CC BY
275Методы анализа
УДК 338.246.4
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЭКОНОМИЧЕСКИХ ИССЛЕДОВАНИЯХ*
В. Ю. КАРПЫЧЕВ,
доктор технических наук, профессор, начальник Приволжского филиала E-mail:kavlyr@yandex. ги ФКУ НПО «Специальная техника и связь» МВД России, г. Нижний Новгород
В статье с междисциплинарных позиций рассматривается сущность исследований в экономической деятельности организаций, роль и место в этих исследованиях современных информационных технологий. Анализируются различные технические решения и подходы, трудности реализации, предлагаются пути их решения на различных уровнях экономического анализа в организациях.
Ключевые слова: стратегическое управление, управленческий учет, бизнес-анализ, информационные технологии, транзакционные системы, интеллектуальный анализ данных, система сбалансированных показателей.
С общенаучной точки зрения понятие «исследование», как правило, связывается с научной познавательной деятельностью, под которой понимается «процесс научного изучения какого-либо объекта (предмета, явления) в целях выявления закономерностей возникновения, развития и преобразования его в интересах общества» [9]. В практической предметной деятельности также возникают потребности выявления и изучения указанных закономерностей возникновения и развития различных ситуаций, протекания и преобразования бизнес-процессов для повышения их эффективности.
* Статья предоставлена Информационным центром Издательского дома «ФИНАНСЫ и КРЕДИТ» при Нижегородском государственном университете имени Н. И. Лобачевского - Национальном исследовательском университете.
Следует отметить, что исследование обычно включает анализ, но не сводится к нему, так как является более высоким уровнем творческой деятельности и может содержать в различных сочетаниях наблюдение, оценку, проведение экспериментов и классификацию, разработку показателей и др.
Нетрудно видеть, что предметом как научных, так и прикладных исследований является информация в соответствующей области знаний. Поэтому с информационной точки зрения алгоритм исследования универсален и содержит следующие этапы:
- сбор или идентификацию информации;
- накопление, хранение, обработку, анализ и интерпретацию информации;
- подготовку и представление информации, необходимой заинтересованным пользователям. Приведенные теоретические положения в полной
мере относятся к исследованиям в экономической сфере, которые носят прикладной характер и проводятся, как правило, для разработки эффективных экономических решений и достижения необходимого экономического результата. Поэтому в экономических исследованиях можно выделить следующие относительно самостоятельные, но взаимосвязанные задачи:
- информационное обеспечение;
- экономический анализ;
- подготовка управленческого решения. Очень часто из приведенного перечня задач
организации актуализируют только экономичес-
кий анализ отдельных объектов и процессов. При этом предполагается, что аналитик работает с качественной экономической информацией (т. е. полной, своевременной, достоверной, релевантной, толерантной, полезной и без ограничения доступа), которую получает из различных внутренних и внешних источников.
Однако это допущение далеко не всегда справедливо. Кроме того, экономическая информация характеризуется многоплановостью, сложностью отображаемых объектов и систем, а также связей между объектами, явлениями и процессами, скры-тостью закономерностей.
При проведении экономического анализа хозяйствующих субъектов источником информации прежде всего являются данные бухгалтерского (финансового) учета на конкретный период и в динамике.
Управленческий аспект экономического анализа прежде всего в части поддержки принятия решений, как правило, только декларируется.
Однако в современном бизнес-сообществе растет понимание того, что для оценки успешности организаций традиционного экономического анализа недостаточно, так как при подготовке управленческих решений широко используются не только количественные, но и качественные (субъективные) показатели, например удовлетворенность клиентов, творческий потенциал сотрудников, эксплуатационные характеристики новой продукции и др.
Это подтверждается результатами исследований, которые показали, что бухгалтерский баланс является полезным источником информации при определении стоимости и оценке эффективности деятельности организации только тогда, когда балансовая стоимость ее активов хотя бы приблизительно коррелирует с их рыночной стоимостью. Так, сравнение показателей 3 500 американских компаний, проведенное еще в 1998 г., выявило, что их балансовая стоимость составляла 28 % от рыночной стоимости, в то время как в 1978 г. этот показатель был равен 95 % [3]. Такой большой разрыв между балансовой и рыночной стоимостью объясняется невозможностью достоверной оценки с помощью бухгалтерского учета нематериальных активов, таких как качество продуктов и услуг, наличие на предприятии системы мотивации работников, интеллектуальный капитал, регулируемые бизнес-процессы, лояльность клиентов, репутация и т. д. Поэтому использование индикаторов, связанных с этими активами, позволит более точно оценить перспективы организации.
