CC BY
62
Л. А. Рейнгольд, канд. техн. наук, консультант АО «РДТеХ», г. Москва, Leonid.Reingold@rdtex.ru А. И. Волков, аспирант Московского физико-технического института, Anatoli.Volkov@rdtex.ru
А. Н. Копайгородский, канд. техн. наук, ведущий специалист по ИТИСЭМ СО РАН, г. Иркутск, Kopaygorodsky@mail.ru Е. Ю. Пустозеров, руководитель направления АО «РДТеХ», г. Москва, Evgeny.Pustozerov@rdtex.ru
Семантическая интероперабельность в решении финансовых задач и способы ее измерения1
В статье рассмотрены вопросы, связанные с решением задачи обеспечения семантической интероперабельности в деятельности финансовой организации. Предложены подходы к измерению и оценке интероперабельности, которые могут использоваться в решении различных задач, связанных с интеграцией финансовой информации. Рассмотрены вопросы обеспечения совместного функционирования автоматизированных систем и использования сведений, получаемых из различных источников.
Ключевые слова: семантическая интероперабельность, хранилище данных, финансовая информация, измерение интероперабельности, обработка финансовой информации, открытые данные, онтологии в финансовой деятельности.
Введение
В настоящее время происходит информатизация всех сфер жизни общества, в рамках которой осуществляется комплексная автоматизация финансовой деятельности, встраивание финансовых функций во все ситуации, связанные с использованием товаров и услуг.
Появляются новые применения информационных технологий, в которых используются новые концепции и технологические механизмы для осуществления финансовых расчетов. Один из основных факторов технологического развития — возможность со-
1 Работа выполнена при частичной поддержке грантов РФФИ № 16-37-50055, № 16-07-00860, № 14-0-00116, № 16-07-00569. Авторы выражают благодарность РФФИ за поддержку научных исследований.
вместного использования информации участвующих в предоставлении финансовых услуг автоматизированных систем [1].
Интероперабельность, способность к совместному функционированию автоматизированных систем, обычно подразделяется на техническую и информационную [2-4]. Проблемы, связанные с технической инте-роперабельностью (совместимостью физических параметров технических средств, интерфейсов передачи данных и др.), в современных ИТ-системах в основном решены. Доставка данных от системы к системе в достаточной степени согласована. Сфера исследований в области технической интеро-перабельности касается в основном решения проблем обеспечения производительности, надежности, криптографической защиты данных, оптимизации затрат и др.
В литературе отмечается, что актуальной задачей является использование совместимой системы смыслов взаимодействующих автоматизированных систем [5], в том числе и в финансовой сфере [6; 7]. То есть они должны отвечать требованиям обеспечения семантической интероперабельности.
Различные системы и сервисы требуют решения задач семантической интероперабель-ности. Автоматизированные системы должны совместимым образом использовать информацию, в некотором смысле одинаково «понимать» содержание взаимодействия между собой. Должно быть сформировано общее смысловое поле, среда для единообразного, согласованного использования информационных ресурсов. Решение проблем семантической интероперабельности позволяет совместно использовать все доступные информационные источники с получением си-нергетического эффекта. Обеспечение семантической интероперабельности позволяет эффективно решать ряд ключевых задач финансовых организаций (ФО), в частности:
• оценку достоверности информации, получаемой из различных источников, т. е. предоставлять возможность сопоставления уровня достоверности сведений, обеспечиваемого различными технологическими решениями, для корректного связывания информации;
•• обогащение внутренней информации финансовых организаций с использованием внешних источников; выполнение перекрестной проверки с использованием данных различных источников, в том числе и в автоматическом режиме;
•• автоматизацию информационного обмена и обработки информации из смежных информационных систем с исключением повторного ввода данных, что ведет к уменьшению количества возможных ошибок, минимизации участия человека в устранении различных коллизий и нарушений в результате совместного использования информации [8].
Наиболее динамично развивающимся направлением, связанным с представлением и описанием элементов реального мира в информационно-вычислительных системах, являются онтологии.
Примером одного из крупнейших проектов на территории бывшего СССР, основанного на применении онтологического подхода, является проект по созданию Открытой семантической технологии проектирования интеллектуальных систем (OSTIS) [9], координаторы которого проводят ежегодные конференции по вопросам, близким с тематикой проекта. Развиваются проекты по разработке универсальных средств интеллектуального анализа данных [10], не ограниченных рамками одной предметной области, что достигается с помощью применения онтоло-гий для их описания. Онтологии все чаще используются и для представления информации в финансовой сфере [11; 12]. Онтологии позволяют не только описывать объекты, но и выполнять над этими описаниями различные действия, направленные на выявление противоречий, обобщение, преобразование, организацию логического вывода. С помощью онтологий в формальном виде могут задаваться не только понятия предметной области и связи между ними, но также необходимые правила и ограничения. Например, в проекте OSTIS онтологии используются также для создания сценариев обработки данных [13].
В настоящее время автоматизация деятельности финансовых структур не ограничивается внутренними процессами. Различные типы финансовых организаций взаимодействуют между собой, с партнерами и клиентами. Бизнес-схемы такого взаимодействия могут быть различными, при этом функциональность финансовой деятельности может по-разному распределяться между участниками [14]. Необходима комплексная оценка вопросов, связанных с информационной интеграцией в финансовом взаимодействии, учитывающая все существенные факторы,
влияющие на эффективность совместной деятельности.
Большое значение для решения задач семантической интероперабельности при объединении разнородных данных в финансовой сфере, относящихся к различным типам объектов, имеют открытые данные. Это информация в машиночитаемом формате, предоставляемая государственными и коммерческими организациями добровольно или на основании действующих нормативных документов [15; 16]. Открытые данные способствуют стандартизации в структурировании данных, а также облегчают их обработку, в том числе при решении различных финансовых задач.
Для решения различных практических задач в финансовой сфере актуальна выработка способов оценки и измерения состояния семантической интероперабельности применительно к различным имеющимся и вновь возникающим источникам данных. Оценка эффективности информационного взаимодействия должна учитывать весь комплекс влияющих на нее факторов — организационных, инфраструктурных, отражающих особенности правового регулирования, состояние объектов, работающих в финансовой сфере, а также особенности рассматриваемой ситуации финансового взаимодействия.
Классификация информации, используемой в деятельности финансовых организаций
Все виды информации (I), доступные ФО, включают некоторые характерные слои, которые можно выделить по месту возникновения и ограничениям в использовании. Наиболее формализованный и контролируемый слой — государственная приватная информация (1Ж), содержащая сведения ограниченного распространения. Эта информация доступна ФО в соответствии с действующим законодательством. Примером такой информации являются юридически достоверные персональные данные о клиентах финансовой организации.
Другой слой — государственная общедоступная информация (1Р). Это сведения, которые формируются государственными структурами, а также получены за счет бюджета муниципальными и коммерческими организациями. Такую информацию во многих случаях нет смысла скрывать. Более того, ее интенсивное использование в самых различных применениях позволяет интегрировать, сделать более компактной и эффективной информационную инфраструктуру, уменьшить затраты на функционирование средств автоматизации ФО. К такой информации относятся различные справочники, классификаторы, глоссарии, структуры данных, типовые онтологии, а также типовые алгоритмы и ограничения в их обработке и др. Общедоступная информация государственных структур используется в соответствии с концепцией открытых данных, реализация информационных систем выигрывает от ее повсеместного применения.
Коммерческая информация (1с) появляется в результате деятельности коммерческих структур. Она обогащает информацию государственных структур дополнительными сведениями, но, как правило, основывается на легитимизированных государством данных — персональных данных, классификаторах, онтологиях, типовых методах их обработки и ограничениях.
Данные, полученные из открытых источников, свободно распространяемая информация (1Р) не имеют ограничений по применению. Как правило, их использование вносит существенную неопределенность в автоматизированные системы, поскольку такие данные часто недостаточно структурированы, их обновление не регламентировано, источники такой информации не несут ответственности за их содержание.
