EDN: EBEEHK
В.А Мирончук - к.э.н., доцент кафедры экономической кибернетики, Кубанский государственный аграрный университет, Краснодар, Россия, va_mironchuk@mail.ru,
V.A Mironchuk - candidate of economics, associate professor, associate professor of the department of economic cybernetics, Kuban state agrarian university, Krasnodar, Russia;
А.Л. Золкин - к.т.н., доцент кафедры «Информатика и вычислительная техника», Поволжский государственный университет телекоммуникаций и информатики, Самара, Россия, alzolkin@list.ru,
A.L. Zolkin - candidate of technical sciences, associate professor of the department of informatics and computer engineering, Volga state university of telecommunications and informatics, Samara, Russia;
Ж.В. Мекшенева - к.э.н., заведующий кафедрой «Математики», Негосударственное образовательное частное учреждение высшего образования «Московский финансово-промышленныйуниверситет «Синергия», Москва, Россия,
Zh.V. Meksheneva - candidate of economics, head of the department of mathematics, Non-state Educational Private Institution of Higher Education "Moscow Financial and Industrial University "Synergy", Moscow, Russia;
И.А. Поскряков - старший преподаватель кафедры «Экономика и управление на транспорте», Российский университет транспорта, Москва, Россия,
I.A. Poskryakov - senior lecturer of the department of economics and management in transport, Federal state educational institution of higher education "Russian university of transport", Moscow, Russia.
СОВРЕМЕННЫЕ КОМПЬЮТЕРНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ MODERN COMPUTER DECISION SUPPORT SYSTEMS
Аннотация. В статье рассматривается значимость и роль современных компьютерных систем в процессе принятия решений. Авторы подчеркивают, что быстрое развитие информационных технологий и использование современных методов анализа данных и искусственного интеллекта позволяют компьютерным системам обрабатывать большие объемы данных и выявлять закономерности, что способствует снижению влияния неопределенности на принимаемые решения. Рассматриваются аспекты современных систем поддержки принятия решений, включая использование графовых баз данных, облачных вычислений и экспертных систем. Кроме того, акцентируется внимание на роли бизнес-аналитики в этих системах, отмечая его важность для обработки и анализа больших объемов данных и создания бизнес-ценности. Преимуществом использования современных компьютерных систем является быстрота принятия решений, обработка множества входных данных, снижение уровня усталости при принятии решений и возможность выявления уникальных предположений посредством искусственного интеллекта.
Abstract. The article discusses the importance and role of modern computer systems in the decision-making process. The authors emphasize that the rapid development of information technologies and the use of modern methods of data analysis and artificial intelligence allow computer systems to process large amounts of data and identify patterns, which contributes to reducing the impact of uncertainty on decisions. Aspects of modern decision support systems, including the use of graph databases, cloud computing and expert systems, are considered. In addition, attention is focused on the role of business intelligence in these systems, noting its importance for processing and analyzing large amounts of data and creating business value. The advantage of using modern computer systems is the speed of decision-making, processing of a variety of input data, reducing the level of fatigue in decision-making and the ability to identify unique assumptions through artificial intelligence.
Ключевые слова: искусственный интеллект, анализ данных, машинное обучение, принятие решений, компьютерные системы.
Keywords: artificial intelligence, data analysis, machine learning, decision making, computer systems.
В настоящее время, в условиях быстро меняющегося информационного общества и возрастающей сложности бизнес-процессов, принятие обоснованных и эффективных решений становится важнейшей задачей любой организации. Системы поддержки принятия решений являются неотъемлемой частью современного менеджмента, предоставляя ценную информацию, аналитические инструменты и интеллектуальные возможности для оптимального принятия решений. Основная цель системы поддержки принятия решений заключается в обработке больших объемов данных, выявлении закономерностей и тенденций. Благодаря интеграции передовых технологий, таких как искусственный интеллект, машинное обучение и анализ больших данных, современные системы поддержки принятия решений способны предоставлять точные прогнозы, оптимальные рекомендации и аналитические отчеты.
В данной статье представлен обзор современных компьютерных систем поддержки принятия решений, рассмотрены ключевые методы и подходы, тенденции и перспективы развития, важность и преимущества применения системы поддержки принятия решений в различных областях.
