CC BY
70
Экономические науки Вестник Нижегородского университета им. Н.И. Лобачевского, 2012, № 2 (2), с. 63-66
УДК 658.012
МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ БИЗНЕС-АНАЛИЗА
© 2012 г. Л.А. Горшкова 1, А.И. Рузанов 1, С.П. Салмин 2
1 Нижегородский госуниверситет им. Н.И. Лобачевского 2 Нижегородский коммерческий институт
Поступила в редакцию 10.05.2012
Представлен подход к определению и реализации математического и программного обеспечения бизнес-анализа субъекта хозяйствования.
Ключевые слова: математическое обеспечение, программные средства, детерминированные и стохастические системы, нейропакеты.
Цель статьи - показать подход к выбору методов и программных средств реализации бизнес-анализа хозяйствующего субъекта.
Бизнес-анализ ориентирован как на диагностику, так и на прогнозирование маркетинговой, операционной, финансовой, инвестиционной и организационной деятельности субъекта хозяйствования. Для реализации названных направлений анализа необходимо использование как количественных (традиционных), так и качественных методов исследования.
Известный российский ученый А.А. Богданов отмечает, что в науке ряд величайших открытий, едва не большинство их, сводится к перенесению методов за пределы тех областей, где они первоначально были выработаны [1]. При своем становлении экономический анализ заимствовал методы точных наук, опирающихся на логический позитивизм, то есть набор философских положений, которые утверждают, что существует «объективная» реальность, не зависящая от субъективных интерпретаций и не искаженная ими.
Вскоре экономический анализ пополнился собственными методами исследования, основывающимися на вычислительных операциях. В результате сложился способ действий, основанный на расчетных процедурах, предполагающих, что «цифры говорят сами за себя». Однако полная рациональность аналитических решений не всегда возможна. Человек обычно удовлетворяется достаточно хорошими или довольствуется удовлетворительными решениями. В этом -то и состоит смысл существования организации, одной из главных функций которой является «компенсация ограниченной рациональности индивидуумов».
Для выживания самостоятельных субъектов хозяйствования наряду с количественными показателями (прибыль, рентабельность, финансовая устойчивость и т.д.) все большее значение приобретают так называемые «мягкие» составляющие конкурентной борьбы. Среди них можно выделить такие, как открытость по отношению к внешней среде, ключевые компетенции, трудовая этика, организационная культура и другие составляющие, для которых характерна только качественная оценка их состояния.
Информацию для реализации многих задач бизнес-анализа, связанных с использованием экономических показателей, сложно получить из-за высокой стоимости или отсутствия времени. Особенность таких задач заключается в неправомерности строгого к ним подхода, основанного на использовании детерминированных приемов.
Так, количественная оценка деловой активности предприятия при традиционном подходе осуществляется по двум направлениям: по степени выполнения плана (по основным показателям темпов их роста) и по уровню эффективности использования ресурсов. Эти показатели оценивают внутренние факторы, оказывающие влияние на темпы экономического развития системы. Качественные составляющие деловой активности, такие как репутация предприятия, стиль управления, остаются вне рассмотрения как не поддающиеся формализации. Однако определить существующий уровень развития хозяйствующего субъекта, объяснить причины удач и промахов, а также спрогнозировать тенденции изменения его состояния можно, лишь опираясь на перечисленные факторы.
Разрешение возникшего противоречия в аналитическом инструментарии возможно благо-
даря привлечению в бизнес-анализ эвристических методов. Использование последних объясняется альтернативностью поиска в реальном диапазоне вариантов, отсутствием четкого алгоритма преобразования данных, ориентацией на удовлетворительность приемлемых решений.
Под эвристиками понимается множество процедур - волевых решений, не подкрепленных математическими моделями, основывающихся в значительной мере на интуиции, опыте специалистов, выводах по аналогии, нечеткой логике, качественном анализе (коллективной мыследеятельности).
Эвристическая теория располагает значительным арсеналом методов в различных областях знаний. В бизнес-анализе большая часть из них может результативно использоваться при условии их грамотной адаптации к особенностям конкретных аналитических задач.
В основе эвристических методов могут быть количественные или порядковые оценки процессов или явлений и их формальная обработка или определение и упорядочение тех или иных параметров объектов анализа.
Проведение аналитического исследования связано с целенаправленным выбором совокупности методов, обеспечивающих функциональную полноту анализа при минимальных затратах времени и средств на его проведение.
На выбор методов, адекватных ситуации, оказывают влияние следующие факторы:
- цель и глубина анализа;
- существо проблемы, подлежащей решению;
- особенности объекта исследования;
- динамические характеристики объекта анализа;
- вид и характер информации, доступной аналитикам;
- требования к результатам анализа;
- технические возможности выполнения расчетов;
- квалификация аналитиков и др.
Выбор методов для решения конкретных аналитических задач упрощается при определенных условиях: при грамотной их классификации; четком определении предпосылок использования отдельных групп методов и каждого аналитического приема; детальном описании технологии их реализации.
Все аналитические методы условно можно подразделить на три группы: расчетные, эвристические и расчетно-эвристические [2].
Расчетные методы используют строгие правила логики, предназначены для получения числовых значений и опираются на экономико-
математическое моделирование и вычислительные операции над экономическими показателями. К таким методам относятся, сравнение, упорядочение, моделирование, в том числе детерминированное моделирование, которое в основном строится на использовании методов балансировки, цепных подстановок, абсолютных разниц, относительных разниц, интегрирования, а также стохастического моделирования, включающего дисперсионный, регрессионный анализ, теорию игр и имитационное моделирование.
Среди эвристических методов выделяют оценочные и поисково-оценочные методы. Условия применения эвристических методов:
— качественный характер исходной информации, описываемой с помощью экономических и социальных параметров;
— отсутствие достаточно представительных и достоверных сведений о характеристиках объекта исследования;
— отсутствие четкого предметного описания и математической интерпретации предмета оценки;
— недостаток времени для использования формальных моделей;
— экстремальность анализируемой ситуации.
Решение конкретных задач бизнес-анализа основывается на расчетных и эвристических методах, применяемых в соответствующей интерпретации и сочетании. Для реализации этих методов на рынке имеется богатый ассортимент программных продуктов. Среди них есть (и их количество постоянно увеличивается) как западные, так и российские разработки, различные по мощности, интерфейсу, количеству пользователей, относящиеся к различным направлениям и классам.
В первый класс входят программные средства, предназначенные для реализации простых аналитических расчетов, которые имеют жестко заданный алгоритм решения (специализированные аналитические программные средства, отдельные программные модули комплексных программных разработок).
Второй класс составляют средства, ориентированные на решение неформализованных или слабо формализованных задач, каковыми является большинство задач прогнозного анализа. Программные продукты этого класса позволяют создавать так называемые экономические советующие информационные системы. Согласно принятой рядом авторитетных ученых классификации, эти системы подразделяются на воспроизводящие осознанные и неосознанные
мыслительные процессы человека [3]. Первая группа систем получила название детерминированных и стохастических систем, включающих расчетно-диагностические системы, экспертные системы приближенных рассуждений и системы поддержки исполнения решений. Вторая группа - системы эволюционного моделирования - ориентированы на генетические алгоритмы и нейротехнологии.
В основу этих систем в настоящее время положено несколько подходов. Один из них базируется на правилах (так называемый rule-based) и характерен для экспертных систем. Искомое знание представляется в этом случае теоремой, истинность которой доказывается посредством построения цепочки вывода. При этом подходе необходимо заранее знать весь набор закономерностей, описывающих предметную область.
Совершенно по-иному обстоит дело при использовании другого подхода (так называемого case-based), основанного на примерах. В этом случае не требуется знать правила, надо только иметь достаточное количество примеров для настройки адаптивной системы с заданной степенью достоверности. Классический способ реализации технологии, основанной на примерах, представляют нейронные сети [4].
Настроенную и обученную сеть можно использовать, предъявляя ей реальные ситуации. Сеть будет не только подсказывать решения, но и оценивать степень их достоверности. По желанию аналитиков настройку сети можно совершенствовать и в процессе эксплуатации.
Что касается реализации нейронной сети в программных продуктах, то в настоящее время существует целый ряд фирм (главным образом в США и Японии), специализирующихся на нейросетевых изделиях. Наиболее массовым продуктом являются программные пакеты, моделирующие нейронные сети непосредственно на персональных компьютерах, а также нейроплаты - акселераторы для компьютеров и рабочих станций.
Из всего многообразия нейропакетов, нейроплат, представленных на мировом рынке, для использования в Российской Федерации наиболее интересны продукты семейства BrainMakar, распространяемые американской фирмой California Scieutific Sofrware. Это достаточно дешевая и вполне жизнеспособная система, к которой за отдельную плату могут предоставляться или создаваться специализированные базы данных для настройки на конкретные предметные области.
Нейропакеты, не подменяя собой экспертов, дают в руки аналитиков мощный инструмент
краткосрочного прогнозного анализа, облегчающий решение сложных управленческих задач. Они в состоянии решать задачи компьютерного прогнозирования состояния персонала в реальном времени, определения тенденций в развитии организации и т.д. Такие системы приходят к своим решениям во многом на основе человеческих наблюдений и фактических данных, используют человеческую логику для принятия решений. И в этом их огромное и принципиальное преимущество.
Принимая на вооружение экспертные системы нейронного типа, следует учитывать, что при всех своих достоинствах эти средства эффективно работают только в том случае, когда имеются результаты обследований и реальные факты. В частности, для выделения наиболее характерных для групп работников качеств, степени их выраженности и создания нелинейных моделей должностей (так называемых многомерных многофакторных профилей) необходимы результаты обследований нескольких сот тысяч человек.
Подобные системы в мире подготавливают менее двух десятков фирм (в том числе российские - Центр «Хобби», МГП «Диапазон» и др.), на их создание уходит не меньше пяти-шести лет. Впоследствии все программные модули, в том числе и нейронаправленные, могут и должны интегрироваться в единые аналитические комплексы, регулярно адаптируемые к новым потребностям управленческой команды. Эти функции входят в компетенцию системо-аналитиков.
Результаты исследований, проводимых всеми аналитиками предприятия вместе с сопроводительной запиской специалистов аналитического центра, должны регулярно предоставляться вновь образуемой службой генеральному директору и его заместителям.
Такая практика позволит руководству организации комплексно оценивать деятельность хозяйствующего субъекта и принимать эффективные стратегические решения. Чтобы выполнить свою функцию, специалисты аналитического отдела должны обладать достаточно большими полномочиями и доступом ко всему объему необходимой информации, их рекомендации по методологии аналитических исследований должны носить обязательный характер для аналитиков структурных подразделений предприятий.
При организации аналитического центра следует учесть относительно вновь создаваемых подразделений замечание американского ученого, отмечающего, что уже существующие более
сильные службы, имеющие функции и обязанности, близкие к вводимой структуре, будут видеть в ней угрозу своим интересам и, следовательно, могут подвергнуть ее нападкам [5].
В начале своего существования обычно слабые формирования, созданные для выполнения новых задач, являются несколько неустойчивыми, нуждаются в защите от давления со стороны других, уже длительно существующих подразделений. Целесообразно такие службы на некоторое время непосредственно подчинять одной из высших руководящих инстанций или же передавать какому-либо уже существующему подразделению, имеющему совершенно иную функцию, но институционально сильному. В такой ситуации опасность неустойчивости новой службы существенно снижается.
В данном конкретном случае структурой, которая может видеть угрозу в аналитической службе, на наш взгляд, является бухгалтерия как традиционный поставщик информации для принятия решений и методологический центр формирования фактических документально подтвержденных данных. Не рекомендуется подчинять аналитическую службу начальнику плановоэкономического отдела, главному бухгалтеру, заместителю директора по коммерческим вопросам, финансовому директору, несмотря на близость функций подразделений, им подчиненных, функциям аналитического отдела. В противном случае возникнут проблемы со сбором исходных сведений, выбором методов исследования, а главное, обобщением результатов оценки.
В силу указанных причин аналитический отдел целесообразно подчинить непосредственно
генеральному директору. Приказ этого лица, обязывающий все службы выполнять соответствующие аналитические исследования, собирать для них информацию и предоставлять варианты аналитических решений или участвовать в их разработке, абсолютно необходим как предпосылка успешной деятельности новой структуры. Только в этом случае аналитический центр сможет обеспечить единство в подходах и методологических принципах анализа.
От создаваемого подразделения, использующего обширный арсенал математического и программного обеспечения, сложно ожидать скорой отдачи. Только в результате долгого и достаточно противоречивого процесса эволюции аналитическая структура может в значительной степени способствовать поддержанию конкурентоспособности и выживанию организации.
Список литературы
1. Богданов А.А. Тектология: Всеобщая организационная наука. СПб., 1912. 136 с.
2. Горшкова Л.А. Инструментарий анализа системы управления организацией: Монография.
Н. Новгород: Изд-во Нижегородского госуниверси-тета им. Н.И. Лобачевского, 2009. 287 с.
3. Романов А.Н., Одинцов Б.Б. Советующие информационные системы в экономике. М.: ЮНИТИ, 2000. 487 с.
4. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений: Монография. М.: Финансы и статистика, 2007. 175 с.
5. Selznick P. Zeodesship in Administration. Evansten, 1957. 123 p.
BUSINESS ANALYSIS SOFTWARE FOR ECONOMIC ENTITIES L.A. Gorshkova, A.I. Ruzanov, S.P. Salmin
The article presents an approach to choosing and implementing business analysis software for economic entities. Keywords: software, software tools, deterministic and stochastic systems, neuropackages.