Таким образом, актуальность аналитической деятельности в широком смысле в современных экономических и политических условиях нарастает. Следует учитывать и открытость экономики России (в том числе вступление в ВТО) и связанную с ней конкуренцию с высокоразвитыми экономиками, в которых повышение конкурентоспособности во многом достигается сложной аналитической работой с использованием достижений науки и информационных технологий (IT).
На основе комплексной информации принимаются оптимизационные решения в части совершенствования бизнес-процессов, организационной и финансовой структур организаций, повышения квалификации кадров и их мотивации в достижении целевых значений ключевых показателей эффективности и др.
На принятие управленческих решений также влияют следующие факторы:
- использование информации, которая не накапливается (не хранится) в финансовом учете предприятия;
- формальная нерегламентированность хранения и обработки нефинансовой информации;
- участие в подготовке управленческой информации специалистов производственных подразделений, подразделений маркетинга, менеджмента, логистики, управления персоналом и др., формирующих нефинансовые показатели. Представляется, что деятельность, отвечающая
изложенным условиям, может проводиться в рамках управленческого учета. При этом следует отметить, что однозначного определения управленческого учета не существует и отсутствует нормативная база по его ведению.
Считают, что основное назначение (основная цель внедрения) системы управленческого учета в организации - достаточное и своевременное обеспечение всех уровней управления плановой, фактической и прогнозной информацией, необходимой для принятия обоснованных управленческих решений на основе оперативного и детализированного сбора, систематизации и анализа информации [5]. Перечисленным назначению, характеристикам и свойствам управленческого учета содержательно близко понятие бизнес-анализа (Business Intelegens - BI), широко используемое современными зарубежными и отечественными менеджерами. К сожалению, также не существует ни однозначного перевода, ни определения данного термина. Поэтому будем
понимать В1 как общий термин, описывающий концепции, методы и различные технологии, предназначенные для поддержки принятия решений на основе бизнес-данных [18].
Организации обращаются к возможностям бизнес-анализа как к средству, позволяющему получать преимущества, обрабатывая значительный объем информации, хранящейся в корпоративных базах данных1. Бизнес-аналитика помогает добиться целостного представления об организации на всех уровнях - от руководства до рядовых работников.
Однако представляется, что понятие «бизнес-анализ» шире понятия «управленческий учет», поскольку в настоящее время сложилось следующее представление о бизнес-анализе:
- как знаниях о бизнесе, полученных в ре зультате углубленного анализа внутренних и внешних данных;
- как процессе превращения данных в информацию и знания о бизнесе для принятия более качественных решений;
- как информационных технологиях (методы и средства) сбора данных, консолидации информации и обеспечения доступа пользователей к знаниям [13].
При этом с термином «бизнес-аналитика» часто связывают соответствующее программное обеспечение, так как из изложенного ранее следует, что решение задач бизнес-анализа невозможно без использования современных 1Т. Однако попытки практической реализации этого достаточно тривиального тезиса сопровождаются рядом трудностей. В частности, при попытке осмысления задачи совершенствования предметной деятельности на основе современных 1Т лицо, принимающее решение, испытывает затруднения, вызванные:
- значительным объемом специальной 1Т-инфор-мации, изобилующей узкопрофессиональными терминами;
- многофункциональностью различных концепций, платформ, технических решений и производителей В1-систем. Преодоление этих трудностей в значительной
мере возможно на основе классификации информационных систем, поддерживающих работу в данной области. Однако эта задача имеет особенности решения, рассмотрение которых выходит за рамки авторского исследования [1, 17].
1 Объемы информации, необходимой и используемой при принятии решений, достигают десятков и сотен мегабайт.
Поэтому до настоящего времени не сложилось окончательной классификации аналитических систем, как и нет общей системы определений в терминах, использующихся в данной области. Существует ряд зарубежных компаний2, исследующих рынок современного программного обеспечения, которые используют различные подходы к классификации IT.
Наличие отмеченных различий допускает предложение иных классификаций, поскольку, по мнению автора, в основе всех классификаций лежит так называемая точка зрения, т. е. определенная позиция, статус или задача лица, проводящего классификацию.