Использование открытых данных в России сейчас особенно актуально в связи с автоматизацией предоставления государственных услуг и участием в этом процессе в том числе и ФО. Общедоступный официальный информационный сегмент позволит упростить
и ускорить внедрение государственных услуг, а также расширить функциональность имеющихся решений за счет информационных ресурсов коммерческих организаций и участия в процессах разработки новых сервисов социально активных граждан.
Таким образом, вся информация, доступная ФО (I), определяется совокупностью:
• государственной приватной информации (1ж);
•• государственной общедоступной информации (ISP);
• коммерческой информации (Ic);
• данными, полученными из открытых источников, таких как Интернет (IP).
Математически такая совокупность может быть представлена следующим образом
[17; 18]:
1 = {ISS ISP Ic, IP},
где ISP = {MSP DSP}, где DSP являются данными, описывающие различные аспекты финансово-экономической деятельности субъектов, а MSP — описывают их, причем
Msp nISS
Ic = {Mc, Dc },
где Dc являются данными, накопленными внутри финансовой организации в результате ее работы, а Mc — описывают их, причем Mc с ISP. К Ic относятся также данные, предоставляемые другими организациями, участвующими в информационном обмене, и данные, предоставляемые сторонними коммерческими организациями на платной основе (СПАРК, Dow Jones и т. д.).
IP = {IPL, IPc}, где IPL — информация легитимизированная государственными организациями, IPc — является общедоступной информацией,
IPL = {Mpl, DpL},
где DPL — данные открытых государственных источников, причем DPL с DSP , MPL — описание Dp^ Mpl с ISP.
1РС = {Мрс, DPC}, где DPC — данные открытых источников, Мрс — описание DPC,
Мрс Ш&Р Ф0.
Для интеграции и эффективного использования открытых данных (1рс) необходимо их объединение с общедоступной государственной информацией (18Р), т. е. необходимо отображение Мрс в элементы 18Р:
: МРс ^ 15Р = МРсЯР ; МРсЯР С 1 ЯР .
Отображение ^ может поддерживаться через использование программного обеспечения и представленной в виде онтологии модели.
Финансовые организации взаимодействуют между собой с использованием для согласования смыслов своих данных доступной государственной открытой информации. Они также применяют разрешенную для соответствующих случаев нормативными документами приватную информацию (например, в доступной степени — приватную информацию граждан). Во взаимодействии также могут использоваться взаимно согласованные Открытые данные, а также другие сведения, структура и метаданные которых оговорены двусторонними соглашениями.
Особенности обработки финансовой информации в современных условиях и предпосылки для ее интеграции
Человек взаимодействует с доступными ему объектами в различных ситуациях. Каждый такой объект имеет некоторые существенные свойства, определяющие его полезность, возможности приобретения или получения в пользование и условия применения. Можно выделить ряд характерных групп свойств объектов. Это функциональные свойства, определяющие ценность и возможность применения объекта; эксплуатационные свойства, характеризующие удобство использования, возможности изготовления;
свойства, характеризующие утилизацию использованного объекта по истечении срока службы.
Информация (I) возникает в различных форматах, поступает из различных источников данных (5) и применяется для решения в том числе финансовых задач.
На каждом этапе жизненного цикла любого объекта (10, 10 с I) возникает специфическая финансовая информация (1ор,), появление и обработка которой происходят в различных организационных структурах, которые в современных ФО являются территориально распределенными и имеют собственные средства автоматизации.
Финансовые свойства любого объекта включают оценку его полезности, цену, спрос, затраты на эксплуатацию и пр. Особенности финансовых свойств, присущих каждому типу объектов, определяются его сущностью и местом в жизнедеятельности человека и общества.
В процессе жизненного цикла объекта структура и содержание его свойств имеют свои особенности и в любой момент времени обладают актуальными финансовыми характеристиками. В частности, для каждого объекта существует некоторая оценка полезности и стоимости на каждом этапе жизненного цикла.
Объекты взаимодействуют между собой в различных ситуациях. Во многих таких ситуациях существенными являются финансовые свойства объектов. К таким ситуациям, например, относятся выбор, приобретение товаров, предоставление кредита и пр.
В ситуации существенно разделение финансовых (!о^) и нефинансовых свойств объекта (1ос). В условиях автоматизации целесообразно учитывать в процессе интеграции данных всю доступную нефинансовую информацию 1ос, которая в той или степени оказывает влияние на финансовые свойства объекта 1ор.
Информационная среда, окружающая человека, в настоящее время быстро меняется,
происходит ее виртуализация. На наших глазах границы реального и виртуального мира размываются. Характерный пример — аддитивные технологии, позволяющие получить изделие, не удаляя материал из заготовки, как это делается традиционно, а добавляя его в нужные места под управлением компьютера. То есть виртуальный объект может быть материализован, и средства такой материализации постепенно становятся общедоступными.
Это накладывает отпечаток на осуществление финансовой деятельности, так как возрастает значимость информационной составляющей, которая должна учитывать особенности работы с виртуальными объектами, вносящими дополнительные неопределенности, в том числе и в функционирование финансовой системы.
Целью многих злоупотреблений в вирту-ализированной среде является финансовая сфера, например извлечение необоснованных доходов с использованием телекоммуникаций и информационных технологий.
Актуальным примером, иллюстрирующим эти проблемы, могут служить различные информационные услуги, такие как платные подписки и SMS для коммуникационных устройств, которые часто распространяются без явного согласия пользователей. Подобные явления быстро адаптируются к регулирующим воздействиям, поскольку на структурные проблемы в финансовой сфере общество реагирует, как правило, недостаточно быстро.
Появляются все новые схемы мошенничества в виртуальной среде, которые необходимо оперативно выявлять, а негативный эффект корректно оценивать и минимизировать.
Поскольку в современных условиях финансовые транзакции осуществляются во взаимодействии территориально распределенных автоматизированных систем различных организаций, имеющих собственные технологические платформы, корпоративные интересы и другие особенности, особое значение приобретает обеспечение семантического
единства информации, используемой для взаимодействия средств автоматизации в меняющейся и усложняющейся информационной среде.
Обеспечение семантической интеропера-бельности взаимодействующих автоматизированных систем, участвующих в функционировании финансовой системы, позволяет эффективно решать ряд задач, в частности осуществлять выработку и поддержку в них единства смыслов. К таким задачам относятся:
• уменьшение количества ошибок при информационном обмене и вводе информации вручную;
• осуществление анализа информации с использованием всей доступной информации об объектах и ситуациях, а не только финансовой составляющей;
• эффективное выявление и предотвращение попыток мошенничества в финансовых операциях;
• выполнение требований государственных регуляторов по предоставлению отчетности и к технологии обработки информации и др.; оперативное и проактивное осуществление обработки информации для решения практических задач.
Типология обработки данных финансовых организаций и тенденции ее изменения
В обществе исторически сложились некоторые типы ФО, выполняющих некоторый специфический набор функций по обработке финансовой информации.
Традиционные типы ФО сформировались эволюционно и до появления современных компьютерных технологий обработки информации изменялись медленно.
В современных условиях (автоматизация обработки информации, глобальные телекоммуникации и пр.) происходят быстрые и существенные изменения: осуществляется перераспределение функций между традицион-[ 120 ]
ными финансовыми структурами, отдельные элементы их деятельности получают новые организационные формы. Появляются новые бизнес-модели финансовой деятельности, опирающиеся на ИТ, которые реализуются как новыми, так и традиционными оргструктурами.
В последние годы происходит существенная трансформация содержания деятельности в финансовой сфере. Меняются как ее институциональные формы, так и содержание деятельности имеющихся организаций.
Рассмотрим коротко типы ФО в контексте требований к обеспечению интероперабель-ности в их взаимодействии.
