CC BY
72
Система поддержки принятия решений как инструмент формирования эффективной предпринимательской деятельности в сфере высоких технологий
В.В. Баранов заведующий кафедрой управления и информатики в технических системах ФГБОУ ВО «Московский государственный технологический университет «Станкин», профессор, доктор экономических наук (г. Москва) И.В. Баранова заведующий лабораторией новых высоких технологий ФГБОУ ВО «Московский государственный технологический университет «Станкин», кандидат экономических наук (г. Москва)
Вячеслав Викторович Баранов, yar.baranow@gmail.com
Введение рядом промышленно развитых стран в отношении Российской Федерации экономических санкций привело к существенному повышению уровня неопределенности внешней среды. Следствием этого явилось увеличение финансово-инвестиционных и информационных рисков отечественных предприятий. У российских предприятий появились проблемы в таких сферах, как привлечение финансовых инструментов международного рынка капитала, использование передовых зарубежных технологий, обеспечение информационной безопасности предпринимательской деятельности и т. д. В первую очередь это затронуло предприятия, относящиеся к сфере высоких технологий.
В связи с этим возросла актуальность создания отечественными предприятиями, функционирующими в сфере высоких технологий, эффективной системы управления предпринимательской деятельностью, включая управление финансовой, материальной и интеллектуальной составляющими ресурсов, активов и капитала. Стремясь повысить уровень конкурентоспособности производимых высокотехнологичной продукции и услуг на мировых рынках, пред-
приятия вынуждены кардинально изменять реализуемые бизнес-процессы, ориентироваться на создание, освоение и использование качественно новых технологий, организационно-производственных структур и продуктов. Для решения этих задач привлекаются инструменты реинжиниринга (см. [3, 8]).
Разрабатывая и реализуя на практике реинжиниринговые проекты, отечественные предприятия сталкиваются не только с высоким уровнем неопределенности внешней среды, но и с риском получения положительных результатов, которые должны быть сформированы в рамках принятых управленческих решений. Наличие факторов неопределенности и риска характерно для всех стадий реализации реинжинирингового проекта, что существенным образом затрудняет разработку этих решений. В такой ситуации решения зачастую принимаются на основе опыта и интуиции менеджмента проекта (см. [5]). Таким образом, актуальной становится задача создания и внедрения в практику предпринимательской деятельности, осуществляемой в сфере высоких технологий, автоматизированных систем поддержки принятия решения.
Подобные системы широко используются ведущими зарубежными фирмами и известны как Decision Support System (DSS) (см. [1, 7]). Такие системы позволяют повышать объективность принимаемых решений, поскольку получаемые в процессе их функционирования результаты основаны на использовании формальных процедур и методов.
Система поддержки принятия решений дает возможность руководителю проекта, применяя свои знания, опыт, объективные (математические) и субъективные (вербальные 1) модели [5], компьютерные методы обработки информации [7], наилучшим образом реализовать совокупность управленческих функций, в частности:
• анализировать различные ситуации, возникающие в процессе реализации реинжинирингового проекта;
• генерировать для этих ситуаций множество потенциальных управленческих решений, вырабатывая в их рамках конкретные сценарии действий;
• используя совокупность показателей и критериев (эталонных показателей), оценивать сгенерированные сценарии, возможные действия и решения, выбирая наилучший вариант;
• в рамках реализации принятых решений осуществлять постоянный обмен информацией с участниками проекта, оказывая проектным группам помощь в согласовании групповых решений;
• проводить компьютерный анализ возможных последствий принимаемых решений, моделируя изменение факторов внешней и внутренней среды, а также параметров проекта;
• осуществлять сбор данных о результатах реализации принятых решений, выполняя многокритериальную оценку этих результатов.
Системы поддержки принятия решений, являясь разновидностью человеко-
машинных систем управления, относятся к классу автоматизированных систем управления. Подобный класс систем не предназначен для принятия решений в автоматическом режиме, то есть без участия человека. Эти системы лишь помогают лицу, принимающему решение, с минимальными затратами времени и других ресурсов решать проблемы, возникающие в процессе разработки и реализации сложного реинжинирингового проекта, то есть проекта, направленного на создание качественно новых инноваций, в первую очередь технологических (процессных и продуктовых). Возникающие в этих проектах проблемы могут иметь различный характер, поэтому целесообразно сформировать различные классификационные группы таких проблем.
