Системы интеллектуального ведения бизнеса

Министерство  образования и науки, молодежи и  спорта Украины

Севастопольский национальный технический университет 

 

 

 

 

 

Научная работа(Реферат) по теме:

 «Системы  интеллектуального ведения бизнеса»

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Севастопль 2013

Оглавление

 

 

  

 

1. Информация, как сырье и как товар: абсолютная, относительная и аналитическая информация. Данные, информация, знания

 

Абсолютная  информация – это информация, содержащаяся в абсолютных числах, таких как количество чего-либо, взятого "само по себе".

Относительная информация – это информация, содержащаяся в отношениях абсолютного количества к объему совокупности.

Относительная информация измеряется в частях, процентах, промилле, вероятностях и некоторых  других подобных единицах. Очевидно, что и из относительной информации, взятой изолированно, вырванной из контекста, делать какие-либо обоснованные выводы не представляется возможным.

Аналитическая информация – это информация, содержащаяся в отношении вероятности (или процента) к некоторой базовой величине, например к средней вероятности по всей выборке.

Аналитическими  являются также стандартизированные  величины в статистике и количество информации в теории информации.

Аналитическая информация позволяет делать содержательные выводы об исследуемой предметной области. Для того, чтобы сделать аналогичные выводы на основе относительной, и абсолютной информации требуется значительная обработка.

Таким образом, есть все основания рассматривать  абсолютную информацию как "информационное сырье", аналитическую – как "информационный товар". Относительная информация в этом смысле занимает промежуточное положение и может рассматриваться как "информационный полуфабрикат". Интеллектуальные информационные системы, преобразуют сырую информацию в кондиционный информационный продукт и, этим самым, многократно повышают ее потребительскую и меновую стоимость.

Данные - это  совокупность сведений, зафиксированных  на определенном носителе в форме, пригодной  для постоянного хранения, передачи и обработки. Преобразование и обработка данных позволяет получить информацию.

Информация - это  результат преобразования и анализа  данных. Например, в базах данных хранятся различные данные, а по определенному запросу система  управления базой данных выдает требуемую информацию.

Знания –  это зафиксированная и проверенная  практикой обработанная информация, которая использовалась и может  многократно использоваться для  принятия решений.

Знания –  это вид информации, которая хранится в базе знаний и отображает знания специалиста в конкретной предметной области. Знания – это интеллектуальный капитал.

 

 

2. Особенности экспертных систем экономического анализа

 

Архитектура экспертной системы экономического анализа (особенности  формирования базы знаний, выбора методов  логического вывода, пользовательского интерфейса) во многом зависит от целей и глубины анализа: внешнего (для сторонних организаций) или внутреннего (для самого предприятия).

Внешний экономический  анализ проводится внешними для предприятия  субъектами: инвесторами, кредиторами, партнерами, поставщиками, аудиторами, налоговыми и таможенными службами, страховыми организациями и т.д. Для внешнего анализа используются интерпретирующие экспертные системы.

Целью внешнего анализа предприятия является определение  общего состояния предприятия, т.е. интерпретация его экономического положения с точки зрения выявления возможностей эффективного взаимодействия с ним внешних организаций

Интеллектуальная  система моделирования бизнес-процессов  предназначена для анализа на долговременной основе эффективности организации бизнес-процессов, прогнозирования последствий реализации рекомендаций по реинжинирингу бизнес-прцессов.

Наиболее зарекомендовавшим  себя методом внешнего анализа, интегрирующим  множество различных экономических  показателей предприятия, служит рейтинговый метод.

В случае применения экспертной системы внутреннего  финансового анализа FINEX экспертиза осуществляется автоматически на основе введенных данных финансовой отчетности.

Функциями экспертной системы финансового анализа предприятия являются:

• Ввод и проверка правильности составления бухгалтерской отчетности;
• Анализ финансового состояния предприятия;
• Анализ результатов финансово-хозяйственной деятельности предприятия и диагностика эффективности использования ресурсов.

