CC BY
2Научная статья УДК 65.012.12 ББК 65.291.2
DOI: 10.47475/2618-9852-2023-8-3-68-74
ИННОВАЦИОННЫЕ СИСТЕМЫ ПОДДЕРЖКИ
ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ:
АНАЛИЗ СУЩЕСТВУЮЩИХ СИСТЕМ И ИХ ПРИМЕНЕНИЕ
Лейла Олхазеровна Сулейманова1, Зулай Кариевна Тавбулатова2, Лейла Румановна Магомаева3
1 Грозненский государственный нефтяной технический университет имени академика М. Д. Миллионщикова, Грозный, Россия, suleymanova.l.on@gmail.com
2 Чеченский государственный университет им. А. А. Кадырова, Грозный, Россия, eva_didi@inbox.ru
3 Грозненский государственный нефтяной технический университет имени академика М. Д. Миллионщикова, Грозный, Россия, rumanovna@gmail.com
Аннотация. В данной научной статье был проведен анализ разработки и применения инновационных систем поддержки принятия управленческих решений. Были рассмотрены различные системы, такие как SAP Business Objects, IBM Cognos, Oracle Business Intelligence и ITSM 365. Каждая система была проанализирована по ряду критериев, таких как возможности аналитики данных, удобство использования, производительность и цена. В результате были выявлены преимущества и недостатки каждой системы, что помогло определить их эффективность и пригодность для использования на предприятиях.
Ключевые слова: системы поддержки принятия решений, инновации в управлении, бизнес-информатика, анализ данных, бизнес-процессы, эффективность управления, инструменты аналитики данных, технологические инновации, прогнозирование и моделирование
Для цитирования: Сулейманова Л. О., Тавбулатова З. К., Магомаева Л. Р. Инновационные системы поддержки принятия управленческих решений: анализ существующих систем и их применение // Общество, экономика, управление. 2023. Т. 8, № 3. С. 68-74. DOI: 10.47475/2618-9852-2023-8-3-68-74
Original article
INNOVATIVE SYSTEMS FOR MANAGEMENT DECISION SUPPORT: ANALYSIS AND APPLICATION OF EXISTING SYSTEMS
Leila O. Suleymanova1, Zulai K. Tavbulatova2, Leila R. Magomaeva3
1 Grozny State Oil Technical University named after Academician M.D. Millionshchikov, Grozny, Russia, suleymanova.l.o11@gmail.com
2 Chechen State University, Grozny, Russia, eva_didi@inbox.ru
3 Grozny State Oil Technical University named after Academician M.D. Millionshchikov, Grozny, Russia, rumanovna@gmail.com
Abstract. In this scientific article, the analysis, development and application of innovative management decision support systems was carried out. Various systems were reviewed such as SAP Business Objects, IBM Cognos, Oracle Business Intelligence and ITSM 365. Each system was analyzed against a number of criteria such as data analytics capabilities, usability, performance and price. As a result, the advantages and disadvantages of each system were identified, which helped to determine their effectiveness and suitability for use in enterprises. It was found that the development and implementation of management
© CyneMMaHOBa O., TaBÓynaTOBa 3. K., MaroMaeBa P., 2023
decision support systems can face difficulties, such as the high cost of development, the need to take into account the specifics of each individual organization and business processes, as well as the complexity of implementing and training staff.
Keywords: decision support systems, innovations in management, business informatics, data analysis, business processes, management efficiency, data analytics tools, technological innovations, forecasting and modeling
For citation: Suleymanova LO, Tavbulatova ZK, Magomaeva LR. Ilnnovative systems for management decision support: analysis and application of existing systems. Society, economy, management. 2023;8(3):68-74. (In Russ.). DOI: 10.47475/2618-9852-2023-8-3-68-74
В условиях быстро меняющейся экономической ситуации и увеличивающейся конкуренции на рынке вопрос принятия эффективных управленческих решений становится ключевым для любого предприятия. Для этого необходимо иметь доступ к актуальной и достоверной информации, анализировать ее и принимать взвешенные решения на основе полученных данных. Системы поддержки принятия управленческих решений (СППР) являются важным инструментом для решения данной задачи. Они позволяют автоматизировать процессы сбора, хранения, анализа и визуализации данных, а также предоставляют пользователю различные инструменты для прогнозирования и моделирования [1]. Благодаря этому управленческий персонал может получать актуальную информацию о состоянии компании и принимать обоснованные решения, что существенно повышает эффективность управления.
