CC BY
4
полноценного кормления скота со средней энергетической питательностью не менее 10 МДж ОЭ (0,80 корм. ед.) в 1 кг сухого вещества (вместо 8,4—8,6 МДж ОЭ в настоящее время) при содержании свыше 14% сырого протеина.
При приоритетном развитии кормопроизводства затраты финансовых, материально-технических и энергетических ресурсов в сельском хозяйстве России будут снижены на 20—30% в результате оптимизации структуры севооборотов, сельскохозяйственных земель и агроландшафтов.
Следовательно, создание устойчивой системы кормопроизводства в новых условиях хозяйствования предполагает комплексный и системный подход к решению проблем, стоящих перед отраслью. Приоритетное значение при этом имеют организационно-экономические факторы при соответствующем научном и материально-техническом обеспечении, рациональном использовании земельных, производственных и трудовых ресурсов на основе широкого применения инновационных технологий, биологизации и экологизации производства, природоохранных мероприятий.
Использованные источники:
1. Косолапов В.М. Кормопроизводство в экономике сельского хозяйства России: состояние, проблемы, перспективы. /В.М. Косолапов // Экономика сельскохозяйственных и перерабатывающих предприятий. -2009. - №9 - с. 6-10.
2. Косолапов В.М., Трофимов И.А., Трофимова Л.С., Яковлева Е.П. Управление агроландшафтами для повышения продуктивности и устойчивости сельскохозяйственных земель России // Доклады Российской академии сельскохозяйственных наук. -2010. - № 2. -с.32-35.
3. Косолапов В.М., Трофимов И.А., Трофимова Л.С.. Кормопроизводство -важнейшее направление в экономике сельского хозяйства России // АПК: Экономика, управление. - 2011. - № 9. - с. 22-27.
4. Кутузова А.А. Луговое и полевое кормопроизводство // Кормопроизводство. - 2011. - № 10. - с. 9-11.
5. Ларетин Н. Стратегия устойчивого развития кормопроизводства // АПК: Экономика, управление. - 2011. - № 9 - с. 68-72.
Князев О.В. специалист ЗАО ТКБ Россия, г. Москва ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ АНАЛИЗА ДАННЫХ В
БАНКОВСКОМ СЕКТОРЕ С развитием современных информационных технологий, сетей передачи данных и математического программного обеспечения многие коммерческие структуры получили эффективные инструменты для
построения и дальнейшего использования математических моделей. Построение любой математической модели, в.т. ч и экономической требует анализа достаточно большого количества данных различной структуру. Дальнейшее использование и оптимизация модели напрямую зависит от информации, которая использовалась при ее построении.
Исходя из этого, наличие качественной информации можно смело считать синонимом получения прибыли. На данный момент доступ к правильной информации является, пожалуй, одним из самых значимых факторов успешности бизнеса. Огромные хранилища данных возникают сейчас во всем мире. Количество данных постоянно увеличивается, однако процентное количество по настоящему ценной информации во многих случаях достаточно мало. Для поддержки лучших маркетинговых решений бизнес подразделения стараются в исследованиях использовать несколько источников данных (как внутренних, так и внешних). На первый план выходят системы, содержащие инструменты анализа данных. Динамично меняющиеся рынки бросают серьезный вызов банковским аналитикам. При создании экономических моделей важно снабжать их свойствами гибкости, чувствительности и робастности. Для наглядности на рис. 1 приведена структура данных, и приведены примеры использования задач анализ данных. Например, клиентская информация и информация из внешних источников может быть полезна для оптимизации кредитных рисков.
Рис.1 - Структура данных.
