Применение информационных технологий управления на

АССОЦИАЦИЯ МОСКОВСКИХ ВУЗОВ
Государственное образовательное учреждение
высшего профессионального образования
«ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ УПРАВЛЕНИЯ»
(ГУУ)
ОТЧЕТ
ПО МЕРОПРИЯТИЮ 17.4
РАЗРАБОТКА И ВНЕДРЕНИЕ КОМПЛЕКСА
СПЕЦИАЛИЗИРОВАННЫХ ОБРАЗОВАТЕЛЬНЫХ ПРОГРАММ
ПОВЫШЕНИЯ КВАЛИФИКАЦИИ
СПЕЦИАЛИСТОВ ГОРОДСКОГО ХОЗЯЙСТВА
НА ОСНОВЕ ОРГАНИЗАЦИИ СИСТЕМЫ ДОПОЛНИТЕЛЬНОГО
ОБУЧЕНИЯ КАДРОВ
Научно-образовательные материалы
«Применение информационных технологий управления на предприятиях
городского хозяйства»
Москва – 2010
СИСТЕМНЫЙ ПОДХОД К ИНФОРМАТИЗАЦИИ ПРЕДПРИЯТИЯ
ГОРОДСКОГО ХОЗЯЙСТВА
1. Предприятия городского хозяйства как система
Прежде всего, необходимо отметить, что предприятия городского
хозяйства, особенно крупные, относятся к объемным, сложным образованиям
и им присущи все закономерности возникновения, становления, развития,
свойственные сложным системам, изучаемым теорией сложных систем или
системологией. В системологии под системой понимается устойчивое
образование, обладающее некоторым компонентным составом и структурой.
Под компонентой или элементом понимается элементарное, неделимое в
данном рассмотрении
материальное образование,
под
структурой
–
устойчивые взаимосвязи между элементами, которые объединяют элементы
в систему. Системы, как правило, находятся в окружении других систем, с
которыми вступают во взаимосвязи различного вида. Наличие устойчивых
взаимосвязей между системами и появление новых системных качеств
данного объединения (эмергентных свойств) позволяет определить наличие
системы более высокого уровня. В этом случае входящие системы будут
подсистемами системы более высокого уровня. По своей сути, с точки зрения
системологии, процесс автоматизации предприятия является процессом
создания новой системы, состоящей из ряда старых подсистем (например,
отделов компаний), и ряда новых подсистем (учитывая мировые тенденции
развития, скорее всего аппаратно-программных). Процессы описания,
создания систем и методы, обеспечивающие выполнение этих процессов,
достаточно подробно описаны в теории систем. Применение данных методов
и системологии, чаще всего обозначают термином «системный подход».
Информатизация охватывает практически всю деятельность предприятия
Предприятие = сложная система
М=М(t) – модель предприятия
U(P,Q,t) = U(P,t) + U(Q,t) + R(P,Q,t) – функция состояния
систематическая случайная
составляющая составляющая
P={pi} – внешние факторы, Q={qj} – внутренние факторы
Umax ,…, Ui ,…, Umin (i=1,2,…,n).
В
общем
случае
можно
рассматривать
U(P,Q)
как
функцию
устойчивости развития предприятия, нахождение максимума этой функции
является параметрической задачей оптимизации.
Системный подход позволяет руководителю ставить задачи службам
информатизации, контролировать выполнение, отслеживать изменения. Он
позволяет руководителю оперировать иными категориями при оценке
экономического эффекта информатизации, которая становится:
– организационным инструментом для формирования
информационного поля предприятия;
– инструментом обеспечения производственных процессов;
– интегральной составной частью продукта.
Руководителю нужна не «полная информация по предприятию» – ему
нужна совокупная, достоверная, взвешенная информация (обработанные и
проанализированные данные), распределенная по основным направлениям
управленческой,
деятельности
финансово-экономической
предприятия,
пригодная
для
и
производственной
всестороннего
анализа
и
достаточная для принятия решения. Ее объем, степень формализации и
детализации определяет сам руководитель в соответствии с информационной
политикой предприятия, важностью задач, положением руководителя в
иерархии управления, его ответственностью и уровнем компетентности,
пониманием целей и миссии предприятия.
Аксиомы системного подхода к деятельности предприятия:
1. Современное предприятие является сложной системой,
предназначенной для выполнения определенной деятельности.
2. Всякую деятельность можно рассматривать как процесс –
следовательно, она может быть улучшена.
3. Любые изменения внутри системы не меняют самой системы – они
могут дать лишь локальные кратковременные улучшения. Для
получения стратегических преимуществ необходимо изменять саму
систему.
Суть системного подхода к информатизации состоит:
• Оценка реальной перспективы развития предприятия
• Ревизия управленческой и процессной областей (административные,
основные, вспомогательные процессы)
• Определение потребностей в информатизации деятельности
предприятия в целом и по отдельным направлениям
• Определение требований и разработка спецификаций для обоснования
необходимости разработки, внедрения и использования ИТ.
Оценка реальной перспективы развития предприятия:
• Определение будущего состояния предприятия. (Описание будущего
состояния системы – «Где мы хотим быть?»)
• Формулирование согласованного образа, видения (Vision) нового
состояния предприятия.
• Формулирование (переформулирование) миссии.
• Разработка бизнес-модели предприятия (модели новой бизнессистемы).
• Разработка модели бизнес-процессов. (Системы согласованных бизнеспроцессов, наличие которых необходимо и достаточно для
деятельности предприятия в соответствии с декларируемой миссией).
2. Определение потребностей в информатизации деятельности
предприятия в целом и по отдельным направлениям
1. Оценка информационных потребностей на каждом управленческом
уровне, в рамках каждой управленческой функции и каждого бизнеспроцесса.
2. Выявление конечных потребителей информации и форм представления
информации.
3. Решение проблемы несовместимости типов данных.
4. Необходимость разработки гибкой СУБД и хранилищ данных.
5. Проведение структурного анализа деятельности для формирования
информационных потоков.
Рис. 1 Онтологическое (сущностное) поле современного предприятия
Рис. 2 Структурная модель для формирования требований и установления
информационных взаимосвязей
Разработка спецификаций для обоснования необходимости разработки,
внедрения и использования ИТ.
Спецификация
– текстовое, алгоритмическое, математическое
описание системы в целом, функциональных модулей и функций, условий
функционирования, наборов входных и выходных параметров.
Архитектура (общее строение информационной системы).
Инфраструктура (программно-аппаратное наполнение ИС).
Конфигурация (установление связей и формирование целостной системы,
функционирующей в соответствии с установленными требованиями).
4. Изменение бизнес-правил работы предприятия
1. Прежнее правило:
информация может появляться в одном месте, в одно время.
Новое правило:
информация может появляться и быть востребованной в любом месте, в
любое время – когда это необходимо.
Технология:
распределенные базы и хранилища данных, поисковые системы, технологии
поиска заданных данных (Data Mining, OLAP).
2. Прежнее правило:
сложную работу по оценке ситуаций могут выполнять только
эксперты.
Новое правило:
работу эксперта может выполнять специалист общего профиля.
Технология:
экспертные системы (ES).
3.
Прежнее правило:
все решения принимают только высшие руководители и
ответственные менеджеры.
Новое правило:
принятие решений становится частью работы каждого
сотрудника, отвечающего за свой участок работы.
Технология:
средства поддержки приятия решений (DSS), доступ к базам
и хранилищам знаний, системы знания (OLAP).
4. Прежнее правило:
для поиска, получения, анализа, хранения и передачи информации требуются
специально оборудованные помещения.
Новое правило:
специалисты могут посылать и получать информацию в том месте, где они
находятся.
Технология:
Internet/Intranet технологии, оптоволоконные и спутниковые системы связи,
мобильные системы.
5. Прежнее правило:
Сверстанные планы не пересматриваются или пересматриваются под
давлением форс-мажора.
Новое правило:
Планы пересматриваются и корректируются оперативно, по мере
необходимости и адекватно требованиям потребителя.
Технология:
экспертные системы, системы гибкого планирования и управления
рисками, высокопроизводительные ЭВМ.
Системные изменения, происходящие в предприятия при внедрении
информационных технологий.
Рис. 3 Системные изменения, происходящие в компании при внедрении
информационных технологий
Можно распределить российские предприятия по признаку успешности
внедрения и использования информационных технологий:
•
«оставшиеся в прошлом»;
•
«находящиеся в пред - или посткризисном состоянии»;
В
•
«конкурентоспособные»;
•
«лидирующие».
докризисные
времена
(до
2008-2009
годов)
в
понятии
«информационные технологии» главным словом было «технологии». Они
всегда устойчиво связывались с компьютерными технологиями, а связанная с
ними деятельность называлась внедрением информационных технологий. В
кризисные времена акцент смещается в сторону слова «информационные».
Технологии оказываются вторичными и далеко не всегда компьютерными.
Именно в этом случае понятие информатизации приобретает свое настоящее
значение.
Сейчас в мире в явном виде сформировались две модели управления
корпоративными изменениями: инновационная модель, появившаяся в США,
и модель кайдзен, появившаяся в Японии.
Инновационная модель делает акцент на проведение системных и
радикальных изменений, которые приводят к бурному скачкообразному
росту, но при этом связаны с большими рисками. Такие изменения требуют
времени и инвестиций.
Кайдзен
переводится
с
японского
языка
как
«непрерывное
совершенствование».
В западной адаптации модель кайдзен получила название «бережливое
производство».
Эта модель делает акцент на проведение небольших и быстрых
изменений, которые сначала приводят к постепенному плавному развитию
бизнеса. Через некоторое время количество малых изменений переходит в
новое качество: системную инновацию. Кайдзен не требует привлечения
инвестиций, но требует систематической скоординированной работы всех
сотрудников, от генерального директора до последнего рабочего. Опыт
докризисных
«спокойных
и
тучных»
лет
показал,
что
компании,
реализующие у себя инновационные или бережливые принципы управления,
получали серьезные конкурентные преимущества. В условиях кризиса эти
конкурентные преимущества образовали серьезный «запас прочности».
КОРПОРАТИВНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ (ИС)
1. Основные понятия корпорации и КИС
Термин корпорация происходит от латинского слова corporatio объединение. Корпорация обозначает объединение предприятий, работающих
под централизованным управлением и решающих общие задачи. Как правило,
корпорации включают предприятия, расположенные в разных регионах и даже в
различных государствах (транснациональные корпорации).
В самом общем смысле термин Корпорация означает объединение
предприятий, работающих под централизованным управлением и решающих
общие задачи. Корпорация является сложной,многопрофильной структурой и
вследствие этого имеет распределенную иерархическую систему управления
.
Корпоративное
управление
определяется
как
система
взаимоотношений между акционерами, советом директоров и правлением,
определенные уставом, регламентом и официальной политикой компании, а
также принципом главенства права на основе принятой бизнесмодели.
Бизнес-модель – это описание предприятия, как сложной системы, с
заданной точностью. В рамках бизнес-модели отображаются все объекты
(сущности), процессы, правила выполнения операций, существующая
стратегия
развития,
а
также
критерии
оценки
эффективности
функционирования системы. Форма представления бизнес-модели и уровень
её детализации определяются целями моделирования и принятой точкой
зрения.
Предприятия, отделения и административные офисы, входящие в
корпорацию, как правило, расположены на достаточном удалении друг от
друга. Их информационная связь друг с другом образует коммуникационную
структуру корпорации, основой которой является информационная система.
Информационная
модель
–
подмножество
бизнес-модели,
описывающее все существующие (в том числе не формализованные в
документальном виде) информационные потоки на предприятии, правила
обработки и алгоритмы маршрутизации всех элементов информационного
поля.
Информационная
система
(ИС)
–
это
вся
инфраструктура
предприятия, задействованная в процессе управления всеми информационнодокументальными потоками, включающая в себя следующие обязательные
элементы:

бой совокупность
правил и алгоритмов функционирования ИС. Информационная модель
включает в себя все формы документов, структуру справочников и
данных, и т.д.

неё изменений.

епартамент
консультанты),
отвечающие
за
развития,
формирование
привлекаемые
и
развитие
информационной модели.

требованиям информационной модели (программное обеспечение
является
основным
движителем
и,
одновременно,
механизмом
управления ИС). Кроме того, всегда существуют требования к
поставщику программного обеспечения, регламентирующие процедуру
технической и пользовательской поддержки на протяжении всего
жизненного цикла.

ечающие
программного
обеспечения,
информационной модели.
и
его
за
настройку
соответствие
и
адаптацию
утвержденной

(специфические
настройки,
структуры
конфигурацию
программного
баз
обеспечения
данных
и
и
т.д.)
состав
и
его
функциональных модулей.

-техническая база, соответствующая требованиям по
эксплуатации программного обеспечения (компьютеры на рабочих
местах,
периферия,
каналы
телекоммуникаций,
системное
программного обеспечение и СУБД).

Эксплуатационно-технические кадровые ресурсы, включая персонал
по обслуживанию аппаратно-технической базы.

пользовательские инструкции, регламент обучения и сертификацию
пользователей.
Ресурсы корпораций включают:
1. материальные (материалы, готовая продукция, основные средства)
2. финансовые
3. людские (персонал)
4. знания (ноу-хау)
5. КИС
Система управления любой компании включает три основные
подсистемы:
1. Планирование продаж и операций. Это общий план функционирования
предприятия, устанавливающий объемы изготовления готовой продукции.
Главным здесь является планирование спроса и оценка ресурсов, необходимых
для удовлетворения спроса. Здесь же создается основной производственный
план, определяющий, какие изделия, в каком количестве и в какие сроки нужно
произвести.
2. Детальное
планирование
необходимых
ресурсов
(материалов,
производственных мощностей, трудовых ресурсов и т.д.). Составленный план
определяет время и объем заказов для всех материалов и комплектующих,
необходимых для реализации основного производственного плана.
3. Управление исполнением планов в процессе производства и закупок
(снабжения).
Все эти подсистемы реализуются на основе КИС.
Корпоративные
интегрированные
корпорацией,
информационные
системы
основанные
управления
на
системы
(КИС)
территориально
углубленном
анализе
-
это
распределенной
данных,
широком
использовании систем информационной поддержки принятия решений,
электронных документообороте и делопроизводстве. КИС призваны объединить
стратегию управления предприятием и передовые информационные технологии.
Корпоративная информационная система — это совокупность
технических и программных средств предприятия, реализующих идеи и
методы автоматизации.
Комплексная автоматизация бизнес процессов предприятия на базе
современной аппаратной и программной поддержки может называться поразному.
В
настоящее
время
наряду
с
названием
Корпоративные
информационные системы (КИС) употребляются, например, следующие
названия:
1. Автоматизированные системы управления (АСУ);
2. Интегрированные системы управления (ИСУ);
3. Интегрированные информационные системы (ИИС);
4. Информационные системы управления предприятием (ИСУП).
Главная задача КИС - эффективное управление всеми ресурсами
предприятия (материально- техническими, финансовыми, технологическими
и
интеллектуальными)
для
получения
максимальной
прибыли
и
удовлетворения материальных и профессиональных потребностей всех
сотрудников предприятия.
КИС по своему составу - это совокупность различных программноаппаратных платформ, универсальных и специализированных приложений
различных разработчиков, интегрированных в единую информационно-
однородную систему, которая наилучшим образом решает в некотором роде
уникальную задачу каждого конкретного предприятия. То есть, КИС человеко-машинная система и инструмент поддержки интеллектуальной
деятельности человека, которая под его воздействием должна:

Накапливать определенный опыт и формализованные знания;

Постоянно совершенствоваться и развиваться;