В отечественной специальной литературе и интернет-источниках для классификации аналитического программного обеспечения принято опираться на функционально-технологический подход, предложенный известной в области IT-консалтинга исследовательской и консалтинговой компанией Gartner, специализирующейся на рынках информационных технологий. В соответствии с Gartner программные продукты каждого класса реализуют различные концепции и методы доступа и анализа внутренней и внешней информации. Эти средства объединяет целевое назначение - совершенствование бизнес-решений путем использования систем поддержки принятия решений. Для обозначения этого общего свойства Gartner и ввела термин Business Intelligence3.
Итак, Gartner выделяет следующие сегменты рынка BI-систем:
- средства создания хранилищ и витрин данных (Data Warehouse - DW);
- системы оперативной аналитической обработки (On-Line Analytical Processing - OLAP) и прочие средства многомерного анализа;
- информационно-аналитические системы (Enterprise Information Systems - EIS);
- системы поддержки и принятия решений (Decision Support Systems - DSS);
- средства интеллектуальной добычи данных (Data Mining);
- инструменты конечного пользователя для выполнения запросов и построения отчетов (query and reporting tools).
2 International Data Corporation (IDC) - аналитическая фирма, специализирующаяся на исследованиях рынка информационных технологий.
3 Перевод термина Business Intelligence имеет множество трактовок, также известны различные интерпретации этого понятия (см, например, работу [2]). В частности, используется термин «бизнес-аналитика».
Системы Business Intelegens реализуют на различных технологических платформах. Согласно данным Gartner (февраль 2012 г.) лидерами на рынке BI-систем являются Oracle и Microsoft [19].
Функционально-технологический подход к классификации аналитических систем (технические решения), используемый Gartner, в явном виде не ассоциируется ни с уровнями управления организаций, ни экономико-аналитическими задачами, решаемыми на каждом уровне. Между тем успешность использования BI-систем во многом определяется следующей зависимостью: уровень управления организацией - экономико-аналитические задачи, решаемые на каждом уровне - технические решения, поддерживающие решение этих задач.
Для учета указанной зависимости воспользуемся известной трехуровневой моделью управления, в соответствии с которой информационная структура организации также может быть представлена иерархией уровней, каждый из которых характеризуется своей технологией обработки и управления информацией и имеет свою функцию в процессе управления экономическими процессами. Тогда аналитические системы будут располагаться иерархически на разных уровнях этой инфраструктуры (см. таблицу).
Транзакционные системы (оперативный уровень управления). Для управления текущими бизнес-процессами используются транзакционные системы, осуществляющие ввод, структурированное хранение и обработку данных на уровне отдельных предметных операций - транзакций4 в режиме реального времени. Поэтому такие системы также называют OLTP-сис-темами (On Line Transaction Processing - обработка транзакций в режиме реального времени).
Уровень отдельных предметных операций определяет основные пользовательские требования к OLTP-системам, а именно:
- минимизация времени обработки транзакций;
- многопользовательский режим работы;
- оперативность доступа в систему (при многопользовательском режиме);
- надежность и достоверность транзакций. Выполнение этих требований обеспечивается:
- высокой производительностью (показателем эффективности OLTP-систем является коли-
4 Примером простейшей предметной операции является перевод денежных средств с одного счета на другой. С технической точки зрения транзакция (transaction) - группа последовательных операций с базой данных, которая представляет собой логическую единицу работы с данными.
Соответствие IT-решений уровням управления организацией
Уровень управления
IT-решение Оператив- Такти- Стратеги-
ный ческий ческий
Транзакционные +
системы
OLAP-системы +
Хранилища + +
данных
Системы Data +
Mining
Системы BSC + + +
чество транзакций, выполняемых в секунду);
- использованием реляционной структуры и нормализацией данных;
- симуляцией монопольного доступа пользователя к OLTP-системе;
- неизменностью данных после завершения транзакции;
- неизменностью исходных данных при отказе (по любым причинам) приложения до завершения транзакции (функция отката). Системы OLTP, как правило, автоматизируют
структурированные, повторяющиеся задачи обработки данных в различных предметных областях. В частности, к классу OLTP-систем относятся автоматизированные банковские системы, бил-линговые системы, различные учетные системы, а также системы управления ресурсами предприятия (Enterprise Resource Planning - ERP), взаимоотношениями с клиентами (Customer Relationship Management - CRM), цепочками поставок (Supply Chain Management - SCM) и др.