Процесс принятия решений включает в себя выбор определенного варианта действий, за который несет ответственность лицо, принимающее решения. Это может быть как отдельный индивид, так и группа, которая совместно принимает управленческие решения. Традиционные компьютеры, хотя и предоставляют доступ к информации из баз данных и выполняют экономические и технические расчеты, оказываются недостаточно эффективными в таком сложном процессе, как принятие решений. В рамках своей рабочей деятельности руководителю приходится сталкиваться с задачами, которые требуют более гибкого подхода и не могут быть полностью решены с помощью стандартных информационных технологий. Для успешного принятия решений важно использовать специализированные компьютерные системы поддержки принятия решений, которые способны учитывать сложность и неопределенность задач, предоставляя средства анализа данных, моделирования и симуляции, что облегчает процесс принятия оптимальных решений в управлении системой. Использование таких инструментов помогает повысить эффективность управленческих решений и обеспечивает более успешное функционирование организации [1, 4].
Искусственный интеллект представляет собой широкую область, использующую технологии для создания устройств, способных имитировать когнитивные способности человеческого интеллекта, включая распознавание речи, понимание и анализ данных, предоставление рекомендаций и многое другое. Стоит отметить, что искусственный интеллект не представляет собой отдельную самодостаточную систему, а скорее - набор технологий, которые интегрируются в различные системы, позволяя системам эффективно учиться и применять знания для решения сложных задач [5]. Искусственный интеллект широко применяется в различных областях, включая медицину, финансы, промышленность и другие сферы. Внедрение технологий искусственного интел-
лекта позволяет системам повышать эффективность, оптимизировать процессы и принимать обоснованные решения на основе анализа данных и опыта. В результате, искусственный интеллект становится ключевым инструментом для достижения успеха в современном информационном обществе. Преимущества применения искусственного интеллекта в принятии бизнес-решений охватывают следующие аспекты:
1. Увеличение скорости принятия решений. В современном быстро развивающемся бизнес-мире скорость принятия решений играет ключевую роль, и в этом аспекте искусственный интеллект показывает выдающиеся результаты, позволяя сократить время, затрачиваемое на принятие решений.
2. Обработка множества входных данных. Когда требуется обработать информацию из различных источников и учитывать множество факторов, искусственный интеллект превосходит человеческие способности в эффективной и точной обработке данных.
3. Снижение усталости. Психологические исследования показывают, что при принятии множества решений в ограниченные сроки качество принимаемых решений снижается из-за усталости. Внедрение искусственного интеллекта может снизить нагрузку на человека и поддерживать высокую производительность.
4. Обнаружение скрытых закономерностей. С помощью искусственного интеллекта руководители могут выявлять уникальные закономерности и связи в данных, которые могут быть неочевидны для человеческого анализа, что способствует разработке более оригинальных и эффективных решений.
Применение искусственного интеллекта в бизнес-среде открывает новые перспективы для более быстрого и точного принятия решений, что делает искусственный интеллект важным инструментом для современных предприятий и организаций.
Интеллектуальные информационные технологии представляют собой мощный инструмент для управления сложными системами и процессами, анализа и принятия решений, поиска и анализа информации, мониторинга, диагностики и прогнозирования, которые являются ключевым элементом в современном информационном обществе, значительно влияя на различные сферы человеческой деятельности. Интеллектуальные технологии позволяют создавать автоматизированные системы, обладающие способностью анализировать данные, выявлять закономерности и осуществлять прогнозы, что является неоценимой поддержкой для принятия решений, находят применение в мониторинге и контроле различных процессов, повышая эффективность и надежность функционирования систем. Интеграция интеллектуальных информационных технологий в различные сферы деятельности позволяет оптимизировать процессы, повысить качество принимаемых решений и значительно улучшить производительность работы. От применения интеллектуальных технологий зависит динамичное развитие общества и успешное функционирование организаций в современном мире [2, 3].
Внедрение систем поддержки принятия решений активно распространяется в различных отраслях и бизнес-процессах компаний, таких как кредитный скоринг в финансовом секторе, цифровые советчики для промышленных предприятий и риск-ориентированные системы в государственном секторе. Применение этих интеллектуальных систем значительно упрощает внедрение и расширяет сферу их применения, обеспечивая централизованное и прозрачное управление стратегиями принятия решений. Особенностью современных систем поддержки принятия решений является возможность простого использования алгоритмов искусственного интеллекта в цепочках решений, что характеризуется современной архитектурой, широкими возможностями интеграции и масштабирования, а также интуитивно понятным интерфейсом. При разработке таких систем все чаще применяется формат low-code платформ, который предоставляет доступ как бизнес-пользователям, так и ИТ-специалистам. Для бизнес-пользователей доступен конструктор из готовых компонентов, позволяющий легко настраивать систему под свои потребности. В то же время, ИТ-специалисты имеют возможность расширения стандартной функциональности за счет добавления собственного программного кода, что обеспечивает дополнительную гибкость и адаптивность системы к особенностям компании.