Несмотря на то, что рынок систем поддержки принятия управленческих решений в России все еще не так широко распространен, как в других странах, его использование постепенно расширяется. Ниже приведены некоторые данные и статистика использования СППР на российском рынке [3].
1. Общая статистика: согласно отчету IDC, российский рынок аналитических технологий в 2020 году достиг $719 млн, что на 3,3 % больше, чем в 2019 году. Однако в рамках приведенной статистики не указывается доли СППР в общем объеме рынка.
2. Отрасль: СППР широко используются в различных отраслях, таких как финансы, производство, розничная торговля и др. Согласно исследованию от портала CNews Analytics, в России наиболее активно используются СППР в банковской сфере и телекоммуникационных компаниях.
3. Размер предприятия: согласно исследованию компании Selectel, в России наибольший спрос на СППР наблюдается среди крупных и средних предприятий. Однако малые и средние предприятия также проявляют интерес к этим системам.
4. Тренды: в России наблюдается рост интереса к облачным СППР и их интеграции с другими системами, такими как ERP и CRM. Также некоторые компании проявляют интерес к использованию систем искусствен-
ного интеллекта и машинного обучения для анализа данных.
В целом ожидается, что в будущем спрос на эти системы будет расти [4]. На российском рынке существует ряд производителей СППР, как международных, так и российских компаний. Ниже приведены некоторые из них:
1. SAP — крупный международный производитель программного обеспечения, включая СППР SAP BusinessObjects, которые широко используются в России.
2. Oracle — еще один крупный международный производитель программного обеспечения, включая СППР Oracle Business Intelligence, которые также активно применяются на российском рынке.
3. Microsoft — компания Microsoft также предлагает ряд решений для анализа данных, включая системы поддержки принятия управленческих решений, такие как Microsoft Power BI.
4. Ланит-Терком — российская компания, которая разрабатывает СППР и другие решения для управления бизнесом и анализа данных.
5. Softline — российская компания, которая предоставляет решения для анализа данных, включая СППР и инструменты бизнес-аналитики.
6. ИТ-группа «Технопарк» — российская компания, специализирующаяся на разработке решений для управления бизнесом, включая СППР.
7. Olik — международный производитель программного обеспечения, включая СППР Olik View и Olik Sense, которые также активно используются на российском рынке.
8. IBM — еще один международный производитель программного обеспечения, предлагающий СППР, такие как IBM Cognos Analytics, которые также имеют свое применение в России.
Это далеко не полный список производителей СППР на российском рынке, но эти компании представляют некоторые из наиболее известных и широко используемых решений для анализа данных в России. Рассмотрим продукты некоторых из перечисленных выше разработчиков, а также другие распространенные в России программы.
Далее представим обзор систем поддержки принятия управленческих решений на российском рынке.
Одной из наиболее популярных СППР на российском рынке является SAP Business Objects. Эта система предоставляет широкий спектр инструментов для анализа данных, включая возможности для создания отчетов и дашбордов, а также функциональность для моделирования и прогнозирования. SAP Business Objects также интегрируется с другими решениями SAP, что обеспечивает полную интеграцию с системами управления предприятием1.
Одним из основных преимуществ SAP Business Objects является возможность создания различных отчетов и дашбордов для анализа данных. Эти инструменты могут использоваться для мониторинга ключевых показателей эффективности бизнеса, а также для принятия решений на основе данных. Также представлена возможность создания пользовательских отчетов, что позволяет организациям настраивать систему под свои потребности.