Аналитические возможности OLTP-систем ограничиваются определенными при разработке системы и регламентированными (т. е. типовыми для данной предметной области) запросами и оперативными аналитическими отчетами или прогнозами. Эти ограничения определяются необходимостью реализации приведенных ранее функциональных требований (высокая производительность, непротиворечивость данных, большой объем баз данных и др.). В связи с этим при формировании нерегламентированных запросов к базам данных, которые наиболее востребованы при проведении аналитической работы, резко снижаются значения функциональных характеристик (прежде всего производительности) OLTP-систем. Основными причинами этого являются:
- организация транзакционных данных (реляционная структура базы данных), оптимальная
для работы с большим потоком коротких транзакций, но не обеспечивающая необходимого быстродействия при обработке сложных многотабличных запросов;
- агрегированность результатов аналитических запросов. Аналитический запрос обычно предполагает выдачу агрегированной информации, для выборки которой может потребоваться обработка миллионов записей. Такие запросы требуют значительных аппаратных ресурсов, тем самым ограничивая выполнение текущих (интерактивных) транзакций и обработку операционных данных;
- трудности формирования нерегламентирован-ных запросов конечными пользователями. OLTP-система допускает формирование стандартными для данного приложения процедурами заранее (т. е. предусмотренный при проектировании) регламентированный аналитический отчет или прогноз. Для формирования нерегламентирован-ного запроса (SQL), как правило, необходимы специальные знания о структуре и связях между данными, т. е. конечный пользователь должен обладать высокой квалификацией программиста. Ограничение на выполнение нерегламентирован-
ных запросов - не единственное для OLTP-систем. Обычно в организациях функционирует несколько OLTP-систем, использующих несовместимые форматы файлов, ведущих собственные базы данных, с различными структурами данных, единицами измерения, способами кодирования и т. д. Это связано с историей развития и внедрения автоматизированных IT, так называемой лоскутной автоматизацией.
При этом ни одна из этих систем не содержит полной информации и не верифицирована с другими. Это означает, что в информационных системах отсутствуют интегрированные и непротиворечивые данные. В результате нарушается принцип работы с полной, достоверной и своевременной информацией, а для конечного пользователя (аналитика) задача формирования нерегламентированных запросов к нескольким таким базам данных становится практически неразрешимой. Поэтому нерегламен-тированные, комплексные и сложные запросы в OLTP-системах не допускаются.
Из изложенного следует, что OLTP-системы поддерживают решение тактических управленческих задач, но не могут быть использованы в стратегическом управлении.
Хранилища данных - тактический и стратегический уровни управления (см. таблицу). Для
поддержки принятия стратегических решений необходимы системы, которые предоставляют возможность анализа данных с различных точек зрения и в различных разрезах (т. е. формирования нерегламентированных запросов) и свободны от перечисленных недостатков OLTP-систем.
Сформулированные ограничения для OLTP-систем и современные требования к бизнес-анализу предопределили появление и распространение концепции хранилища данных (Data Warehouse - DW), которая совместно с другими техническими решениями преодолевает рассмотренные ранее трудности. Хранилище данных определяется как «предметно-ориентированная, интегрированная, содержащая исторические данные, неразрушаемая совокупность данных, предназначенная для поддержки принятия управленческих решений» (цит. по работе [15]).
Остановимся на основных характеристиках хранилищ данных и их отличиях от традиционных баз данных.
Свойство предметной ориентированности означает группировку и хранение данных в соответствии с предметными областями или целями, поддерживающими подготовку и принятие решений, а не с приложениями, которые с ними работают. Предметная ориентация достигается, в частности путем использования иных, чем в OLTP-системах, схемах организации данных5. Предметная организация данных в хранилищах упрощает анализ и повышает скорость выполнения аналитических запросов.
Интегрированность предусматривает сбор и предварительную обработку информации по определенной предметной области из различных источников и превращение ее в организованный по заданным правилам массив данных.
Исходные данные извлекаются из оперативных баз данных, проверяются, фильтруются, приводятся к единому виду, в нужной степени агрегируются и загружаются в хранилище данных.
Неизменность данных отличает хранилище данных от оперативных баз данных, в которых данные меняются потоком транзакций (значения данных являются функцией времени). Загружаемые в хранилище данные, как правило, не корректируются и не удаляются. Пользователю доступно только чтение данных.
