Типовые информационные технологии, используемые на стратегическом уровне управления

На высшем уровне структуры управления – стратегическом, используются системы поддержки руководства (ESS). Эти системы ориентированные в основном на работу с внешними, по отношению к предприятию, данными, характеризующимися нечеткостью, неполнотой, противоречивостью. Примером здесь может служить информация о конкурентах, ситуациях на рынке, перспективы изменения тех или иных цен на продукцию, энергоносители, изменение таможенных тарифов и т.д. Сегодня уже разработаны специальные средства для борьбы с нечеткостью в данных.

В классе ESS-технологий можно выделить два наиболее распространенных подкласса: технологии интеллектуального анализа данных (DM: Data Mining) и системы обработки знаний (СОЗ).

DM-технологии, относятся к средствам предназначенным для обработки неструктурированной информации, поступающей в основном текстами на естественном языке. Актуальными эти технологии становятся в случае необходимости поиска закономерностей или связей между различными событиями, явлениями или процессами. Например, для принятия решения на уровне предприятия важно знать существует ли связь между миграцией населения в конкретном регионе, продажами некоторого товара и ценами на дизельное топливо. Причем достоверная статистика может отсутствовать. Информация, как правило, поступает в виде текстов сообщений из газет, журналов, бюллетеней, из сети Интернет и т.д.

Задачи, решаемые с помощью DM-технологий, следующие:

- классификации – позволяют выявить признаки, характерные для некоторой группы объектов. Наличие таких признаков позволяет вновь появившийся объект отнести к одному из классов;

- кластеризация – в результате решения данной задачи исходные объекты разбиваются на однородные группы (кластеры). Наличие таких групп позволяет принять решение по отношению одной из них;

- выявление ассоциаций, то есть закономерностей, отраженных в данных, фиксирующих наступление каких-либо событий;

- выявление последовательностей, то есть закономерностей, фиксирующих наступление событий с некоторым разрывом во времени.

Создаются средства для решения перечисленных задач, среди которых можно выделить технологию нечетких систем. Появилась она как реакция на то, что традиционные компьютерные вычисления являются слишком жесткими для отражения реального мира. Существует огромное количество проблем, для решения которых невозможно получить полную и точную информацию. В результате появилось понятие «мягкие вычисления», которые были положены в основу обработки нечетких высказываний (FuzziCalk, CubiCalk, FuzziSoft).

Широкую популярность приобрели системы, предназначенные для воспроизведения неосознанных мыслительных усилий человека в форме нейросетей (NeuroShell, NeuralWorks, Neuro Solution). Нейросети, в отличие от обычных программных систем, не требуют программирования, что ставит их в ряд перспективных средств принятия решений.

Следующий класс информационных технологий - системы обработки знаний, включает, прежде всего, экспертные системы, базирующиеся на таких моделях знаний как деревья вывода, деревья целей, семантические сети и т.д. Особое место здесь занимают знания, позволяющие решать обратные задачи. Если прямые задачи решаются в том случае, если необходимо знать результаты деятельности предприятия в предыдущем периоде, то для решения обратных задач необходимо знание тех значений экономических показателей или перечня действий исполнителей, которые приведут к достижению поставленных целей в будущем.

Рассмотренные технологии являются типовыми, так как используются в процессе управления объектами в различных областях экономической деятельности: промышленности, связи, транспорте, добывающей отрасли, торговле, банковской и других сферах.