Примером информации, нуждающейся в постоянном обеспечении семантической интероперабельности, являются сведения о клиентах. В процессе обработки финансовой информации каждый тип ФО использует базы данных (БД) клиентов — юридических и физических лиц, подтвержденные документами, а также должен использовать в рамках закона другую информацию, характеризующую значимые для оказания услуг свойства клиента. По БД регулярно осуществляются проверки состоятельности клиентов. Для анализа используется внешняя и внутренняя информация о клиентах. Деятельность по работе с клиентской базой регламентирована законодательством, которое постоянно совершенствуется под воздействием внутренних и внешних обстоятельств. Подобные информационные массивы формируются ФО и применительно к другим типам объектов, задействованных в выполнении финансовой деятельности.
Существует несколько характерных типов ФО. В статье мы рассмотрим особенности некоторых из них: банков, страховых и платежных организаций, телекоммуникационных компаний, интернет-сервисов с финансовой функциональностью. Анализ особенностей решения задач семантической ин-тероперабельности ряда других типов ФО находится за рамками статьи ввиду их специ-
фических особенностей. Это касается профессиональных участников рынка ценных бумаг, пенсионных фондов, микрофинансовых организаций, инвестиционных фондов, лизинговых компаний.
Банк
В соответствии с действующим в стране законодательством банки предоставляют юридическим и физическим лицам различные услуги, связанные с обслуживанием их банковских счетов, кредитованием, выдачей банковских гарантий, инкассацией и кассовым обслуживанием, куплей и продажей валюты, осуществлением переводов валюты и др.
Страховая компания
Страхование обеспечивает защиту юридических и физических лиц от различных видов опасностей в рамках страховых случаев, обусловленных договорными отношениями между страховщиком и страхователем. В настоящее время взаимодействие между всеми участниками процесса страхования на всех его этапах все более автоматизируется с использованием доступных всем участникам средств автоматизации. Эффективность страхования в значительной степени зависит от правильной оценки рисков, связанных с клиентом, и возможностей страхователя по их покрытию. Модель оценки должна быть всесторонней и учитывать все обстоятельства.
Платежная система
Платежные системы — специфический вид ФО, который в современных условиях функционирует практически в автоматизированном режиме. Окружение и контекст работы такого рода организации в значительной степени определяется виртуальной технологической средой.
Функционирование такой системы должно поддерживаться механизмами, позволяющими извлекать и использовать в работе информацию, появляющуюся в автоматизиро-
ванном режиме, с обеспечением необходимой надежности и предсказуемости.
Платежные системы в обычных условиях мало интересуют неспециалистов. Однако в настоящее время возможность влиять на эти элементы инфраструктуры, предотвращать деструктивные воздействия является политическим фактором, и возникает тенденция по созданию таких систем на национальном уровне для исключения инфраструктурных рисков.
Возникают финансовые услуги «на стыке» различных типов традиционных ФО.
В современных условиях появляются новые услуги в традиционных ФО, а также услуги, предоставляемые новыми участниками финансового рынка.
Это происходит в значительной степени в связи с появлением новых возможностей, предоставляемых средствами автоматизации. В финансовые процессы в той или иной форме включаются новые типы организаций. Рассмотрим некоторые примеры.
Телеком-оператор с финансовым функционалом
Одним из типов организаций, все более активно включающихся в деятельность ФО, являются телекоммуникационные компании.
Операторы телекоммуникаций имеют возможность использовать лицевые счета клиентов для выполнения различных финансовых операций. Как правило, это платежи, связанные с обслуживаемой ими инфраструктурой — техническими средствами, а также с предоставлением собственных услуг и услуг партнеров.
Платежи за традиционные телекоммуникационные услуги могут дополняться расчетами за реальные товары. Например, стоимость приобретаемого клиентом коммуникационного оборудования может полностью или частично включаться в тарифный план за телекоммуникационные услуги и фактически является неявным кредитом, погашаемым за счет повышения цен на коммуникационные услуги.
Операторы телекоммуникационных систем стремятся, насколько возможно, использовать счет клиента для выполнения различных финансовых транзакций. Для них актуально выявление новых услуг, рыночных ниш, позволяющих предлагать новые услуги в рамках имеющихся нормативно-правовых ограничений.
Происходит частичная конвергенция функциональности средств автоматизации телеком-операторов и ФО. В частности, двухфазный механизм подтверждения транзакций, такой как подтверждение с использованием информации, полученной через SMS-сообщение, может быть упрощен при выполнении платежей в пользу оператора используемого клиентом устройства связи. То есть пользователю банковской системы не надо подтверждать транзакцию кодом из SMS-сообщения, если она касается пополнения счета телефона, на который должно быть выслано SMS.
Интернет-сервис с финансовым функционалом
Крупные интернет-сервисы стремятся встроиться в финансовые транзакции, получая доходы за свое участие в них. Пример — Яндекс как платежный агрегатор [19].
Рассмотренные выше типы ФО имеют некоторые сходства и различия в использовании средств автоматизации.
Одной из основных общих тенденций в развитии средств автоматизации финансовой системы в связи со сложившейся международной экономической и политической обстановкой является устранение рисков, связанных с обработкой финансовой информации через зарубежные центры обработки. Это касается в том числе методической базы и интеграционных функций таких систем.
В современном обществе существуют не имеющие прямого отношения к ФО источники информации, существенной при обработке финансовых данных. Это, в частности, средства обработки информации государственных структур, а также данные, возни-[ 122 ]
кающие на региональном и муниципальном уровнях управления.
В процессе трансформации финансовой инфраструктуры возникают проблемы, связанные с возможностью проявления «неуправляемой» семантической интероперабель-ности. Это происходит, когда новые организационные структуры, обслуживающие их автоматизированные системы, лишаются внешней интеграционной компоненты, а собственная еще не вполне сформирована и осознана.
Такими проблемами являются возможное несанкционированное выявление и неправомочное использование личной и коммерческой информации, а также сохранение, пусть и в меньшей степени, технической и технологической зависимости от неподконтрольных зарубежных элементов финансовой инфраструктуры в условиях политических и экономических противоречий. Это средство создания конкурентных преимуществ, а также в некотором смысле «информационное оружие».
Для предотвращения негативных явлений реализуется обработка чувствительной, в том числе финансовой информации внутри страны с использованием принятой ранее нормативной базы, например Закона «О персональных данных» [20].
Внедряется Национальная система платежных карт (НСПК), национальная расчетная система, позволяющая осуществлять обработку информации от имеющихся элементов финансовой инфраструктуры внутри страны [21].
При корректной реализации механизмов обеспечения семантической интеропера-бельности, а также как следствие формирования полного цикла обработки финансовой информации внутри страны появляется возможность унификации не только транзакций, но и средств анализа и обработки финансовой информации.
Финансовая и ситуативная информация
Итак, во всех финансовых операциях используется финансовая и ситуативная информация, являющаяся подмножеством не-
финансовой информации (1о5, 108 с 10С ). Финансовая информация 1ор включает собственно данные финансовой транзакции: валюту, сумму операции, дату и время проведения операции, сведения о плательщике и получателе платежа и др.
Ситуативная информация 1о5 содержит информацию о нефинансовых свойствах, характеризующих объекты в конкретной ситуации — сведения об обстоятельствах и условиях платежа, а также описывает содержание финансовой операции. Для каждого типа ситуации такая информация имеет собственную структуру. Эта структура отражает содержание и существенные особенности операции и во многих случаях не вполне формализована.
Она включает данные о существенных характеристиках и объемах продуктов, условиях их передачи и др.
Стандартизация ситуаций и характеризующих их ситуационных сведений 1о5 позволит всем заинтересованным сторонам отражать соответствующую информацию в совместимом формате, позволяющем улучшить межсистемную интеграцию и повысить качество анализа, что окажет синергетический эффект на качество процессов, протекающих в отдельных ФО.
Необходимо формирование системы интерфейсов, поддерживающих семантическую интероперабельность и применяемых всеми пользователями системы. Интерфейс должен обеспечивать целостное восприятие, достаточную информативность, понимание пользователем предметной области. Он должен быть удобен для его работы и сокращать трудозатраты относительно других способов выполнения необходимых функций.