Одни проблемы могут быть хорошо структурированы. В рамках класса подобных проблем зависимости между показателями эффективности и результативности проекта и факторами, их определяющими, могут быть выражены количественно. В этом случае принимаемое управленческое решение базируется на количественных расчетах различных показателей и оценках этих показателей по совокупности заранее установленных критериев.
Другие проблемы, являясь сложными, слабо структурированы. Также такие проблемы могут иметь смешанный характер. Управленческие решения, принимаемые в рамках слабо структурированных или смешанных проблем, базируются на использовании как количественных, так и качественных оценок. Причем в ряде случаев при описании проблемы могут преобладать качественные характеристики. Кроме того, в процессе разработки и реализации реинжинирингового проекта возникают проблемы, которые полностью не структурированы. Подобный класс проблем содержит лишь неформально описанные признаки, количественная оценка которых и функ-
1 Вербальная модель - это письменное или устное представление информационной модели средствами естественного языка.
циональные зависимости между ними неизвестны. Здесь качество принимаемого управленческого решения полностью зависит от субъективного мнения лица, принимающего решение.
Таким образом, способ построения систем поддержки принятия решений зависит от класса решаемых в рамках реинжинирингового проекта проблем и определяется рядом факторов. Среди этих факторов следует выделить:
1) возможности предприятия в доступе к современным аппаратным и программным средствам;
2) опыт использования существующих математических методов для описания проблемы, возникающих в ее рамках задач, зависимостей между факторами и т. д.
Информационная система поддержки принятия решений в сфере предпринимательской деятельности высокотехнологичных предприятий охватывает совокупность технических устройств для сбора и обработки информации, программное обеспечение, предназначенное для обработки и интерпретации данных, а также математических и экономико-математических моделей бизнес-процессов, реализуемых при осуществлении предприятием предпринимательской деятельности в сфере высоких технологий. В подобной трактовке информационной системы поддержки принятия решений можно выделить две составляющие:
1) материальная составляющая, объединяющая совокупность технических средств;
2) нематериальная составляющая, охватывающая программное обеспечение, а также математические и экономико-математические модели бизнес-процессов.
Таким образом, на современных предприятиях, в первую очередь предприятиях, осуществляющих предпринимательскую деятельность в сфере высоких технологий, наряду с основным капиталом появляется
особая разновидность капитала, которая формируется за счет информационной составляющей ресурсов и активов предприятия. Подобную составляющую можно рассматривать как информационный капитал. Базой для формирования этой составляющей капитала выступает совокупность нематериальных элементов информационной системы поддержки принятия решений. Причем в современных условиях именно нематериальная составляющая подобной системы, разработанной предприятием самостоятельно или полученной в результате адаптации приобретенных в рамках лицензионных соглашений программных продуктов под решение конкретных бизнес-задач предприятия, является наиболее значимым элементом по сравнению с материальной составляющей с точки зрения обеспечения конкурентоспособности предприятия и роста стоимости высокотехнологичного бизнеса (см. [4]).
Важным структурным элементом создаваемых информационных систем поддержки принятия решений выступает хранилище данных (Data Warehouse) 2. Подобное хранилище необходимо для аналитической обработки данных и их интеллектуального анализа (см. [6]).
В настоящее время при построении системы поддержки принятия решений, как правило, используются многоуровневые решения. Одно из таких решений предполагает наличие трех уровней управления. Первый уровень представляет собой общекорпоративную базу данных, построенную на основе системы управления базой данных. Этот уровень объединяет совокупность детализированных данных. Второй уровень охватывает базы данных подразделений предприятия и содержит совокупность агрегированных данных. Этот уровень реализуется на основе многомерной системы управления базами данных. Она представляет собой одну из моделей организации систе-
2 Хранилище данных (Data Warehouse) - предметно-ориентированная информационная база данных, специально разработанная и предназначенная для подготовки отчетов и бизнес-анализа с целью поддержки принятия решений.
мы управления базами данных, основанную на многомерном представлении данных. Третий уровень включает компьютеризированные рабочие места пользователей (участников проекта). На их персональных компьютерах устанавливается соответствующий аналитический инструментарий, позволяющий в автоматизированном режиме принимать управленческие решения.
В системе поддержки принятия решений используются различные способы обработки исходных данных, включая их оперативный и интеллектуальный анализ. В основе оперативного анализа данных лежит многомерное представление данных. Подобное представление предполагает, что данные упорядочиваются в рамках так называемого гиперкуба 3, вершины которого содержат значения, описывающие исследуемое явление или процесс. Ребра куба представляют собой измерения факторов, влияющих на поведение объекта исследования. В свою очередь, каждое измерение фактора может иметь несколько уровней агрегирования данных. Наличие подобных уровней дает возможность получать необходимую для принятия управленческого решения информацию с нужной степенью детализации.