5 Известны: многомерная OLAP (Multidimensional OLAP -MOLAP), реляционная OLAP (Relational OLAP - ROLAP), гибридная OLAP (Hybrid OLAP - HOLAP).
Назначение OLAP-систем
Рис. 1. Назначение OLAP-систем
Поддержка хронологии заключается в привязке данных в хранилище к времени совершения события или его фиксации информационными системами. Возможна также комбинация обоих подходов. Поддержка хронологии позволяет анализировать тенденции предметной деятельности.
Таким образом, хранилище данных может содержать:
- копии транзакционных данных с вновь введенным временным атрибутом (хронологии);
- обработанные и агрегированные данные;
- метаданные6.
Концепция хранилища данных обеспечивает возможность разработки программных приложений для поддержки принятия решений, использующих отличные от OLTP-систем принципы.
Системы аналитической обработки данных в реальном времени (тактический уровень управления (см. таблицу). В начале 1990-х гг. появилась концепция систем, ориентированных на аналитическую работу, в значительной мере преодолевающая свойственные OLTP-системам ограничения. Такие системы получили название - системы аналитической обработки данных в реальном времени (OnLine Analytical Processing - OLAP1). Эти системы, как правило, ориентированы на обработку произвольных, заранее не регламентированных запросов и предназначены для решения задач, перечень которых приведен на рис. 1.
В настоящее время в IT-сообществе сложилось представление о наборе требований, которым должно удовлетворять любое OLAP-приложение [11] (рис. 2).
6 Организованные в отдельной базе данные о самом хранилище.
7 OLAP-технология обработки данных, заключающаяся в подготовке агрегированной информации на основе больших
массивов данных, структурированных по многомерному принципу.
Эти требования известны как тест FASMI и интерпретируются следующим образом:
- обеспечивать минимальное время доступа к аналитическим данным (в среднем 5 сек.). При этом простые запросы должны обрабатываться не более 1 секунды и лишь некоторые - до 20 сек.;
- производить числовой и статистический анализ, характерный для данного приложения, и обеспечивать хранение его результатов в виде, доступном для конечного пользователя;
- предоставлять множественный одновременный доступ, обеспечивая при этом безопасность работы (исключение конфликтов, несанкционированного доступа и т. д.);
- обеспечить работу с многомерными данными. Это основное требование к OLAP-системам;
- обрабатывать необходимые пользователю данные независимо от их объема и из любого хранилища данных.
В сегменте OLAP-приложений работает большое число производителей программного обеспечения. В Интернете размещены описания этих продуктов (см., например, работу [20]). Учитывая широчайшее распространение в нашей стране приложения MS Office, следует отметить, что в его состав включен OLAP-клиент под названием Microsoft Data Analyzer. Серверная часть приложения представлена Microsoft Analysis Services, которое входит в MS SQL Server. Системы интеллектуального анализа данных
- стратегический уровень управления (см. таблицу). Внешние и внутренние массивы информации, с которыми работают организации, наряду с очевидными могут содержать и так называемые скрытые знания8, которые также целесообразно выявлять и использовать для поддержки принятия решений.
8 Термин «знание» имеет множество интерпретаций. В данном контексте под знаниями подразумеваются зависимости и взаимосвязи, скрытые закономерности.
Fast (быстрый)
Такого рода задачи решают системы класса Data Mining, предназначенные для извлечения знаний из накопленных в базах и хранилищах данных и других источников информации. Они используются при наличии трудностей или невозможности применения традиционных методов анализа из-за отсутствия или неполноты априорных сведений о характере или закономерностях исследуемых процессов, взаимозависимостях явлений, фактов, о поведении объектов и систем.
В основу технологии Data Mining положена концепция существования различного рода закономерностей (шаблонов, patterns), которые могут быть выявлены на подмножествах данных и представлены в доступной форме.
В силу различных причин не существует однозначного определения термина Data Mining. Поэтому приведем одно из наиболее известных: Data Mining -«процесс обнаружения в сырых данных ранее не известных нетривиальных практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности» (цит. по работе [4]).
Английское словосочетание Data Mining также не имеет и устоявшегося перевода на русский язык. Один из часто встречающихся вариантов -«интеллектуальный анализ данных». Однако далее для обозначения понятия будем использовать англоязычную версию термина.