Современные компьютерные системы поддержки принятия решений представляют собой сложные и комплексные системы, включающие в себя множество взаимосвязанных компонентов, являющиеся мощным инструментом для руководителей и специалистов, предоставляющим аналитическую поддержку при принятии обоснованных и эффективных решений в различных сферах деятельности. Основными компонентами современных систем поддержки принятия решений являются: интеграция, аналитика и визуализация данных; моделирование и прогнозирование; экспертные системы; автоматизация процессов (рисунок 1).
Системы поддержки принятия решений являются важным элементом в разработке архитектуры бизнес-аналитики. Они представляют собой специальный класс компьютеризированных информационных систем, спроектированных для поддержки процессов принятия решений в организациях и бизнесе. Бизнес-аналитика играет ключевую роль в современных компьютерных системах поддержки принятия решений, обеспечивая анализ данных и предоставление ценной информации руководителям и специалистам для обоснованных и эффективных решений. Бизнес-аналитика является основой современных компаний, применяющих большие объемы данных создавая бизнес-ценность, которая ранее либо была недоступна, либо требовала значительных затрат. В настоящее время, бизнес-аналитика рассматривается как революционное явление в данной области, которое способно повысить эффективность операций и стратегический потенциал бизнеса. Растущий объем данных, собранных за последние годы, стал посредником в возникновении понятия больших данных и использования специализированных технологий в различных секторах экономики и промышленности. Эффективное хранение, обработка и анализ информации стали ключевым фактором для обеспечения устойчивого развития организаций [7].
Компьютерные системы поддержки принятая решений
Пнтегра- ция дан- Обработка дан- Аналитика дан- Визуализация Принятие решений Автомати-зацня Монпто- ринг и об-
На основе
С помощью полученных
Сбор дан- Результаты мониторпнг
ные из различных JIC- Обработка н очистка методов ма- представляются в удоб- екпх выводов система Автомати- ситуации и обновления данных и
базы дая- чсия прове- предостав- зация про-
устранения lemie анаигзг ной форме с ляет реко- цесса принятия ре- i Kiix мо де-
ние неточ- ошибок в помощью ■нд щ лен для
ных, сенсоры и др. СТВ1Ш стей, трендов диаграмм и анты дей- актуально-
даций
прииятия ре-
Рисунок 1 - Компоненты современных компьютерных систем поддержки принятия решений
Благодаря бизнес-аналитике, системы поддержки принятия решений могут предоставлять точные и надежные данные для прогнозирования и определения закономерностей в работе предприятия, помогая выявлять сильные и слабые стороны бизнес-процессов, оптимизировать ресурсы и снижать риски принимаемых решений. Кроме того, бизнес-аналитика способствует автоматизации процессов анализа и прогнозирования через использование методов искусственного интеллекта и машинного обучения, позволяя системам поддержки принятия решений становиться более интеллектуальными и предоставлять более качественные рекомендации для руководителей и специалистов.
Другим ключевым элементом современных компьютерных систем поддержки принятия решений являются экспертные системы, которые представляют собой мощный инструмент для анализа данных и определения доходности различных аспектов бизнеса и обеспечивают возможность выявить общий доход от продаж, а также анализировать динамику по территориальным участкам, менеджерам и сетям. Применение экспертных систем позволяет руководству определять доходность каждой торговой позиции, что способствует разработке более точной и продуманной торговой стратегии. Кроме того, системы позволяют оценить прибыльность конкретных заказов и работы сотрудников. Динамика общего плана также может быть прослежена с помощью экспертных систем, которые предоставляют информацию о стоимости активов и их развитии за определенный период времени. Данные специализированные системы представляют собой эффективный инструмент для поддержки принятия решений, позволяя управленческому персоналу оперативно анализировать данные и оптимизировать бизнес-процессы.