SAP Business Objects также обеспечивает функциональность моделирования и прогнозирования. Эти инструменты могут использоваться для создания прогнозов по различным параметрам, что помогает управлять рисками и принимать решения на основе будущих тенденций.
Другим преимуществом SAP Business Objects является его интеграция с другими решениями SAP. Это обеспечивает полную интеграцию с системами управления предприятием, такими как SAP ERP, что позволяет организациям получать данные напрямую из этих систем и использовать их для анализа и принятия решений
В целом, SAP Business Objects — это мощный и эффективный инструмент для анализа данных и поддержки принятия управленческих решений. Он позволяет компаниям быстро и точно анализировать данные, принимать обоснованные решения и повышать эффективность своих бизнес-процессов.
Однако также существуют и некоторые недостатки:
1. Сложность. Система требует обучения и опыта для эффективного использования. Это может привести к дополнительным затратам на обучение персонала.
2. Стоимость. Может быть дорогой системой для малых и средних предприятий.
3. Требования к оборудованию.
4. Сложности в управлении данными, особенно при работе с большим объемом данных [5].
5. Необходимость в настройке. SAP Business Objects требует настройки для конкретных
1 SAP. BusinessObjects. URL: https://www.sap.com/products/ business-intelligence-platform (дата обращения: 09.04.2023).
бизнес-процессов и потребностей, что может занять время и потребовать дополнительных усилий со стороны пользователя.
Таким образом, SAP Business Objects — это мощный и эффективный инструмент для анализа данных и поддержки принятия управленческих решений.
Другим популярным СППР на российском рынке является IBM Cognos. Эта система предоставляет широкий спектр инструментов для анализа данных, а также функциональность для моделирования и прогнозирования. IBM Cognos также обеспечивает интеграцию с другими решениями IBM, включая системы управления предприятием и бизнес-аналитику2. Применение IBM Cognos в России имеет следующие особенности:
1. Финансовый сектор.
2. Производство. Используется для оптимизации производственных процессов, управления запасами и мониторинга производительности.
3. Торговля. Применяется для анализа продаж и потребительского поведения, прогнозирования спроса и оптимизации логистики.
4. Телекоммуникации. Применяется для анализа данных о клиентах, оптимизации сетей и управления доходами.
Однако, как и любой другой инструмент, IBM Cognos имеет некоторые недостатки. В том числе это высокая стоимость системы и сложность ее внедрения и настройки.
Oracle Business Intelligence является еще одним популярным СППР на российском рынке. Oracle Business Intelligence (OBI) — это платформа для бизнес-аналитики, которая позволяет пользователям получать, анализировать и представлять данные в удобном виде3.
На наш взгляд, основными возможностями Oracle Business Intelligence являются:
1. Визуализация данных: Oracle Business Intelligence предоставляет широкий выбор инструментов для визуализации данных, включая диаграммы, графики и таблицы. Это обеспечивает пользователям более понятное и наглядное представление данных.
2. Создание отчетов: с помощью Oracle Business Intelligence можно создавать различные отчеты, включая финансовые отчеты, отчеты по продажам и отчеты по производственной деятельности.
3. Создание дашбордов: Отличительной особенностью Oracle Business Intelligence является возможность создания дашбордов.
2 IBM. Cognos Analytics. URL: https://www.ibm.com/analytics/ cognos-analytics (дата обращения: 09.04.2023).
3 Oracle. Business Intelligence. URL: https://Www.oracle.com/ business-analytics/business-intelligence/ (дата обращения: 09.04.2023).
Дашборды представляют собой компактное и наглядное представление ключевых показателей бизнеса.
4. Анализ данных, используя различные методы, включая OLAP-анализ и анализ временных рядов.
5. Поддержка мобильных устройств, что позволяет пользователям получать доступ к данным и аналитике в любое время и из любого места.
