Технологии искусственного интеллекта в управлении предприятиями

Кравцова Е.А.; Панченко К.С.

174

СОВРЕМЕННЫЕ ТЕНДЕНЦИИ В ЭКОНОМИКЕ И УПРАВЛЕНИИ

ленных государственных средств в эту отрасль, что в свою очередь повысит качество контроля исполнения обязанностей сферой здравоохранения. Также возможно кадровое администрирование, которое позволяет эффективно определять кадровое наполнение медицинской отрасли.

На основании методов принятия оптимальных решений, используемых такими базами данных, повышается уровень эффективности использования ресурсов различных крупных компаний и государства. А это в современном мире является самой важной задачей, так как общество увеличивается и потребляет, а ресурсы истощаются.

Список литературы:

1. Статья на тему: «Интеграция ИТ в госсекторе» 2015 [Электронный ресурс]. - Режим доступа: http://www.cnews.ru/news/line/v_pravitelstve_ros-tovskoj_oblasti_1.

2. Статья на тему: «Бизнес-приложения. Внедрение» 2012 [Электронный ресурс]. - Режим доступа: http://www.cnews.ru/news/line/rzhd_pereho-dit_na_novuyu_versiyu_olapsistemy.

3. Стататья на тему: «OLAP-системы» 2011 [Электронный ресурс]. -Режим доступа: http://tadviser.ru/aZ53381.

4. Аналитические данные на тему: «Online Analytical Processing. Системы аналитической обработки в реальном времени» 2015 [Электронный ресурс]. -Режим доступа: www.tadviser.ru/index.php?title=OLAP&cache=&ptype=otr#ttop.

5. Статья на тему «Автоматизация процессов. OLAP системы» [Электронный ресурс]. - Режим доступа: www.kpms.ru/General_info/OLAP_system.htm.

6. Статья на тему «Недостатки OLAP - системы оперативной аналитической обработки данных» [Электронный ресурс]. - Режим доступа: http://www.itstan.ru/it-i-is/nedostatki-olap.html.

7. Официальный сай Olap систем [Электронный ресурс]. - Режим доступа: http://olap.ru/basic/alpero2i.asp.

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УПРАВЛЕНИИ ПРЕДПРИЯТИЯМИ

Южно-Российский институт управления Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации, г. Ростов-на-Дону

В статье рассмотрены технологии искусственного интеллекта при управлении предприятиями. Проанализированы основные возможно-

Студент.

Информационно-коммуникационные технологии в управлении предприятием

175

сти, которые должны присутствовать в современных системах бизнесанализа и рассмотрены BI-инструменты. Выделены и исследованы задачи, которые можно решить на предприятии при помощи BI-систем.

Ключевые слова: BI (Business Intelligence), OLAP (On-Line Analytical Processing), Data Mining.

В настоящее время всё чаще руководителю, принимающему решение нужно в очень сжатые сроки, в условиях лавинообразного роста обрабатываемой информации и ее большой неопределенности, проанализировать ситуацию, сформировать варианты решений, оценить всевозможные риски и принять оптимальное решение.

Сделать всё это с использованием средств поддержки принятия решения, имеющихся непосредственно в ERP-системах, достаточно сложно, и вследствие этого остается значительным риск выбрать неверное решение. В связи с этим все большую популярность стали приобретать системы управления на базе «искусственного интеллекта» (ИИС), основанные на использовании современных информационных систем и технических средств.

Наибольшее развитие в последнее время получили «системы интеллектуального анализа данных или системы бизнес-интеллекта» (Business Intelligence - BI). BI - это совокупность программного обеспечения и технологий, направленных на достижение целей управления организацией путём наилучшего использования имеющейся совокупности данных [1].

Сегодня четкого и однозначного определения термина BI не существует. Так, например, В 1996 году аналитики Gartner определили термин BI как инструменты, позволяющие пользователям получать значимую информацию на основе анализа данных. Другие же рассматривают BI не как процесс извлечения знаний, а как его результат - сами знания, на основе которых принимаются решения. На основании анализа этих подходов можно сделать вывод, что под бизнес-интеллектом (business intelligence) в широком смысле понимают и непосредственно процесс превращения данных в информацию и далее в знания, необходимые для поддержки решений, и различные информационные технологии сбора данных, обработки информации и обеспечения доступа пользователей к знаниям, и, наконец, сами знания, добытые в результате углубленного анализа имеющихся данных и информации.

В табл. 1 представлены основные возможности, которые, по мнению аналитиков из Gartner, должны присутствовать в современных системах бизнес-анализа.

В настоящее время BI-инструменты можно разделить на следующие виды [2, 3]: серверы реляционных баз данных; OLAP (Online Analytical Processing) - серверы оперативной аналитической обработки данных; хранилища данных; генераторы запросов и отчетов (Query / Report Generator -QRG); инструменты интеллектуального анализа данных; средства добычи данных (Data mining); средства моделирования и прогнозирования; аналитические приложения.