Типология ситуаций обработки финансовой информации и их описание
Рассмотрим ряд характерных ситуаций, связанных с обработкой финансовой информации. В табл. 1 представлены типовые си-
туации, в которых востребована интеграция информации различных типов, полученной из различных источников, для решения финансовых задач различных финансовых организаций.
Методы обработки информации в деятельности ФО постоянно совершенствуются. Использование новых информационных технологий приводит к появлению новых, неочевидных способов контроля за клиентами ФО, например с использованием данных, доступных в социальных сетях. В частности, компания Facebook запатентовала систему, которая позволит кредитующим организациям определять платежеспособность клиента на основании его контактов в «Фейсбуке».
Механизм основан на «авторизирован-ных узлах связи». Когда клиент подает заявку на получение кредита, кредитор, получив доступ к этим узлам, сможет оценить кредитоспособность людей, находящихся в друзьях у заявителя.
«Если средний кредитный рейтинг этих людей оказывается равен или выше допустимого, кредитор дает ход заявке на кредит. В противном случае заявка отклоняется», — говорится в описании технологии [22].
В ближайшее время следует ожидать появления и других подобных способов выполнения финансовой деятельности, основанных на смысловых связях данных.
Семантическая несовместимость при интеграции информационных систем
В практической деятельности необходимо учитывать факторы, влияющие на достоверность информации, в частности — субъективность взглядов разработчиков и пользователей взаимодействующих систем на данные. Неодинаковый смысл понятий, как правило, возникает при описании нефинансовой составляющей финансовых ситуаций.
Взаимодействующие субъекты понимают
Таблица 1. Ситуации в деятельности финансовых организаций и используемые в них источники информации
Table 1. The situation in the activities of financial institutions and their sources of information
Описание Источники информации и описание Пример реализации Методы интеграции Способы оценки
ситуации содержания ситуации в программном обеспечении информации, применяемые достоверности
в практике и эффективности
применения
средств интеграции
информации
Тип ситуации: Проверка клиента Банка
Проверка но- Нового для Банка клиента необходимо проверить Для решения описанной задачи Технологически для инте- Проверка совпаде-
вого клиента по определенным критериям и присвоить ему на- можно использовать продукт 81гоп грации используется два ний данных клиента
(физического чальный уровень риска (в соответствии с заранее КУС. Он позволяет собрать данные метода — загрузка данных с данными внешних
лица) заданными категориями). Для проверки исполь- о клиенте (с помощью анкеты или из файлов и взаимодействие и внутренних списков
зуются различные списки: из других систем банка), загрузить через и'еб-сервисы производится путем
• Росфинмониторинг (экстремисты и террори- в систему различные списки, настро- сравнения значений
сты); ить правила проверки и присвоения атрибутов клиента
• ФМС (недействительные паспорта); риска клиенту с атрибутами списков.
• собственные списки и др.; Поддерживается воз-
• банки данных о ПДЛ; можность нечеткого
• Dow Jones/Factiva WorldCheck); поиска (например, с по-
• преднастроенные правила мощью расчета рассто-
яния Левенштейна)
Проверка но- Аналогично проверке ФЛ, но дополнительно ис- Аналогично проверке ФЛ Аналогично проверке ФЛ Аналогично
вого клиента пользуется информация из следующих источников: проверке ФЛ
(юридиче- • список стратегических предприятий.
ского лица • базы данных по ЮЛ и ПП — СПАРК,
иИП) • проверка бенефициаров по правилам для ФЛ
Проверка клиента при приобретении продуктов Банка (например, заемщика)
Если клиент планирует стать заемщиком Банка, его проверяют в аспекте кредиспособности. Для этого используется информация об истории взаимоотношений с данным клиентом в банке и внешние источники информации (кредитная история из НБКИ, репутация и т. д.)
Обычно реализуется с помощью специальных программ под названием «кредитный конвейер», который может на основании различных данных о клиенте вычислить скоринговый балл по клиенту и помочь принять решение о выдаче / отказе в выдаче ему кредита
Загрузка данных из АБС и хранилища в «кредитный конвейер» выполняется обычно с помощью специальных ЕТЪинструментов (Oracle Data Integrator, Informática PC, IBM DataStage и т. д.)
Регулярная Все существующие клиенты должны периодиче-
проверка су- ски проверяться по спискам и правилам по ана-
ществующих логии с проверкой нового клиента клиентов
Для интеграции используется загрузка данных из файлов
Проверка совпадений данных клиента с данными внешних и внутренних списков2
2 Обычно осуществляется путем сравнения значений атрибутов клиента с атрибутами списков. Поддерживается возможность нечеткого поиска (например, с помощью расчета расстояния Левенштейна).
Окончание табл. 1
2
п>
X
£
эе
Z П> X
ш ш
£ s
S X
-е-
о ■а Z ш с s s
Описание Источники информации и описание Пример реализации Методы интеграции Способы оценки
ситуации содержания ситуации в программном обеспечении информации, применяемые достоверности
в практике и эффективности
применения
средств интеграции
информации
Тип ситуации: Мониторинг поведения клиента Банка
Мониторинг Ежедневный мониторинг поведения клиента (как поведения финансовый, так и не финансовый) на основе клиента с це- преднастроенных правил. При отклонении пове-лью выявле- дения клиента от стандартного производится пения сомни- рерасчет риска клиента и принимается решение тельного о дальнейших отношениях с ним. В случае выяв-
поведения ления операций, подпадающих под обязательный контроль (по 115ФЗ и положениям ЦБ), должно формироваться сообщение для передачи в РФМ
Для решения описанной задачи можно использовать продукт Siron AML. Он позволяет ежедневно собирать данные о клиентах, его счетах, операциях, рассчитывать статистику и профиль поведения клиента. Возможна настройка правил выявления сомнительных операций и анализ результатов их выполнения (проведение расследования)
Технологически для интеграции используется метод загрузки данных из файлов, которые формируются на основании выгрузок из различных банковских систем
Мониторинг поведения клиента с целью выявления сомнительного поведения в режиме реального времени
Отслеживание операций клиентов с целью предотвращения краж и мошенничества в реальном времени (например, с кредитными картами)3
Соответствие нормативной базе: закон 115 ФЗ и положениям ЦБ 321П, 375П, 445П
"О
зс >
Ез
п: >
2Q
е
о
"О
зс >
о а то
Z >
о
-п >
"О "О
о то
о сл
3 Выявление, анализ и предотвращение различных мошеннических действий является довольно трудоемкой задачей. Узнать способ организации тех или иных попыток мошенничества заранее, как правило, не удается, а сценарии мошеннических действий изменяются очень часто. Схемы мошенничества обычно представляют собой довольно сложный набор отдельных событий (нередко кажущихся несвязанными), которые необходимо оперативно распознать и предотвратить. Для решения этой задачи существует специальный метод обработки сложных событий, который позволяет определять зависимости между отдельными событиями, которые не имеют очевидной связи между собой. Если при этом обнаруживаются подозрительные последовательности действий или событий, система выдает соответствующее предупреждение, а затем, в случае попытки выполнения мошеннического действия, в режиме online поступает сигнал тревоги, на основании которого предпринимаются проакгивные действия по предотвращению мошенничества. Именно такой подход позволяет своевременно предупреждать и устранять попытки мошенничества.
INJ (Л
и отражают в своих автоматизированных системах содержание ситуации по-своему:
• в зависимости от жизненного опыта участников и особенностей эволюции их средств автоматизации;
• вследствие влияния собственных интересов участвующих во взаимодействии субъектов («разворота» ситуации в свою пользу).
Примером могут являться различного рода «умолчания», неоднозначности в описании условий предоставления услуг. Так, например, в тарифном плане мобильного оператора указывается, что трафик с абонентами этого оператора бесплатен. Он также включает оплаченное количество минут при звонках по любым телефонным номерам. При этом звонки абонентам этого же оператора не тарифицируются, но вычитаются из оплаченного трафика, таким образом, происходит корректировка итоговой стоимости. Это неочевидно для клиента — он ожидает, что звонки для этой группы абонентов уже являются бесплатными и вовсе для него учитываться не будут. То есть происходит тонкая подмена смыслов, в которой одна из сторон не может сразу разобраться, и эта подмена встраивается в средство автоматизации.
Семантическая несовместимость также возникает вследствие различия точек зрения на ситуацию информационного взаимодействия. Участниками информационного взаимодействия формируется различный набор характеристик для описания ситуации.
Как правило, участник, ответственный за свою часть информации, более подробно знаком с особенностями ее формирования и применения, часто у него более «профессиональная» точка зрения, сопровождающаяся более выверенным пониманием ситуации. Он имеет более детальную модель знаний, данных и их детальное описание в автоматизированной системе. Во взаимодействии автоматизированных систем это проявляется, например, в виде различной детализации понятий, определяемых конечным списком значений
(классификаторов и справочников). В част-[ 126 ]
ности, возможно появление различного количества альтернатив: например, в классификации, используемой одной стороной, больше альтернатив, чем в другой.
Встречается неоднозначное соответствие между альтернативами классификации. Альтернативы, которыми характеризуются свойства одних и тех же объектов, по-разному сформулированы и, соответственно, смысловое содержание альтернатив отличается. Противоречия, как правило, разрешаются вручную и могут постепенно устраняться в случае возможности создания алгоритма устранения несоответствия для встраивания его в автоматизированную систему.
Методы интеграции информации в целях обеспечения семантической интероперабельности
При интеграции информационных систем необходима реализация принципа однократного устранения семантической несовместимости — каждая интеграционная проблема должна решаться один раз при ее возникновении. То есть необходимо стремиться к тому, чтобы проверка выполнялась один раз для каждого случая. Если происходит повторение ситуации — то из автоматизированной системы должна извлекаться информация о способе решения рассмотренной ранее ситуации. В сложных случаях должен формироваться параметризованный алгоритм разрешения проблемы, позволяющий повторно использовать полученный ранее аналитический опыт.
Для обеспечения семантической интеро-перабельности на практике применяется один из двух методов: экспертный или автоматический.
В экспертном методе интеграция данных выполняется в человеко-машинном режиме, в том числе с использованием средств автоматизации для получения экспертных оценок обработки данных и их практического применения. Обычно такой подход применяется
в сложных, неоднозначных случаях, которых ввиду высокой трудоемкости обработки не должно быть чрезмерно много. Эксперты выполняют анализ результатов обработки информации о ситуациях, возникающих в деятельности организаций, и экстраполируют имеющиеся сведения о тенденциях изменения в структуре и содержании источников информации, осуществляют прогнозирования «постфактум». Кроме того, группы экспертов выполняют учет, обобщение и алгоритмизацию накопленного опыта. Они акцентируют внимание на неудачах, проблемах во взаимодействии интересующих объектов и совершенствуют структуру и содержание информации, а также алгоритмы, обеспечивающие информационную интеграцию систем.
Автоматический метод интеграции является качественным развитием предыдущего: эксперты привлекаются в значительно меньшей степени по сравнению с первым методом. Интеграция для подавляющего большинства элементов данных выполняется автоматически на основе алгоритмов, возможно, с применением оценок из экспертных подсистем, базы знаний которых содержат формализованные знания экспертных групп. Экспертов привлекают крайне редко для разрешения нетиповых проблем, при этом новые знания накапливаются, и впоследствии система интеграции может самостоятельно разрешать подобные конфликты на основе обобщения предыдущего опыта.
Каждая информационная система, функционирующая в финансовых организациях, является источником данных (5",) и может быть определена как совокупность данных и моделей (семантической модели и модели данных), их описывающих. Таким образом, Я, определяется как
= {МЯ,, МБ,, D,},
где МЯ, семантическая модель, описывающая понятия, используемые в информационной системе 5,; MDi модель данных, элементы которой соотносятся с понятиями
из МЯ г (УаЗЬ(а е МБ г а Ь е МЯ, а а ^ Ь) ^ F¡MD :MDi ^); данные, которые хранятся в соответствии с моделью МБ, (FDD:MDl ^ Б,).
Представление семантической модели МЯ, целесообразнее выполнять в виде онтологии, представленной в виде RDFS или OWL, что обеспечит возможность последующей автоматизированной обработки. Кроме того, на основе автоматизированного анализа онтоло-гий возможно выявление предпосылок к интеграции информационных систем и поиск семантически близких данных. Подобный методический подход к структуризации знаний и их интеграции на основе семантических сетей используется в проекте OSTIS [23; 24].
Обеспечение состояния семантической совместимости системы Я, с системой Я' определяет существование отображения FSj. :МЯ' ^ №Г , где МЯ' (МЯ' с МЯ ,) является частью семантической модели -й системы, отображаемой на часть семантической модели МЯ' (МЯ' с МЯ}) '-й системы. Поскольку для всякой ,-й системы существует определение FiDDD : МБ, ^ Б, и F1MD : МБг ^ МЯг, то при корректном определении элементов семантической модели МЯ ( МЯ с МЯ ), участвующих в отображении FSj, и отображения FS'J : МЯ ' ^ МЯ' будет однозначно определено отображение FD,] такое что
МаЗЬ((За'(а ^ а' а а' е МЯ')) а а(ЗЬ(Ь ^ Ь' а Ь' е ЖГ)) а Аа е МБ { а Ь е МБ] ^ ^ а ^ Ь) ^ FD) : МБ' ^ МБ',
где МБ' — часть данных системы Я, семантически сопоставленных с частью данных МБ' системы Я'.
Исходя из вышеизложенного основной задачей при обеспечении семантической инте-роперабельности между двумя системами является:
• определение частей данных систем, участвующих в семантическом сопоставлении (МБ' и МБ');
• определение отображения FS ] МБ'.
Поскольку семантические модели взаимодействующих систем представлены в виде он-тологий с использованием формальных языков, функция отображения FS1j может быть задана также в виде онтологии, содержащей ссылки на понятия обеих онтологий и однозначно сопоставляющая концептам из МБ' концепты МБ'. Кроме того, данные в источниках Si и Бу могут быть представлены в различных единицах измерения (килограммы и тонны) или иметь разный формат («Фамилия Имя Отчество», полученные из справочников фамилий, имен и отчеств и «Фамилия и инициалы»), поэтому видится целесообразным при семантическом сопоставлении указывать функцию конвертации или описание формата хранимых данных, что обеспечит автоматическое преобразование. Если при построении онтологии функции отображения FS'■ используются дескрипторы форматов данных, то также потребуется задание функций конвертации для всех пар таких дескрипторов.
В случае необходимости обеспечения семантической интероперабельности более чем трех систем построение онтологий для каждой возможной пары взаимодействующих систем является достаточно трудоемкой задачей, тем более что при введении дополнительной п+1 системы потребуется реализация новых 2п интерфейсов взаимодействия с уже существующими п системами. Для решения указанной проблемы возможно использование обобщенной онтологии О, описывающей эталонное взаимодействие систем на абстрактном уровне. Задача интеграции между двумя любыми системами, семантически сопоставленными с О, может быть выражена транзитивно:
FSO : Ш' ^ О', FSJO : ^
^о; , О' с Ос, О; <= ос =>
^ FS' :MS' MS'.
Таким образом, при включении в информационное взаимодействие п+1 системы потребуется лишь 1 новый интерфейс, реализованный в виде онтологии, описывающей отображение FSn+1 : Ш'^ ^ О'+1. Недостатком такого подхода является необходимость построения описания абстрактного эталонного источника информации, семантическая модель которого представлена онтологией Ос.
Применение в качестве эталонного источника информации хранилища данных ФО, структура которого строго контролируется экспертами, имеет ряд преимуществ:
• формирование единого источника информации для деятельности ФО;
• повышение качества интеграции за счет, как правило, более высокой компетенции экспертов;
• сокращение трудозатрат при добавлении новых источников информации;
• возникновение предпосылок к созданию механизма, автоматизирующего процесс поддержки семантической интероперабельности.
Онтология Ос может быть дополнена знаниями экспертов, а также ими может быть выполнено обобщение традиционной функциональности типов систем, называемых по-разному, в частности НСИ и MDM, но выполняющих функции установления смысловых соответствий.
Измерение семантической интероперабельности в финансовых задачах
Существует проблема сравнения эффективности различных вариантов технологических и архитектурных решений, связанных с обеспечением семантической интеропера-бельности в процессе обработки финансовой информации.
Поскольку новые технологии в значительной степени опираются на совместное использование информационных ресурсов, предоставляемых сотрудничающими организациям, необходимы средства, позволя-
ющие оценить степень совместимости финансовой информации, формирующейся различными источниками, возможности комплексного применения интегрированной информации.
Для решения задач, связанных с обеспечением семантической интероперабельно-сти, необходима разработка способов количественной оценки уровня семантической ин-тероперабельности. Это позволит оценивать эффективность информационного взаимодействия автоматизированных систем и обеспечивать настройку автоматизированных и человеко-машинных технологических решений для оптимизации работы системы в целом.
Измерение интероперабельности — это в целом задача оценки взаимопонимания, которая применима как к взаимодействию людей, так и к средствам автоматизации, в которых алгоритмизирован имеющийся опыт понимания этой проблемы.
Показатели уровня информационной связности данных взаимодействующих информационных систем
Одним из важных показателей интеграции является доля несовместимой информации в семантически сопоставленных источниках, выражаемая в процентах. Такая оценка может быть получена двумя способами: экспертным путем или автоматически. Экспертная оценка позволяет оценить степень неудобства для практического использования несовместимости данных взаимодействующих автоматизированных систем. Оценка доли несовместимой информации, получаемая автоматически, может быть получена встраиванием в автоматизированную систему соответствующих алгоритмов, регистрирующих несоответствия в информации и их свойства. Тогда информационная связанность <2т может быть рассчитана как
= (1 - (Тег / ТАП)) X 100%,
где ТЕгг — количество отклоненных транзакций, содержащих информацию об одном элементе данных; ТА11 — общее количество транзакций с информацией о единичных элементах данных.
Можно говорить о прямой и обратной задаче при оценке доли несовместимой информации для пары взаимодействующих информационных систем. Если у нас есть система А и система В и мы оцениваем взаимодействие со стороны системы А, то можно говорить о несовместимости системы А относительно системы В, в противном случае — о несовместимости системы В относительно А. Такое разделение представляет интерес, поскольку одну систему уровень совместимости в некоторый момент времени может устраивать, а другую — нет. То есть задача может быть несимметричной. Если система А обогащает все собственные элементы данных сведениями из системы В, то ее такой результат интеграции, вероятно, устраивает. А если система В получает при этом только часть требуемых данных, то в этом случае требуются дополнительные источники информации, которыми для системы В могут быть системы С и Б.
Пример. Пусть система А — база клиентов ФО, а система В — база действительных паспортов миграционной службы России. Необходимым для системы А результатом интеграции будет корректный поиск реквизитов паспорта в системе В. Понятие корректности и соответствия смыслов в этом примере нуждается в детальном описании для того, чтобы пользователь, в частности, детально понимал сущность и границы корректности такой проверки.
Возможна оценка статистических характеристик семантической интероперабельности, например, оценка вероятности возникновения ошибки в процессе интеграции.
Долю несовместимой информации
(ТЕгг/ТАП) можно рассматривать в различных
аспектах. Например, представляет интерес доля несовпадений в связываемых данных взаимодействующих транзакционных систем, требующих участия человека — оператора автоматизированной системы. Возможны ситуации, когда исключить участие человека не удается в принципе, однако количество таких случаев необходимо минимизировать, значение этого показателя в процессе совершенствования информационного взаимодействия должно уменьшаться.
В ряде случаев несовместимость данных является неустранимой, однако представляет интерес доля данных, которые удалось связать с некоторым внешним источником — для задач, требующих понимания уровня связности, но не требующих обязательной полной совместимости, например для решения аналитических задач. Здесь требуется лишь знание величины и погрешности измерения.
Оценка достоверности информационных связей может выполняться с использованием следующих показателей:
• вероятность появления интеграционной ошибки при совместном использовании, обмене данными;
• оценка величины риска, определение «цены ошибки» при неверной оценке достоверности информации, получаемой в результате информационного обмена;
• необходимость эскалирования на вышестоящий уровень управления действия по оценке достоверности информационной связи для разрешения интеграционной проблемы.
Оценка степени полезности источника данных. Частота использования некоторых данных, своего рода «индекс цитирования» — не всегда корректная оценка. Ценной может быть в том числе малодоступная информация. Критерием оценки полезности может быть, в частности, то, как часто данный источник данных содержит релевантную информацию. Эта оценка возможна с использованием разработанной для интересующей ситуации методики оценки и реализация соот-
ветствующего алгоритма, встроенного в программное обеспечение.
Другим показателем, характеризующим семантическую интероперабельность, является количество атрибутов, тегов, фактов и других информационных элементов, которые в некотором частном случае или в среднем удается получить из данного информационного массива при решении поставленной задачи. Ошибкой семантического сопоставления E будем считать ситуацию, при которой элементы данных в двух разных источниках (i и j) фактически относятся к разным объектам (а и b), но идентифицирующие их наборы атрибутов (FIdt и FIdj) неразличимы между собой, а также обратную ситуацию, в которой одному и тому же объекту (a = b) соответствует два и более различных набора идентифицирующих атрибутов (FIdi и FIdj), различных в источниках (i и j). Таким образом, ошибка семантического сопоставления данных в двух семантически сопоставленных источниках может быть определена как
Ej(a,b): FId((a) = FId](b) a
лй Ф b v FIdt(a) Ф FIdj(b) a a = b.
Семантическая интероперабельность SI (i, j) для двух сопоставленных источников i и j может быть выражена в процентах и определена через ошибку семантического сопоставления как
SI (i, j) =
1 - -
X (Ej (a,b) + Ej (b,a))
b_
card (i) + card (j)
x 100%,
где card (i) и card (j) — количество элементов в источниках i и j (мощность множеств i и j).
Оценка семантической интероперабель-ности SI в целом для двух информационных массивов, содержащих множество семантически сопоставленных источников информации, может быть определена как
л = п
X Ej (a,b) + Ej (b,a))
a^b
card (i) + card (j)
x 100%.
Рассмотренные количественные показатели и методы оценки семантической интеро-перабельности могут быть использованы для интересующей ситуации в работе ФО применительно к решаемым в этой ситуации задачам и для моделирования обеспечения совместимости информационного обмена в соответствующей ситуации.
Заключение
Проблема семантической интероперабель-ности осознана ИТ-специалистами и заказчиками автоматизированных систем в финансовой сфере. Финансовая сфера — одна из наиболее чувствительных и восприимчивых к корректности и многофункциональному использованию данных.
Необходимо поддержание единого и целостного восприятия информационного пространства в финансовой области, а также наличие средств количественной и качественной оценки уровня совместимости, выявления направлений развития систем обработки информации в контексте интеграционных решений.
Средства обеспечения семантической ин-тероперабельности востребованы на всех этапах жизненного цикла автоматизированных систем. В статье предложены некоторые подходы к количественной и качественной оценке эффективности применяемых интеграционных технологий. Сделана попытка осмысления как количественных оценок, так и качественных сторон этого явления.
Решение проблемы семантической инте-роперабельности обеспечивает единство и однозначность понимания сущности и структуры предметной области всеми участниками процессов разработки, поддержки и эксплуатации системы.
Обеспечение семантической интеропе-рабельности в условиях новой распределенной и взаимосвязанной ИТ-инфраструктуры способствует единству понимания смыслов, углублению понимания и уровня взаимодействия между смежными предметными областями. Комплексное решение задач интеграции в целом способствует углублению понимания человеком окружающего нас все более виртуализированного мира.
Следствием решения указанных задач являются прикладные решения, позволяющие:
• выявлять мошенничества в финансовой сфере;
• повышать точность оценки рисков финансовой деятельности за счет обеспечения полноты используемой информации, унификации механизмов проверки, использования «лучших практик» партнеров;
• осуществлять блокировки неправомочных действий пользователей автоматизированных информационных систем;
• повышать глубину и качество аналитики (по клиентам, продуктам и т. д.)
• соблюдать требования финансовых регуляторов в полном объеме;
• оптимизировать функционирование системы обработки информации в целом;
• увеличивать надежность функционирования финансовых решений в развивающейся гетерогенной и территориально распределенной среде;
• обеспечивать высокий уровень производительности во всех режимах функционирования и надежность обработки данных вследствие уменьшения количества преобразований данных и упрощения алгоритмов обработки.
Целесообразна автоматизация обработки семантических соответствий, позволяющая в возможной степени выводить за рамки человеческого участия осознанные и поддающиеся автоматизации проблемы.
Список литературы
1. Волков А. И. Интеграция хранилищ данных с открытыми и большими данными для решения задач фи-
нансовой организации: проблемы и подходы к решению // Прикладная информатика. 2015. № 4 (58). С. 18-41.
2. ГОСТ Р 55062-2012 Информационные технологии. Системы промышленной автоматизации и их интеграция. Интероперабельность. Основные положения. М.: Стандартинформ, 2014. — 12 с.
3. Олейников А. Я., Разинкин Е. И. Особенности подхода к обеспечению интероперабельности в области электронной коммерции // Информационные технологии и вычислительные системы. 2012. № 3. С. 82-92.
4. Гуляев Ю. В, Журавлев Е. Е, Олейников А. Я. Методология стандартизации для обеспечения интеро-перабельности информационных систем широкого класса. Аналитический обзор // Журнал радиоэлектроники. 2012. № 3. URL: jre.cplire.ru/jre/Mar/12/2/ text/pdf
5. Тарасов В. Б. Проблема понимания: настоящее и будущее искусственного интеллекта // Открытые семантические технологии проектирования интеллектуальных систем. Open Semantic Technologies for Intelligent Systems (0STIS-2015). Минск: БГУИР, 2015. С. 25-42.
6. Волков А. И. Проблемы интеграции хранилищ данных с открытыми и большими данными и подходы к их решению// Труды Международной конференции и Школы по физико-технической информатике CPT2014, 11-18 мая 2014 г, Ларнака, Республика Кипр; 17-21 июня 2014 г., Протвино, Московская область. Изд-во ИФТИ, Протвино-Москва, 2015, ISBN 978-5-88835-035-5. С. 18-32.
7. Европейская концепция интероперабельности для услуг Общеевропейского электронного правительства. Проект для публичного обсуждения как основа для EIF 2.0-1/07/2008.
8. Рейнгольд Л. А., Волков А. И. Инфраструктура обработки нарушений: возможности развития // Труды Международной конференции и Школы по физико-технической информатике CPT2014, 11-18 мая 2014 г., Ларнака, Республика Кипр; 17-21 июня 2014 г., Протвино, Московская область. — Изд-во ИФТИ, Протвино-Москва, 2015, ISBN 978-5-88835-035-5. С. 73-81.
9. Голенков В. В., Гулякина Н. А. Семантическая технология компонентного проектирования систем, управляемых знаниями // Открытые семантические технологии проектирования интеллектуальных систем. Open Semantic Technologies for Intelligent Systems (0STIS-2015). Минск: БГУИР, 2015. С. 57-78.
10. Филиппов А. А., Мошкин В. С., Шалаев Д. О., Ярушкина Н. Г. Единая онтологическая платформа интеллектуального анализа данных // Открытые
семантические технологии проектирования интеллектуальных систем. Open Semantic Technologies for Intelligent Systems (0STIS-2016). Минск: БГУИР, 2016. С. 77-82.
11. Мещерин С. А., Какауридзе Д. Г., Волков А. И, Пу-стозеров Е. Ю. Применение онтологий для создания и эксплуатации хранилищ финансовых данных // Прикладная информатика. 2014. № 4 (52). С. 16-23.
12. Mike Bennett M. The Financial Industry Business Ontology. 2013 URL: http://www.umiacs.umd. edu/~louiqa/2014/BMGT499B/RESOURCES/ FIB0Bennett2013.pdf
13. Глоба Л. С. Использование онтологий для создания сценариев обработки данных // Открытые семантические технологии проектирования интеллектуальных систем. Open Semantic Technologies for Intelligent Systems (0STIS-2016). Минск: БГУИР, 2016. С. 51-56.
14. Волков А. И. Методологические и программно-технологические аспекты внедрения процессного управления в ИТ-компании // Прикладная информатика. 2014. № 2 (50). С. 6-13.
15. Волков А. И., Рейнгольд Л. А. Открытые данные: проблемы и решения // Прикладная информатика. 2014. № 3 (51). С. 5-12.
16. Открытые государственные данные: российкий и зарубежный опыт. Информационный обзор. Серия «Развитие информационного общества и электронного правительства» // Центр технологий электронного правительства НИУ ИТМО. 2012. Вып. 3. — 7 с. URL: http://egov.ifmo.ru/files/reviews/ eGov_Review_2012_03_opendata.pdf.
17. Судоплатов С. В., ОвчинниковаЕ. В. Элементы дискретной математики. М.:ИНФРА-М; Новосибирск: Изд-во НГТУ, 2002. — 280 с.
18. Зиновьев А. А. Логика высказываний и теория вывода. Изд. 2-е, испр. и доп. М.: Издательство ЛКИ, 2010. — 160 с.
19. Яндекс. Касса — сервис для приема платежей онлайн. URL: http://kassa.yandex.ru/
20. Федеральный закон от 27.07.2006 № 152-ФЗ (ред. от 21.07.2014) «О персональных данных», «Российская газета» от 29.7.2006 г. (№ 165). URL: http:// www.consultant.ru/document/cons_doc_LAW_61801/
21. Акционерное общество «Национальная система платежных карт» (НСПК). URL: http://www.nspk.ru
22. Лалетина А. Facebook придумала вычислять кредитный рейтинг «по друзьям». URL: https://slon.ru/ posts/54861==Available at: https: //slon.ru/posts/54861 (accessed 06.08.2015).
23. Давыденко И. Т., Гракова Н. В., Сергиенко Е. С, Федотова А. В. Средства структуризации семантических моделей баз знаний // Открытые семан-
тические технологии проектирования интеллектуальных систем. Open Semantic Technologies for Intelligent Systems (OSTIS-2016). Минск: БГУИР, 2016. С. 93-106.
24. Ивашенко В. П. Модели и алгоритмы интеграции знаний на основе однородных семантических сетей // Открытые семантические технологии проектирования интеллектуальных систем. Open Semantic Technologies for Intelligent Systems (0STIS-2015). Минск: БГУИР, 2015. С. 111-132.
References
1. Volkov A. Integration of data warehouses with open and big data for solving problems of financial institutions: problems and approaches to solving. Prikladnaya Informatika — Journal of Applied Informatics, 2015, no. 4 (58), pp. 18-41 (in Russian).
2. GOST 55062-2012. Informatsionnye tekhnologii. Sistemy promyshlennoi avtomatizatsii i ikh integratsi-ya. Interoperabel'nost'. Osnovnye polozheniya [State Standard 55062-2012. Information technologies. Industrial automation systems and integration. Interoperability. Basic principles]. Moscow, Standartinform, 2014. 12 p.
3. Oleinikov A. I., Razinkin E. I. Osobennosti podkhoda k obespecheniyu interoperabel'nosti v oblasti elektron-noi kommertsii [The approach features of the interoperability in electronic commerce]. Informatsionnye tekhnologii i vychislitel'nye sistemy, 2012, no. 3, pp. 82-92.