Быстро адаптироваться к изменяющимся условиям внешней среды и
новым потребностям предприятия.
Комплексная автоматизация предприятия подразумевает перевод в
плоскость компьютерных технологий всех основных деловых процессов
организации.
И
использование
специальных
программных
средств,
обеспечивающих информационную поддержку бизнес-процессов, в качестве
основы КИС представляется наиболее оправданным и эффективным.
Современные
системы
управления
деловыми
процессами
позволяют
интегрировать вокруг себя различное программное обеспечение, формируя
единую информационную систему. Тем самым решаются проблемы
координации деятельности сотрудников и подразделений, обеспечения их
необходимой информацией и контроля исполнительской дисциплины, а
руководство получает своевременный доступ к достоверным данным о ходе
производственного процесса и имеет средства для оперативного принятия и
воплощения в жизнь своих решений. И, что самое главное, полученный
автоматизированный комплекс представляет собой гибкую открытую
структуру, которую можно перестраивать на лету и дополнять новыми
модулями или внешним программным обеспечением.
Под
корпоративной
информационную
информационной
систему
организации,
минимальному перечню требований:
1. Функциональная полнота системы
2. Надежная система защиты информации
системой
будем
отвечающую
понимать
следующему
3. Наличие инструментальных средств адаптации и сопровождения
системы
4. Реализация удаленного доступа и работы в распределенных сетях
5. Обеспечение
обмена
данными
между
разработанными
информационными системами и др. программными продуктами,
функционирующими в организации.
6. Возможность консолидации информации
7. Наличие специальных средств анализа состояния системы в процессе
эксплуатации
Функциональная полнота системы
- выполнение международных стандартов управленческого учета MRP
II, ERP, CSRP
- автоматизация в рамках системы решения задач планирования,
бюджетирования, прогнозирования, оперативного (управленческого)
учета, бухгалтерского учета, статистического учета и финансовогоэкономического анализа
- формирование и ведение учета одновременно по российским и
международным стандартам
- количество
однократно
учитываемых
параметров
деятельности
организации от 200 до 1000, количество формируемых таблиц
баз
данных – от 800 до 3000.
Система защиты информации:
- парольная система разграничения доступа к данным и реализуемым
функциям управления;
- многоуровневая система защиты данных (средства авторизации
вводимой и корректируемой информации, регистрация времени ввода и
модификации данных).
Инструментальные средства адаптации и сопровождения системы:
- изменение структуры и функций бизнес-процессов;
- изменение информационного пространства;
- изменение
интерфейсов
ввода,
просмотра
и
корректировки
информации;
- изменение организационного и функционального наполнения рабочего
места пользователя;
- генератор произвольных отчетов;
- генератор сложных хозяйственных операций;
- генератор стандартных форм.
Возможность консолидации информации:
- на уровне организации – объединение информации филиалов,
холдингов, дочерних компаний и т.д.;
- на уровне отдельных задач – планирования, учета, контроля и т.д.;
- на уровне временных периодов – для выполнения анализа финансовоэкономических показателей за период, превышающий отчетный.
Специальные средства анализа состояния системы в процессе
эксплуатации:
- анализ архитектуры баз данных;
- анализ алгоритмов;
- анализ статистики количества обработанной информации;
- журнал выполненных операций ;
- список работающих станций серверов;
- анализ внутрисистемной почты.
Наиболее развитые корпоративные ИС (КИС) предназначены для
автоматизации всех функций управления корпорацией: от научнотехнической и маркетинговой подготовки ее деятельности до реализации ее
продукции и услуг. В настоящее время КИС имеют в основном экономическую и
производственную направленность.
2. Классификация КИС
Корпоративные информационные системы можно также разделить на
два класса: финансово-управленческие и производственные.
1.
Финансово-управленческие системы включают подкласс малых
интегрированных систем. Такие системы предназначены для ведения учета по
одному или нескольким направлениям (бухгалтерия, сбыт, склад, кадры и т.д.)Системами
этой
группы
может
воспользоваться
практически
любое
предприятие.
Системы этого класса обычно универсальны, цикл их внедрения невелик,
иногда можно воспользоваться «коробочным» вариантом, купив программу и
самостоятельно установив ее на ПК.
Финансово-управленческие системы (особенно системы российских
разработчиков) значительно более гибкие в адаптации к нуждам конкретного
предприятия. Часто предлагаются «конструкторы», с помощью которых можно
практически полностью перестроить исходную систему, самостоятельно или с
помощью поставщика установив связи между таблицами БД или отдельными
модулями.
2.
Производственные
системы
(также
называемые
системами
производственного управления) включают подклассы средних и крупных
интегрированных систем. Они предназначены в первую очередь для управления
и планирования производственного процесса. Учетные функции, хотя и глубоко
проработаны, играют вспомогательную роль, и порой невозможно выделить
модуль бухгалтерского учета, так как информация в бухгалтерию поступает
автоматически из других модулей.
Эти системы функционально различны: в одной может быть хорошо
развит производственный модуль, в другой - финансовый. Сравнительный
анализ систем такого уровня и их применимости к конкретному случаю может
вылиться в значительную работу. А для внедрения системы нужна целая
команда
из
финансовых,
управленческих
и
технических
экспертов.
Производственные системы значительно более сложны в установке (цикл
внедрения может занимать от 6 - 9 месяцев до полутора лет и более). Это
обусловлено тем, что система покрывает потребности всего предприятия, и это
требует значительных совместных усилий сотрудников предприятия и
поставщиков программ.
Производственные системы часто ориентированы на одну или несколько
отраслей и/или типов производства: серийное сборочное (электроника,
машиностроение),
мелкосерийное
и
опытное
(авиация,
тяжелое
машиностроение), дискретное (металлургия, химия, упаковка), непрерывное
(нефтедобыча, газодобыча).
Специализация отражается как в наборе функций системы, так и в
существовании бизнес - моделей данного типа производства. Наличие
встроенных
моделей
для
определенного
типа
производства
отличает
производственные системы друг от друга. У каждой из них есть глубоко
проработанные направления и функции, разработка которых только начинается
или вообще не ведется.
Производственные системы по многим параметрам значительно более
жестки, чем финансово-управленческие. Основное внимание уделяется
планированию и оптимальному управлению производством. Эффект от
внедрения производственных систем проявляется на верхних эшелонах
управления предприятием, когда становится видна вся картина его работы,
включая планирование, закупки, производство, сбыт, запасы, финансовые потоки
и другие аспекты.
При увеличении сложности и широты охвата функций предприятия
системой возрастают требования к технической инфраструктуре и программнотехнической платформе. Все производственные системы разработаны с
помощью промышленных баз данных. В большинстве случаев используются
технология клиент-сервер или Internet-технологии.
Для автоматизации больших предприятий в мировой практике часто
используется смешанное решение из классов крупных, средних и малых
интегрированных систем. Наличие электронных интерфейсов упрощает
взаимодействие между системами и позволяет избежать двойного ввода данных.
3. Преимущества внедрения корпоративных информационных
систем
1. получение достоверной и оперативной информации о деятельности
всех подразделений компании;
2. повышение эффективности управления компанией;
3. сокращение затрат рабочего времени на выполнение рабочих операций;
4. повышение
общей
результативности
работы
за
счет
более
рациональной ее организации.
Самый важный вопрос. Давайте на секунду спросим себя: что даёт
человеку нервная система? Конечно же, способность управлять собой,
сопротивляться неблагоприятным внешним факторам и гибко реагировать на
изменения окружающей среды. Если представить компанию в качестве
живого организма, то КИС лучше всего подходит на роль его нервной
системы, пронизывающей все органы, все частички корпоративного
организма.
Повышение внутренней управляемости, гибкости и устойчивости к
внешним
воздействиям
увеличивает
эффективность
компании,
её
конкурентоспособность, а, в конечном счёте - прибыльность. Вследствие
внедрения КИС увеличиваются объёмы продаж, снижается себестоимость,
уменьшаются складские запасы, сокращаются сроки выполнения заказов,
улучшается
взаимодействие
с
поставщиками.
Но,
несмотря
на
привлекательность приведённых утверждений, вопрос об окупаемости
инвестиций в КИС не теряет свою актуальность. Соотношение выгоды от
использования системы и ее стоимости является одним из наиболее важных
факторов, оказывающих влияние на решение "покупать или не покупать".
Любой инвестиционный проект, а внедрение КИС, несомненно, нужно
рассматривать как инвестиционный проект, представляет собой своего рода
"покупку" и, соответственно, требует оценки его стоимости и ожидаемой
выгоды.
Прямую окупаемость КИС посчитать непросто, поскольку в результате
внедрения оптимизируется внутренняя структура компании, снижаются
трудноизмеримые транзакционные издержки. Сложно определить, например,
в какой степени увеличение доходов компании явилось следствием работы
КИС (читай - программной системы), а в какой - результатом настройки
бизнес-процессов, то есть плодом управленческих технологий. Однако в
некоторых аспектах деятельности компании оценка вполне реальна. В
первую очередь это касается логистики, где внедрение КИС приводит к
оптимизации материальных потоков и к снижению потребности в оборотных
средствах. Постановка на базе КИС системы финансового контроллинга
приводит к снижению накладных затрат компании, ликвидации убыточных
подразделений и исключению из ассортимента нерентабельных продуктов.
Совсем трудно оценить эффект от ликвидации хаоса. Для того чтобы
это сделать, нужно чётко представлять масштабы хаоса, что в силу самой
природы беспорядка невозможно. Действительно, можете ли Вы сказать,
сколько денег Ваша компания не зарабатывает (читай - теряет) из-за
перекосов в ассортименте, или, скажем, из-за срыва сроков исполнения
заказов? Какие ресурсы компании оказываются выведенными из оборота
вследствие "посмертного" учёта и нестыковки данных в бухгалтерии, на
складе и в цехах? А как оценить объём воровства и разбазаривания ресурсов?
В
настоящее
время
для
оценки
эффективности
IT-проектов
применяется метод инвестиционного анализа Cost Benefit Analysis (CBA)
Метод назван так, поскольку в основе лежит оценка и сравнение выгод от
осуществления проекта, с затратами на его реализацию.
Глобальная цель внедрения КИС - повышение эффективности
компании. Каждая компания определяет ключевые сферы, влияющие на ее
эффективность, так называемые "критические факторы успеха" (Critical
Success Factor -- CSF). Повышение эффективности происходит за счет
реализации задач в каждой из ключевых областей. Поэтому в основе СВА
лежат именно бизнес-цели компании, определенные на этапе стратегического
планирования.
Но достигнуть цели можно несколькими путями, поэтому второй
краеугольный камень СВА - сравнение альтернативных вариантов. При этом
одним из возможных является вариант "без КИС", т. е. рассматривается
развитие во времени текущей ситуации без внесения в нее каких-либо
изменений.
Сравнение
альтернативных
вариантов
производится
на
основании измерения приносимых ими выгод и требуемых для этого затрат.
Учитываются как количественные, так и качественные показатели. Анализу
качественных показателей в последнее время уделяется особое внимание.
Помимо соотношения выгод и затрат, альтернативные варианты также
отличаются степенью риска и факторами, которые эти риски определяют.
Поэтому анализ влияния таких факторов на соотношение выгод и затрат
является еще одной сферой внимания СВА. Это о методах оценки
конкретного случая.
Если же говорить о статистических данных, характеризующих
эффективность внедрения КИС, могу привести следующие цифры:
- Снижение транспортно-заготовительных расходов на 60%;
- Сокращение производственного цикла по заказным изделиям на 50%;
- Сокращение количества задержек с отгрузкой готовой продукции на
45%;
- Уменьшение уровня неснижаемых остатков на складах на 40%;
- Снижение производственного брака на 35%;
- Уменьшение административно-управленческих расходов на 30%;
- Сокращение производственного цикла по базовым изделиям на 30%;
- Уменьшение складских площадей на 25%;
- Увеличение оборачиваемости средств в расчётах на 30%;
- Увеличение оборачиваемости ТМЗ на 65%;
- Увеличение количества поставок точно в срок на 80%.
ИНФОРМАЦИОННОЕ ХРАНИЛИЩЕ И ТЕХНОЛОГИИ АНАЛИЗА
ДАННЫХ КАК ОСНОВА ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ
СИСТЕМЫ
1. Пространственная интерпретация данных
Программные
инструментальные
средства,
обеспечивающие
автоматизацию аналитических работ в целях поддержки принятия решений, в
литературе получили два распространенных названия: ОLАР - системы и
информационные Хранилища.
Как правило, все инструментальные средства, предназначенные для
автоматизации
аналитических
работ,
приспособлены
для
обработки
многомерных массивов информации, для хранения которых используются
многомерные базы данных.
Информационное пространство, отображающее функционирование
объекта, многомерно. Естественно стремление аналитика и ЛПР к тому,
чтобы иметь дело с моделью данных в наиболее естественном виде. Это
обстоятельство привело к тому, что с помощью современных программнотехнических средств, имеющих
широкие
возможности
интерпретации
данных,
были
созданы
оответствующие многомерные модели.
Многомерная модель данных представляет исследуемый объект в виде
многомерного куба, чаще используют трехмерную модель.
По осям или граням куба откладываются измерения или реквизиты признаки. Реквизиты - основания являются наполнением ячеек куба.
Многомерное представление при описании структур данных
Основными понятиями, с которыми оперирует пользователь и
проектировщик в многомерной модели данных, являются:
• измерение (Dimension);
• ячейка (Cell). Иногда вместо термина "Ячейка" используется
термин "Показатель" (Measure).
Измерение - это множество однотипных данных, образующих
одну из граней гиперкуба. Например - Дни, Месяцы, Кварталы, Годы это наиболее часто используемые в анализе временные Измерения.
Примерами географических измерений являются: Города, Районы,
Регионы, Страны и т.д.
В многомерной модели данных Измерения играют роль индексов,
используемых для идентификации конкретных значений (Показателей),
находящихся в Ячейках гиперкуба.
В свою очередь, Показатель - это поле (обычно цифровое), значения
которого однозначно определяются фиксированным набором Измерений. В
зависимости от того, как формируются его значения, Показатель может быть
определен, как:
• Переменная (Variable) - значения таких Показателей один раз
вводятся из какого-либо внешнего источника или формируются программно
и затем в явном виде хранятся в многомерной базе данных (МБД);
• Формула (Formula) - значения таких Показателей вычисляются по
некоторой заранее специфицированной формуле. То есть для Показателя,
имеющего тип Формула, в БД хранится не его значения, а формула, по
которой эти значения могут быть вычислены.
Заметим, что это различие существует только на этапе проектирования
и полностью скрыто от конечных пользователей.
Заметим, что, в отличие от Измерений, не все значения Показателей
должны иметь и имеют реальные значения.
Гиперкубические и поликубические модели данных
В
различных
МСУБД
используются
два
основных
варианта
организации данных:
• Гиперкубическая модель;
• Поликубическая модель.
Методы извлечения информации из кубов данных
Для извлечения информации из кубов данных используются различные
операции манипулирования Измерениями:
1) Формирование "Среза".
Пользователя
редко
интересуют
все
потенциально
возможные
комбинации значений Измерений. Более того, он практически никогда не
работает одновременно сразу со всем гиперкубом данных.
Подмножество гиперкуба, получившееся в результате фиксации
значения одного или более Измерений, называется Срезом (Slice).
2) Операция "Вращение".
Изменение порядка представления (визуализации) Измерений (обычно
применяется при двухмерном представлении данных) называется Вращением
(Rotate). Эта операция обеспечивает возможность визуализации данных в
форме, наиболее комфортной для их восприятия. Например, если менеджер
первоначально вывел отчет, в котором Модели автомобилей были
перечислены по оси X, а Менеджеры по оси Y, он может решить, что такое
представление мало наглядно, и поменять местами координаты (выполнить
Вращение на 90 градусов).
3) Отношения и Иерархические Отношения.
В нашем примере значения Показателей определяются только тремя
измерениями. На самом деле их может быть гораздо больше и между их
значениями обычно существуют множество различных Отношений (Relation)
типа "один ко многим".
Заметим, что для Измерений, имеющих тип Время (таких как День,
Месяц, Квартал, Год), все Отношения устанавливаются автоматически, и их
не требуется описывать.
В свою очередь, множество Отношений может иметь иерархическую
структуру - Иерархические Отношения (Hierarchical Relationships). И часто
более удобно не объявлять новые Измерения и затем устанавливать между
ними множество Отношений, а использовать механизм Иерархических
Отношений. В этом случае все потенциально
возможные значения из различных Измерений объединяются в одно
множество. Например, мы можем добавить к множеству значений
Измерения Менеджер ("Петров", "Сидоров", "Иванов", "Смирнов"),
значения Измерения Подразделение ("Филиал 1", "Филиал 2", "Филиал 3") и
Измерения Регион ("Восток", "Запад") и затем определить между этими
значениями Отношение Иерархии.
4) Операция Агрегации.
С точки зрения пользователя, Подразделение, Регион, Фирма, Страна
являются точно такими же Измерениями, как и Менеджер. Но каждое из них
соответствует новому, более высокому уровню агрегации
значений
Показателя Объем продаж. В процессе анализа пользователь не только