Графовые базы данных представляют мощный инструмент поддержки принятия решений, находящий широкое применение в различных сферах деятельности, представляющие собой концепцию, основанную на математической теории графов, которая изучает и описывает структуру отношений между различными объектами. Подобно математическим графам, в информационном пространстве графовых баз данных существуют вершины, содержащие информацию о соответствующих объектах, подверженных изменениям и обновлениям. Также присутствуют ребра, которые выражают взаимосвязи между вершинами и описывают семантику и свойства этих отношений. Эти ребра, как и в обычных графах, могут иметь направления, указывающие на тип связи между объектами. Графовые базы данных находят широкое применение в различных областях, таких как социальные сети, телекоммуникации, биоинформатика, транспортные системы и многое другое, позволяя представлять и анализировать сложные структуры данных, которые не всегда удобно представить в традиционных реляционных базах данных. Главными преимуществами графовых баз данных являются их способность эффективно моделировать связи между объектами и предоставлять гибкость в анализе семантики этих связей. Кроме того, графовые базы данных могут быть использованы для выполнения сложных запросов и поиска путей между вершинами, что делает их мощным инструментом для работы с связанными данными [6].
Облачные вычисления представляют собой модель, обеспечивающая универсальный сетевой доступ к распределенным вычислительным ресурсам и хранилищам данных по запросу, которые выделяются и освобождаются автоматически, без прямого участия пользователя. Классическая модель облачных вычислений включает несколько сервисных моделей: программное обеспечение как услуга, платформа как услуга, инфраструктура как услуга, и модели развертывания: частное облако, облако сообщества, публичное облако и гибридное облако. Процесс поддержки принятия решений является вычислительно сложной задачей, которую можно эффективно решать с помощью облачных сервисов. Вне зависимости от выбранной сервисной и развертывания модели, облачные сервисы должны соответствовать основным принципам. Уровень обслуживания, предоставляемого провайдером пользователю, строго регулируется соглашением об уровне обслуживания и может быть пересмотрен по требованию пользователя. Ключевыми характеристиками облачных сервисов, которые благоприятно влияют на поддержку принятия решений, являются единый пул ресурсов, гибкость, масштабируемость и оплата только за фактически использованные ресурсы.
В таблице 1 представлены обобщенные сведения, характеризующие современные компьютерные системы поддержки принятия решений.
Таблица 1 - Современные компьютерные систем поддержки принятия решений
Тип системы Основные функции Применение Преимущества Наиболее распространенные в мире системы Отечественные системы
Бизнес-аналитика Анализ данных, отчетность, прогноз Финансы, маркетинг, управление проектами Более точное прогнозирование и планирование Microsoft Power BI, Tableau, Qlik-View, IBM Cognos, SAP BusinessOb-jects, SAS Business Intelligence 1С: Битрикс24, Proceset, Contour BI, SkyPlanner APS
Экспертные системы Знаниевая база, рекомендации Медицина, право, техническое обслуживание Автоматизация процессов, экспертная поддержка IBM Watson, Google DeepMind, X.ai, ROSS Intelligence, Ada Support Conversational AI, JET DETECTIVE, Smart Factory
Искусственный интеллект Анализ данных, решение проблем Промышленность, финансы, медицина Автоматизация и оптимизация принятия решений IBM Watson, Google Cloud AI Platform, Microsoft Azure Cognitive Services, Amazon SageMaker, Salesforce Einstein Яндекс.Диалоги, VisionLabs, SberMedAI, SberIDP Skills, Sber Process Mining, Neuro-mation, DeepPavlov
Графовые базы данных Анализ связей и взаимодействий Социальные сети, транспорт, логистика Высокая эффективность обработки связей данных Neo4j, Amazon Neptune, JanusGraph, OrientDB ClickHouse, Postgres Pro, СУБД ЛИНТЕР, Tarantool
Облачные системы Доступ к данным и приложениям Бизнес, управление, совместная работа Гибкость, масштабируемость, удобство Amazon Web Services, Microsoft Azure, Google Cloud Platform, IBM Cloud, Oracle Cloud, Salesforce, Dropbox Яндекс.Облако, Selectel Cloud, Mail.ru Cloud Solutions, Rostelecom Cloud, MTS Cloud
Системы поддержки принятия решений сталкиваются с разнообразными требованиями от разных пользователей, которые зависят от разнообразных источников данных: официальные и неофициальные. Решение проблемы проверки данных, получаемых из множества источников, представляет сложность для систем поддержки принятия решений, которые должны принимать во внимание различные варианты принимаемых решений. Основными компонентами современных компьютерных систем поддержки принятия решений являются база данных, модель и пользовательский интерфейс. База данных или хранилище данных содержит структурированную информацию, необходимую для количественного анализа и принятия важных решений. Модель или система управления базой моделей содержит модели для различных видов анализа, которые будет выполнять систем поддержки принятия решений. Интеграция хранилища данных и аналитической обработки данных обеспечивает синтезирование информации и анализ больших объемов данных для принятия обоснованных решений.
