CC BY
60
Вращение вокруг оси x соответствует повороту на угол крена:
/10 ОХ (1)
Mx(y) = 0 cosy -sin у \0 sin у cosy / Вращение вокруг оси y - поворот на угол тангажа:
/eos/? 0 sin /?\ (2)
Му(р) = [ 0 10
V- sin р О cos р/ Вращение вокруг оси z- поворот на угол азимута:.
(cos а — sin а 0\ (3)
sin a cos а 0 I 0 0 1/
Использование программного модуля, реализующего корректирование записей сигналов с векторного приемника, позволяет значительно улучшить точность определения параметров гидроакустических полей при неблагоприятных погодных условиях.
Литература
1. Гончаренко Б., Некрасов В., Гордиенко В. и др. Некоторые аспекты использования приемника потока акустической мощности для регистрации сигналов слабых детерминированных источников на фоне шумов океана // Сборник трудов ГП ВНИИФТРИ. Т. 46 из «Проблемы метрологии гидрофизических измерений». ФГУП ВНИИФТРИ, Москва, 2003. С. 161-210.
Использование BI технологий при принятии управленческих
решений Брыксина Е. А.
Брыксина Екатерина Андреевна /Bryksina Ekaterina Andreevna - студент магистратуры,
кафедра бизнес-информатики, Финансовый университет при Правительстве Российской Федерации, г. Москва
Аннотация: в статье рассмотрена классификация современных BI технологий и их возможное использование в различных сферах управленческой деятельности. Поскольку таких технологий на сегодняшний день существует огромное количество, важно правильно понимать, какие задачи стоят перед менеджментом компаний, а также какие управленческие решения должны быть приняты, если используют ту или иную информационно-аналитическую технологию.
Ключевые слова: BI технологии, информационно-аналитические системы, процесс принятия управленческих решений, хранилища данных, OLAP системы, системы конечного пользователя, Data Mining.
В современном мире очень сложно оставаться конкурентоспособным. Современные требования к бизнесу, мировой экономический кризис и неуклонно растущая конкуренция вынуждают компании усовершенствовать процесс принятия решений на всех уровнях управления бизнесом. Однако эффективные решения невозможно принять без оперативной и качественной обработки данных, объем которых постоянно растет.
Неуклонно увеличивающийся объем информации приводит к тому, что становится невозможным оперативно его обрабатывать вручную, и для эффективного управления
организацией необходимо использовать современные средства информационного обеспечения, а именно методы и средства автоматизации бизнес-анализа. Технологии, преобразующие данные в информацию, а информацию в знания о бизнесе называются Business Intelligence или BI решения.
Под термином Business Intelligence подразумеваются различные технологии и средства, которые помогают в анализе и обработке данных предприятий. Технологии BI созданы специально для того, чтобы на фоне растущего количества информации качество принимаемых решений не ухудшалось, а, наоборот, становилось лучше, аналитика проводилась быстрее и качественнее, создавались модели развития событий на основе актуальных и исторических данных.
Такие системы описаны во многих источниках. Наиболее подробное описание технологий BI можно найти в докладе Gartner «Infrastructure and Applications Worldwide Software Market Definitions» [1]. В данном документе приведена классификация BI технологий, которая считается классической и основана на программной архитектуре технологии, то есть, описана с технической точки зрения [2].
Основными направлениями в BI считаются:
• средства построения хранилищ и витрин данных (data warehouse);
• OLAP - средства (On-Line Analytical Processing) и прочие средства многомерного анализа;
• информационно-аналитические системы (Enterprise Information Systems, EIS) и системы поддержки и принятия решений (Decision Support Systems, DSS);
• средства интеллектуальной добычи данных (KDD, data mining);
• инструменты конечного пользователя для выполнения запросов и построения отчетов (query and reporting tools).
Хранилища и витрины данных (data warehouse).
Специалисты в области BI технологий описывают Хранилища Данных как предметно-ориентированные наборы данных, которые способны поддерживать историчность данных и обновляться, используемые в целях поддержки процесса управления принятия решений. Эти наборы данных должны становиться «источниками истины», откуда лица, принимающие решения, могут брать достоверную и детализированную информацию для аналитики различного уровня.
Хранилища Данных представляют определенную ценность для менеджмента компаний в силу того, что ХД - это укрупненная база данных масштаба организации, в которой хранится аналитическая информация, способствующая оперативному предоставлению необходимых данных в удобном для пользователя виде, обладает структурой, которая разработана для определённой отрасли, а также позволяет строить удобную аналитику, выводы из которой будут использованы в процессе принятия управленческих решений.
ХД также хранят исторические данные, которые в любой момент могут быть представлены пользователю в удобной для понимания форме, для аналитики, построения прогнозов на будущее и моделирования ситуаций.