работает с различными Срезами данных и выполняет их Вращение, но и
переходит от детализированных данных к агрегированным, т.е. производит
операцию Агрегации (Drill Up).
5) Операция Детализации.
Переход от более агрегированных к более детализированным данным
называется операцией Детализации (Drill Down). Например, начав анализ на
уровне Региона, пользователь может захотеть получить более точную
информацию о работе конкретного Подразделения или Менеджера.
2. Понятие хранилища данных
Термин "OLAP" неразрывно связан с термином "хранилище данных"
(Data Warehouse).
Приведем
определение,
сформулированное
"отцом-основателем"
хранилищ данных Биллом Инмоном: "Хранилище данных – это предметноориентированное, привязанное ко времени и неизменяемое собрание данных
для поддержки процесса принятия управляющих решений".
Данные в хранилище попадают из оперативных систем (OLTP-систем),
которые предназначены для автоматизации бизнес-процессов.
Кроме того, хранилище может пополняться за счет внешних
источников, например статистических отчетов.
Зачем строить хранилища данных - ведь они содержат заведомо
избыточную информацию, которая и так "живет" в базах или файлах
оперативных систем? Ответить можно кратко: анализировать данные
оперативных систем напрямую невозможно или очень затруднительно.
Это объясняется различными причинами, в том числе разрозненностью
данных, хранением их в форматах различных СУБД и в разных "уголках"
корпоративной сети. Но даже если на предприятии все данные хранятся на
центральном сервере БД (что бывает крайне редко), аналитик почти
наверняка не разберется в их сложных, подчас запутанных структурах.
Таким образом, задача хранилища - предоставить "сырье" для анализа в
одном месте и в простой, понятной структуре.
Есть и еще одна причина, оправдывающая появление отдельного
хранилища - сложные аналитические запросы к оперативной информации
тормозят текущую работу компании, надолго блокируя таблицы и захватывая
ресурсы сервера.
Под хранилищем можно
понимать не обязательно гигантское
скопление данных - главное, чтобы оно было удобно для анализа.
Вообще говоря, для маленьких хранилищ предназначается отдельный
термин - Data Marts (киоски или витрины данных).
В основе концепции Хранилищ Данных лежат две основополагающие
идеи:
• Интеграция ранее разъединенных детализированных данных:
исторические архивы,
данные из традиционных СОД,
данные из внешних источников
в едином Хранилище Данных, их согласование и возможно
агрегация.
• Разделение наборов данных используемых для операционной
обработки и наборов данных используемых для решения задач анализа.
Предметом концепции Хранилищ Данных являются сами данные.
То есть, её предметом являются не способы описания и отображения
объектов предметной области, а собственно данные, как самостоятельный
объект предметной области, порожденной в результате функционирования
ранее созданных информационных систем.
Основные требования к данным в хранилищах приведены в таблице 1.
Таблица 1
Основные требования к данным в Хранилище Данных
Для правильного понимания данной концепции необходимо понимание
следующих принципиальных моментов: Концепция Хранилищ Данных - это
концепция подготовки данных для анализа.
• Концепция Хранилищ Данных не предопределяет архитектуру
целевой аналитической системы. Она говорит о том, какие процессы должны
выполняться в системе, но не о том, где конкретно и как эти процессы
должны выполняться.
• Концепция Хранилищ Данных предполагает не просто единый
логический взгляд на данные организации. Она предполагает реализацию
единого интегрированного источника данных.
Без поддержки хронологии (наличия исторических данных) нельзя
говорить о решении задач прогнозирования и анализа тенденций. Но
наиболее критичными и болезненными, оказываются вопросы, связанные с
согласованием данных.
Основным
требованием
аналитика,
является
даже
не
столько
оперативность, сколько достоверность ответа. Но достоверность, в конечном
счете, и определяется согласованностью. Пока не проведена работа по
взаимному согласованию значений данных из различных источников, сложно
говорить об их достоверности.
Реализация ИХ может быть осуществлена несколькими способами:
Централизованное хранилище данных
Такой подход означает, что при нескольких источниках информации операционных базах данных создаётся единоецентрализованное хранилище
(рис. 1).
Рис. 1. Единое централизованное хранилище
Вся поступающая в ИХ информация должна быть преобразована в
принятую в данном ИХ структуру. Передача данных из операционных БД в
ИХ, которая сопровождается доработкой, может быть организована по
заданному временному графику и правилам доработки Распределенное
хранилище данных Возможен и имеет место противоположный подход к
хранению данных на основе распределения функций ИХ по местам их
возникновения или группировки нескольких операционных БД вокруг
локального
или
регионального
информационного
хранилища.
Эти
хранилища могут быть ориентированы на определённую предметную
область или на регион в корпоративных структурах. Система локальных
хранилищ действует в качестве распределённого хранилища (рис. 2).
Централизованное хранилище данных
Рис. 2. Распределенное хранилище данных
Не исключается и наличие центрального хранилища, но в такой
структуре требования к его размерности значительно облегчаются.
Автономные витрины данных
Одним из вариантов организации централизованного хранения и
представления информации является концепция витрин данных. При таком
подходе информация, относящаяся к крупной предметной области –
например, информационному пространству крупной корпоративной системы,
имеющей несколько достаточно самостоятельных направлений деятельности,
группируется по этим направлениям в специально организованных базах
данных, которые называют витринами данных.
Этот подход является развитием концепции распределенного ИХ в
части
придания функций
предметной
ориентированности
некоторым
локальным ИХ.
Такой подход позволяет обойтись сравнительно менее ресурсоемкими
аппаратными
и
программными
средствами,обеспечивает
повышение
адаптируемости системы к изменяющимся условиям, расширяет доступность
для внедрения. Пользователь предприятия или другого подразделения
корпорации получает своё ИХ,
обслуживающее местные потребности.
Единое интегрированное хранилище и много витрин данных
Эта
структура
ИХ
объединяет
две
концепции:
единого
интегрированного хранилища и связанных с ним и получающих из него
информацию
витрин
данных.
В
таком
варианте
имеется
крупное
информационное хранилище агрегированной и подработанной информации,
которое может удовлетворить потенциальные запросы по отдельным
направлениям деятельности.
Здесь
очевидны
преимущества:
данные
заранее
агрегируются,
обеспечивается единая хронология, согласованы различные форматы,
устраняются противоречивость и неоднозначность данных – информация
приобретает необходимую кондицию для быстрого и достаточно полного
удовлетворения необходимого множества запросов, Недостатком является
необходимость применения высокопроизводительных аппаратных средств и
специализированных
многомерных
или
гибридных
программных
инструментальных средств.
3. Структура хранилищ данных
ИХ представляет собой базу обобщенной информации, формируемую
из множества внешних и внутренних источников, на основе которой
выполняются статистические группировки и интеллектуальный анализ
данных.
В основе ИХ лежит понятие многомерного информационного
пространства или гиперкуба, в ячейках которого хранятся анализируемые
числовые показатели (например: объемы продаж,
инвестиций, оборота и др.) Измерениями (осями) гиперкуба являются
признаки анализа (например: время, группа продукции, регион и др.)
При хранении признаки анализа отделяются от фактических данных.
Основными составляющими структуры хранилищ данных являются
таблица фактов (fact table) и таблицы измерений (dimension tables).
Таблица фактов
Таблица фактов является основной таблицей хранилища данных.
Как правило, она содержит сведения об объектах или событиях,
совокупность которых будет в дальнейшем анализироваться. Обычно говорят
о четырех наиболее часто встречающихся типах фактов. К ним относятся:
• факты, связанные с транзакциями (Transaction facts). Они основаны на
отдельных событиях (типичными примерами которых являются телефонный
звонок или снятие денег со счета с помощью банкомата);
• факты, связанные с «моментальными снимками» (Snapshot facts).
Основаны
на
состоянии
объекта
(например,
банковского
счета)
в
определенные моменты времени, например на конец дня или месяца.
Типичными примерами таких фактов являются объем продаж за день
или дневная выручка;
• факты, связанные с элементами документа (Line-item facts).
Основаны на том или ином документе (например, счете за товар или
услуги) и содержат подробную информацию об элементах этого документа
(например, количестве, цене, проценте скидки);
• факты, связанные с событиями или состоянием объекта (Event or state
facts). Представляют возникновение события без подробностей о нем
(например, просто факт продажи или факт отсутствия таковой без иных
подробностей).
Таблица фактов, как правило, содержит уникальный составной ключ,
объединяющий первичные ключи таблиц измерений. Чаще всего это
целочисленные значения либо значения типа «дата/время» — ведь таблица
фактов может содержать сотни тысяч или даже миллионы записей, и хранить
в ней повторяющиеся текстовые описания, какправило, невыгодно — лучше
поместить их в меньшие по объему таблицы измерений. При этом как
ключевые, так и некоторые неключевые поля должны соответствовать
будущим измерениям OLAP-куба. Помимо этого таблица фактов содержит
одно или несколько числовых полей, на основании которых в дальнейшем
будут получены агрегатные данные.
В данном примере измерениям будущего куба соответствуют первые
шесть полей, а агрегатным данным — последние четыре.
Отметим, что для многомерного анализа пригодны таблицы фактов,
содержащие как можно более подробные данные (то есть соответствующие
членам нижних уровней иерархии соответствующих измерений). В данном
случае предпочтительнее взять за основу факты продажи товаров отдельным
заказчикам, а не суммы продаж для разных стран — последние все равно
будут вычислены OLAP-средством.
Исключение можно сделать, пожалуй, только для клиентских OLAPсредств, поскольку в силу ряда ограничений они не могут манипулировать
большими объемами данных.
Отметим, что в таблице фактов нет никаких сведений о том, как
группировать записи при вычислении агрегатных данных. Например, в ней
есть идентификаторы продуктов или клиентов, но отсутствует информация о
том, к какой категории относится данный продукт или в каком городе
находится данный клиент. Эти сведения, в дальнейшем используемые для
построения иерархий в измерениях куба, содержатся в таблицах измерений.
Таблицы измерений
Таблицы измерений содержат неизменяемые либо редко изменяемые
данные. В подавляющем большинстве случаев эти данные представляют
собой по одной записи для каждого члена нижнего уровня иерархии в
измерении. Таблицы измерений также содержат как минимум одно
описательное поле (обычно с именем члена измерения) и, как правило,
целочисленное ключевое поле для однозначной идентификации члена
измерения. Если будущее измерение, основанное
на данной таблице измерений, содержит иерархию, то таблица
измерений также может содержать поля, указывающие на «родителя»
данного члена в этой иерархии. Нередко (но не всегда) таблица
измерений может содержать и поля, указывающие на «прародителей», и
иных
«предков» в данной иерархии
(это
обычно характерно для
сбалансированных иерархий), а также дополнительные атрибуты членов
измерений, содержавшиеся в исходной оперативной базе данных (например,
адреса и телефоны клиентов).
Каждая таблица измерений должна находиться в отношении «один ко
многим» с таблицей фактов.
Отметим, что скорость роста таблиц измерений должна быть
незначительной по сравнению со скоростью роста таблицы фактов;
например,
добавление
новой
записи
в
таблицу
измерений,
характеризующую товары, производится только при появлении нового
товара, не продававшегося ранее.
Отметим, что даже при наличии иерархических измерений с целью
повышения скорости выполнения запросов к хранилищу данных нередко
предпочтение отдается схеме «звезда».
Говоря об измерениях, следует упомянуть о том, что значения, могут
иметь различные уровни детализации. Например, нас может интересовать
суммарная стоимость заказов, сделанных клиентами в разных странах, либо
суммарная стоимость заказов, сделанных иногородними клиентами или даже
отдельными клиентами.
Естественно, результирующий набор агрегатных данных во втором и
третьем случаях будет более детальным, чем в первом. Заметим, что
возможность
получения
агрегатных
данных
с
различной
степенью
детализации соответствует одному из требований, предъявляемых к
хранилищам данных, — требованию доступности различных срезов данных
для сравнения и анализа.
Существуют также иерархии, занимающие промежуточное положение
между сбалансированными и несбалансированными (они обозначаются
термином ragged — "неровный"). Обычно они содержат такие члены,
логические
"родители"
которых
находятся
не
на
непосредственно
вышестоящем уровне.
4. Хранилище данных предприятия
Тема Хранилищ данных имеет необычайную актуальность для
современных российских предприятий городского хозяйства. Причин этому
две. Во-первых, большинство средних и крупных предприятий уже прошли
стадию первичной автоматизации, то есть автоматизации бухгалтеров. Вовторых, происходит быстрое укрупнение предприятий за счет их слияний, а
также развития региональной сети. Поэтому настало время автоматизации
менеджеров среднего и высшего звена.
Задачи Хранилища данных
В классическом представлении под целью создания Хранилища данных
понимается поддержка принятия решений, другим словами обеспечение всех
менеджеров
предприятия
полной,
достоверной,
согласованной
и
своевременной информацией из единого источника.
Для реализации этой цели Хранилище данных должно выполнять ряд
задач:
1. Консолидация данных
2. Интеграция данных
3. Агрегация данных
4. Расчеты производных показателей
5. Предоставление данных для поддержки принятия решений (DSS).
Консолидация данных
Консолидация данных – это сбор в единую базу данных из удаленных
филиалов многофилиального предприятия, или предприятий, входящих в
холдинг.
Консолидированные
данные
необходимы
центральному
руководству, чтобы осуществлять глобальное управление бизнесом, внедрять
единую
политику
в
филиалах
и
осуществлять
контроль
над
их
деятельностью.
Задача консолидации осложняется тем, что часто распределенные
структуры создаются путем слияния предприятий, уже имеющих некоторый
уровень автоматизации, обученный определенным системам персонал.
Поэтому во многих случаях в филиалах работают различные системы
автоматизации. Единственным способом консолидации данных в этих
условиях является применение разрозненных программ сбора показателей
отчетности или единого Хранилища данных.
Интеграция данных
Интеграция данных – это объединение данных, которые изначально
вводятся в разные системы. Сами эти системы могут располагаться в одной
локальной сети, но иметь различные платформы и внутреннюю архитектуру
(рис. 10). Такая ситуация практически неизбежна во всех предприятиях
занимающихся сложным бизнесом. Как правило, один единственный
поставщик не может создать систему, в которой одинаково хорошо решены
вопросы бухгалтерского учета и автоматизации производственного цикла,
управления кадрами и документооборота и так далее.
Кроме того, существуют задачи, например, маркетингового анализа,
привлечения клиентов, анализа конкурентной среды, которые по своей
природе требуют получения (покупки) информации от разных поставщиков.
Эта информация поставляется в виде разнообразных баз данных или
электронных таблиц и требует загрузки в общую базу данных для
совместного анализа.
Агрегация данных
Агрегация данных – это вычисление обобщенных показателей для
поддержки стратегического или тактического управления из детальных
данных. Например, все записи о продажах двухсот тысяч наименований
товаров тысяче оптовых покупателям за каждый день года преобразуются в
данные о продажах десяти категорий товаров пяти категориям покупателей в
разрезе месяцев и кварталов года и регионов (рис. 11). Эти данные
используются впоследствии менеджерами для принятия решений об
изменениях направлений бизнеса, расширении рынка, анализа сезонных
колебаний спроса на товары разных категорий.
Предварительный расчет агрегированных показателей применяется для
того, чтобы руководитель получал ответы на подобные запросы предельно
быстро. В то же время в хранилище собираются максимально детальные
данные, что позволяет строить отчеты в произвольных аналитических
разрезах, вычисляя агрегаты по мере возникновения в них потребности.
Расчеты производных показателей
В управленческой практике собранные из подразделений первичные
оперативные данные используются для расчета сложных финансовых и
оперативных показателей, таких как прибыль на капитал, средневзвешенные
цены, ликвидность, доходность клиента и т.д.
Хранилище данных предоставляет формульный язык для настройки
алгоритмов расчета показателей и специальные механизмы быстрого
выполнения расчетов над огромными массивами первичной информации.
Предоставление данных для поддержки принятия решений (DSS)
Как уже указывалось выше, изначально концепция Хранилища данных
была разработана с единственной целью – для информационной поддержки
принятия решений. Поэтому предполагалось, что данные Хранилища
должны быть неизменяемы. Пользовательский интерфейс обеспечивает всего
две основные функции – выпуск отчетов для печати и интерактивный анализ
данных. В связи с этим в качестве front-end можно применять универсальные
системы выполнения запросов, анализа данных и выпуска отчетов. Эти
инструменты позволяют свести к минимуму затраты на разработку отчетов,
во многих случаях сводя создание новых форм отчетов к настройке,
выполняемой самим пользователем.
СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
1. Понятие и назначение систем поддержки принятия решений
Современные
системы
поддержки
принятия
решения
(СППР)
представляют собой системы, максимально приспособленные к решению
задач повседневной управленческой деятельности, являются инструментом,