В существующих программных продуктах, реализующих возможность проведения оперативного анализа, данные на логическом уровне представляются с помощью таблицы фактов и связанных с ней таблиц измерений. Таблица фактов содержит количественные значения показателей, описывающие объект исследования, например число выявленных случаев брака при освоении и выпуске продуктовых инноваций. Таблицы измерений включают информацию, описывающую атрибуты, свойства, характеристики исследуемого объекта или явления. Например, атрибутами, характеризующими выявленные случаи брака, могут являться применяемые материалы и технологии, используемое оборудование, оперативное и штучное время изготовле-
ния продуктовых инноваций, длительность технологического или производственного цикла и т. д. Кроме того, таблица фактов может содержать элементы, сведения о которых не рассматриваются в качестве атрибутов. Такими элементами, например, могут быть величины отклонений фактических значений параметров от их номинальных значений.
Интеллектуальный анализ данных представляет собой процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей. Этот вид анализа объединяет совокупность методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений. Интеллектуальный анализ в первую очередь проводится с целью выявления новой, ранее недоступной информации. Для этого исследуются большие объемы данных, накопленных предприятием в процессе осуществления предпринимательской деятельности в сфере высоких технологий. Большинство методов интеллектуального анализа данных были разработаны в рамках теории искусственного интеллекта, но широкое применение эти методы нашли тогда, когда для многих крупных предприятий стала актуальной проблема получения дополнительных преимуществ от имеющихся у предприятия огромных объемов информации.
В рамках интеллектуального анализа решаются такие задачи, как кластеризация данных, выявление различных последовательностей, прогнозирование развития ситуации (см. [6]). Кластеризация предполагает, что на основе анализа признаков и характеристик исследуемого множества объектов строятся соответствующие классы данных и устанавливается иерархическая соподчиненность этих классов. Решение задачи, связанной с построением последовательностей, предполагает выявление цепочки событий, наступление кото-
3 Гиперкуб - обобщение куба в случае с произвольным числом измерений.
рых происходит с некоторым интервалом времени. Цель такого исследования - выявление ситуаций, в которых при наступлении одного события с той или иной степенью вероятности наступает и другое событие.
В задачах прогнозирования на основе накопленных ретроспективных данных, характеризующих изменения значений тех или иных показателей исследуемого объекта или процесса, оцениваются будущие значения этих показателей. Задачи прогнозирования решаются, как правило, с применением традиционных методов математической статистики, корреляционно-регрессионного анализа или нейронных сетей. Решение подобных задач предполагает выявление и использование закономерностей для предсказания будущих значений исследуемого параметра. В этом случае выполняется так называемое прогностическое моделирование. Полученные прогнозы используются при разработке и принятии различных управленческих решений.
Информационный капитал следует рассматривать как составляющую интеллектуального капитала предприятия, осуществляющего предпринимательскую деятельность в сфере высоких технологий. Интеллектуальный капитал охватывает совокупность знаний, использование которых может обеспечить предприятию полезный эффект (научно-технический, социально-экономический, оборонный, экологический и т. д.) [4]. Эта составляющая суммарной величины капитала, взаимодействуя в процессе предпринимательской деятельности с материальной составляющей ресурсов и активов предприятия, формирует динамику фундаментальной (рыночной) стоимости высокотехнологичного бизнеса.
Использование различных программных продуктов, включая систему поддержки принятия решений, позволяет не только автоматизировать бизнес-процессы, протекающие на предприятии, осуществляющем предпринимательскую деятельность в сфере высоких технологий, но и повысить
качество и обоснованность принимаемых управленческих решений. Подобный подход может быть эффективно реализован только в случае интеграции вновь разрабатываемых информационных систем с уже используемыми предприятием программными решениями.
В качестве примера интеграции различных инфокоммуникационных технологий и систем в деятельность предприятия и превращения инфокоммуникационных технологий в информационный капитал можно привести концепцию цифрового производства. На практике подобная концепция воплощается в виде интегрированной информационной модели, описывающей процессы функционирования высокотехнологичных производственных систем. Эта модель охватывает совокупность перспективных производственных технологий (процессных инноваций) и новых продуктов (продуктовых инноваций), новых материалов (ресурсных инноваций) и инструментов инфокоммуникационного обеспечения. Используя подобную модель, предприятие, осуществляющее предпринимательскую деятельность в сфере высоких технологий, может оперативно получить всю необходимую информацию о бизнес-процессах, протекающих на предприятии, об изготавливаемых продуктовых инновациях, используемых ресурсах и т. д.