Инструменты для проектирования Хранилищ данных входят в состав различных СУБД от таких производителей: IBM, Sybase, Microsoft и других.
Чтобы построить индивидуальное хранилище для компании, могут быть использованы CASE - средства, в которых описываются структуры хранения данных специальными утилитами, и после происходит их генерация.
Самыми яркими представителями данного направления являются: Oracle, SAP Business Warehouse (SAP), IBM, Microsoft.
OLAP-средства.
Термин OLAP расшифровывается как online analytical processing и включает в себя различные системы аналитической обработки данных в режиме online (в реальном времени). С помощью данной технологии можно решить такие задачи: анализ KPI
(ключевых показателей деятельности), проведение финансового и маркетингового анализа, анализа сценариев, проводить моделирование и прогнозирование ситуаций на рынке и т. п. Такие системы созданы специально для решения аналитических задач.
В основе технологии лежит использование многомерных таблиц, которые строятся на основе исходных данных из баз данных различных типов.
Системы OLAP хороши тем, что они могут работать с любыми данными, вне зависимости от особенностей инфраструктуры компании. Для обычного пользователя различие OLAP и хранилища данных будет заключаться не в технической структурированности информации, а в предметной, при этом он использует привычные для него экономические понятия. Самыми известными представителями данной технологии являются: MS Analysis Services (Microsoft), Hyperion Essbase (Hyperion Solutions Corporation), Intersoft(Lab), Oracle Discover, Business Objects (Business Objects).
Информационно-аналитические системы.
Под информационно аналитическими системами подразумевается целый набор различных инструментов, основной задачей которых является предоставление конечных решений для лиц, принимающих решения. Однако сами системы очень сильно отличаются друг от друга.
Информационно-аналитические системы могут быть классифицированы по виду решаемых задач:
• Финансовый, экономический анализ компании, в котором используются внешние данные предприятия: баланс, отчет о финансовых результатах, отчет о движениях денежных средств. Системы этого вида: Альт-финансы, Про-инвест, Audit Expert.
• Проведение комплексной оценки эффективности инвестиций. Примеры систем: Альт, Project Expert и др.
• Разработка бизнес-планов, в которых учтены схемы производства, сбыта и финансирования. Обследование маркетинговой ситуации и чувствительности проекта по основным параметрам. Примеры: Аль, Project Expert и др.
• Проведение маркетингового исследования, которое позволит оценить место компании на рынке, ее конкурентоспособность, анализировать доходность сегментов рынка и товаров, прогнозировать темпы роста и развития. Системы: Касатка, Marketing Expert и др.
• Управление проектами, организация создания расписания работ и задач по проектам, определение исполнителей, времени, критического пути, входов и выходов, необходимого обеспечения проектов (финансовое, техническое, физическое и т. п), а также аналитика рисков и моделирование ситуаций. Примеры: MS Project, Open Plan и др.
• Другие.
Информационно-аналитические системы имеют очень узкую направленность и зачастую приобретаются или разрабатываются под конкретную задачу и отрасль. Если крупная, но узкая задача реализована в такой системе - это может очень сильно упростить жизнь всем уровням компании, однако под каждую такую задачу придется приобретать или разрабатывать свои системы либо искать новые технологии.
Средства интеллектуальной добычи данных (Knowlage Discovery in Database, data mining).
Эта категория средств подразумевает под собой поиск полезных знаний в различных неструктурированных данных («сырых» данных).
Данные средства подразумевают поиск полезных знаний в «сырых» данных. Процесс Knowledge Discovery in Database (KDD) состоит из нескольких этапов: подготовка данных, отбор информативных признаков, очистка данных (собственно процесс Data mining), обработка и полученной информации, аналитика результатов.
Эта технология доступна пользователям в двух видах - через OLAP системы или же как самостоятельные продукты Data Mining.
Основной ценностью данной технологии эксперты признают возможность поиска полезных данных в огромных, неструктурированных массивах данных. Это позволяет аналитику получить абсолютно новую информацию, которой изначально нет в источниках данных, что позволяет делать совершенно новые выводы и строить более сложную аналитику. В этой технологии активно используются математические инструменты: правила ассоциации, деревья решений, нейронные сети, статистический анализ и др.
Примеры систем: Oracle Data Mining, SAS, Hyperion Essbase и др.
Инструменты конечного пользователя для выполнения запросов и построения отчетов (query and reporting tools).
Инструменты конечного пользователя строятся на системе запросов к информационно-аналитической системе и отчетов из нее. Технология называется «инструменты конечного пользователя», т. к. запросы и отчеты, которые лежат в основе технологии - понятны конечному пользователю, он самостоятельно делает эти запросы и интерпретирует результаты без участия технического специалиста. Также такие системы обеспечивают интеграцию данных из нескольких источников, просмотр отчетов, их корректировку и печать.