призванным оказать помощь лицам, принимающим решения (ЛПР). С
помощью
СППР
может
производится
выбор
решений
некоторых
неструктурированных и слабоструктурированных задач, в том числе и
многокритериальных.
СППР, как правило, являются результатом мультидисциплинарного
исследования, включающего теории баз данных, искусственного интеллекта,
интерактивных
компьютерных
систем,
методов
имитационного
моделирования.
Ранние определения СППР (в начале 70-х годов прошлого века)
отражали следующие три момента: (1) возможность оперировать с
неструктурированными или слабоструктурированными задачами, в отличие
от задач, с которыми имеет дело исследование операций; (2) интерактивные
автоматизированные (то есть реализованные на базе компьютера) системы;
(3) разделение данных и моделей. Приведем определения СППР: СППР —
совокупность процедур по обработке данных и суждений, помогающих
руководителю в принятии решений, основанная на использовании моделей.
СППР —
это
интерактивные
автоматизированные
системы,
помогающие лицу, принимающему решения, использовать данные и модели
для решения слабоструктуризированных проблем.
СППР — это система, которая обеспечивает пользователям доступ к
данным и/или моделям, так что они могут принимать лучшие решения.
Последнее определение не отражает участия компьютера в создании
СППР, вопросы возможности включения нормативных моделей в состав
СППР и др.
В настоящее время нет общепринятого определения СППР, поскольку
конструкция СППР существенно зависит от вида задач, для решения которых
она разрабатывается, от доступных данных, информации и знаний, а также от
пользователей системы. Можно привести, тем не менее, некоторые элементы
и характеристики, общепризнанные, как части СППР:
СППР —
в
автоматизированная
большинстве
система,
случаев —
которая
помогает
это
интерактивная
пользователю
(ЛПР)
использовать данные и модели для идентификации и решения задач и
принятия решений. Система должна обладать возможностью работать с
интерактивными запросами с достаточно простым для изучения языком
запросов.
Согласно Turban, СППР обладает следующими четырьмя основными
характеристиками:
СППР использует и данные, и модели;
СППР предназначены для помощи менеджерам в принятии решений
для слабоструктурированных и неструктурированных задач;
Они поддерживают, а не заменяют, выработку решений менеджерами;
Цель СППР — улучшение эффективности решений.
2. Классификации СППР
Для СППР отсутствует не только единое общепринятое определение,
но и исчерпывающая классификация. Разные авторы предлагают разные
классификации.
На уровне пользователя Haettenschwiler (1999) делит СППР на
пассивные, активные и кооперативные СППР. Пассивной СППР называется
система, которая помогает процессу принятия решения, но не может вынести
предложение, какое решение принять. Активная СППР может сделать
предложение, какое решение следует выбрать. Кооперативная позволяет ЛПР
изменять, пополнять или улучшать решения, предлагаемые системой,
посылая затем эти изменения в систему для проверки. Система изменяет,
пополняет или улучшает эти решения и посылает их опять пользователю.
Процесс продолжается до получения согласованного решения.
На концептуальном уровне Power (2003) отличает СППР, управляемые
сообщениями (Communication-Driven DSS), СППР, управляемые данными
(Data-Driven DSS), СППР, управляемые документами (Document-Driven
DSS), СППР, управляемые знаниями (Knowledge-Driven DSS) и СППР,
управляемые моделями (Model-Driven DSS). СППР, управляемые моделями,
характеризуются в основном доступ и манипуляции с математическими
моделями
(статистическими,
финансовыми,
оптимизационными,
имитационными). Отметим, что некоторые OLAP-системы, позволяющие
осуществлять сложный анализ данных, могут быть отнесены к гибридным
СППР, которые обеспечивают моделирование, поиск и обработку данных.
Управляемая
сообщениями
(Communication-Driven
DSS)
(ранее
групповая СППР — GDSS) СППР поддерживает группу пользователей,
работающих над выполнением общей задачи.
СППР,
управляемые
данными
(Data-Driven
DSS)
или
СППР,
ориентированные на работу с данными (Data-oriented DSS) в основном
ориентируются на доступ и манипуляции с данными. СППР, управляемые
документами (Document-Driven DSS), управляют, осуществляют поиск и
манипулируют неструктурированной информацией, заданной в различных
форматах. Наконец, СППР, управляемые знаниями (Knowledge-Driven DSS)
обеспечивают решение задач в виде фактов, правил, процедур.
На техническом уровне Power (1997) различает СППР всего
предприятия и настольную СППР. СППР всего предприятия подключена к
большим хранилищам информации и обслуживает многих менеджеров
предприятия. Настольная СППР — это малая система, обслуживающая лишь
один компьютер пользователя. Существуют и другие классификации (Alter
[3], Holsapple и Whinston, Golden, Hevner и Power). Отметим лишь, что
превосходная для своего времени классификация Alter‘a, которая разбивала
все СППР на 7 классов, в настоящее время несколько устарела.
В зависимости от данных, с которыми эти системы работают, СППР
условно можно разделить на оперативные и стратегические. Оперативные
СППР предназначены для немедленного реагирования на изменения текущей
ситуации в управлении финансово-хозяйственными процессами компании.
Стратегические СППР ориентированы на анализ значительных объемов
разнородной
информации,
собираемых
из
различных
источников.
Важнейшей целью этих СППР является поиск наиболее рациональных
вариантов развития бизнеса компании с учетом влияния различных факторов,
таких как конъюнктура целевых для компании рынков, изменения
финансовых рынков и рынков капиталов, изменения в законодательстве и др.
СППР
первого
Руководства
типа
получили
(Executive
название
Information
Информационных
Systems,
ИСР).
По
Систем
сути,
они
представляют собой конечные наборы отчетов, построенные на основании
данных из транзакционной информационной системы предприятия, в идеале
адекватно отражающей в режиме реального времени основные аспекты
производственной и финансовой деятельности. Для ИСР характерны
следующие основные черты:
 отчеты,
как
правило,
базируются
на
стандартных
для
организации запросах; число последних относительно невелико;
 ИСР представляет отчеты в максимально удобном виде,
включающем,
наряду
с
таблицами,
деловую
графику,
мультимедийные возможности и т. п.;
 как правило, ИСР ориентированы на конкретный вертикальный
рынок, например финансы, маркетинг, управление ресурсами.
СППР второго типа предполагают достаточно глубокую проработку
данных, специально
использовать
в
преобразованных
ходе
процесса
так, чтобы
принятия
их
решений.
было
удобно
Неотъемлемым
компонентом СППР этого уровня являются правила принятия решений,
которые на основе агрегированных данных дают возможность менеджерам
компании обосновывать свои решения, использовать факторы устойчивого
роста бизнеса компании и снижать риски. СППР второго типа в последнее
время активно развиваются. Технологии этого типа строятся на принципах
многомерного представления и анализа данных (OLAP).
При создании СППР можно использовать Web-технологии. В
настоящее время СППР на основе Web-технологий для ряда компаний
являются синонимами СППР предприятия.
Архитектура СППР представляется разными авторами по-разному.
Приведем пример. Marakas (1999) предложил обобщенную архитектуру,
состоящую из 5 различных частей: (a) система управления данными (the data
management system — DBMS), (b) система управления моделями (the model
management system — MBMS), (c) машина знаний (the knowledge engine
(KE)), (d) интерфейс пользователя (the user interface) и (e) пользователи (the
user(s)).
Стадии
принятия
решений
могут
следовать
и
в
другой
последовательности.
СППР
предназначены,
чтобы
помогать
проектировать,
оценивать
альтернативы и контролировать процесс реализации.
СППР помогают находить ответы на следующие типичные вопросы:
1. Анализ примеров (case analysis) - оценка значений выходных величин
для заданного набора значений входных переменных.
2. Параметрический анализ («Что, если... ?»)- оценка поведения
выходных величин при изменении значений входных переменных.
3. Анализ чувствительности - исследование поведения результирующих
переменных в зависимости от изменения значений одной или
нескольких входных переменных.
4. Анализ возможностей - нахождение значений входной переменной,
которые обеспечивают желаемый результат (известен также под
названием «поиск целевых решений», «анализ значений целей»,
«управление по целям»).
5. Анализ
влияния
-
выявление
для
выбранной
результирующей
переменной всех входных переменных, влияющих на ее значение, и
оценка
величины
изменения
результирующей
переменной
при
заданном изменении входной переменной, скажем, на 1 %.
6. Анализ данных - прямой ввод в модель ранее имевшихся данных и
манипулирование ими при прогнозировании.
7. Сравнение и агрегирование - сравнение результатов двух или более
прогнозов, сделанных при различных входных предположениях, или
сравнение
предсказанных
результатов
с
действительными,
или
объединение результатов, полученных при различных прогнозах или
для разных моделей.
8. Командные
последовательности
(sequences)
-
возможность
записывать, исполнять, сохранять для последующего использования
регулярно выполняемые серии команд и сообщений.
9. Анализ риска - оценка изменения выходных переменных при
случайных изменениях входных величин.
10.
Оптимизация
переменных,
-
поиск
обеспечивающих
значений
наилучшее
управляемых
значение
входных
одной
или
нескольких результирующих переменных.
3. Структура СППР
В состав системы поддержки принятия решений входят три главных
компонента: база данных, база моделей и программная подсистема, которая
состоит из трех подсистем: системы управления базой данных (СУБД),
системы управления базой моделей (СУБМ) и системы управления
интерфейсом между пользователем и компьютером. Структура СППР, а
также
функции
составляющих
ее
блоков,
определяющих
основные
технологические операции, представлены на рисунке 1.
Рис. 1 Основные компоненты информационной технологии
поддержки принятия решений
Любая система поддержки принятия решений содержит подсистему
данных, которая состоит из двух основных частей: БД и системы управления
базой данных (СУБД). БД играет в информационной технологии поддержки
принятия
решений
важную
роль.
Данные
могут
использоваться
непосредственно пользователем для расчетов при помощи математических
моделей. СППР получают информацию из управленческих и операционных
ИС.
Источники данных и их особенности:
 часть
данных
операционного
поступает
уровня.
от
информационной
Эффективность
их
системы
использования
определяется предварительно обработкой:
 системой управления базой данных, входящую в состав системы
поддержки принятия решений;
 за пределами системы поддержки принятия решений, создав для
этого
специальную
предпочтителен
для
базу
данных.
предприятий,
Этот
вариант
производящих
более
большое
количество операций. Обработанные данные об операциях
образуют файлы, которые для повышения надежности и
быстроты доступа хранятся за пределами системы поддержки
принятия решений.
 внутренние данные, например данные о движении персонала,
инженерные данные и т.п., которые должны быть своевременно
собраны, введены и поддержаны
 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 обычно приобретаются у специализирующихся на их
сборе организации.
 документы, включающих в себя 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.
Присущий
технологии
неструктурированных
и
СППР
акцент
слабоструктурованых
задач
на
обработку
предопределяет
некоторые специфические требования к этим элементам компьютерной
системы. Прежде всего, речь идет о необходимости выполнять значительный
объем операций переструктурирования данных. Нужно предусмотреть
возможность загрузки и следующей обработки данных из внешних
источников; функционирования СУБД в среде СППР в отличие от обычной
обработки информации в управленческих информационных системах требует
более широкого набора функций. Это касается также и БД.
Вообще базу данных можно определить как совокупность элементов,
организованных в соответствии с определенными правилами, которые
предусматривают
общие
принципы
описания,
сохранения
и
манипулирования данными независимо от прикладных программ.
Связь конечных пользователей (прикладных программ) с базой данных
происходит с помощью СУБД. Последняя представляет собой систему
программного обеспечения, которая содержит средства обработки языками
БД и обеспечивает создания БД и ее целостность, поддерживает ее в
актуальном состоянии, дает возможность манипулировать данными и
обрабатывать обращение к БД, которые поступают от прикладных программ
и (или) конечных пользователей при условиях применяемой технологии
обработки информации. В состав будто БД, которые используются для
изучения и обращение к данных, належит язык описания данных (ЯОД) и
язык манипулирования данными (ЯМД).
Язык описания данных, предназначенный для определения структуры
БД. Описание данных заданной проблемной области может выполняться на
нескольких
уровнях
абстрагирования,
причем
на
каждом
уровне
используется свое ЯОД. Описание на любом уровне называется схемой.
Чаще
всего
используется
трехуровневая
система:
концептуальный,
логический и физический уровни. На концептуальном уровне описываются
взаимосвязи
между
системами
данных,
которые
отвечают
реально
действующим зависимостям между факторами и параметрами проблемной
среды.
Структура
концептуальной
данных
схемой.
На
на
концептуальном
логическом
уровне
уровне
называется
равные
выбранные
взаимосвязи отбиваются в структуре записей БД. На физическом уровне
решаются вопрос организации размещения структуры записи на физических
носителях информации.
Язык манипулирования данными обеспечивает доступ к данным и
содержит средства для сохранения, поиска, обновления и стирания записей.
Языка манипулирования данными, которые могут использоваться конечными
пользователями в диалоговом режиме, часто называют языками запросов.
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 БД от
других операционных БД, функционирующих в рамках фирмы.
БД и СУБД используются в любых компьютерных системах. Тем не
менее, сравнительно с обычными подходами к реализации БД для решения
некоторых задач к функциям и инструментам БД и СУБД в контексте
системы поддержки принятия решений выдвигается ряд дополнительных и
специализированных требований.
Для условий использования СППР существует необходимость доступа
информации со значительно более широкого диапазона источников, чем это
предусмотрено в обычных информационных системах. Информацию нужно
получать от внешней среды и внутренних источников; потребность во
внешних данных тем большая, чем высший уровень руководства, которое
обслуживает выбранное СППР. Кроме того, обычные, ориентированные на
бухгалтерский учет данные (характерные для систем обработки Данных и
административных
информационных
систем)
необходимо
дополнить
нетрадиционными типами данных, в частности и такими, которые до сих пор
вообще не были в фокусе компьютеризации. Сюда належат: текстовая
информация, материал систем автоматизированного проектирования изделий
технологий, автоматизированного производства, а также другие источники
формации, необходимые для принятия решения.
Рис. 2 Схема формирования и использования хранилища данных в
системах поддержки принятия решений
Заслуживает также на внимание особенность процесса «Поиска и
увлечения» данных в СППР в отличие от более общего процессу сбора
данных из источников. Природа СППР требует, чтобы процесс поиска (и
СУБД, которая руководит этим процессом) был достаточно гибким, лишь бы
быстро
обслуживать
дополнение
и
изменения
в
соответствии
с
непредвиденными запросами, которые поступают от пользователей. Для
процесса «Поиска и увеличения» данных в современных СППР широко
применяются программные (интеллектуальные) агенты, а также как уже
отмечалось, ХД.
Схема формирования и использования ХД в СППР изображена на
рисунке. Данные берутся из разнообразных источников оперативных данных.
После их перемещения отбираются данные для гарантирования того, что они
имеют смысл, есть непрерывными и точными. Потом данные загружаются в
реляционные таблицы, способные поддерживать разнообразные виды
анализа и запросов, и оптимизируется для тех таблиц, которые, как можно
ожидать, чаще всего будут использоваться. И, в конце концов, данные
сохраняются для дальнейшего использования в СППР.
В системах поддержки принятия решений предполагается средство, с
помощью которого пользователь может налаживать базу данных согласно со
своими личными требованиями. Учитывая это, существуют процедуры и
команды гибкого переструктурирования схем и схемного подмножества
СУБД. Заметим, что современные программные средства для управления
данными и СУБД характеризуются относительной гибкостью и простотой
использования в границах коллектива пользователей. Тем не менее,
упомянутые средства нельзя приспособить к конкретному пользователю или
к решению конкретной задачи с желательной гибкостью и довольно
маленькими затратами.
Рис. 3 Подсистема данных СППР
На рисунке 3 изображена схема подсистемы данных СППР, где
указаны перечисленные условия и механизмы адаптации концепций БД и
СУБД к проблемам поддержки решений. Для реализации этой идеи в
распоряжении
разработчика
или
пользователя
СППР
есть
ряд
альтернативных моделей данных и инструментов, в частности классические
иерархические, сетевые и реляционные модели, а также семантические
модели данных. Реляционные модели данных
положены
в основу
большинства современных СУБД.
Данные и модели являются центральными элементами СППР. СППР
отличается от аналитических ИС наличием интерактивных программ (с их
помощью пользователь может исследовать и перемещаться по базам данных
разных форм, размеров и типов) и баз моделей (внутри ее пользователь
может конструировать, анализировать, интерпретировать одну или несколько
моделей).
Система управления моделями является одним из компонентов
универсальной СППР. Функциями этого компонента есть классификация,
организация и доступ к моделям, то есть эти функции аналогичные функции
системы управления базами данных.
База моделей (БМ) 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.
Использование моделей в составе ИС 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
построения
моделей