Анализ финансового  состояния предприятия предполагает комплексную рейтинговую и классификационную  оценку платежеспособности и финансовой устойчивости предприятия.

Для интерпретации  данных используются рейтинговый или  классификационный методы. Чем больше признаков (факторов) оценки ситуации, тем предпочтительнее рейтинговый метод по сравнению с классификационным.

Рейтинговый метод - получение суммарной оценки ситуации по ряду независимых признаков, при  этом используется дизъюнктивный подход к построению правил. Этот метод неточный, гибкий.

Классификационный метод - ситуации классифицируются как  различные комбинации значений признаков, при этом используется конъюнктивный  подход к построению правил. Этот метод  точный, жесткий.

 

 

3. Интеллектуальный анализ данных

 

Интеллектуальный  анализ данных заключается в преобразовании исходных необработанных материалов в  ценную корпоративную информацию для  принятия стратегических решений, влияющих на результаты деятельности компании. Такой подход к управлению информацией  позволяет повысить эффективность ведения бизнеса, получить конкурентное преимущество и, как результат, увеличить прибыльность компании.

Эффективная работа системы управления информацией  заключается в быстром принятии решений, основанном на достоверных  данных, которые являются едиными для всего предприятия. Каждая компания сталкивается с необходимостью поиска, так называемой, «золотой середины» между скоростью действий и детализацией обработки информации. Недостатком в деятельности любого бизнеса будет, как медленное принятие решений, в связи с временными затратами на сбор и анализ данных, так и обратная ситуация — принятие решений, основанное на недостаточно детальной обработке и анализе данных.

Поэтому, важным является определение ключевых показателей  эффективности (KPI), по которым необходимо производить анализ корпоративной информации.

Разработка  индивидуальных метрик и KPI при создании интеллектуальных систем анализа данных позволяет компаниям находить баланс между скоростью и глубиной обработки  исходных данных , что влияет на эффективность принятия решений, минимизируя риски предприятия за счет оперативного принятия взвешенных решений.

Благодаря гибкости и ясности в ведении бизнеса, компании, имеющие в своем активе системы интеллектуального анализа  данных, занимают наиболее выгодные позиции на рынке, имеют возможность предсказывать и избегать риски связанные с принятием решений и деятельностью в целом. В результате, при возникновении затруднительной экономической ситуации в конкретной отрасли, именно эти предприятия добиваются наивысших финансовых результатов и занимают позиции лидеров рынков.

 

 

1. Последний рубеж преимущества в бизнесе

 

Бизнес аналитика, business Intelligence или information intelligence: какой  бы мы термин не выбрали, суть заключается  в превращении сырых (исходных или необработанных) данных в информацию, которая может быть использована для повышения эффективности бизнеса и достижения компаниями конкурентного преимущества. Данный вопрос является очень актуальным  для  многих компаний-лидеров в своих отраслях.

Последние исследования, проведенные консалтинговой компанией Forrester Research в Северной Америке и  Европе, показали, что более двух третей из 1 000 опрошенных компаний собираются, тестирую, внедряют или расширяют  свои business intelligence (BI) системы.

Даже в текущих  сложных экономических условиях, никто из опрошенных руководителей  не собирается сокращать или уменьшать  финансирование business intelligence решений.

В чем заключается  управление BI? Это не просто использование  набора технических средств по построению сложных хранилищ данных. Учитывая тот факт, что технологии являются важной составляющей в процессе управления информацией и, в большинстве своем, эффективны, управление BI заключается в систематическом извлечении пользы из информации о клиенте. А именно в том: что представляет данная информация и, как ее можно использовать.

Формально говоря, управление BI заключается в выполнении всего перечня задач и действий над сырыми (исходными/необработанными) данными, прежде чем ими будет возможно оперировать с целью повышения эффективности принятия решений.

Речь также  идет о понимании бизнеса и  его процессов. Для того, что бы знать какие вопросы о данных нужно задавать и, что может повлиять на повышение эффективности предприятия, нужно, в первую очередь, найти данные, извлечь их, интегрировать, установить между ними соответствия и связи, очистить и агрегировать их, а после смоделировать и переместить в информационное хранилище. Далее необходимо понимать, какие параметры должны быть отслежены: время, клиенты, региональное размещение и т.д. И только после выполнения всего перечисленного можно начинать формирование отчетов.