6. Безопасность. Система обеспечивает высокий уровень безопасности данных, включая многоуровневые механизмы защиты и управления правами доступа.
К недостаткам Oracle Business Intelligence можно отнести сложный интерфейс. Кроме того, требует высокой квалификации для его использования и настройки, а также относится к категории дорогих систем для бизнес-аналитики, что может быть недоступно для малых и средних компаний.
Приведем еще один пример. ITSM 365 — это инструмент для управления информационными технологиями (IT), который предоставляет набор функций для оптимизации работы IT-службы и обеспечения высокого уровня обслуживания пользователей.
Применение ITSM 365 на предприятии может значительно улучшить процессы управления IT-сервисами и повысить качество обслуживания пользователей. Отметим, что основными возможностями ITSM 365 являются:
1. Управление инцидентами и запросами: предоставляет возможность создавать и отслеживать инциденты и запросы пользователей, что помогает IT-службе быстро реагировать на проблемы и обеспечивать быстрое решение проблем пользователей.
2. Управление изменениями: позволяет контролировать изменения в IT-инфра-структуре предприятия, что уменьшает вероятность нарушения работы системы и повышает ее стабильность.
3. Управление конфигурациями: предоставляет возможность хранить и управлять информацией о конфигурации IT-инфра-структуры, что упрощает процесс управления системой.
4. Управление уровнем сервиса: позволяет определить и контролировать уровни сервиса, что помогает улучшить качество обслуживания пользователей.
5. Управление знаниями: предоставляет возможность хранить и распространять знания в IT-службе, что упрощает процесс решения проблем и улучшает качество обслуживания.
6. Аналитика: позволяет анализировать процессы IT-службы и выявлять узкие места,
что помогает оптимизировать работу и повысить эффективность.
Применение ITSM 365 на предприятии позволяет повысить уровень обслуживания пользователей и оптимизировать работу IT-службы. Однако для успешного внедрения ITSM 365 необходимо правильно настроить и научить сотрудников его использованию, а также осуществлять регулярное обновление и сопровождение системы.
Разработка и внедрение систем поддержки принятия управленческих решений (СППР) могут столкнуться с рядом сложностей, как технических, так и организационных. Проведенный анализ возможностей систем поддержки принятия управленческих решений (СППР) позволил выделить некоторые из них [2].
1. Недостаточная подготовка данных — для эффективной работы СППР требуется качественная и достаточная по объему информация. Однако многие организации сталкиваются с проблемой недостаточной подготовки данных, что может затруднить разработку и внедрение СППР.
2. Сложности интеграции — СППР может потребоваться интеграция с другими системами, такими как ERP, CRM и т. д. Однако интеграция может быть сложной и затратной процедурой, особенно если в организации используются различные технологии и системы.
3. Сложность анализа данных — разработка СППР требует глубокого понимания бизнес-процессов и требований организации. Анализ данных может оказаться сложным и требовать специальных навыков и опыта.
4. Низкая адаптация пользователей — эффективное использование СППР требует от пользователей умения работать с системой и анализировать данные. Однако не все пользователи могут быть готовы к использованию новых технологий и инструментов анализа данных.
5. Недостаточное финансирование — разработка и внедрение СППР могут быть дорогостоящими. Недостаточное финансирование может ограничить возможности в разработке и внедрении СППР и привести к неэффективному использованию ресурсов.
6. Неправильный выбор решения — выбор неподходящего решения или поставщика может привести к неправильному использованию ресурсов и затратам, а также к неэффективному использованию СППР.
Однако все эти проблемы могут быть преодолены с помощью хорошо подготовленной команды, качественной подготовки данных
и правильного выбора решения. Важно иметь четкие цели и понимание потребностей бизнеса.