определенного типа, обеспечивающих нахождение решения при гибком
изменении переменных.
АНАЛИЗ И ПРОГНОЗИРОВАНИЕ БИЗНЕС-ПРОЦЕССОВ
1. Общее понятие информационно – аналитической системы
Современный этап развития рыночных отношений в российской
экономике характеризуется началом экономического подъема. Сегодня все
большее число организаций приходит к пониманию того, что без наличия
своевременной
и
прогнозирования
объективной
его
информации
перспектив, постоянной
о
состоянии
оценки
рынка,
эффективности
функционирования собственных структур и анализа взаимоотношений с
бизнес - партнерами и конкурентами их дальнейшее развитие становится
практически невозможным. Начинают приобретать определяющее значение
знания о протекающих хозяйственных процессах. На успех ведения дела
влияют как объективные, так и субъективные факторы. К объективным
факторам можно отнести:
• закономерности протекания хозяйственных процессов,
• правовую среду,
• неписаные правила и традиции ведения дел,
• экономическую конъюнктуру и т.д.
Большое
значение
имеет
субъективный
фактор,
под
которым
понимается влияние на ход бизнес - процессов работников предприятия и в
особенности лиц, принимающих решения (ЛПР).
Для
выработки
и
принятия
соответствующих
складывающейся
обстановке решений необходима информация, которая должна удовлетворять
требованиям полноты, достоверности, своевременности (актуальности),
полезности.
Основополагающую роль в подготовке принятия решений играет его
обоснование по имеющейся у ЛПР информации. Её, как правило, получают
из различных внутренних и внешних источников. В интересах выработки
адекватного решения используются внутренние информационные ресурсы,
которые складываются из отражения деятельности (функционирования)
объекта в документах, других видах и способах сбора, обработки, хранения
информации. А также внешние по отношению к объекту информационные
ресурсы, например (если это предприятие) - корпорации, отрасли, региона, а
также глобальные – из средств массовой информации, специальной
литературы, всемирной информационной сети Интернет и т.д.
Таким
образом,
границы
информационного
пространства
как
отображения деятельности предприятия и его взаимодействия с внешней
средой, в рамках которого принимаются решения, выходят далеко за пределы
предприятия.
Эти обстоятельства вынуждают использовать имеющиеся в настоящее
время весьма развитые программно-технические средства.
Широкое и эффективное применение этих средств стало одним из
факторов выживаемости и
успеха предприятия
конкурентной
Получили
борьбы.
в условиях острой
широкое
распространение
автоматизированные информационные системы.
Проблема анализа исходной информации для принятия решений
оказалась настолько серьезной, что появилось отдельное направление или
вид информационных систем – информационно – аналитические системы
(ИАС).
Информационно-аналитические системы (ИАС) призваны на основе
данных, получаемых в режиме реального времени, помогать в принятии
управленческих решений. ИАС - это современный высокоэффективный
инструмент
поддержки
принятия
стратегических,
тактических
и
оперативных управленческих решений на основе наглядного и оперативного
предоставления всей необходимой совокупности данных пользователям,
ответственным за анализ состояния дел и принятие управленческих решений.
Комплекс
информационно-аналитических
управленческую
вертикаль:
корпоративную
систем
затрагивает
отчетность,
экономическое планирование и стратегическое планирование.
всю
финансово-
2. Функции и сферы применения ИАС
Основное назначение ИАС
— динамическое представление и
многомерный анализ исторических и текущих данных, анализ тенденций,
моделирование и прогнозирование результатов различных управленческих
решений.
Основными
функциями
информационно-аналитической
системы
являются:
• Извлечение данных из различных источников, их преобразование и
загрузка в хранилище;
• Хранение данных;
• Анализ данных, в том числе оперативный и интеллектуальный;
• Подготовка результатов оперативного и интеллектуального анализа
для эффективного их восприятия потребителями.
Результатом применения средств ИАС являются с одной стороны —
регламентные
аналитические
отчеты,
ориентированные
на
нужды
пользователей различных категорий, с другой — средства интерактивного
анализа информации и быстрого построения отчетов пользователяминепрограммистами с использованием привычных понятий предметной
области.
Функцию сбора и хранения информации с сопутствующей доработкой
в информационно-аналитических системах, выполняют информационные
хранилища (Data Warehouse).
В связи с большим объемом и сложностью анализ данных имеет два
направления
-
оперативный
анализ
данных
(информации),
широко
распространена англоязычная аббревиатура названия – On-line Analytical
Processing (OLAP). Основной задачей оперативного или OLAP-анализа
является быстрое (в пределах секунд) извлечение необходимой аналитику
для обоснования или принятия решения информации. Эту функцию
выполняют всевозможные OLAP – средства.
Интеллектуальный анализ информации - имеет также широко
распространенное в русской специальной литературе англоязычное название
Data Mining. Он предназначен для фундаментального исследования проблем
в той или иной предметной области. Требования по времени менее жёстки,
но используются более сложные методики.
Ставятся, как правило, задачи и получают результаты стратегического
значения. Эту функцию выполняют всевозможные средства Data Mining.
Жестких границ между OLAP и интеллектуальным анализом нет, но
при решении сложных задач приходится использовать весьма мощные
специальные программные средства.
С технической точки зрения ИАС – это набор процедур, методов и
регламентов, приводящих к регулярному плановому сбору, хранению,
анализу и предоставлению информации, используемой для принятия
управленческих решений.
Информационно-аналитические системы являются надстройкой над
уже функционирующими на предприятии информационными приложениями
и не требуют их замены; эти системы аккумулируют данные по всем видам
деятельности компании - от состояния складов до финансовой и
бухгалтерской отчетности.
Информационно - аналитические системы верхнего уровня служат для
принятия стратегических решений. Они позволяют руководителю решать
следующие задачи:
• составление консолидированной отчетности и предоставление
сводной
информации
о
деятельности
предприятия
(финансовые,
производственные и другие показатели, динамика их изменений и
тенденции);
• анализ деятельности дочерних предприятий, филиалов и
подразделений компании (анализ доходности, затрат, выполнения
плана);
• анализ финансовой деятельности (основные финансовые показатели,
тенденции, взаиморасчеты), оптимизация финансовых потоков, реальная
оценка себестоимости продукции;
•
проведение
комплексной
оценки
деятельности
предприятия,
основанной на постоянном контроле четырех наиболее существенных ее
аспектов (финансы, отношения с внешним миром, внутреннее состояние
компании, инновации);
• анализ сбытовых процессов (составление плана, контроль исполнения
распоряжений, расчеты за отгруженную продукцию, прогноз поступления
средств, прогноз спроса).
Информационно-аналитические системы подразделений предполагают
большую детализацию и более сложную аналитическую обработку. Эти
системы помогают подготовить информацию для принятия решений в
области сбыта, продуктового предложения, финансового планирования.
Различают два вида информационно-аналитических систем по режиму
и темпу анализа:
• статические - имеют заранее разработанный сценарий обработки
данных при весьма ограниченных возможностях вариаций запросов;
• динамические - обеспечивают обработку
нерегламентированных запросов и гибкую систему подготовки
отчётов;
Можно
выделить
следующие
принципы
построения
ИАС
на
предприятии:
• объединение всех информационных процессов предприятия;
• встраивание системы в уже сложившуюся организационную
структуру предприятия;
•
координация
усилий
всех
подразделений
предприятия
выполнении поставленных задач;
• открытость системы для дальнейшего развития;
• комплексное использование всех доступных методов анализа;
при
• информационная этика - "от каждого - в общую копилку, и из неё каждому".
3. Классификация аналитических систем
Для обозначения аналитических технологий и средств в целом принято
использовать термин "Business Intelligence" или, сокращенно, - BI. Понятие
BI объединяет различные средства и технологии анализа и обработки данных
масштаба предприятия. На их основе создаются BI-системы. Их цель –
повысить качество информации для принятия управленческих решений. BIсистемы ранее были известны под названием Систем Поддержки Принятия
Решений (СППР, DSS- Decision Support System). В качестве синонимов
понятия "СППР" оперируют также понятиями "аналитическая система" или
"управленческая система". Сейчас же класс систем BI является независимым
классом систем, в который входят системы класса СППР.
По оценкам IDC рынок BI состоит из 5 сегментов:
1. OLAP-продукты;
2. инструменты добычи данных;
3. средства построения Хранилищ и Витрин данных;
4. управленческие информационные системы и приложения;
5. инструменты конечного пользователя для выполнения запросов и
построения отчетов;
6. системы СППР.
Системы СППР В рамках данного материала системы СППР подробно
не рассматриваются, так как это является отдельной специфической
областью интеллектуальных информационных систем.
Рассмотрим более подробно каждый сегмент.
OLAP-продукты
На сегодняшний день в мире разработано множество продуктов,
реализующих OLAP-технологии. Чтобы легче было ориентироваться среди
них, существует несколько классификаций OLAP-продуктов:
• по способу хранения данных;
• по месту нахождения OLAP-машины;
• по степени готовности к применению.
Рассмотрим классификацию систем по способу хранения данных.
Основная идея OLAP заключается в построении многомерных таблиц,
которые будут доступны для запросов пользователей.
Многомерные таблицы (многомерные кубы) строятся на основе
исходных и агрегатных данных. И исходные и агрегатные данные для
многомерных
таблиц
могут храниться
как
в реляционных, так
и
многомерных базах данных. Поэтому в настоящее время применяются три
способа хранения данных: MOLAP (Multidimensional OLAP), ROLAP
(Relational OLAP) и HOLAP (Hybrid OLAP).
Соответственно, OLAP-продукты по способу хранения данных делятся
на три аналогичные категории:
• В случае MOLAP, исходные и агрегатные данные хранятся в
многомерной БД или в многомерном локальном кубе. Такой способ хранения
обеспечивает высокую скорость выполнения OLAP-операций.
Но многомерная база в этом случае чаще всего будет избыточной. Куб,
построенный на ее основе, будет сильно зависеть от числа измерений.
При
увеличении
количества
измерений
объем
куба
будет
экспоненциально расти. Иногда это может привести к "взрывному росту"
объема данных, парализующему в результате запросы пользователей.
• В ROLAP-продуктах исходные данные хранятся в реляционных БД
или в плоских локальных таблицах на файл-сервере.
Агрегатные данные могут помещаться в служебные таблицы в той же
БД. Преобразование данных из реляционной БД в многомерные кубы
происходит по запросу OLAP-средства. При этом скорость построения куба
будет сильно зависеть от типа источника данных и порой приводит к
неприемлемому времени отклика системы.
• В случае использования Гибридной архитектуры исходные данные
остаются в реляционной базе, а агрегаты размещаются в многомерной.
Построение OLAP-куба выполняется по запросу OLAP-средства на основе
реляционных и многомерных данных. Такой подход позволяет избежать
взрывного роста данных. При этом можно достичь оптимального времени
исполнения клиентских запросов.
Следующая классификация - по месту размещения OLAP-машины.
По этому признаку OLAP-продукты делятся на OLAP-серверы и OLAPклиенты.
• В серверных OLAP-средствах вычисления и хранение агрегатных
данных выполняются сервером. Клиентское приложение получает только
результаты запросов к многомерным кубам, которые хранятся на сервере.
Некоторые OLAP-серверы поддерживают хранение данных только в
реляционных базах, другие - только в многомерных.
Многие современные OLAP-серверы поддерживают все три способа
хранения
данных:
MOLAP,
ROLAP
и
HOLAP.
Одним
из
самых
распространенным в настоящее время серверным решением является OLAPсервер корпорации Microsoft.
• OLAP-клиент устроен по-другому. Построение многомерного куба и
OLAP-вычисления выполняются в памяти клиентского компьютера. OLAPклиенты также делятся на ROLAP и MOLAP. А некоторые могут
поддерживать оба варианта доступа к данным. Среди одних из первых
клиентских OLAP-средств можно назвать Oracle Discoverer. Те же
возможности
обеспечивает
и
отечественная
разработка
–
продукты
Аналитической платформы Контур от компании Intersoft Lab.
У каждого из этих подходов есть свои "плюсы" и "минусы".
Нельзя однозначно говорить о преимуществах серверных средств
перед клиентскими и наоборот. На практике такой выбор является
результатом компромисса "эксплуатационных показателей", стоимости
программного
обеспечения
и
затрат
на
разработку,
внедрение
и
сопровождение аналитической системы.
Следующая классификация OLAP-продуктов - по степени
готовности
к
применению.
Различают:
OLAP-компоненты,
инструментальные OLAP – системы и конечные OLAP-приложения.
• OLAP-компонента – это инструмент разработчика. С ее помощью
разрабатываются клиентские OLAP-программы. Различают MOLAP и
MOLAP-компоненты
ROLAP-компоненты:
являются
инструментами
генерации запросов к OLAP-серверу. Они также обеспечивают визуализацию
полученных данных. ROLAP-компоненты содержат собственную OLAPмашину. OLAP-машина обеспечивает построение OLAP-кубов в оперативной
памяти и отображает их на экране. Одна из наиболее доступных, но в то же
время и одна из самых слабых OLAP-компонент – Decision Cube в составе
Borland Delphi.
• Инструментальные OLAP-системы – это программные продукты,
предназначенные для создания аналитических приложений.
Различают две категории инструментальных OLAP-систем: системы
для программирования и системы для быстрой настройки. Системы для
программирования – это среда разработчика аналитических систем. В ней,
путем программирования запросов к данным, алгоритмов расчета и OLAPинтерфейсов можно создать OLAP-приложение для конечного пользователя.
Представителем
этого
класса
программного
обеспечения
является
аналитическая платформа Knosys Pro Clarity. С другой стороны, OLAPсистемы для быстрой настройки – это средства, которые предоставляют
визуальный
интерфейс
программирования.
Такие
для
создания
системы
OLAP-приложений
включают
визуальный
без
генератор
запросов, встроенные алгоритмы агрегации и инструменты настройки
пользовательских OLAP-интерфейсов. В такой технологии реализована
большая часть инструментов пакета BusinessObjects и Аналитической
платформы Контур.
• Наконец, к третьей категории OLAP-продуктов по степени
готовности к применению относятся конечные OLAP-приложения. Это
готовые прикладные решения для конечного пользователя. Они требуют
только установки, и, не всегда, настройки под специфику пользователя.
Пример такого решения – OLAP-приложения системы "Контур
Стандарт", подготовленные для анализа данных в различных отраслях и для
решения различных аналитических задач.
Инструменты добычи данных
Knowledge Discovery in Databases (KDD)– это процесс поиска полезных
знаний в "сырых" данных. KDD включает в себя вопросы подготовки
данных, выбора информативных признаков, очистки данных, применения
методов "раскапывания данных" (Data Mining), а также обработки и
интерпретации полученных результатов.
Центральным элементом этой технологии являются методы Data
Mining, позволяющие обнаруживать знания при помощи математических
правил:
• Фильтрация. Необходимость в фильтрации возникает, когда нужно
отделить полезную информацию от искажающего его шума за счет
сглаживания, очистки, редактирования аномальных значений,
устранения
незначащих
факторов,
понижения
размерности
информации и т.д. Применение фильтрации в системах анализа данных
относится к первичной обработке данных и позволяет повысить качество
исходных данных, а, следовательно, и точность результата анализа.
•
Деревья
иерархической,
решений.
Они
последовательной
позволяют
структуре,
представлять
где
правила
каждому
в
объекту
соответствует единственный узел, дающий решение. Под правилом
понимается логическая конструкция, представленная в виде «если..., то...».
Деревья решений применяются при решении задач поиска
оптимальных решений на основе описанной модели поведения.
• Ассоциативные правила. Они позволяют находить закономерности
между
связанными
событиями.
Примером
такого
правила
служит
утверждение, что в том случае, если произошло событие А, то произойдет и
событие В с вероятностью C. Впервые это задача была предложена для
нахождения типичных шаблонов покупок, совершаемых в супермаркетах,
поэтому иногда ее еще называют
анализом рыночной корзины (market basket analysis).
• Генетические алгоритмы. Они применяются при решении задач
оптимизации. Эти методы были открыты при изучении эволюции и
происхождения видов. Генетические алгоритмы нужны для настройки
нейронных сетей, а также решения различных задач, когда можно составить
описание возможных вариантов решения в виде вектора параметров, и
известен критерий, определяющий эффективность каждого варианта.
Генетические
портфелей
(пересылке)
алгоритмы
ценных
грузов,
применяются
бумаг,
выбор
для
заполнения
маршрутов
составления
контейнеров
движения,
расписаний,
при
перевозке
конфигурации
оборудования и т.д.
• Нейронные сети. Они реализуют алгоритмы на основе сетей
обратного распространения ошибки, самоорганизующихся карт Кохонена,
RBF-сетей, сетей Хэмминга и других подобных алгоритмов анализа данных.
Нейронные сети применяются для решения самых
различных задач - восстановление пропусков в данных, поиск
закономерностей, классификация и кластеризация данных,
прогнозирование и моделирование.
Инструменты добычи данных поставляются заказчикам двумя
способами:
• в составе OLAP-систем
• в виде самостоятельных систем Data Mining.
Функциональность Data Mining в той или иной степени полноты
реализации включена в аналитические системы различных производителей –
Oracle, Hyperion, SAS и т.д. Однако, наиболее «продвинутыми» в этом плане
являются специализированные системы математического анализа данных. В