Такие системы разработаны для пользователей, которые обладают достаточно высокой технической подготовленностью, однако для работы им не требуются профессиональные знания в области IT. Однако для бухгалтеров, экономистов и др. такие средства могут показаться слишком сложными. Зачастую эти технологии реализуются как модули запросов и отчетов в системах OLAP, но встречаются и самостоятельные программные продукты данного типа.
Представители: MicroStrategy, Crystal Decisions, Actuate и другие.
В силу того, что все разработчики стараются сделать свои продукты как можно универсальнее, становится все сложение и сложнее отнести современные системы к конкретному виду приведенной классификации. Появляются системы «гибриды». Разработкой таких многофункциональных систем занимаются такие корпорации как: Cognos, Business Objects, Microsoft, Hyperion Solutions Corp. Эти компании занимают лидирующие места на мировом и Российском рынке.
Важным моментом при выборе конкретной системы должна учитываться дружественность интерфейса, простота работы с системой для пользователя, не являющегося специалистом в области информационных технологий. Программный продукт должен учитывать уровень подготовленности конечных пользователей и иметь возможность настраиваться под них, а также не требовать постоянной поддержки от технических специалистов.
И, безусловно, при выборе системы должны учитываться конкретные отраслевые задачи компании-заказчика и приспособленность системы к их решениям.
Учитывая представленную выше классификацию технологий, копания должна сделать выбор, опираясь на конкретную задачу, которая перед ней стоит. Выбранная система должна максимально удовлетворять требованиям поставленой бизнес-задачи.
В общем виде эти бизнес задачи можно представить так:
1. Организация хранения в системе актуальных данных, с максимальным уровнем детализации, структурированности, достоверности.
2. Усовершенствование процесса принятия управленческих решений, глубокая аналитика данных, с помощью выстроенной системы хранения и аналитики данных.
3. Ускорение и автоматизация процесса создания отчетности в унифицированном виде.
4. Эффективное планирование деятельности компании, основанного на исторических данных и др.
Отсюда должны быть сформулированы требования к будущей системе: Учитывая все вышесказанное, можно сформулировать требования к будущей системе:
1. Данные для принятия управленческих решений должны регулярно поступать из всех возможных источников.
2. Руководители должны иметь оперативный доступ к наиболее важным показателям деятельности компании и отдельных подразделений.
3. Маркетологам необходимо предоставить инструмент для глубокого всестороннего анализа клиентской базы и картины потребления услуг, выявления полезных для бизнеса закономерностей.
Система должна предоставлять возможность качественного хранения данных, без потерь, с высокой степенью детализации, а также ее всесторонней аналитики.
Литература
1. Отчет компании Gartnet «Infrastructure and Applications Worldwide Software Market Definitions». [Электронный ресурс]: Режим доступа: http://www.gartner.com/technol ogy/home.jsp. (дата обращения: 15.03.2016).
2. Открытые Системы. СУБД. Российский электронный журнал об IT технологиях, «Что такое Business Intelligence?» [Электронный ресурс]: Режим доступа: http://www.osp.ru/os/2003/04/182900/ (дата обращения: 21.04.2016).
3. Официальная информация с сайта разработчика IBM «Архитектура хранилищ данных, OLAP систем». [Электронный ресурс]: Режим доступа: http://www.ibm.com/developerworks/ru/library/sabir/axd_1. (дата обращения: 24.04.2016).
Моделирование бизнес-процессов, как один из методов повышения эффективности деятельности предприятия Бессмертный А. С.
Бессмертный Александр Сергеевич /БеззтегШуу Aleksandr 8е^ееу1ек - студент, направление: бизнес-информатика, Тюменский государственный институт культуры, г. Тюмень
Аннотация: в статье рассматривается моделирование бизнес-процессов как метод повышения эффективности деятельности предприятия. Описывается, что такое моделирование бизнес-процессов, этапы моделирования и цели. Ключевые слова: моделирование бизнес-процессов, бизнес-процессы.
Моделирование бизнес-процессов - это один из методов, используемый для улучшения эффективности и улучшения качества работы предприятия. Основу данного метода составляет описание процесса через различные элементы, принадлежащие рассматриваемому процессу. В моделировании процессов описывают логическую взаимосвязь всех элементов этого процесса от его начала до его конца.
Есть несколько подходов к определению понятия «моделирования бизнес-процессов»:
- моделирование бизнес - процессов - это метод, который дает стоимостную оценку каждому процессу, взятому в отдельности, и всем бизнес процессам на предприятии [1];
- моделирование бизнес - процессов - это хороший способ выявить текущие и предвидеть будущие проблемы на предприятии;