176

СОВРЕМЕННЫЕ ТЕНДЕНЦИИ В ЭКОНОМИКЕ И УПРАВЛЕНИИ

Таблица 1

Основные возможности современных систем бизнес-анализа

Интеграция Представление информации Анализ данных

Общая BI-инфраструктура. Все инструменты должны использовать единую информационную среду (метаданные, объектная модель и т.д.) Отчетность. Наличие средств для создания различных видов отчетов. Оперативная аналитическая обработка данных (OLAP, OnLine Analytical Processing). Возможность аналитической обработки данных в режиме реального времени.

Управление метаданными. Все инструменты должны использовать единые средства для поиска, получения, хранения объектов метаданных. Информационные панели. Средство для представления информации в наглядном виде. Интерактивная визуализация. Наличие средств наглядной визуализации информации.

Разработка. Наличие инструментария для разработки BI-приложений. Произвольные запросы. Наличие механизма построения пользователем произвольного запроса. data mining. Наличие инструментов позволяющих выявить скрытые правила и закономерности наборах данных.

Взаимодействие. Наличие развитых коммуникационных возможностей для взаимодействия бизнес-партнеров. Интеграция с приложениями Microsoft Office. Карты показателей. Наличие средств контроля выполнения стратегических планов на основании некоторых основных параметров.

Возможности поиска. Наличие механизма индексации всех источников данных, позволяющего осуществлять поиск информации. Перспективное моделирование, симуляторы и оптимизация. Наличие средств моделирования детерминированных и случайных процессов.

Далее остановимся на двух ключевых BI-инструментах.

OLAP (On-Line Analytical Processing) - системы аналитической обработки данных в режиме реального времени. За счет многомерного хранения данных пользователь может мгновенно получать в наглядном представлении любые сводные отчеты в самых разнообразных разрезах. Такие системы используются для решения задач финансово-экономического анализа, моделирования, прогнозирования и т.д. [1].

Основная идея технологии - из реляционных баз данных систем оперативной обработки транзакций (OLTP) (обычно размещаемых в хранилищах данных) специализированный сервер (OLAP-сервер) выводит данные за длительный период и организует их в специальные иерархические многомерные структуры - кубы [3].

Основные производители на рынке OLAP: Microsoft, Oracle, SAP, IBM. OLAP в основном ориентированы на проверку заранее сформулированных гипотез и на «грубый» разведочный анализ, составляющий основу оперативной аналитической обработки данных, в то время как Data Mining - поиск неочевидных закономерностей.

Data Mining (добыча данных) - выявление скрытых правил и закономерностей, не содержащихся в явном виде, в наборах данных [4]. Для обнаружения знаний используются следующие методы анализа данных: фильтрация, дерево решений, ассоциативные правила, генетические алгоритмы, нейронные сети, статистический анализ. Результатом обработки данных являются модели, классификационные правила, выделенные кластеры и т.д. Более подробно основные задачи Data Mining приведены в следующей табл. 2:

Информационно-коммуникационные технологии в управлении предприятием

177

Основные задачи Data Mining

Таблица 2

Задача Описание Результат решения Методы решения

Классификация Самая распространенная задача Признаки классов объектов исследуемого набора данных Ближайшего соседа, k-ближайшего соседа, байесовские сети, нейронные сети

Кластеризация Особенность задачи в том, что классы объектов изначально не предопределены Разбиение объектов на группы. Самоорганизующиеся карты Кохонена

Ассоциация Поиск закономерности между связанными событиями в наборе данных Закономерности между несколькими одновременно происходящими событиями Алгоритм Apriori

Последовательность Поиск временных закономерностей между транзакциями Правило последовательность: после события X через определенное время произойдет событие Y Нейронные сети

Прогнозирование Оценка на основе особенностей исторических данных пропущенных или же будущих значений целевых численных показателей. Методы мат. Статистики, нейронные сети

Основные производители на рынке Data Mining: Microsoft, Oracle, SAP, IBM, SPSS, StatSof. Задачи, решаемые на предприятии BI-системой, можно условно разделить на тактические и стратегические. К тактическим относятся мониторинг, анализ и корректировка оперативных целей, таких, как поддержка развития и реинжиниринг бизнес-процессов предприятия, проведение ситуационного анализа, анализ по нестандартным запросам и т.д. Для поддержки стратегического развития предприятия BI-системы позволяют оценить эффективность различных направлений бизнеса в целом, а также возможность достижения поставленных целей, оценить эффективность различных сторон деятельности предприятия (инвестиционной, финансовой) и т.д.