России авторитетным разработчиком систем в технологии KDD является
компания "Лаборатория BaseGroup".
Средства построения Хранилищ и Витрин данных
Хранилища
и
Витрины
данных
создаются
с
применением
специализированных средств построения Хранилищ\витрин данных. К этим
средствам относятся:
• средства проектирования Хранилищ данных;
• средства извлечения, преобразования и загрузки данных;
• готовые предметно-ориентированные ХД.
Средства
проектирования
Хранилищ
данных
входят
в
состав
реляционных и многомерных СУБД от таких производителей как Microsoft,
Oracle, IBM, Sybase и других. Также часто применяются универсальные
CASE-инструменты, такие как BPWin и ErWin. После описания структур
хранения данных специальными системными утилитами выполняется их
генерация. Такой подход к созданию Хранилища данных позволяет
построить индивидуальное Хранилище или Витрину данных в сжатые сроки.
В тоже время такой подход затрудняет перенос наработок от одного
заказчика к другому и обмен практическим опытом в решении аналитических
задач. Альтернативным способом построения Хранилищ данных является
применение других специализированных средств – Студий для построения
Хранилищ данных. Такие продукты предлагают набор шаблонов и заготовок
для быстрого создания Хранилища. В составе Студии может предоставляться
базовая модель Хранилища данных, ориентированная на определенную
бизнес-сферу. С помощью таких инструментов можно значительно быстрее
создать
Хранилище
данных,
воспользовавшись
опытом
предыдущих
решений и начать его эксплуатацию. Продукты этого класса, в частности,
предлагает компания Sybase – это продукт Industry Warehouse Studio.
ETL-средства (extraction, transformation, loading) – средства извлечения,
преобразования и загрузки данных) обеспечивают три основных процесса,
используемые при переносе данных из одного приложения или системы в
другие. ETL-средства извлекают информацию из исходной базы данных,
преобразуют ее в формат, поддерживаемый базой данных назначения, а затем
загружают в нее преобразованную информацию. Эти средства обычно входят
в состав функциональности реляционных и многомерных СУБД или Студий
для
построения
Хранилищ
данных.
Однако
существуют
и
специализированные системы, реализующие только ETL-функции____о62.
Классической ETL-системой является, например, продукт Ascential
DataStage компании Ascential Software.
И, наконец, существует еще один способ построения Хранилищ и
Витрин данных – это применение готовых предметно-ориентированных
Хранилищ данных. Это самый надежный способ построить Хранилище
данных в сжатые сроки. Готовые к эксплуатации Хранилища данных
характеризуются
наличием
в
них
механизмов
средств
построения
Хранилищ/Витрин данных, взаимосвязанных посредством единого словаря
метаданных. К ним относятся - процедуры извлечения, преобразования,
очистки и загрузки данных, функции генерации баз
данных и процедур обработки, механизмы построения выборок
данных, интерфейсы просмотра и анализа данных. Ограничением в
применении готовых Хранилищ данных является их предметная ориентация.
Например, финансовое Хранилище данных невозможно применить для
решения задач оптимизации химического производства. Примером готового
предметно-ориентированного Хранилища данных является система Контур
Корпорация
от
компании
Intersoft
Lab.
Применение
предметно-
ориентированных Хранилищ данных отражает общемировую тенденцию
развития рынка BI, наметившуюся в последнее время – предоставления
платформ для "быстрой" разработки аналитических приложений.
Управленческие информационные системы и приложения
Существует еще один очень разносторонний класс аналитических
систем. Это – конечные решения для управленцев и аналитиков.
Исторически сложилось так, что технологическая основа реализации
таких систем существенно различается. Одни из них построены на
современных аналитических инструментах, другие – с применением базовых
информационных технологий. Чтобы легче ориентироваться в этих системах
вводится 3 классификации:
• по виду решаемой задачи;
• по масштабу решаемой задачи;
• по технологическому построению.
Аналитические системы классифицируются по виду задач, решаемых с
их помощью. Среди видов задач можно выделить:
• Анализ финансового состояния банка или предприятия, выполняемый
по внешним публичным данным, таким как баланс, отчет о финансовых
результатах, иногда - приложение к балансу и отчет о движении денежных
средств. Системы - Audit Expert (Про-Инвест), Альт-финансы (Альт), АБФИ
(Вестона), Аналитик, АФСП, АДП (ИНЭК) и другие.
• Инвестиционный анализ – для комплексной оценки эффективности
инвестиционных проектов и принятия решения об их финансировании,
Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие.
•
Подготовка
бизнес-планов,
учитывающих
производства,
сбыта
и
финансирования,
маркетинговой
ситуации,
чувствительности
вариации
комплексного
проекта
по
схем
анализа
основным
параметрам. Системы - Project Expert (Про-Инвест), Альт-Инвест (Альт) и
другие.
• Маркетинговый анализ, позволяющий оценить положение компании
на рынке, провести сравнительный анализ ее сбытовой деятельности с
конкурентами, сформировать оптимальную структуру сбыта, определить
доходность различных сегментов рынка и товаров, долю рынка компании,
темпы роста и другое. Системы – Marketing Expert (Про-Инвест), Касатка и
другие.
• Управление проектами, применяемое для разработки расписания
исполнения проекта, определения критического пути ирезервов времени
исполнения операций проекта; потребности проекта в финансировании,
материалах и оборудовании, анализ рисков и планирование расписания с
учетом рисков и так далее. Системы – MS Project (Microsoft), Open Plan
(Welcom Software Technology) и другие.
• Бюджетирование, обеспечивающее планирование, учет и анализ по
центрам финансовой ответственности, бизнесам, продуктам в разрезе
активов и пассивов, доходов и расходов, выполнение аллокаций и расчет
финансового результата. Системы - Hyperion Pillar, Comshare MPC, Контур
Корпорация. Бюджет (Intersoft Lab) и другие.
• Финансовое управление, включающее помимо задач бюджетирования
задачи финансового планирования, управленческого учета, трансфертного
управления ресурсами, оценки бизнесов по методу ABC, анализа активов,
пассивов, рисков. Системы - Oracle Financial Services Applications (Oracle),
Контур Корпорация. Финансовое управление (Intersoft Lab) и другие.
На практике встречается гораздо больше видов задач, но здесь был
перечислен ряд только тех задач, которые нашли свое воплощение в
тиражных аналитических системах. Некоторые из этих систем могут решать
только одну задачу, другие являются комплексом, включающим в себя
широкий перечень взаимосвязанных задач.
Аналитические системы также классифицируются по масштабу
решаемой задачи:
• Системы автоматизации труда одного специалиста. Это так
называемые DeskTop-системы, предназначенные для автоматизации труда
узкого специалиста. Как правило, для эксплуатации таких систем не
требуется помощь службы автоматизации.
• Системы для коллективной работы группы сотрудников.
Такие системы содержат средства, обеспечивающие коллективную
работу пользователей в режиме реального времени с единой базой данных в
рамках прав доступа. Такие системы уже требуют выполнения функций
администрирования и сопровождения.
• Системы для применения в территориально распределенной
корпорации. Эти системы включают в себя свойства аналитических систем
для групп пользователей, а также средства взаимодействия с удаленными
подразделениями корпорации (филиалами) в виде технологий сбора данных,
дистрибуции НСИ и отчетов. Системы данного класса сложны в
эксплуатации, но при этом обеспечивают наиболее полное решение
аналитических и управленческих задач.
По технологическому построению аналитические системы можно
условно разделить на монолитные и настраиваемые:
• Монолитные аналитические системы характеризуются тем, что
аналитическая методика в них реализуется в коде самой программы, а не в
виде настройки универсального аналитического инструмента. В этом случае
аналитическая система не требует, как правило, выполнения существенных
работ по своей настройке (за исключением систем класса Data Mining). Она
может использоваться практически сразу после установки. В то же время
такие системы не "гибкие" и плохо поддаются изменениям в соответствии с
требованиями пользователя. Монолитные системы разрабатываются с
применением базовых средств программирования и СУБД.
• Настраиваемые аналитические системы характеризуются тем, что при
их создании применяются универсальные аналитические инструменты и
специализированные средства, такие как OLAP, Студии, ETL, Data Mining.
Их применение позволяет повысить качество аналитической системы, дает
перспективы развития, но в то же время приводит к удорожанию конечного
решения. Прикладные аналитические системы, выполненные в виде настроек
универсальных аналитических инструментов, требуют большего объема
работ при внедрении, однако позволяют реализовывать уникальные
аналитические методики, принятые в организации.
Компромиссом между этими двумя классами систем является
реализация аналитической методики в виде Приложения универсальной
аналитической
системы.
Такой
подход
позволяет
выполнять
их
тиражирование независимо друг от друга. Но подобных систем в настоящее
время на рынке представлено крайне мало.
Инструменты конечного пользователя для выполнения запросов и
построения отчетов
Системы данного класса (Query & Reporting) предназначены для
формирования запросов к информационным системам в пользовательских
терминах, а также их исполнение, интеграцию данных из разных источников,
просмотр данных с возможностями детализации и обобщения и построение
полноценных отчетов, как экранных, так и печатных. Предполагается, что
уровень подготовки специалиста, создающего отчеты, может быть приравнен
к опыту среднего пользователя Excel. Поэтому пользователь составляет
запрос
к
источнику
данных,
используя
заранее
подготовленный
программистом каталог терминов (семантический слой). Визуализация
результатов
запроса может быть представлена пользователю в различном виде –
плоские или многомерные таблицы, графики, диаграммы, различные
специализированные интерфейсы.
Инструменты конечного пользователя для выполнения запросов и
построения отчетов поставляются двумя способами:
• в составе OLAP-систем,
• в виде специализированных систем Query & Reporting.
Практически каждая система класса OLAP снабжена средствами Query
& Reporting. Эти средства могут быть как встроенными в основной продукт
(примеры – Business Objects, "Контур Стандарт", Oracle Discoverer), так и
выделенными в отдельный продукт (например, система Impromptu в составе
продуктов Cognos).
Также существуют и специализированные системы генерации и
дистрибуции отчетов. Наиболее распространенные из них – это продукты
компаний Crystal Decisions и Actuate. В то же время эти системы имеют в
своем составе собственные OLAP-средства. Поэтому провести четкую грань
между OLAP-системами и системами класса Query & Reporting практически
невозможно.
Пример
–
продукты
компании
MicroStrategy,
которые
различные аналитики и издания с равной регулярностью относят к продуктам
обоих классов.
4. Общая структура информационной аналитической системы
Полная
структура
информационно-аналитической
системы,
построенной на основе хранилища данных, показана на рисунке 1. В
конкретных
отсутствуют.
реализациях
отдельные
компоненты
этой
схемы
часто
Рис. 1. Структура информационной аналитической системы (ИАС)
Рассмотрим состав основных подсистем.
Подсистема хранения данных
Многомерное хранилище данных может быть организовано в виде
одной из следующих структур:
1. физической структуры, называемой MOLAP, в которую с
определенной периодичностью загружаются данные из файлов – источников,
принадлежащих
базам
оперативных
данных
виртуальной
структуры,
называемой ROLAP, которая динамически используется при запросах.
ROLAP – система рассматривается просто как надстройка над реляционными
базами
данных,
обеспечивающая
удобный
интерфейс
пользователя.
Типичными инструментальными средствами, поддерживающими ROLAP,
является Business Objects.
3. гибридной структуры, называемой НOLAP, которая используется
при построении многоуровневых информационных хранилищ, применяемых
на разных уровнях управления больших корпораций. Анализ параметров
использования ROLAP и MOLAP информационных хранилищ показывает,
что внедрение и эксплуатация ROLAP - систем является более простым и
дешевым по сравнению с MOLAP – системами, но уступают последним в
эффективности оперативного анализа данных.
Подсистема метаинформации
Репозиторий
представляет
собой
описание
структуры
информационного хранилища: состава показателей, иерархии агрегаций
измерений,
форматов
данных,
используемых
функций,
физического
размещения на сервере, прав доступа пользователей, частоты обновления.
В репозитории задается схема отображения структуры файловисточников данных на структуре ИХ, а также схема отображения структуры
ИХ на витринах данных. Через репозиторий осуществляется интерпретация
запросов к ИХ на проведение оперативного анализа данных.
Подсистема преобразования данных (загрузки хранилища)
Подсистема загрузки ИХ создается только для MOLAP – систем. Для
ROLAP – систем в процессе выполнения запросов осуществляется
преобразование данных из файлов – источников. В том и другом случаях
требуется выполнение следующих основных функций:
• сбор данных;
• очистка данных;
• агрегирование данных.
Сбор данных предполагает передачу данных из источников в ИХ в
соответствии со схемой отображения, представленной в репозитории. В
процессе очистки данных осуществляется проверка целостности, исключение
дублирования данных, отбраковка случайных данных, восстановление
отсутствующих данных, приведение данных к единому формату. В случае
необходимости агрегирования данных осуществляется суммирование итогов
по заданным в репозитории признакам.
Подсистема представления данных (организация витрин данных)
Под
хранилище
витриной
данных,
данных
как
понимается
правило,
предметно-ориентированное
агрегированной
информации,
предназначенное для использования группой пользователей в рамках
конкретного вида деятельности предприятия, например маркетинга и т.д. Как
правило, витрины данных являются подмножествами общего хранилища
данных компании, которое служит для них источником. Обычно общее ИХ и
витрины данных разрабатываются параллельно.
Подсистема оперативного анализа данных
Подсистема оперативного анализа данных, как правило, используется
лицами, подготавливающими информацию для принятия решений, путем
выполнения различных статистических группировок исходных данных. В
рамках пользовательского интерфейса для оперативного анализа данных
используются следующие базовые операции:
• Поворот. Добавление нового признака анализа.
• Проекция. Выборка подмножества по задаваемой совокупности
измерений. При этом значения, лежащие на оси проекции, суммируются.
• Раскрытие. Осуществляется декомпозиция признака агрегации на
компоненты, например, признак года разбивается на кварталы. При этом
автоматически детализуются числовые показатели.
• Свертка. Операция обратная раскрытию. При этом значения
детальных показателей суммируются в агрегируемый показатель.
• Сечение или срез. Выделение подмножества данных по конкретным
значениям одного или нескольких измерений.
Подсистема интеллектуального анализа данных
Подсистема
интеллектуального
анализа
данных
используется
специальной категорией пользователей – аналитиков, которые на основе ИХ
обнаруживают закономерности в деятельности предприятия и на рынке,
используемые в дальнейшем для обоснования стратегических и тактических
решений. Интеллектуальный анализ требует более сложных методов анализа
по сравнению со статическими группировками и выполняется путем
проведения множества сеансов.
Типичными задачами интеллектуального анализа данных являются:
•
Установление
временных
связей
корреляций,
событий,
причинно-следственных
например
определение
связей
и
местоположения
прибыльных предприятий.
• Классификация ситуаций, позволяющая обобщать конкретные
события в классы, например определение типичного профиля покупателя
конкретных видов продукции.
• Прогнозирование развития ситуаций, например прогнозирование цен,
объемов продаж, производства.
К основным методам интеллектуального анализа данных относятся:
− Методы многомерного статистического анализа;
− Индуктивные методы построения деревьев решений;
− Нейронные сети.
Подсистема «Информационная система руководителя»
Информационная система руководителя предназначена для лиц,
непосредственно принимающих решения. Поэтому интерфейс таких систем
должен быть в наибольшей степени упрощенным. Обычно в качестве
интерфейса руководителям предприятия предлагается набор стандартных
отчетов и графиков, настраиваемых на потребности руководителя через
систему меню. Часто в качестве интерфейса предлагаются диаграммы
Ишикава,
представляющие
собой
саморазворачивающееся
дерево
показателей, в котором листья ветвей раскрашиваются в разные цвета,
символизирующие характер состояния показателя (нормальный, тревожный,
кризисный). Лист любой ветви дерева может быть развернут а таблицу
значений показателя или график.
АВТОМАТИЗАЦИЯ ПЛАНИРОВАНИЯ И ПРОЕКТИРОВАНИЯ НА
ПРЕДПРИЯТИИ
1. Модель управления ERP
За
основу
подхода
можно
взять
следующее
утверждение:
Автоматизация процессов предприятия должна вытекать из стратегии
развития
предприятия
автоматизировать
нужно
и
быть
только
эффективной.
те
задачи,
Другими
которые
словами,
способствуют
достижению цели предприятия. При этом каждая задача автоматизации
должна быть оценена с позиции Цена/Эффективность.
Этот подход действительно можно назвать правильным, даже
идеальным. Суть его заключается в следующем:
1.
Исходя из целей и стратегии предприятия выделяются
бизнес-процессы, требующие качественного улучшения.
2.
Для каждого выделенного бизнес-процесса ставится задача
автоматизации,
позволяющая
повысить
эффективность
работы
процесса.
3.
Предполагаемый
эффект
от
задачи
автоматизации
оценивается заранее и сравнивается с величиной затрат на ее
реализацию.
4.
Реорганизация
предприятия.
и
автоматизация
бизнес-процессов
При таком подходе основными задачами, требующими автоматизации
на предприятиях, будут те, эффект от реализации которых можно оценить
наиболее явным образом:
Задачи