Analysis (анализ)
Тест FASMI
Shared (разделяемой)
Multidimensional (многомерной) Information (информации)
Рис. 3. Наиболее характерные типы закономерностей, выявляемых системами Data Mining
Рис. 2. Требования к OLAP-приложениям
Прикладными задачами Data Mining являются: выявление и наглядное представление скрытых закономерностей (взаимозависимостей, причинно-следственных связей, ассоциаций и аналогий, закономерностей), существующих в данных; определение значений факторов времени, локализация событий или явлений по месту; классификация событий и ситуаций, определение профилей различных факторов; прогнозирование хода процессов, событий, получение качественно новой информации (возможно, явно не содержащейся в источнике данных) и, таким образом, формирование знаний на основе данных [7].
Исследователи выделяют различные типы закономерностей, которые позволяют выявлять приложения Data Mining (рис. 3).
Ассоциация отражает наличие каких-либо взаимосвязей нескольких событий в наборе данных.
Последовательность или последовательная ассоциация (sequential association) описывает связанные во времени события.
Классификация выявляет признаки, позволяющие относить объекты к различным множествам.
Кластеризация позволяет формировать сами множества (различные однородные группы данных).
Прогнозирование отражает динамику по-
ведения целевых показателей исследуемых объектов, что позволяет экстраполировать (предсказывать) их поведение в будущем. Основой для выявления такого рода закономерностей является историческая информация, хранящаяся в базе данных в виде временных рядов.
Системы Data Mining могут широко использоваться в различных предметных областях, таких как страхование, банковская деятельность, сфера телекоммуникаций, торговля, производство, медицина и др.
Приложения Data Mining поставляются в составе OLAP-систем или в виде специализированных систем. Функции Data Mining в той или иной степени реализованы в аналитических системах Oracle, Hyperion, SAS и др.
К специализированным приложениям относится инструментальное средство для интеллектуального анализа баз данных Polyanalist 6.0 российской фирмы Megaputer. Еще одним отечественным разработчиком аналитических систем является компания «Лаборатория BaseGroup».
Также необходимо отметить, что в некоторых информационно-аналитических системах задачи интеллектуального анализа выполняются программными модулями «Мастера функций» MS Excel.
Сбалансированная система показателей используется на всех уровнях управления (см. таблицу). Как показывает практика, наличие качественных данных является необходимым, но недостаточным условием принятия и успешной реализации стратегических управленческих решений. На стратегическом уровне управления большинство организаций испытывает серьезные трудности в части выполнения основных функций классического управленческого цикла, включающего планирование, организацию, мотивацию и контроль. Рассмотрим эти трудности:
- принятие стратегических решений возможно только при наличии формализованных измеримых критериев совершенствования организации. Однако миссия организации, видение предметной деятельности и стратегия ее развития не являются измеримыми и, соответственно, не могут являться такими критериями;
- в настоящее время, как уже отмечалось, использование в управлении только финансовых показателей недостаточно для всестороннего (сбалансированного) описания состояния организации и не позволяет ставить цели долгосрочного развития организации. Поэтому фи-
нансовые показатели должны быть дополнены другими показателями;
- не всегда очевидна эффективность текущей внутренней организации бизнес-процессов, их необходимость и значимость в достижении стратегических целей;
- трудности интерпретации даже детально разработанной стратегии в операционные термины и показатели и доведения их до каждого работника в качестве повседневного руководства деятельностью;
- отсутствие или недостаточная мотивация работников среднего и низшего звеньев в повседневной реализации стратегии на рабочих местах. Очевидно, ключевые показатели результативности (Key Performance Indicators - KPI) должны быть увязаны с системой мотивации работников, создавая тем самым их заинтересованность в достижении стратегических целей. Разрешение перечисленных трудностей можно
рассматривать как комплекс условий экономически эффективного стратегического управления организацией, который требует соответствующего теоретического, методического и технического обеспечения. В качестве методологической основы решения этой задачи в 1990-х гг. предложена широко известная в настоящее время концепция системы сбалансированных показателей (Balanced Scorecard -BSC) [7].
Основная идея концепции - представление информации, отражающей ключевые аспекты деятельности организации, в виде структурированной системы показателей, которая может быть использована не только как комплексный индикатор ее состояния, но и как основа системы управления, которая обеспечивает связь между стратегическими инициативами руководства и текущей деятельностью менеджмента организации, а также предоставляет работникам ориентированные на стратегию показатели результативности их деятельности.