При решении таких задач BI-системы, по мнению аналитиков компании MiPro Consulting, получают значительное преимущество перед использованием аналитических инструментов, встроенных в другие корпоративные информационные системы. К основным преимуществам BI-систем можно отнести: наглядность и удобство работы с информацией для пользователей; получение и анализ данных из любых источников; необходимая масштабируемость и производительность; наличие встроенных инструментов проведения различного вида анализа информации; доступ к данным и встроенным инструментам анализа большего числа пользователей.

На рис. 1 показано распределение ответов на вопрос: «Каких результатов вы ожидаете от BI-системы - для своей работы и для компании в целом?». Эти ответы были получены в результате опроса, проведенного летом 2013 г. компанией QlikTech и деловым порталом TAdviser среди российских компаний, занимающихся внедрением BI-систем.

178

СОВРЕМЕННЫЕ ТЕНДЕНЦИИ В ЭКОНОМИКЕ И УПРАВЛЕНИИ

Повышение качества работы с клиентами

Увеличение скорости реагирования и принятия решений

Быстрое получение скрытых закономерностей и проблемных мест Моментальное получение аналитических отчетов...

Увеличение прибыли и сокращение издержек

Повышение контроля над бизнеспроцессами

Повышение качества принимаемых управленческих решений

Рис. 1. Эффективность BI-систем

Как мы видим, основными результатами от внедрения BI-систем являются: повышение качества принимаемых управленческих решений, моментальное получение аналитических отчетов собственными силами, повышение качества работы с клиентами. В этом случае ожидание совпало с результатом, С другой стороны, наименее эффективным было использование BI-систем в целях сокращения издержек и увеличения прибыли.

В заключение можно отметить, что системы управления на основе искусственного интеллекта в ближайшее время станут неотъемлемой частью современного предприятия.

В пользу этого тезиса говорят следующие факты. Уже в самой природе интеллектуальной информационной системы заложена возможность решения задач в условиях неопределенности данных, их неполноте, качественном характере. Все это позволяет производить учет большего числа факторов, просчет большего числа альтернативных вариантов при решении управленческих задач, повышает адаптивность системы к изменениям проблемной области и информационных потребностей пользователей.

Накопленные значительные объемы фактических данных уже не будут лежать мертвым грузом, а могут служить источником новых, порой неожиданных, закономерностей и знаний, позволяющих по-другому взглянуть на деятельность предприятия в целом.

Использование эмпирических моделей позволяет проигрывать различные сценарии последствий принятия каких-либо управленческих решений, что, несомненно, поднимет качество таких решений.

Консолидация данных предприятия (с возможностью их детализации) для каждого уровня управления значительно облегчают труд менеджеров высшего и среднего звена, что, в конечном итоге, оптимизирует управленческие функции.

Информационно-коммуникационные технологии в управлении предприятием

179

Таким образом, внедрение интеллектуальных информационных систем управления предприятием и превращение их в полноценные системы поддержки принятия решений является наиболее значимым и важным для экономики и бизнеса направлением.

Список литературы:

1. Развитие технологий бизнес аналитики на основе концепции Business Intelligence [Электронный ресурс]. - Режим доступа: http://cyberleninka.ru.

2. Информационные технологии.pdf [Электронный ресурс]. - Режим доступа: http://lib.rfei.ru.

3. Интеллектуальные технологии и системы искусственного интеллекта для поддержки принятия решений [Электронный ресурс]. - Режим доступа: http://cyberleninka.ru.

4. BI-системы в России: запросы, тренды, перспективы [Электронный ресурс]. - Режим доступа: http://club.cnews.ru.

ПРОБЛЕМЫ ВНЕДРЕНИЯ СИСТЕМ ПЛАНИРОВАНИЯ РЕСУРСОВ ПРЕДПРИЯТИЯ

Южно-Российский институт управления Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации, г. Ростов-на-Дону

В статье проводится анализ типовых проблем, возникающих в процессе внедрения корпоративных информационных систем, для обеспечения более эффективного процесса имплементации Enterprise Resource Planning (ERP-систем). В процессе исследования приводятся причины их возникновения, и предлагаются альтернативные способы решения.

Ключевые слова корпоративные информационные системы (КИС), имплементации Enterprise Resource Planning(ERP), проблемы внедрения ERP-системы, бизнес-процесс, бизнес-консалтинг.

Анализ, проектирование и разработка корпоративных информационных систем является задачей достаточно сложной. Поэтому в процесс имплементации системы вовлечены представители, как заказчика, так и бизнесконсалтинга. Первые способны сформулировать бизнес-требования КИС, вторые - соотнести требования клиента с функциональными возможностями системы. Для обеспечения наглядности консультанты выделяют следующие уровни внедрения КИС: проект, приложение и техническая инфраструктура [3].

Студент.

Технологии искусственного интеллекта в управлении предприятиями Текст научной статьи по специальности «Компьютерные и информационные науки»

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Кравцова Е.А., Панченко К.С.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Кравцова Е.А., Панченко К.С.

Текст научной работы на тему «Технологии искусственного интеллекта в управлении предприятиями»