Исходя их этого информационный капитал можно трактовать как своеобразный инструмент, генерирующий рост других составляющих интеллектуального капитала предприятия, осуществляющего предпринимательскую деятельность в сфере высоких технологий. В частности, это касается процессной и рыночной составляющих интеллектуального капитала. Так, например, реализация разработанных и внедренных в практику деятельности предприятия моделей бизнес-процессов, образуя процессный капитал, контролируется с помощью соответствующих программных продуктов, входящих в состав информационного капитала. Формализация процессов взаимо-
отношений предприятия с потребителями продуктовых инноваций приводит к необходимости разработки так называемых СЯМ-систем 4 (см. [2]). Выстраивая систему эффективных взаимоотношений с потребителями, предприятия воздействуют на величину рыночной составляющей капитала.
Таким образом, информационное обеспечение бизнес-процессов, выступая как ключевая составляющая новых компетенций предприятия, осуществляющего предпринимательскую деятельность в сфере высоких технологий, генерирует нелинейный рост его фундаментальной стоимости. Это происходит вследствие появления эффекта синергии при соединении всех составляющих интеллектуального капитала предприятия в единую инновационную подсистему, которая выступает как доминирующая составляющая системы управления предпринимательской деятельностью, осуществляемой в сфере высоких технологий.
ЛИТЕРАТУРА И ИНФОРМАЦИОННЫЕ
ИСТОЧНИКИ
1. Архитектуры систем поддержки принятия решений. УЯЬ: http://lissianski.narod.
Юридические услуги
• защита интересов собственников и арендаторов в административном и судебном порядке при некорректном определении кадастровой стоимости недвижимого имущества
• взыскание долгов с проблемных банков
• налоговые споры
• банкротство
• ведение арбитражных дел
• противодействие рейдерским захватам имущества (защита активов)
• исполнительное производство
ru/dwarch/dwarch.html
2. Баранов В. В., Баранова И .В. СЯМ-система как элемент логистической цепочки предпринимательской деятельности в сфере высоких технологий // Логистика. 2016. № 10.
3. Ильин В. В. Реинжиниринг бизнес-процессов с использованием АЯБ М. : Издательский дом «Вильямс», 2008.
4. Интеллект современного предприятия / С. Д. Николаев, А. В. Зайцев, В. В. Баранов, Й. Крафт. М. : Издательский дом «Комсомольская правда», 2010.
5. Ларичев О. И., Мошкович Е. М. Качественные методы принятия решений: Вербальный анализ решений. 2-е изд. доп. и перераб. М. : Наука, 2013.
6. Методы и модели анализа данных: оперативный и интеллектуальный анализ / А. А. Барсегян, М. С. Куприянов, В. В. Сте-паненко [и др.]. СПб. : БХВ-Петербург, 2004.
7. Трахтенгерц Э. А. Компьютерная поддержка формирования целей и стратегий. М. : СИНТЕГ, 2015.
8. Хаммер М., Чампи Д. Реинжиниринг корпорации: манифест революции в бизнесе. М. : Манн, Иванов и Фербер, 2007.
ЗАО «РЕСПУБЛИКАНСКОЕ ОБЩЕСТВО СОДЕЙСТВИЯ ПРОМЫШЛЕННОЙ ЭКСПЕРТИЗЕ»
предоставляет полный комплекс оценочных и юридических услуг с 1996 года
ОСНОВНЫЕ НАПРАВЛЕНИЯ ДЕЯТЕЛЬНОСТИ Услуги по оценке
▼ оценка различных видов стоимости имущества и имущественных прав, в том числе:
• объектов недвижимости
• бизнеса и пакетов ценных бумаг
• объектов интеллектуальной собственности, включая ноу-хау
• земельных участков и объектов капитального строительства в целях уменьшения налогооблагаемой базы (замещения кадастровой стоимости)
• объектов для целей залога
▼ стоимостная экспертиза по определению суда
+7-(495)-670-90-54, +7-(495)-670-69-78, +7-(499)-179-49-43 www.rospromekspertiza.ru, e-mail: unalex@amadeo-com.ru
4 CRM (Customer Relationship Management) - система управления взаимоотношениями с потребителями.