Несмотря на то, что системы поддержки принятия управленческих решений стали обычными в мире информационных технологий, представленные на рынке решения, такие как рассмотренные нами выше, имеют свои ограничения. Главным из них является ограничение в решении отдельных аспектов задач информационной поддержки принятия управленческих решений, вместо того чтобы предоставлять комплексное решение для анализа, синтеза, определения вариантов решения и их последующей реализации.
На текущий момент отсутствует интегрированная система, способная охватывать весь цикл управленческих решений, включающий в себя анализ данных, создание синтетического обзора, разработку и оценку вариантов решения и, наконец, поддержку внедрения этих решений. Этот недостаток указывает на потребность в развитии исследований и разработке интегрированных систем, способных эффективно поддерживать все аспекты процесса управления решениями.
Интеграция СППР с искусственным интеллектом может значительно усилить аналитические возможности системы. ИИ способен обрабатывать и анализировать большие объемы данных, что позволяет предоставлять более точные прогнозы и рекомендации для управленческих решений, оптимизировать использование ресурсов, включая персонал, финансы и производственные мощности. Однако стоит учитывать, что работа с более сложными систе-
мами, особенно теми, которые используют ИИ, может потребовать дополнительного обучения и компетенций у сотрудников, а также дополнительных финансовых вложений для внедрения и сопровождения.
Перечень преимуществ и недостатков перехода к такому типу систем в целом сопоставим с текущим уровнем перехода бизнеса к применению СППР для повышения качества принимаемых управленческих решений. Из чего следует, что развитие ИТ-индустрии и интеграция новых технологий в управлении бизнесом неизбежны, но будут нести постепенный характер в соответствии с возможностями и потребностями предприятий, а также уровнем развития СИИ. В некоторых случаях инновации могут сильно улучшить бизнес, а в других — требуют более осторожного подхода. Важно также иметь четкую стратегию внедрения и обеспечивать надежное управление изменениями, чтобы минимизировать возможные негативные последствия.
В результате анализа было выявлено, что системы поддержки принятия управленческих решений имеют большой потенциал для повышения эффективности управления на предприятиях. Для их успешного внедрения и использования необходимо учитывать множество факторов, включая специфику организации, бизнес-процессы, потребности и возможности персонала, а также выбор наиболее подходящей системы.
Для сравнительной характеристики ITSM 365, Oracle Business Intelligence (OBI), IBM Cognos и SAP Business Objects по ключевым критериям приведем данные в таблице.
Сравнительная характеристика СППР Comparative characteristics of DSS
Критерий ITSM 365 Oracle Business Intelligence IBM Cognos SAP Business Objects
Тип системы ИТ-сервис-менеджмент Бизнес-аналитика Бизнес-аналитика Бизнес-аналитика
Возможности анализа Ограниченные Расширенные Расширенные Расширенные
Интеграция с различными источниками данных + + + +
Масштабируемость Для средних и крупных организаций Для крупных организаций Для средних и крупных организаций Для средних и крупных организаций
Интуитивный пользовательский интерфейс + + + +
Мобильная поддержка + + + +
Аналитика данных Ограниченная Расширенная Расширенная Расширенная
Отчетность Ограниченная Расширенная Расширенная Расширенная
Визуализация данных Ограниченная Расширенная Расширенная Расширенная
Из данных в таблице видно, что в целом СППР, представленные на рынке, имеют схожий функционал с учетом некоторых различий для адаптации к потребностям средних и крупных предприятий. При этом окончательная стоимость внедрения таких решений будет определяться по непосредственному запросу организации.
Подводя итоги, следует отметить, что системы поддержки принятия управленческих решений имеют большой потенциал для использования на предприятиях в России. Они могут помочь повысить эффективность управления, оптимизировать бизнес-процессы и улучшить принятие управленческих решений на основе данных и аналитики. Однако для успешного развития систем поддерж-
ки принятия управленческих решений необходимо решить несколько ключевых проблем, таких как высокая стоимость разработки и внедрения, сложности с обучением персонала и интеграцией с существующими информационными системами, а также проблемы конфиденциальности и защиты данных. Для успешного развития систем поддержки принятия управленческих решений в России необходимо продолжать инвестировать в исследования и разработки в этой области, а также совершенствовать методы обучения и поддержки пользователей таких систем. Также важно развивать международное сотрудничество и партнерство для обмена опытом и передачи передовых технологий.