4. Gulyaev Yu. V., Zhuravlev E. E., Oleinikov A. Ya. Metodologiya standartizatsii dlya obe-specheniya interoperabel'nosti informatsionnykh sistem shirokogo klassa [Methodology of standardization to ensure interoperability of information systems of wide class]. Zhurnal radioelektroniki — Journal of radio electronics, 2012, no. 3. Available at: http://jre.cplire.ru/mac/mar12/2/text.pdf/) (accessed 27.07.2016).
5. Tarassov V. B. Problem of understanding: present and future of artificial intelligence. Open Semantic Technologies for Intelligent Systems (OSTIS-2015). Minsk: BSUIR, 2015, pp. 25-42.
6. Volkov A. I. Problems of Integration of Data Warehousing and Big Open Data and Approaches to their Solution. Trudy Mezhdunarodnoi konferentsii i Shkoly po fiziko-tekhnicheskoi informatike CPT2014. IFTI, Pro-tvino-Moscow, 2015, pp. 18-32.
7. European Interoperability Framework for Pan-European E-government Services. Draft for Public Comments-As Basis for EIF 2.0-1/07/2008.
8. Reingold L. A., Volkov A. I. Infrastructure processing disorders: possibilities of development. Trudy Mezh-dunarodnoi konferentsii i Shkoly po fiziko-tekhniches-
koi informatike CPT2014. IFTI, Protvino-Moscow,
2015, pp. 73-81.
9. Golenkov V. V., Guliakina N. A. Semantic technology of component design of systems, managed by knowledges. Open Semantic Technologies for Intelligent Systems (OSTIS-2015). Minsk: BGUIR Publ., 2015, pp. 57-78.
10. Filippov A. A.,Moshkin V. S., Shalaev D. O., Yarush-kina N. G. Uniform ontological data mining platform. Open Semantic Technologies for Intelligent Systems (OSTIS-2016). Minsk: BSUIR Publ., 2016, pp. 77-82.
11. Mescherin S. A., Kakauridze D. G., Volkov A. I., Pus-tozerov E. U. Using ontologies for creation and operation of financial data warehouses, Prikladnaya Informatika — Journal of Applied Informatics, 2014, no. 4 (52), pp. 16-23 (in Russian).
12. Mike Bennett M. The Financial Industry Business Ontology. 2013. Available at: http://www.umiacs.umd. edu/~louiqa/2014/BMGT499B/RESOURCES/FIBO-Bennett2013.pdf
13. Globa L. S. Ontologies using for data processing scenarios designing. Open Semantic Technologies for Intelligent Systems (OSTIS-2016), Minsk: BSUIR Publ.,
2016. — pp. 51-56.
14. Volkov A. I. Methodological and program-technological aspects of the implementation of process management in the IT company. Prikladnaya Informatika — Journal of Applied Informatics, 2014, no. 2 (50), pp. 6-13 (in Russian).
15. Volkov A. I., Reingold L. A. Open data: problems and solutions. Prikladnaya Informatika — Journal of Applied Informatics, 2014, no. 3 (51), pp. 5-12 (in Russian).
16. Otkrytye gosudarstvennye dannye: rossiiskii i zarubezh-nyi opyt. Informatsionnyi obzor. Seriya «Razvitie infor-matsionnogo obshchestva i elektronnogo pravitel'stva» [Open government data: Russian and foreign experience. The information review. A series of «Development of information society and e-government»]. Tsentr tekhnologii elektronnogo pravitel'stva NIU ITMO [Technology center e-government UNIVERSITY ITMO], 2012, vol. 3, p. 7. Available at: http://egov. ifmo.ru/files/reviews/eGov_Review_2012_03_openda-ta.pdf/). (accessed 27.07.2016).
17. Sudoplatov S. V., Ovchinnikova E. V. Elementy dis-kretnoi matematiki [Elements of discrete mathematics]. Moscow, INFRA-M Publ., 2002. 280 p.
18. Zinov'ev A. A. Logika vyskazyvanii i teoriya vyvoda [Elements of mathematical logic and theory of inference]. Moscow, Izdatel'stvo LKI, 2010. 160 p.
19. Yandeks. Kassa — servis dlya priema platezhei onlain [Yandex. Cashier services for receiving payments online]. Available at: http://kassa.yandex.ru/). (accessed 27.07.2016).
20. RF Federal Law «On personal data» of July 27, 2006 165 FZ (in Russian).
21. Aktsionernoe obshchestvo «Natsional'naya sistema platezhnykh kart» (NSPK) [Joint stock company «national system of payment cards (nspc)]. Available at: http://www.nspk.ru/). (accessed 27.07.2016).
22. Laletina A. Facebook pridumala vychislyat'kreditnyi re-iting «po druz'yam» [Facebook came up with to calculate the credit rating of «friends»]. Available at: https:// slon.ru/posts/54861/) (accessed 27.07.2016).
23. Davydenko I. T., Grakova N. V., Sergienko E. S., Fedo-tova A. V. The tools of structuring the semantic models of knowledge bases. Open Semantic Technologies for Intelligent Systems (OSTIS-2016). Minsk: BSUIR Publ., 2016, pp. 93-106.
24. Ivashenko V. P. Models and algorithms of integration of knowledge based on homogeneous semantic networks. Open Semantic Technologies for Intelligent Systems (OSTIS-2015), Minsk: BGUIR Publ., 2015, pp. 111-132.
L. Reingold, CJSC RDTEX, Moscow, Russia, Leonid.Reingold@rdtex.ru A. Volkov, Institute of Physics and Technology, Moscow, Russia, Anatoli.Volkov@rdtex.ru A. Kopaygorodsky, Leading IT Specialist, MESI SB RAS, Irkutsk, Russia, Kopaygorodsky@mail.ru E. Pustozerov, CJSC RDTEX, Moscow, Russia, Evgeny.Pustozerov@rdtex.ru
Semantic interoperability in solving financial problems and ways of measuring it*
The article discusses issues related to the solution of the problem providing semantic interoperability in the financial organization. Interoperability is an ability of the joint operation of automated systems and consists of technical and information. Problems associated with the technical interoperability in modern IT systems generally are solved. Technical interoperability studies related to problems solution of performance, reliability, cryptographic data protection, cost optimization and etc. Automated systems must use the information in compatible manner, in a certain sense, must exist a «same understanding» the content of the interaction between them. It must be formed common semantic field. Financial organizations use the semantics to harmonize their data by available government public information to interact with each other. Automatic integration method is a qualitative development expert method. One of the important indicators of integration is the proportion of incompatible semanti-cally mapped information sources. Such an assessment may be obtained in two ways: automatically or expert. Automatically obtained estimate can be computed by embedding the special algorithms, which record discrepancies in information (rejected transactions). Another indicator of interoperability is a number of attributes (tags, facts and etc.) that can be obtained from this information block. Means of semantic interoperability in demand at all stages of the life cycle of the automated systems. The article suggests some approaches to quantitative and qualitative assessment of effectiveness of existing integration technologies. Attempt to understand how quantitative estimates and qualitative aspects of this phenomenon is made.
* This work was supported in part by grants RFBR № 16-37-50055, № 16-07-00860, № 14-0-00116, № 16-07-00569. Theauthors are grateful to RFBR for the support of research.
Keywords: semantic interoperability, data warehouse, financial information, measuring of semantic interoperability, financial information processing, open linked data, ontologies in financial activities.
About authors:
L. Reingold, PhD in Technique; A. Volkov, Postgraduate Student; A. Kopaygorodsky, PhD in Technique, Leading IT Specialist; E. Pustozerov, Chief of Direction For citation:
Reingold L., Volkov A., Kopaygorodsky A., Pustozerov E. Semantic interoperability in solving financial problems and ways of measuring it. Prikladnaya Informatika — Journal of Applied Informatics, 2016, vol. 11, no. 4 (64), pp. 115 -134 (in Russian).
[ 134 ] -
IT management Information sequrity