Таким образом, реализация концепции BSC предполагает наличие у организации:
- миссии, видения предметной деятельности, стратегии и концепции ее развития;
- механизмов обеспечения связи стратегического, тактического и оперативного уровней управления, а также доведения (интерпретации) до каждого работника стратегических целей организации в рамках соответствующих бизнес-процессов;
Видение высшего руководства фирмы
Рис. 4. Общая схема объединения EVA и BSC
- системы количественно измеримых показателей (не только финансовых) состояния и перспектив, а также методик и средств измерения степени соответствия результатов управленческих решений поставленным целям;
- определенной системы мотивации персонала. Концепция BSC реализуется на следующих
принципах:
- представляет миссию и общую стратегию организации с четырех точек зрения или в четырех перспективах финансов (например, выручка, прибыль, ROI и др.), клиентов (маркетинга) (рыночная доля, удовлетворенность клиентов, лояльность клиентов и др.), бизнес-процессов (например, производительность, качество, временной цикл и др.), обучения и роста (лучшие практики, обучение и развитие персонала и
др.)9;
- предполагает формирование для каждой перспективы набора показателей, образующих систему BSC-показателей для данной организации;
- реализует идею сбалансированности (Balanced) путем использования при принятии решений значений показателей всех четырех перспектив;
- оперирует рядом категорий, которые описаны в функциональных стандартах концепции, а именно: перспективы (perspectives), стратегические цели (objectives), показатели (measures), целевые значения (targets), причинно-следственные связи
9 В зависимости от конкретной ситуации в организациях могут быть приняты дополнительные перспективы, которые следуют из перечней типовых функций, выполняемых организациями [8, 14]. Эти же перечни могут служить для содержательной интерпретации и декомпозиции перспектив.
(cause and effect linkages) и стратегические инициативы (strategic initiatives) [16]. Следует отметить, что каждая из перечисленных категорий BSC обычно формулируется с большей детализацией. Показатели и целевые значения могут задаваться при помощи формул, объектов измерения, источников данных, периодов предоставления отчетности, плановых дат достижения целевых показателей и т. п. Инициативы также требуют документирования графиков работ, определения ресурсов, потенциальных рисков и преимуществ. Наконец, функциональные стандарты BSC предписывают графическое представление стратегии компании в виде стратегических карт, а также визуализацию текущего состояния организации10 .
Многочисленные публикации, посвященные BSC, как правило, не рассматривают очень важный, по мнению автора, аспект, а именно - технику «балансирования перспектив», в частности, установления связи между монетарными и немонетарными показателями, стратегическим и операционным уровнями управления, прошлыми и будущими результатами, а также между внутренними и внешними аспектами деятельности предприятия. В работе [12], например, отмечается, что система BSC имеет один существенный недостаток: в ней фактически отсутствует конечный ориентир, т. е. базовый показатель (показатель свертки), по которому измеряется успешность реализации стратегии и эффективность функционирования фирмы.
А в работе [10] отмечается, что одной из трудностей в использовании методологии BSC является обеспечение баланса показателей, расположенных на разных уровнях иерархии. Для этого в основном используются интуитивные подходы, базирующиеся на опыте лиц, производящих такие оценки.
В качестве одного из возможных подходов разрешения указанных трудностей в [12] предлагается дополнить систему BSC показателем EVA (рис. 4).
Однако в авторском исследовании основное внимание уделяется не предметным (экономическим) проблемам различных подходов и концепций, а IT-аспектам их реализации. С этой точки зрения следует отметить, что теоретически концепцию BSC-органи-
10 Детальное описание системы BSC как концепции управления организацией выходит за рамки данной статьи. Подробно с концепцией можно познакомиться в работе [7].
зации можно изложить в бумажном виде, а таблицу показателей составить в Excel. Но при этом актуально не создание стратегии и ключевых показателей, а постоянное поддержание работы системы и обеспечение ее текущими данными. В настоящее время любая предметная деятельность динамично меняется в реальном времени и отслеживать эти изменения, а также заносить их в соответствующие таблицы в ручном режиме практически невозможно. Решение проблемы возможно путем автоматизации процесса управления организацией на основе BSC.