Объективно  говоря, данные действия не простые, это  очень сложный процесс и именно поэтому данный рынок не является развитым.

Эффективность бизнеса на протяжении последних 20 лет заключалась в автоматизации процессов на предприятиях – например, при помощи ERP-систем. Данные системы помогли предприятиям повысить эффективность деятельности, но они больше не являются конкурентным преимуществом.

На протяжении последних двух-трех лет предприятия  начали рассматривать информацию, как  стратегический актив. И в будущем  это станет причиной создания 20, 30, или 40 процентного улучшения параметров ведения бизнеса по сравнению  с 3-5% улучшениями, которые достигались ранее.

Но революции  редко бывают безболезненными, и  для многих больших компаний BI остается и будет продолжать оставаться последним  рубежом.

С увеличением  спроса полнота BI-приложений продолжает увеличиваться, также увеличивается  сложность, стоимость и усилия больших предприятий при внедрении BI-приложений. Как результат, количество удачных примеров внедрений BI-решений меньше числа неэффективных внедрений.

В действительности более чем две трети опрошенных пользователей сообщили, что находят BI-приложения сложными, как в обучении, так и в использовании.

Эффект от внедрения BI-систем достаточно сложно оценить  с точки зрения возврата инвестиций. Например, сложно решить, какие из инструментов и процессов должны быть использованы при оценке эффекта внедрения BI-систем, выделяя те, которые влияют на повышение дохода компании. И это действительно является сложной задачей.

Выбор заключается  в том, какие процессы и инструменты  включать в систему. Кроме того, сложность  обусловлена наличием множественных BI-компонентов, которые должны быть настроены и интегрированы, а также наличие непредсказуемости в интеграции BI-систем, все это создает непростое испытание при внедрении.

Нужно помнить о том, что бизнес состоит из процессов. Некоторые, из которых пересекаются с внешним миром, но также существует определенная цепь событий. И BI-система должна отражать любое решение, которое находится в цепочке этих событий. Вопрос, который должен задавать руководитель выглядит так: «какая информация мне необходима в этой части цепи?»

Необходимо  пройти через каждый из процессов в бизнесе, для того что бы иметь возможность задавать эти вопросы. Нужно заметить, что это нелегко. Менеджеры зачастую разочаровываются, так как они не обладают достаточной мудростью и просто сваливают всю информацию в одно место.

Многие руководителей осторожно относятся к качеству информации, которую предоставляет BI: они считают, что данные являются мусором и, что, несомненно, превращение информации в знания требует очистки данных. В среднем порядка 80% стоимости контракта на внедрение BI-системы состоит из затрат на очистку данных, то есть превращении данных компании в единый формат. Все потому, что если одна и та же часть данных существует в двух местах, в одном из них они (данные) ошибочны.

Выход заключается  в том, что бы конвертировать все  данные в один совместимый тип и хранит его в одном месте. Физический процесс загрузки данных не так сложен, как может показаться сначала. Все заключается в том, что бы определится какие данные хранить и, как организовать поток работ. Это и является самой сложной задачей.

Важно помнить, что руководители ограничены во времени  для того, что бы обработать информацию и принимать оптимальные решения. Кроме того, в большинстве своем, информация не является совершенной. Ведь если бы информация была совершенна, не было бы хаоса и сложностей в принятии решений. Хорошо спроектированные инструментальные панели помогают руководителям принимать лучшее, из возможных решений, даже при условии наличия неполной информации.

Информация, конечно, должна быть достоверной и здесь  технологии играют важную роль, а именно по части автоматического накапливания данных в центральном хранилище. Каждый раз, когда вы пытаетесь применять ручное управление, появляется вероятность возникновения временной задержки и ошибочной интерпретации фактов. И именно эти ошибки позволяет избежать правильное управление информацией.