(материальных,
планирования
трудовых,
ресурсов
финансовых)
–
предприятия
уменьшение
затрат,
связанных с использованием ресурсов
Управление отношениями с клиентами - привлечение

новых и удержание существующих клиентов
Конструкторско-технологические процессы – уменьшение

стоимости и повышение качества конструкторско-технологических
разработок
Модель управления ERP развивалась в течение последних 30-ти лет от
простых задач определения материальных потребностей к управлению
сложными производственными процессами. Общая схема показана на рис 1.
Существует целый ряд причин, по которым модули планирования
потребностей в ресурсах и объемно-календарного планирования мощностей
оказываются
не в
состоянии
обеспечить
требуемую
эффективность
производственного планирования:

степень
детализации
при
планировании
мощностей
оказывается слишком укрупненной, чтобы принимать обоснованные
плановые решения;

существующие технологии не позволяют одновременно
повысить степень детализации и решать в реальном времени задачи
анализа и моделирования;

инструментальные средства использовались крайне редко и
были слабо приспособлены к работе высшего звена;

не
рассматривалась
задача
с
одновременными
ограничениями на доступные материальные ресурсы и мощности;

плановое решение ограничивалось одним заводом;

не было эффективной и оперативной обратной связи в виде
задачи учета фактического состояния, чтобы улучшить процессы и
информационное обеспечение;

не было возможности оптимизации плановых решений;

производственные циклы часто оставались статичными и
менялись, главным образом, вручную, а не динамически.
Рис. 1 Структура планирования в системе ERP
Планирование материальных потребностей (MRP)
MRP в простейшем виде представляет собой систему планирования
материальных потребностей. На вход системы поступает фактический спрос
и результаты процесса составления графика выпуска продукции на основе
прогноза, затем эта информация обрабатывается с помощью состава изделия
для каждого вида продукции, сравниваются чистые потребности с наличием
в запасах и порождаются производственные заказы и заказы на приобретение
с указанием сроков запуска-выпуска с целью удовлетворения потребностей.
Планирование потребностей в производственных мощностях
(CRP)
Планирование потребностей в производственных мощностях (CRP)
добавлено во многие системы
ERP в попытке придать процессу
планирования MRP чувствительность к ограничениям по мощности. Как
правило, CRP обеспечивает детализированный анализ потребностей в
мощностях для планируемых заказов. CRP использует информацию о
маршрутах и цеховых заказов из MRP, чтобы рассчитать нагрузку в каждом
рабочем центре. К сожалению, этот дополнительный уровень детализации
приводит к необходимости решения задач CRP в пакетном режиме и часто
требует многих часов процессорного времени для предприятий с большими и
сложными составами изделий и маршрутами. Кроме того, CRP выдает
только картину нагрузки на рабочие центры при условии точного
выполнения плана, определенного в MRP, что бывает крайне редко. Как
правило, в ходе CRP определяются только потребные мощности рабочих
центров
путем
суммирования
потребностей
по
всем
заказом,
чьи
производственные циклы попали в планируемый период. В этом и
заключается смысл «неограниченности» мощностей (Infinite Capacity
Planning). Перегрузки рабочих центров выявляются, но в CRP нет
механизмов
предотвращения
этой
ситуации.
Решение
в
случае
возникновения перегрузки принимается плановиком и оно заключается в
добавлении мощностей или корректировке графика выпуска продукции.
Развитие
систем
CRP,
названное
планированием
с
учетом
ограниченности мощностей (Finite Capacity Planning, FCP), было введено в
некоторые системы ERP, чтобы сделать план в ходе его формирования более
чувствительным к ограничениям по мощностям. В FCP, однако, была
применена концепция, названная «уровневой нагрузкой» (level loading). В
соответствии с этой концепцией после достижения максимально допустимой
нагрузки работы отодвигались на последующие периоды. Это приводило к
отличиям сроков выпуска в оперативно-календарных планах по сравнению с
планом MRP и к тому, что обеспечение материальных потребностей
выполнялось не вовремя. Кроме того, в системах FCP отсутствовала
оптимизация календарных планов производства с целью наилучшего
использования производственных ресурсов для удовлетворения требований
заказчиков по срокам.
Оперативное планирование (SFC)
Нижним уровнем в системе планирования ERP является оперативное
внутрицеховое планирование. Оперативные графики разрабатываются, когда
спланированные в MRP заказы запускаются и становятся цеховыми
заказами. Как правило, составление расписания «вперед» или «назад»
выполняется путем прибавления времени выполнения каждой операции в
маршруте, умноженного на количество DCE в заказе. При составлении
расписания «вперед» дата запуска используется в качестве начальной точки,
от которой строится расписание. К сожалению, такой подход часто приводит
к тому, что вычисленные времена завершения не соответствуют требуемым
временам выполнения заказов. При построении расписания «назад»
требуемые даты выполнения используются в качестве начальных точек. При
этом, однако, часто бывает, что сроки запуска заказов оказываются в
отрицательной временной области. Однако достоинство такого подхода
заключается в том, что наглядно видна степень запаздывания заказа.
Применение производственных циклов при работе программных
систем
MRP
является
одним
из
наиболее
серьезных
недостатков
современных систем ERP. Существует заблуждение, что лучшим способом
повысить
устойчивость
оперативных
планов
является
увеличение
длительности производственного цикла при планировании MRP. При этом
полагают, что повышаются шансы на своевременное выполнение заказов. К
сожалению, это происходит не всегда. Увеличение производственных циклов
приводит к росту незавершенного производства, росту запасов и очередей. С
ростом очередей неточность графиков возрастает в еще большей степени.
При этом, естественно не удается повысить и точность поставок продукции
заказчикам.
В основе своей модель планирования современных систем ERP имеет
ряд недостатков. Она представляет собой набор отдельных процессов со все
более детализированными вычислениями, базирующимися на неточных
данных, поступающих от процессов на верхних уровнях иерархии. Для
динамичных производств это приводит к явно абсурдным оперативным
планам.
После анализа недостатков систем ERP возникает вопрос, как они
реально применяются при управлении производством. К счастью, плановики,
технологи, диспетчеры прекрасно осознают их недостатки и поэтому в
состоянии работать с ними.
2. APS-системы
APS (Advanced Planning and Scheduling System, Развитые системы
планирования)
-
нельзя
рассматривать
исключительно
как
новые
информационные технологии. Напротив, новые технологии используются
для реализации новых методов организации и управления производством.
Для пользователей систем все более становится очевидным, что со
временем системы APS, основанные на новых методах управления, частично
вытеснят системы типа ERP. Потенциальный эффект может заключаться в
следующем:

существенно более высокая точность планирования;

сокращение запасов;

значительное улучшение деятельности в области поставок
продукции;

лучшее использование основных фондов;

увеличение загрузки ресурсов;

более гибкое реагирование на требования, вызванные
конкуренцией.
Поэтому целесообразно исследовать, что же именно делает системы
APS столь важными для производства.
Точного определения систем APS не существует. Можно, однако,
утверждать, что системы APS направлены на устранение недостатков систем
ERP путем совместного использования новых информационных технологий
и профессионального опыта управленцев. Как правило, эти системы
пытаются создавать лучшие планы, рассматривая все факторы, которые
ограничивают возможности предприятия по поставке продукции в срок. В
простейших случаях основные факторы, называемые ограничениями,
представляют собой мощности рабочих центров и доступные материальные
ресурсы. Приемы работы систем APS основаны на одновременном
рассмотрении материальных потребностей и производственных мощностей
для того, чтобы оценить имеющийся план или сгенерировать новый.
Некоторые системы APS, кроме того, улучшают этот план путем создания
детализированного производственного графика, который оптимизирует
очередность выполнения работы по критерию пропускной способности при
ограничениях на сроки выполнения заказов.
Структура модели систем APS
Обычно системы APS представляют собой композицию из 4-х
различных процессов. Во
всех
четырех
процессах довольно часто
используются одни и те же подходы к планированию, но входных данные и
ограничения отличаются. Поскольку производители систем APS используют
различную терминологию для описания этих шагов, имеет смысл описать
модель в рамках единого подхода. На рис. 5.2 показаны четыре шага модели
APS.
Рис.2 - Структура модели APS
Планирование деятельности предприятия (Enterprise Planning)
На
этом
шаге
бизнес-планы,
производственные
мощности
и
материальные ресурсы оптимизируются с целью удовлетворения рыночного
спроса или спроса отдельных заказчиков. На этом уровне рассматриваются
основные производственные ресурсы и материальные потребности и
получается сначала допустимый план, который затем улучшается с учетом
других ограничений и целей предприятия. В качестве ограничений обычно
рассматриваются мощности
производства и
распределительной
сети,
доступность материальных ресурсов и других наиболее важных ресурсов, а в
качестве целей может рассматриваться степень удовлетворения спроса
заказчиков, прибыль, уровень запасов и т.п. Вообще, этот шаг объединяет и
оптимизирует выполнение функций, традиционно выполняемых модулями:

планирование
потребностей
в
ресурсах
(Resource
Requirements Planning, RRP);

объемно-календарное планирование мощностей (Rough-Cut
Capacity Planning, RCCP);

разработка графика выпуска продукции (Master Production
Schedule, MPS);

планирование
потребностей
распределенной
сети
(Distribution Requirements Planning, DRP);

планирование
материальных
потребностей
(Material
Requirements Planning, MRP).
Производственное планирование (Production Scheduling)
Используя полученный ранее план работы предприятия как входной,
модуль производственного планирования имеет дело с доступными
материальными ресурсами, детализированной информацией о мощностях и
информацией о состоянии хода производства для того, чтобы решать задачу
календарного планирования, имея главной целью выполнения сроков
завершения заказов. В ходе производственного планирования, которое имеет
календарный характер, используются те же самые цели и ограничения, что и
на
предыдущем
уровне,
но
информация
более
детализирована.
Материальные ресурсы привязаны к конкретным операциям, на которых они
используются, с тем, чтобы повысить точность определения краткосрочных
материальных потребностей. Производственное планирование выполняет
также функцию регулирования для более высокого уровня с тем, чтобы
скорректировать сроки и количества при реализации материальных
потребностей внутри предприятия и от смежников.
Оценка возможности выполнения (ATP)
Этот шаг является средством обеспечения функционирования трех
предыдущих уровней. Он специально введен в систему, чтобы повысить
точность определения обещаемых заказчикам дат выполнения заказов. При
решении этой задачи используется информация из уже имеющегося
производственного плана и о ресурсах, необходимых для производства уже
имеющихся, но в не включенных в план заказов. Новая концепция оценки
возможности выполнения (Available To-Promise, АТР) в реальном времени,
т.е. на основе не статического, а динамически скорректированного
производственного плана, иногда называется задачей о возможности
выполнения заказов на основе доступных мощностей (Capable-To-Promise,
СТР).
Объемное и календарное планирование (Planning and Scheduling)
Одна из наиболее дискутируемых тем в системах APS - это различия
между объемным планированием (planning) и календарным (scheduling).
Существует мнение о том, что достижение лучшей точности выполнения
требуемых сроков возможно только на пути детализированного календарного
планирования. Существует и противоположный взгляд, что более важно
определить набор работ в ходе объемного планирования. Можно согласиться,
однако, с тем, что наиболее существенное различие между объемным и
календарным планированием заключается в длительности горизонта и
степени детализации. Поскольку все системы APS созданы для того, чтобы
быстро
генерировать объемные и календарные планы, методология
планирования может быть сформирована так, чтобы решать задачу с
меньшей детализацией данных на длительный горизонт (от 3-х до 12-ти
месяцев) или с более детализированными данными на короткий период (от 1ой до 6-ти недель). Нельзя утверждать, что какой-либо из двух подходов
оперирует в принципе с большим объемом данных - оба подхода позволяют
работать примерно с одним и тем же объемом. Даже в условиях роста
производительности
ЭВМ
попытки
решать
задачу
календарного
планирования, определяя с точностью до минут состояние очереди в рабочем
центре, материальные потребности и переналадки оборудования на
длительный
период,
может
потребовать
слишком
больших
затрат
процессорного времени. Не касаясь даже проблемы процессорного времени,
можно утверждать, что степень детализации в календарном планировании
может уменьшаться по истечении какого-то интервала, например, 2-3 недели.
В итоге, календарное планирование можно определить следующим
образом: это процесс определения очередности использования материальных
и производственных ресурсов до уровня операций на ближайший временной
период (как правило, меньше месяца) с целью обеспечения заданных сроков
выполнения заказов.
Календарное планирование в APS отличается от моделей CRP и SFC в
системах ERP, так как здесь учитываются ограничения на мощности и
другие ограничения для того, чтобы повысить точность составления и
реализации графиков. Методология строится так, что, как правило,
построение графика в APS производится в несколько шагов. На первом шаге
строится допустимый опорный график. На последующих шагах он
улучшается или оптимизируется с учетом целей и ограничений.
Рис. 3 - Функциональная схема APS-системы
В системе APS объемное (и объемно-календарное) планирование
определяется следующим образом: это процесс достижения баланса
материальных
и
производственных
ресурсов
с
целью
наилучшего
удовлетворения спроса со стороны заказчиков. Методология планирования
сфокусирована,
главным
образом,
на
датах
выполнения
заказов
и
количествах изделий. В ходе процесса планирования можно рассматривать
такие факторы, как последовательность обработки на уровне рабочих
центров для того, чтобы анализировать баланс мощностей, но в итоге
генерируются производственные планы с точностью до дней или недель.
Планирование в системе APS отличается от планирования в ERP тем, что
здесь учитываются ограничения на мощности и цели предприятия. Так же,
как и календарный план, объемный план строится в итерационном процессе сначала получается допустимый план, а затем выполняется его пошаговое
улучшение.
Разработчики, ориентирующиеся на планировании верхнего уровня,
считают, что намного важнее сначала получить правильный план. Они
аргументируют свою точку зрения тем, что без реального плана все усилия
по построению оптимального расписания даже на мощных компьютерах не
помогут решить задачу, поскольку плановики будут иметь дело с
неправильными соотношениями между отдельными видами продукции или
неэффективным
портфелем
заказов.
Их
внимание
фокусируется
на
разработке задач типа АТР и планировании на уровне предприятия.
Разработчики этих систем считают, что чем более точен план верхнего
уровня, тем менее критичным становится планирование более глубоких
уровней. Их логика заключается в том, что необходимость детального
планирования и регулирования на внутрицеховом уровне объясняется
трудностями выполнения исходного плана и что главная причина этой
ситуации кроется в недопустимости плана верхнего уровня. Целью
упомянутых разработчиков является разработка модели, которая отражает
производственные возможности заводов. К этой модели непосредственно
примыкает модель построения ежедневных графиков. Решение задач учета в
реальном времени с точностью до минут, необходимое для управления на
нижнем уровне, безусловно, на верхнем уровне не требуется.
Несмотря на то, что управление производственными цепочками (supply
chain) является одним из основных направлений в разработке систем,
особенно у фирм-разработчиков ориентированных на планирование верхнего
уровня,
в
настоящее
распределенных
некоторые
время
больших
функциональность
предприятий
фирмы-разработчики
для
недостаточно
предлагают
планирования
развита.
средства
Хотя
управления
производственными
цепочками,
эти
продукты
еще
не
полностью
интегрированы с компонентами систем APS. Эти разработчики намерены
объединить в рамках одной системы управление спросом, распределительной
сетью,
запасами,
транспортом
и
прогнозирование
с
управлением
производством типа APS. Наиболее продвинутые фирмы-разработчики
намерены включить в производственную цепочку конструкторскую и
технологическую подготовку и смежников.
4. CSRP-системы: планирование ресурсов предприятия
На рис. 4 представлена логическая схема системы планирования
ресурсов производственного предприятия.
Рис.4 Логическая структура системы планирования ресурсов
производственного предприятия
К концу ХХ века глобализация экономики, стирание государственных
границ, свободное перемещение товаров, растущая конкуренция, появление
законодательных
основ
в
области
качества
продукции
привели
к
удовлетворению спроса и реализации требуемого качества. Перед бизнесом
встали новые ключевые вопросы: "На каком критерии покупатель будет
основывать
свое
конкурировать
решение
о
производители?",
покупке?",
"За
счет
"На
какой
чего
основе
можно
непроизводительные издержки на новом витке конкуренции?"
будут
уменьшить
Производственная эффективность была результатом теории, практики
и опыта управления бизнесом последнего десятилетия. Наиболее быстрый и
предсказуемый путь улучшения производственных показателей - это
повышение ценности продукта для потребителя (новые возможности науки,
новые технические решения) и уменьшение стоимости продукта путем
сокращения издержек или преобразования производства (использование
новых ресурсосберегающих и информационных технологий) для создания
новой ценности продукта.
Опыт показывает, что производственная эффективность может дать
краткосрочную выгоду, но в долгосрочном плане производственные методы
и технологии могут быть быстро подхвачены и повторены конкурентами.
Улучшение производства, широкое распространение технологий и лучшей
практики организации бизнеса делают любое технологическое превосходство
временным фактором конкурентоспособности. Суть конкуренции вследствие
возрастания
динамики
бизнеса
изменилась
-
производственная
эффективность больше не определяет долговременный успех на рынке. Но
цель остается прежней - привлекать новых и сохранять контингент
заинтересованных покупателей.
Применение
ERP-систем
стало
стандартным
подходом
к
совершенствованию системы управления предприятием. Производители,
которые надеются иметь успех при возрастающей конкуренции на рынке,
должны активно использовать ERP просто для того, чтобы соответствовать
производственной эффективности конкурентов.
Все больше и больше производителей внедряют управленческие
системы класса MRP/ERP, но, как уже было сказано выше, они уже не дают
чистого и продолжительного конкурентного преимущества. Эффективность
производства всегда остается важным фактором конкурентоспособности, но
в настоящее время ее явно недостаточно.
Использование ERP практически всегда сфокусировано на внутренних
процессах. ERP-технологии оптимизируют управление предприятием, прием
заказов, планирование производства, закупку сырья и комплектующих
изделий, производство, доставку, - то есть в большинстве своем внутренние
операции. Но если конкурентное преимущество в настоящее время
определяется динамичным созданием и доставкой покупательской ценности,
то существующая ERP-модель недостаточна.
Наиболее мощные инструменты управления производством и в
наступившем веке строятся на базе ядра ERP, но обязательно фокусируются
на интеграции с покупателями. Система эффективного планирования
производства имеет два фокуса - на производственной эффективности и на
создании новой покупательской ценности. Такая ценность создается за счет
того, что методология CSRP включает в себя полный жизненный цикл - от
определения необходимой функциональности и проектирования будущего
изделия, с учетом требований заказчика, до гарантийного и сервисного
обслуживания после продажи. Эта новая парадигма планирования и есть
"планирование ресурсов, синхронизированное с покупателем" - CSRP (рис.
5.5 и 5.6).
Три ключевых для бизнеса вопроса: "Какие продукты покупатель
потребует в течение ближайшего времени?", "Какое усовершенствование
продукции создаст конкурентные преимущества?" и "Если моды, вкусы и
предпочтения покупателей меняются с возрастающей скоростью, то каким
образом можно получать критичную информацию о рынке?" требуют
применять
все
более
эффективные
технологии
взаимодействия
с
потребителем.
Ответ прост - интегрировать требования и ожидания покупателей с
бизнес-планированием и системой поддержки исполнения деятельности
компании в режиме реального времени.
Методология
функциональность
планирование
от
CSRP
использует
ERP-систем
и
производства
к
проверенную,
перенаправляет
покупателю.
интегрированную
производственное
CSRP
предоставляет
действенные методы и приложения для создания продуктов с повышенной
ценностью для покупателя.
Для внедрения CSRP-технологии необходимо:

оптимизировать
производственную
деятельность
(операции), построив эффективную производственную инфраструктуру
на основе ERP;

интегрировать
покупателя
и
сфокусированные
на
покупателе подразделения организации с основными планирующими и
производственными подразделениями;

внедрить
технологическую
открытые
инфраструктуру,
технологии,
которая
чтобы
может
создать
поддерживать
интеграцию покупателей, поставщиков и приложений управления
производством.
Первый шаг в CSRP - достичь производственной эффективности путем
внедрения технологии планирования производства с учетом пожеланий
потребителя. Это особенно важно в отраслях, где мода и вкусы потребителей,
а также достижения науки и быстрое развитие технологий диктуют
необходимость частой смены моделей и номенклатуры изделий. Примерами
могут служить автомобильная промышленность, микроэлектроника, системы
связи,
разработка
программных
продуктов,
достижения
в
области
не
просто
нанотехнологий и т. д.
Деятельность
по
производственному
планированию
расширяется, а реорганизуется с включением запросов покупателей,
переданных из подразделений организации, ориентированных на работу с
клиентами.
Например,
переопределяется
процесс
обработки
заказов.
Обработка заказов расширяется, и вместо простой функции ввода заказа
интегрируются функции маркетинга и продажи. Процесс "Формирование
заказов" теперь не начинается с собственно заказа - он начинается с
перспектив продажи.

Менеджеры продаж не формируют общие заказы. Они
совместно с покупателями и на своем рабочем месте формируют
заказы, определяя потребности покупателя, которые динамически
переводятся в конкретные требования к продуктам и их производству
на текущий момент. Технология конфигурирования заказа позволяет
проверить его выполнимость до того, как он размещен.

Обработка заказов расширяется и включает в себя
информацию о перспективах. Рабочие системы управления контактами
интегрируются с процессом создания заказов и производственного
планирования, чтобы предоставить информацию о требуемых
ресурсах до того, как заказ размещен. Тенденции рынка, спрос на
продукты и информация о предложениях конкурентов связываются с
ключевым бизнес-процессом предприятия.

Статичные ценовые модели заменяются инструментом
целевого ценообразования, который позволяет при необходимости
определить стоимость каждого продукта для каждого покупателя.
Увеличиваются точность и прибыльность продуктов.
Выгоды успешного применения CSRP - это повышение качества
товаров, снижение времени поставки, повышение ценности продуктов для
покупателя и так далее. В результате - снижение производственных
издержек,
создание
инфраструктуры,
приспособленной
для
создания
продуктов, удовлетворяющих потребности покупателя, улучшение обратной
связи с покупателями и обеспечение лучших услуг для покупателей.
Ярким примером может служить компания по продаже компьютеров,
которая предлагает покупателям самим конфигурировать компьютерную
систему так, как им нужно. После этого доставка в любое указанное место
производится в течение 24 часов. Другой пример - компоновка автомобиля,
яхты, самолета из наборов комплектующих, которые можно найти в
каталогах фирм и в режиме online сформировать заказ. Автоматизированная
система рассчитает необходимый момент и в нужное время подаст на
сборочный конвейер необходимую деталь.
При использовании модели бизнеса CSRP традиционные бизнеспроцессы пересматриваются в направлении обслуживания покупателей и
создания продуктов, удовлетворяющих их потребностям. Внедрение CSRPприложений подталкивает руководителей предприятия к изменениям.
Внутренняя сфокусированность традиционных производственных структур,
сегментированная по отделам и функциональности, перемещается на
потребителя. Это не традиционно оцениваемая эффективность производства,
которая обеспечивает временные конкурентные преимущества, - скорее это
способность создавать продукты, удовлетворяющие текущие потребности
покупателя
и
покупательскую
лучший
сервис.
ценность
за
Способность
счет
переноса
создавать
фокуса
мгновенную
с
планового
обезличенного производства на удовлетворение конкретного потребителя
приводит к росту доходов и устойчивому конкурентному преимуществу!
Использование открытых технологий
Современные открытые технологии и тридцатилетний опыт разработки
сложных информационных систем делают проекты CSRP осуществимыми и
практичными.
Производство, управление, продажи, обслуживание покупателей,
техническое обслуживание и другие, ориентированные на покупателя
бизнес-функции, могут выполняться соответствующими подразделениями с
применением программного обеспечения, разработанного специально для
этих подразделений.
Программные CSRP-приложения могут предоставлять и получать
критичную для бизнеса информацию из центральной системы, основанной на
ядре ERP и используемой другими подразделениями организации.
Программные решения IBM, Microsoft, Oracle, SAP, PeopleSoft и
других
производителей
архитектур,
ПО
использующих
на
базе
мощные
современных
многоядерные
вычислительных
процессоры
Intel,
позволяют создавать интегрированные гибкие инфраструктуры под нужды
конкретных предприятий для реализации бизнеса "под заказ" (Business On
Demand).