Вопрос 4. Предпосылки появления систем поддержки принятия решений (СППР).

Ситуацию с корпоративной информацией, складывающуюся в настоящее время на большинстве предприятий, можно сравнить с сокровищем, которое лежит под ногами, но которое никто не может извлечь. По данным Gartner Group, большая часть корпоративной информации – 90 % – лежит невостребованной и никак не анализируется. Между тем многие из проблем, которые возникают в текущей деятельности предприятия и которые требуют оперативного решения, не являются для него абсолютно новыми. Как правило, предприятие уже когда-то сталкивалось с похожей ситуацией, и в этой связи были приняты определенные управленческие решения, которые привели к соответствующим результатам. Этот опыт (позитивный или негативный) может оказаться очень ценным при решении проблем, стоящих перед предприятием в настоящий момент.

Подобное положение с очевидностью говорит о том, что необходимы технологии, которые бы позволили анализировать накопленную информацию и предоставили бы возможность оперативно принимать максимально взвешенные решения.

Руководители предприятий сегодня осторожно относятся к проектам внедрения информационных систем, все больше задумываясь над тем, куда они вкладывают деньги и какой результат получат от этих вложений. Многие компании имеют негативный опыт внедрения подобных систем, а инвесторы не получают от реализации таких проектов ожидаемого эффекта. Одной из причин, как представляется, оказывается размытость цели построения информационной системы предприятия.

Целью построения каждой информационной системы должно быть обеспечение максимально прозрачного и эффективного управления бизнесом, то есть предоставление управляющему звену возможности проводить текущую оценку состояния бизнеса, формулировать и описывать бизнес-цели, определять методы и пути достижения поставленных задач.

Для этого, с одной стороны, система должна снабжаться максимально полной, актуальной, качественной и согласованной информацией, а с другой – обеспечивать максимально эффективный, быстрый и многоаспектный анализ данных.

Анализировать всю накопленную корпоративную информацию и учитывать результаты такого анализа в процессе принятия бизнес-решений позволяют так называемые Системы поддержки принятия решений – СППР (Decision Support Systems, DSS). А применяемые технологии именуются OLTP – On-Line Transaction Processing.

Если попытаться коротко сформулировать роль таких технологий в системе управления предприятием, то СППР – это инструмент менеджеров предприятия, предназначенный для решения следующих ключевых задач:

· оценка текущего состояния бизнеса предприятия;

· формулирование и описание бизнес-целей;

· определение методов и способов достижения поставленных бизнес-целей.

Эти технологии уже много лет применяются на Западе и становятся все более актуальными в России.

OLTP- и OLAP-технологии.

Задачи OLTP-системы – это быстрый сбор и наиболее оптимальное размещение информации в базе данных, а также обеспечение ее полноты, актуальности и согласованности. Однако такие системы не предназначены для максимально эффективного, быстрого и многоаспектного анализа.

Разумеется, по собранным данным можно строить отчеты, но это требует от бизнес-аналитика или постоянного взаимодействия с IT-специалистом, или специальной подготовки в области программирования и вычислительной техники.

Мировая индустрия давно знакома с этой проблемой, и вот уже почти 30 лет существуют OLAP-технологии, которые и предназначены именно для того, чтобы бизнес-аналитики имели возможность оперировать с накопленными данными, непосредственно участвовать в их анализе. Подобные аналитические системы противоположны OLTP-системам в том плане, что они устраняют информационную избыточность («сворачивают» информацию). Вместе с тем очевидно, что именно избыточность первичной информации определяет эффективность анализа. СППР, объединяя эти технологии, дают возможность решать целый ряд задач.

· Аналитические задачи: вычисление заданных показателей и статистических характеристик бизнес-процессов на основе ретроспективной информации, находящейся в хранилищах данных.

· Визуализация данных: представление всей имеющейся информации в удобном для пользователя графическом и табличном виде.

· Получение новых знаний: определение взаимосвязи и взаимозависимости бизнес-процессов на основе существующей информации (проверка статистических гипотез, кластеризация, нахождение ассоциаций и временных шаблонов).

· Имитационные задачи: математическое моделирование поведения сложных систем в течение произвольного периода времени. Иными словами, это задачи, связанные с необходимостью ответить на вопрос «Что будет, если?..».

· Синтез управления: определение допустимых управляющих воздействий, обеспечивающих достижение заданной цели.

· Оптимизационные задачи: интеграция имитационных, управленческих, оптимизационных и статистических методов моделирования и прогнозирования.