Очевидно, что для решения подобного класса задач необходимо использовать специализированное программное обеспечение. На данный момент наибольшей популярностью пользуются такие пакеты как Statistica, SAS, SPSS и некоторые другие. В отдельных задачах хорошо зарекомендовал себя статистический пакет R. Однако многие крупные банки делают выбор в пользу пакета MATLAB. Первоначально данный пакет предназначался для матричных вычислений (MATLAB - «MATrix
LABoratory» - матричная лаборатория) и по-прежнему позиционируется разработчиками как язык технического программирования. Данное обстоятельство обусловлено тем, что теория матриц серьезно повлияла на развитие аппарата теории систем и теории управления. Тем не менее, используя механизм внешних расширений (toolbox^) MATLAB в настоящее время способен решать различный спектр задач. На рис. 2 представлена некоторая функциональная схема применения. Используя внешние расширения, можно достаточно легко создавать структуры данных из различных источников: несколько различных БД (подключенных через ODBC), интернет-сервисы, Excel таблицы. При этом используя средства различных toolbox^ появляется возможность проанализировать данные, возможно, в случае необходимости изменить входной набор данных. При построении модели удобно пользоваться средством графического моделирования - Simulink.
Аналитики Трейдеры Актуарии Менеджеры
_▼_
Базы данных: Microsoft Oracle Sybase
Внешние источники: Bloomberg Reuters
Документы: XML Фаилы Таблицы Excel
Пользователи
Лица принимающие решения
Web Интерфейс GUI приложение
Анализ данных Построение моделей Алгоритмизация процессов Создание GUI Визуализация
Рис.2 - Функциональная схема применения пакета MATLAB. В [1] было показан метод построения различных аналитических отчетов для системы управления заявками, однако возможности системы оказываются гораздо более широкими, так, например, используя инструменты пакета можно создавать системы поддержки принятия решения [2], включая комплексы, предоставляющие фронт интерфейс на основе встроенного web сервера.
Использованные источники:
1. Князев О.В. «Создание аналитических отчетов для системы управления заявками в среде Matlab», материалы ежегодной научно-технической конференции студентов, аспирантов и молодых специалистов МИЭМ (2011).
2. Князев О.В. "ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ ЭКОНОМИЧЕСКИХ И ТЕХНИЧЕСКИХ РЕШЕНИЙ", Сборник трудов Второй Международной научно-технической конференции
«Компьютерные науки и технологии» (КНиТ-2011), Белгород, 2011. ISBN 978-5-902583-64-6.
Князев О.В. специалист ЗАО ТКБ Россия, г. Москва
ОБЗОР МЕТОДОВ ПОСТРОЕНИЯ СИСТЕМ УПРАВЛЕНИЯ БИЗНЕС
ПРАВИЛАМИ
При автоматизации принятия различных экономических решений (например, автоматизация принятий решений по кредитным заявкам) большинство организаций сталкивается с необходимостью разработки и внедрений специализированного программного обеспечения, относящегося к классу систем управления бизнес правилами (англ. business rules management system (BRMS)) [1]. Данный класс систем по принципу своей работы близок к системам поддержки принятия решений (СППР). Однако не всегда бывает достаточным выбрать только технологию программного обеспечения, гораздо важнее правильно применить данную технологию. Выделим основные преимущества BRMS технологии:
• Архитектура.
• Возможность интеграции с корпоративными приложениями.
• Удобное представление различных знаний.
• Формирование наборов правил из независимых правил.
• Создания хранилищ правил, поддерживающих механизм версий.
Согласно положению Базель банковские структуры должны
обеспечить регулярный цикл валидации модели, включающий контроль устойчивости и производительности. [2] Поэтому необходим эффективный инструментарий, обеспечивающий валидацию построенных математических моделей.
Системы класса BRMS позволяют достаточно легко работать с правилами и фактами. Правило это выражение, которое имеет структуру ЕСЛИ x, ТО y или может быть преобразовано к данной структуре. Например, формула ДОХОД=ДОХОД1+ДОХОД2 никак не может являться правилом, в данном случае это всего лишь выражение. Приведем некоторый пояснительный пример: «Если заемщик мужчина принадлежит к социально-экономической группе А и является холостым, то ему необходимо отказать». При формализации данного выражения, написанного на русском языке к виду правила получится следующее:
«ЕСЛИ ЗАЕМЩИК. ПОЛ =M, и ЗАЕМЩИК. ГРУППА=А и ЗАЕМЩИК. СЕМЕЙНЫЙСТАТУС=ХОЛОСТ, то ОТКАЗАТЬ»
При разработке логики работы системы возникает необходимость разрабатывать большое количество различных правил. При этом желательно придерживаться следующих базовых концепций:
