CC BY
30
• полную автоматизацию бизнеса;
• мониторинг бизнес-процессов, полезные отчеты;
• работу с лояльностью клиентов;
• виджеты расписания, записи на тренировку;
• возможность создания сайта с расписанием, записью на тренировку, личными кабинетами тренера и клиента;
• полную информацию по каждому сотруднику;
• табели, посещаемость, напоминания о продлении продуктов, днях рождения и т.п. Главными недостатком данных систем является их универсальность и стандартность - они
предназначены для автоматизации деятельности организаций, предназначенных только для предоставления услуг, связанных со спортивной сферой. А так как центр танца и фитнеса «Дива» включает в себя работу еще и центра по снижению веса, то они не могут полностью отвечать требованиям конкретного спортивного центра. То есть, чтобы отразить все нюансы предприятия, необходима специально разработанная для него система. Создание такой информационной системы ввода всей необходимой информации, текущего анализа и итогового контроля позволит максимально использовать ресурсы и стратегический потенциал компании для реализации поставленных задач.
Список литературы / References
1 Петров Ю.А., Шлимович Е.Л., Ирюпин Ю.В. Комплексная автоматизация управления предприятием: Информационные технологии - теория и практика. М.: Финансы и статистика, 2001. 160 с.
2 Официальный сайт фирмы «Проффит». [Электронный ресурс]. Режим доступа: http://www.fitnessoft.ru/ (дата обращения: 20.03.2018).
3 Официальный сайт системы «Мегаплан». [Электронный ресурс]. Режим: http://www.megaplan.ru/ (дата обращения: 25.03.2018).
МЕТОДИКА ПРОГНОЗИРОВАНИЯ, ОЦЕНКИ И УПРАВЛЕНИЯ РИСКАМИ ИНФРАСТРУКТУРНЫХ ИТ-ПРОЕКТОВ Ерофеева Т.А. Email: Erofeeva641@scientifictext.ru
Ерофеева Татьяна ААлександровна — магистрант, кафедра информационных систем и технологий, Институт информационных бизнес-систем Национальный исследовательский технологический университет «МИСиС», г. Москва
Аннотация: статья посвящена описанию проблемы отсутствия методологии управления рисками, которая учитывает особенности управления инфраструктурными ИТ-проектами, а также необходимости разработки методики, максимально отвечающей специфике предметной области, обеспечивающей качественный менеджмент рисками на основе адаптированных общих подходов оценки рисков. Предлагаемым решением является методика, которая основывается на использовании реестра рисков, собранного на основе информации о рисках в доступной проектной документации компании, деятельность которой связана с реализацией инфраструктурных ИТ-проектов, и модели прогнозирования, оценки и управления рисками, разработанной с применением метода кластерного анализа.
Ключевые слова: риск, инфраструктурные ИТ-проекты, ИТ-проекты, ИТ-инфраструктура, кривая толерантность, управление рисками, болевой порог, величина убытка, кластерный анализ, оценка рисков, реестр рисков.
METHODIC FOR FORECASTING, QUANTITATIVE RISK ANALYSIS AND RISK MANAGEMENT IN INFRASTRUCTURE IT-PROJECTS
Erofeeva T.A.
Erofeeva Tatiana Alexandrovna — Master's Degree Student, DEPARTMENT OF INFORMATION SYSTEMS AND TECHNOLOGIES, COLLEGE OF INFORMATION BUSINESS SYSTEMS THE NATIONAL UNIVERSITY OF SCIENCE AND TECHNOLOGY "MIS&S", MOSCOW
Abstract: the article is dedicated to the description of the lack of a risk management methodology that takes into account the management of IT infrastructure projects; as well as the need to develop a methodology that best meets the specifics of the subject area, providing high-quality risk management based on adapted common risk assessment approaches. The proposed solution is a methodology that is based on the resolution of the risk register, compiled on the basis of risk information in accessible project documentation, whose work is related to the implementation of infrastructural IT projects, and forecasting, assessment and risk management model developed using the cluster analysis method. Keywords: risk, infrastructure IT projects, IT projects, IT infrastructure, risk management, cluster analysis, risk register.
УДК 331.225.3
Риски — неотъемлемая составляющая предпринимательской деятельности, а управление рисками является непременной частью той масштабной работы, которую сегодня должна проводить любая современная компания. Деятельность, связанная с реализацией комплекса взаимосвязанных информационных систем и сервисов, обеспечивающих функционирование и развитие средств информационного взаимодействия предприятия, должна сопровождаться системной и своевременной работой по мониторингу коммерческих и кредитных, организационных и производственно-технологических рисков, которые имеют ряд специфических особенностей, обусловленных, как правило, масштабностью инфраструктурных ИТ-проектов, их относительной дороговизной применяемых решений, а также, долгосрочностью при реализации и общих методов управления рисками, требующих адаптации.
Неудачи реализованных инфраструктурных ИТ-проектов свидетельствует о том, что многие организации не только не обладают системами адекватного управления рисками, но и плохо понимают характер рисков, с которыми связана их деятельность. В случаях, когда у руководителей ИТ-проектов и ответственных за принятие решения в условиях рисков отсутствуют знания об особенностях в управлении рисками в конкретной области, это, как правило, отражается на качестве принимаемых решений. Одной из ключевых проблем в управлении рисками инфраструктурных ИТ-проектов является открытое применение подходов, не соответствующих рассматриваемым ситуациям в рамках заданных условий для конкретных инфраструктурных ИТ-проектов, не предоставляющих результаты в форме, способствующей повышению осведомленности руководителя проекта о виде риска и способах его обработки, таким образом, не обеспечивающих прослеживаемость, воспроизводимость и верификацию процесса и результатов.
На текущий момент проблема управления рисками инфраструктурных ИТ-проектов не имеет конкретного общепризнанного единого подхода к решению. Актуальность исследования, целью которого является снижение неблагоприятных рисков при реализации инфраструктурных ИТ-проектов, обусловлена существующим ограничением в выборе универсального подхода управления рисками - отсутствием методологии управления рисками, которая учитывает особенности управления инфраструктурными ИТ-проектами; необходимостью разработки эффективной методики, максимально отвечающей специфике предметной области, обеспечивающей качественный менеджмент рисками на основе адаптированных общих подходов оценки рисков. Предлагаемым решением проблемы отсутствия подхода управления рисками в инфраструктурных ИТ-проектах является методика прогнозирования, оценки и управления рисками, апробированная на сформированном реестре рисков, выявленных при реализации ИТ-проектов.
Анализ существующих публикаций в рамках выделенной проблемы позволяет получить выводы о том, что для снижения негативных воздействий рисков в инфраструктурных ИТ-проектах следует применить адаптированное типовое решение стандартов по управлению рисками проектов. Предлагаемая методика включает реестр рисков инфраструктурных ИТ-проектов, форма реестра соответствует требованиями и рекомендациями, изложенными в национальном стандарте [1], модель прогнозирования и оценки и модель управления рисками.
В качестве подготовительного этапа, нацеленного на сбор данных о выявленных ранее в проектах рисках проанализирована доступная структурированная и неструктурированная информация по аналогичным проектам - входящая конкурсная документация, технико-коммерческие предложения, технические задания, планы проектов, закупочная документация. В рамках идентификации рисков в реестр внесены ключевые данные - идентификатор, наименование и описание риска (уточнение формулировки риска), инициатор; произведена экспертная оценка ущерба и вероятности рисков. Цель предварительного этапа - выявить максимальное значение рисков, которые могут негативно отразиться на выполнении инфраструктурного ИТ-проекта.
Выбор метода оценки рисков основан на рекомендациях и критериях по выбору методов оценки рисков, приведенных в стандарте [2]. Исходя из содержательных требований к методу, необходимо
выполнение условии: применимость метода на протяжении всего процесса оценки рисков от инициирования до оценки рисков; низкая степень неопределенности информации на выходах, таким образом, обусловленная точность с заданным уровнем значимости, доступность ресурсов для реализации метода и, как следствие, практическая реализуемость, возможность работы с количественными данными для дальнейшей оценки параметров риска.
Методической основой для разработки модели прогнозирования рисков инфраструктурных ИТ-проектов определены методы статистического анализа, поскольку данный подход отвечает вышеперечисленным параметрам выбора метода оценки рисков. Многомерные статистические методы среди множества возможных вероятностно-статистических моделей позволяют обоснованно выбрать наилучшим образом соответствующую исходным статистическим данным, характеризующим реальное поведение исследуемой совокупности объектов, оценить надежность и точность выводов, сделанных на основании ограниченного статистического материала.
Конечная задача этапа - решение задачи кластеризации, т.е. разбиения совокупность рисков на однородные группы. Решение задачи разбиения объектов по целому набору признаков доступно в методах кластерного анализа. Кластерный анализ в отличие от большинства математико-статистических методов не накладывает никаких ограничений на вид рассматриваемых объектов, и позволяет рассматривать множество исходных данных практически произвольной природы. Из теоретических знаний можно понять предполагаемую структуру разбиения и выбрать изначальные центры кластеров, так что для кластеризации можно использовать метод к-средних. Это наиболее популярный метод одномерной кластеризации, представляющий собой итеративный алгоритм, который делит множество объектов на к кластеров, точки которых максимально приближены к их центрам. Действие данного алгоритма заключается в минимизации суммарного квадратичного отклонения точек кластеров от центров данных кластеров.
Пусть Я = { Як} - исходный массив рисков, к = 1...М. Каждый риск обладает массивом признаков (атрибутов). X = {х^ - массив атрибутов каждого объекта массива X. 5к1 - мера близости между объектами Я к и Я.
Мерой близости объектов выбрано Евклидово расстояние, так как оно удачно вписывается квадратичной формой в традиционно статистические конструкции. Геометрически оно лучше всего объединяет объекты в шарообразных скоплениях, типичных для слабо коррелированных совокупностей (что отмечено в труде И.Д. Манделя [3]), к которым относится множество рисков.
Задача разделения исходного массива объектов на группы может быть сформулирована в следующем виде: выделить в R, характеризующегося набором признаков х ь множество кластеров
"р О = ир
С р
, удовлетворяющих условиям и определённых в соответствии с величинами
С р П С q = 0 , р q , р , q = 1 , . . . Р,
Ski, где Skl = JE i (xw - x;¡) 2. x5 - тип проекта (D, W, S, M или
г
Вектор атрибутов Х={х1,. . 0} объектов массива Я, где х1 К), х6,. . ., х1 0 - класс проекта (А, В, С, Р или V).
Согласно методу на первом шаге случайно выбирается к-центров классов, каждый объект присоединяется к ближнему эталону, эталоны пересчитыватся как центры тяжести классов. После пересчета эталонов объекты снова распределятся по ближним классам до состояния стабилизации процесса, т.е. неизменности значений центров тяжести класса. В результате произведенных расчетов получено 8 непересекающихся кластеров, схематично представленных на рисунке 1. Одним из основных результатов исследования стало то, что для каждого кластера рисков определено сочетание типа и класса проекта с зафиксированным значением одного или двух параметров.
Рис. 1. Результаты кластеризации рисков
Проведенные исследования, связанные с разработкой методики оценки и прогнозирования рисков инфраструктурных ИТ-проектов, являются актуальными для компаний с подразделениями, нацеленными на реализацию крупных поставочных ИТ-проектов: сформирован реестр рисков инфраструктурных ИТ-проектов и разработана методика прогнозирования и оценки рисков инфраструктурных ИТ-проектов. Полученные результаты апробированы, методика эффективна и рекомендована к использованию при разработке и внедрении подсистемы управления рисками в системах управления проектами компании, деятельность которых связана с реализацией инфраструктурных ИТ-проектов.
Список литературы / References
1. ГОСТ Р ИСО/МЭК 51901.23-2012 - Менеджмент риска. Реестр риска. Руководство по оценке риска опасных событий для включения в реестр риска. М: Стандартинформ, 2014.
2. ГОСТ Р ИСО/МЭК 51901.23-2012 - Менеджмент риска. Реестр риска. Руководство по оценке риска опасных событий для включения в реестр риска. М: Стандартинформ, 2014.
3. МандельИ.Д. Кластерный анализ. М.: Финансы и статистика, 1988. 176 с.
ОСОБЕННОСТИ АРХИТЕКТУР И РЕЖИМОВ РАБОТЫ СОВРЕМЕННЫХ МИКРОПРОЦЕССОРОВ Дашкевич Е.А. Email: Dashkevich641@scientifictext.ru
Дашкевич Евгений Артурович — магистрант, кафедра вычислительной техники, институт автоматики и информационных технологий, Самарский государственный технический университет, г. Самара
Аннотация: в современных микропроцессорах широко используется конвейерная обработка. Эффективная работа конвейера может быть нарушена из-за конфликтов. Стремление максимально повысить производительность процессора привело к использованию различных подходов к устранению конфликтов. Большой упор сделан на совершенствование методов моделирования микропроцессоров на этапе их разработки. В зависимости от методов устранения и избежания конфликтов микропроцессоры классифицируются на различные архитектуры. Данная статья представляет собой обзор различных архитектур современных микропроцессоров. Ключевые слова: микропроцессор, многоядерность, VLIW-процессор, суперскалярный процессор, архитектура EPIC.
FEATURES OF ARCHITECTURES AND MODES OF WORK OF MODERN MICROPROCESSORS Dashkevich E.A.
Dashkevich Eugeny Arturovich — Master's Degree Student, DEPARTMENT INSTRUMENT ENGINEERING, INSTITUTAUTOMATION AND INFORMATION TECHNOLOGY, SAMARA STATE TECHNICAL UNIVERSITY, SAMARA
Abstract: pipeline processing is widely used in modern microprocessors. Effective work of the pipe can be interrupted because of conflicts. The desire to maximize the performance of the processor led to the use of different approaches to conflict resolution. Great emphasis is placed on improving the methods of modeling microprocessors at the stage of their development. Depending on the methods of eliminating and avoiding conflicts, microprocessors are classified into different architectures. This article is an overview of the various architectures of modern microprocessors.
Keywords: microprocessor, multicore, VLIW architecture, superscalar processor, EPIC architecture.
УДК 004.318
Современные высокопроизводительные вычислительные системы востребованы в широком диапазоне областей. Производительность микропроцессорных систем (МС) ежегодно возрастает на 25-35%. Проектирование вычислительных систем и сетей современной архитектуры — сложная задача, включающая в себя разработку, тестирование и отладку как аппаратного, так и программного обеспечения.
Одним из методов повышения эффективности разработки на всех этапах проектирования является использование комплекса программ, моделирующих работу микропроцессора и МС в