Многие разработчики программного обеспечения позиционируют свои продукты как обладающие BSC-функциями. Однако международные стандарты качества в области программного обеспечения для BSC определяет компания Balanced Scorecard Collaborative, Inc., подтверждающая соответствие продукта методологии BSC сертификатом BSCol Certified. Полный список сертифицированных приложений размещен на сайте компании. Из отечественных продуктов таким сертификатом подтверждена российская разработка «Инталев: Навигатор».
Обзоры рынка программного обеспечения BSC (по материалам зарубежных сайтов) можно найти в Интернете. С результатами и актуальными проблемами внедрения BSC-приложений на российских предприятиях также можно познакомиться на различных сайтах, например [4, 6] и др.
Таким образом, даже краткий обзор современного состояния и перспектив использования информационных технологий в экономических исследованиях показывает, что в данной области в последнее время есть большие достижения. При этом остается неразрешенным ряд серьезных технических, организационных, экономических, социально-психологических и др. проблем, сопряженных с разработкой и внедрением BI-систем в массовую практическую деятельность организаций. Тем не менее существующие тенденции развития данного сегмента IT позволяют надеяться, что отмеченные трудности будут успешно преодолены.
Список литературы
1. Амириди Ю., Чаусов В. Классификация аналитических систем. Три года спустя // Банки и технологии. 2002. № 6.
2. Артемьев В. Что такое Business Intelligence? // Открытые системы. 2003. № 49.
3. Вишняков О., Грачев В., МолодоеМ. Внедрение технологии Balanced Scorecard на российских предприятиях // Финансовая газета. Региональный выпуск. 2004. № 36.
4. ДюкВ., Самойленко А. Data Mining: учебный курс. СПб: Питер, 2001.
5. Иванов В. В., Богаченко П. В., Хан О. К. Формирование системы управленческого учета на основе процессных методов управления компанией // Управленческий учет. 2006. № 1-2.
6. Интернет-портал группы компаний «Информационные бизнес-системы». URL: http://www. ibs. ru/.
7. Каплан Р., Нортон Д. Сбалансированная система показателей. От стратегии к действию. М.: Олимп-бизнес, 2010.
8. Клейнер Г. Б. Предприятие - упущенное звено в цепи институциональных преобразований в России // Проблемы теории и практики управления. 2001. № 2.
9. Кондаков Н. И. Логический словарь-справочник. М.: Наука, 1975.
10. Литвин В. Г. Обеспечение баланса показателей путем использования метода анализа иерархий (BSC-AHP) // Интернет-портал консалтинговой группы «Менеджмент, Бизнес, Инвестиции». URL: http://www. simplecs. ru/files/Articles/02.pdf.
11. Пендс Н. Что относится к OLAP? // Интернет-портал «Корпоративный менеджмент» URL: // http:// www. cfin. ru/itm/olap/olap_fasmi. shtml.
12. Редченко К. EVAлюция сбалансированной системы показателей // Интернет-портал «Корпоративный менеджмент». URL: http://www. cfin. ru/management/ controlling/evalution. shtml.
13. Системы бизнес-аналитики в России в 2012 году: аналитический отчет // Интернет-портал TADviser. URL : // http://www. tadviser. ru/index. php/BI.
14. Структура классификации процессов, разработана American Productivity & Quality Center // Интернет-портал Института консалтинга и сертификации. URL: http://www.icc-iso.ru/toclients/clause/450/.
15. Стулов А. Особенности построения информационных хранилищ // Открытые системы. 2004. № 4.
16. Функциональные стандарты BSC для разработчиков программного обеспечения (BSCol) // Интернет-портал «Ключевые показатели эффективности и сбалансированная система показателей». URL: http:// balanced-scorecard. ru/concept/standard.
17. Хохлов Е. Как классифицировать аналитические системы // Вестник Программ Банка. URL : http : //www.programbank.ru/pbsite .nsf/0/304D 5950D00B3AFDC3256C990047F20F?OpenDocument.
18. IT Glossary // Интернет-портал фирмы Gartner. URL: http://www. gartner. com/it-glossary/business-intelligence-bi/.
19. Magic Quadrant для платформ Business Intelligence // Интернет-портал фирмы Gartner. URL: http://www. gartner. com/technology/reprints.do?id=1-196WFCB&ct=120207&st=sb.
20. OLAP //. Википедия. URL: http://ru. wikipedia. org/wiki/OLAP.
