6) в виде совокупности модельных блоков, модулей и процедур, используемых как элементы для их построения.

Рис. 6.6. Типы моделей, составляющих базу моделей

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 при выборе вариантов размещения предприятий, прогнозировании политики конкурентов и т.п. Для стратегических моделей характерны 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, как правило, 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, – от одного месяца до двух лет. Здесь также могут потребоваться данные из 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 ведение дебиторских счетов и кредитных расчетов, календарное производственное планирование, управление запасами и т.д. Оперативные модели обычно используют для расчетов внутрифирменные данные. Они, как правило, детерминистские, оптимизационные и универсальные (т.е. могут быть использованы в различных организациях).

Математические модели состоят из совокупности модельных блоков, модулей и процедур, реализующих математические методы. Сюда могут входить процедуры линейного программирования, статистического анализа временных рядов, регрессионного анализа и т.п. – от простейших процедур до сложных ППП. Модельные блоки, модули и процедуры могут использоваться как по отдельности, так и комплексно для построения и поддержания моделей.

Система управления базой моделей (СУБМ) должна обладать следующими возможностями: создавать новые модели или изменять существующие, поддерживать и обновлять парамет­ры моделей, манипулировать моделями.

Система управления интерфейсом . Эффективность и гибкость информационной технологии во многом зависят от характеристик интерфейса системы поддержки принятия решений. Интерфейс определяет: язык пользователя; язык сообщений компьютера, органи­зующий диалог на экране дисплея; знания пользователя.

Язык пользователя – это те действия, которые пользователь производит в отношении системы путем использования возможностей клавиатуры; электронных карандашей, пишущих на экране; джойстика; «мыши»; команд, подаваемых голосом, и т.п. Наиболее простой формой языка пользователя является создание форм входных и выход­ных документов. Получив входную форму (документ), пользователь заполняет его необхо­димыми данными и вводит в компьютер. Система поддержки принятия решений производит необходимый анализ и выдает результаты в виде выходного документа установленной формы.

Значительно возросла за последнее время популярность визуального интерфейса . С помощью манипулятора «мышь» пользователь выбирает представленные ему на экране в форме картинок объекты и команды, реализуя таким образом свои действия.

Управление компьютером при помощи человеческого голоса – самая простая и поэтому самая желанная форма языка пользователя. Она еще недостаточно разработана и поэ­тому малопопулярна. Существующие разработки требуют от пользователя серьезных ограничений: определенного набора слов и выражений; специальной надстройки, учиты­вающей особенности голоса пользователя; управления в виде дискретных команд, а не в виде обычной гладкой речи. Технология этого подхода интенсивно совершенствуется, и в ближайшем будущем можно ожидать появления систем поддержки принятия решений, 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. Важным измерителем эффективности используемого интерфейса является выбранная форма диалога между пользователем и системой. В настоящее время наиболее распространены следующие формы диалога : запросно-ответный режим, командный режим, режим меню, 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.

Долгое время единственной реализацией языка сообщений был отпечатанный или выведенный на экран дисплея отчет или сообщение. Теперь появилась 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 повышает наглядность и интерпретируемость выходных данных и становится все более популярным в информационной технологии поддержки принятия решений.

За последние несколько лет наметилось новое направление, развивающее машинную графику, – мультипликация. Мультипликация оказывается особенно эффективной для интерпретации выходных данных систем поддержки принятия решений, связанных с моделированием физических систем и объектов.

Например,система поддержки принятия решений, 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 в качестве языка сообщений человеческого голоса. Сейчас эта форма применяется в системе поддержки принятия решений 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. К ним относятся не только план действий, находящийся в голове у пользователя, но и учебники, инструкции, справочные данные, выдаваемые компьютером.

Совершенствование интерфейса системы поддержки принятия решений определяется успехами в развитии каждого из трех указанных компонентов. Интерфейс должен обладать следующими возможностями:

– манипулировать различными формами диалога, изменяя их в процессе принятия решения по выбору пользователя;

–передавать данные системе различными способами;

– получать данные от различных устройств системы в различном формате;

– гибко поддерживать знания пользователя (оказывать помощь по запросу, подсказывать).