СПИСОК ИСТОЧНИКОВ
1. Кравченко Т. К., Исаев Д. В. Системы поддержки принятия решений : учебник и практикум для вузов. М. : Юрайт, 2022. 292 с.
2. Курейчик В. М. Особенности построения систем поддержки принятия решений // Известия Южного федерального университета. Технические науки. 2012. № 7. С. 92-98.
3. Плетняков В. А. Развитие современных технологий поддержки принятия управленческих решений стратегического характера в инновационной сфере // Terra Economicus. 2012. Т. 10. № 2.2. С. 56-59.
4. Селютина Л. Г. Развитие современных технологий поддержки принятия управленческих решений в предпринимательской деятельности в сервисной экономике // Экономика XXI века : сб. материалов Междунар. науч.-практ. конф. Новосибирск, 2020. С. 387-393.
5. Тавбулатова З. К., Магомаева Л. Р., Сулейманова Л. О. Системы поддержки принятия решений на основе интеллектуального анализа данных // Социально-экономические и финансовые аспекты развития Российской Федерации и ее регионов в современных условиях : материалы III Всерос. науч.-практ. конф., посв. 50-летию создания экономического факультета. Грозный, 2022. С. 128-133
REFERENCES
1. Kravchenko TK. Sistemy podderzhki prinyatiya reshenij = Decision support systems. Moscow: Urait; 2022. 292 p. (In Russ.).
2. Kurejchik VM. Features of building decision support systems. Izvestiya Yuzhnogo federal'nogo universiteta. Tekh-nicheskie nauki = News of the Southern Federal University. Technical science. 2022;(7):92-98. (In Russ.).
3. Pletnyakov VA. Development of modern technologies to support the adoption of managerial decisions of a strategic nature in the innovation sphere. Terra Economicus. 2022;10(2.2):56-59. (In Russ.).
4. Selyutina LG. Development of modern technologies to support managerial decision-making in business activities in the service economy. In: Ekonomika XXI veka = Economy of the XXI century. Novosibirsk; 2020. Pp. 387-393. (In Russ.).
5. Tavbulatova ZK, Magomaeva LR, Sulejmanova LO. Decision support systems based on data mining. In: So-cial'no-ekonomicheskie i finansovye aspekty razvitiya Rossijskoj Federacii i ee regionov v sovremennyh usloviyah. = Socio-economic and financial aspects of the development of the Russian Federation and its regions in modern conditions. Grozny; 2022. Pp. 128-133 (In Russ.).
ИНФОРМАЦИЯ ОБ АВТОРАХ
Л. О. Сулейманова — магистрант.
З. К. Тавбулатова — доктор экономических наук, доцент, профессор кафедры финансов, кредита и антимонопольного регулирования.
Л. Р. Магомаева — доктор экономических наук, доцент, директор института цифровой экономики и технологического предпринимательства, заведующая кафедрой «Информационные системы в экономике».
INFORMATION ABOUT THE AUTHORS
Leila O. Suleymanova — master's student.
Zulai K. Tavbulatova — Doctor of Economics, Associate Professor, Professor of the Department of Finance, Credit and Antimonopoly Regulation.
Leila R. Magomaeva — Doctor of Economics, Associate Professor, Director of the Institute of Digital Economy and Technological Entrepreneurship, Head of the Department of Information Systems in Economics.
Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации.
Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors: the authors contributed equally to this article.
The authors declare no conflicts of interests.
Статья поступила в редакцию / The article was submitted: 09.04.2023 Одобрена после рецензирования / Approved after reviewing: 08.09.2023 Принята к публикации / Accepted for publication: 23.10.2023