Менеджеры предприятия, использующие инструментальные средства OLAP-технологии, даже без специальной подготовки могут самостоятельно и оперативно получать всю необходимую для исследования закономерностей бизнеса информацию, причем в самых различных комбинациях и срезах бизнес-анализа. Бизнес-аналитик имеет возможность видеть перед собой список измерений и показателей бизнес-системы. При столь простом интерфейсе аналитик может строить любые отчеты, перестраивать измерения (скажем, делать кросс-таблицы – накладывать одно измерение на другое). Кроме этого, он получает возможность создавать свои функции на базе существующих показателей, проводить анализ «что, если» – получать результат, задавая зависимости каких-либо показателей бизнес-функций или бизнес-функцию от показателей. При этом максимальный отклик любого отчета не превышает 5 секунд.

Структура СППР.

Система строится на основе четырех ключевых компонентов:

· Информационных Хранилищ Данных;

· ETL (Extracting Transformating and Loading) – средств и методов извлечения, обработки и загрузки данных;

· OLAP – многомерной базы данных и средств анализа;

· Data Mining – средств извлечения данных.

При этом Технология Информационных Хранилищ Данных обеспечивает:

· быструю обработку поступающих запросов;

· интеграцию распределенных данных;

· интеграцию внутренних и внешних данных;

· устранение ненужной информации;

· агрегирование (вычисление сумм, средних показателей);

· преобразование типов данных, структур хранения;

· приведение данных к одному моменту времени.

Хранилище Данных строится на основе OLTP-базы данных, а также различных разнородных источников информации. Таким образом, система сбора информации представляет собой централизованный импорт данных из существующих учетных систем.

Когда данные импортируются в Хранилище Данных, они подвергаются некоторой первичной обработке, обеспечивающей эффективность последующего анализа: производится очистка данных, структурирование по времени, агрегирование, фильтрация и ряд других операций.

Все это необходимо для того, чтобы бизнес-аналитик не только оперировал данными оперативного учета (так называемая оперативная отчетность), но имел возможность производить полнофункциональный анализ, строить прогнозы и при этом работать с системой в тех бизнес-терминах, которые он использует в повседневной работе.

Еще одна задача Хранилища Данных – интеграционная, то есть предоставление возможности объединить разнородные источники информации в единое информационное пространство, с которым удобнее работать и которым легче управлять. Во многих компаниях установлены разнородные системы, отвечающие (причем очень эффективно) за выполнение тех или иных задач. Хранилище Данных обеспечивает интеграцию этих источников информации и одновременно «разгружает» учетные системы, освобождая их от построения отчетов.

Кроме того, на предприятиях существует большой объем нерегламентированной информации, которую также необходимо подвергать анализу. Это информация, которая приходит от руководящих и регулирующих органов и не поступает в базу данных предприятия, а также информация, получаемая из Интернета, и любые другие существенные для бизнеса данные. Хранилище позволяет собирать эту информацию и производить ее дальнейший анализ средствами OLAP.

OLAP – это технология анализа данных, включающая возможности аналитической обработки информации из разных источников (файлов, баз данных и программных приложений); определения скрытых зависимостей между данными и построения объективной картины информации по различным срезам; представления необходимых для прогнозирования данных в виде, простом и понятном для всех, кто занимается управлением.

Data Mining – технология извлечения данных, позволяющая осуществлять поиск общих закономерностей в больших объемах данных. С помощью технологии Data Mining решаются следующие задачи:

· применение правила «если … , то … » с использованием коэффициентов уверенности;

· определение характеристик ненадежного клиента;

· выявление перспективных клиентов;

· сохранение существующих клиентов;

· отбор кандидатов для рассылки новых предложений;

· определение стратегии продаж;

· составление и оценка системы скидок.

Необходимо отметить, что OLAP-технологии в целом очень гармонично интегрируются с другими технологиями построения информационных систем. Например, одновременно с внедрением CRM-системы можно установить и OLAP-систему как средство обработки информации, которую CRM-система позволяет накапливать. Более того, сейчас и в состав многих ERP-систем входят OLAP-решения. Например, Oracle Application содержит такие продукты, какOracle Financial Analyzer, Oracle Sales Analyzer.

Литература по теме:

Основная литература:

1. Литвак Б.Г. Управленческие решения: Учебник. – М.: МФПУ «Синергия», 2012. – 512 с. – (Академия бизнеса).

2. Литвак Б.Г. Управленческие решения: Практикум. – М.: МФПУ «Синергия», 2012. – 448 с. – (Академия бизнеса).

Дополнительная литература:

1. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, принятие решений в экономике. – М.: Финансы и статистика, 2007. – 368 с.

2. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных странах: Учебник. – М.: Логос, 2008. – 392 с.

3. Смирнов Э.А. Разработка управленческих решений. – М.: ИНФРА-М, 2008. – 272 с.

4. Фатхутдинов Р.А. Разработка управленческого решения: Учеб. пособие. – М.: Бизнес-школа, Интел-Синтез, 2007. – 272 с.