Таким образом, современные компьютерные системы поддержки принятия решений являются неотъемлемой частью современного бизнеса и обладают огромным потенциалом для повышения эффективности, улучшения производительности и достижения поставленных целей.
Источники:
1. Борзых, Н. Ю. Анализ систем поддержки принятия решений, их классификаций и методов принятия решений / Н. Ю. Борзых // Тенденции развития науки и образования. - 2022. - № 91-7. - С. 87-90.
2. Денисов, Д. Ю. Развитие систем поддержки принятия решений на основе искусственного интеллекта в менеджменте российских компаний / Д. Ю. Денисов // Экономические системы. - 2021. - Т. 14, № 4. - С. 29-36.
3. Искакова, И. С. Возможности систем поддержки принятия решений / И. С. Искакова // Студенческий вестник. - 2022. - № 46-10(238). - С. 60-61.
4. Кавешников, Н. Ю. Эволюция процедур принятия решений в ЕС как параметр глубины интеграции / Н. Ю. Кавешников // Современная Европа. -2020. - № 5(98). - С. 77-88.
5. Мартынова, О. Ю. Информационные системы поддержки принятия решения и информационные системы поддержки исполнения в информационном менеджменте / О. Ю. Мартынова // Человек. Социум. Общество. - 2023. - № 5. - С. 125-128.
6. Фаткуллин, Р. В. Исследование эффективности использования графовых баз данных для анализа больших данных / Р. В. Фаткуллин, Е. В. Кислицын // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2023. - Т. 13, № 1. - С. 123-142
7. Шафинский, Н. А. Продвинутая бизнес-аналитика и большие данные в бизнесе / Н. А. Шафинский, К. Д. Дерипаско // Инновации. Наука. Образование. - 2020. - № 24. - С. 414-420.
EDN: FNVNCS
В.А Мирончук - к.э.н., доцент кафедры экономической кибернетики, Кубанский государственный аграрный университет, Краснодар, Россия, va_mironchuk@mail.ru,
V.A Mironchuk - candidate of economics, associate professor of the department of economic cybernetics, Kuban State Agrarian University, Krasnodar, Russia;
А.Л. Золкин - к.т.н., доцент кафедры «Информатика и вычислительная техника», Поволжский государственный университет телекоммуникаций и информатики, Самара, Россия, alzolkin@list.ru,
A.L. Zolkin - candidate of technical sciences, associate professor of the department of informatics and computer engineering, Volga state university of telecommunications and informatics, Samara, Russia;
Г.В. Рябкова - к.п.н., доцент кафедры «Лингвистика и переводоведение», Московский авиационный институт (национальный исследовательский университет), Москва, Россия,
G.V. Ryabkova - ph.d., associate professor of the department of linguistics and translation studies, Moscow aviation institute (National Research University), Moscow, Russia;
Р.А Вербицкий - ассистент кафедры «Инженерной графики», МИРЭА - Российский технологический университет, Москва, Россия,
R.A Verbitsky - assistant of the department of engineering graphics, MIREA - Russian technological university, Moscow, Russia.
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В СФЕРЕ ТЕХНИЧЕСКОГО И ИНЖЕНЕРНОГО ОБРАЗОВАНИЯ INFORMATION TECHNOLOGIES IN THE FIELD OF TECHNICAL AND ENGINEERING EDUCATION
Аннотация. Данная статья рассматривает современное применение информационных технологий в сфере технического и инженерного образования. Основное внимание уделяется интерактивным образовательным платформам, онлайн курсам, а также использованию искусственного интеллекта для персона-лизации образования. В статье представлен обзор литературы по данной теме, обращено внимание на перспективы внедрения информационных технологий в образование, исследованы преимущества, которые сопутствуют внедрению данных технологий в образовательный процесс. Также рассматривается смешанное обучение как перспективный подход, объединяющий традиционные и онлайн методы обучения. Анализируются возможности облачных вычислений для обеспечения доступа к знаниям и образовательным ресурсам. Представленные в статье результаты исследований подчеркивают значимость информационных технологий в оптимизации образовательных процессов и повышении качества обучения в сфере технического и инженерного образования.
Abstract. This article examines the modem application of information technologies in the field of technical and engineering education. The main focus is on interactive educational platforms, online courses, as well as the use of artificial intelligence to personalize education. The article presents a review of the literature on this topic, draws attention to the prospects for the introduction of information technologies in education, examines the advantages that accompany the introduction of these technologies in the educational process. Mixed learning is also considered as a promising approach combining traditional and online learning methods. The possibilities of