Информационные процессы в управлении организацией

в) Затем платежная система Интернет передает традиционной платежной системе запрос на авторизацию.

г) Этот шаг зависит от способа ведения банком-эмитентом базы данных счетов: находится ли информация (база данных счетов) в сети или нет. В первом случае процессинговый центр только передает запрос на авторизацию карты банку эмитенту (4а) и ожидает результат (4б). Во втором - процессинговый центр хранит собственную базу данных с информацией о состоянии счетов держателя карты, стоп-листы, которая обновляется банками-эмитентами.

д) Результат передается через платежную систему Интернет магазину и далее покупателю. При положительном результате магазин отправляет товар или оказывает услугу (8а), а процессинговый центр передает информацию об этом в расчетный банк и деньги покупателя, находящиеся на счете в банке-эмитенте (8б), через расчетный банк перечисляются на счет продавца в банке-эквайере.

В большинстве случаев для реализации этой схемы необходимо специальное программное обеспечение (электронный кошелек), который может быть и у покупателя, и у продавца. Возможная схема выплат изображена на рисунке.

Дебетовые платежные схемы

Дебетовые системы платежей, по сути, идентичны своим аналогам из оффлайна, которые бывают чековыми и обыкновенными денежными. Задействованы в схеме два независимых участника - эмитент и пользователь. Эмитент - тот, кто, собственно осуществляет управление платежной системой. Он занимается выпуском так называемых электронных единиц, которые представляют платежи. Пример - деньги, находящиеся на банковских счетах. Выполняют же операции с этими электронными единицами пользователи - они могут принимать от кого-то платежи онлайн и производить их самостоятельно.

Электронные чеки

Такие электронные чеки такие как NetCash, NetCheque, NetChex - это аналоги оффлайновых бумажных документов. Чек представляет собой предписание плательщика, обращенное к своему банку. С помощью чеков осуществляются платежи, то есть деньги переводятся с одного счета на другой. Есть два принципиальных отличия электронных чеков от бумажных. Первое - подпись, которая также может быть как электронной, так и бумажной. Второе - выдача чеков. Она тоже производится в электронном, а не в бумажном виде.

Платеж проводится в несколько этапов:

1. Сначала тот, кто переводит деньги, должен выписать электронный чек и заверить его цифровой подписью. После этого можно переслать документ получателю. Для безопасности и сохранности средств номер чекового счета может быть заблокирован открытым ключом банка.

2. Платежная система принимает чек к оплате, предварительно проверив электронную подпись. Сделать это можно здесь, а можно и в том банке, который работает с получателем.

Когда подлинность подписи подтверждена, товар (или услуга) поставляется плательщику, а деньги с его счета перечисляются получателю.



Схема проведения платежей по электронным чекам

Нельзя не упомянуть о сертификационных центрах. Как уже говорилось выше, чтобы реализовать электронную подпись, используется система шифрования с открытым ключом. Личный ключ, который хранится у пользователя, нужен для подписи, а открытый находится в открытом доступе и, соответственно используется для проверки. Удобнее всего распространять открытые ключи через сертификационные центры. Они содержат цифровые сертификаты, в которых и хранится информация о владельце и его открытый ключ. Так что пользователю не приходится рассылать ключ самостоятельно. Также в сертификационных центрах производится аутентификация, которая гарантирует невозможность генерации ключей посторонними лицами от имени пользователя.

Электронные деньги

Электронные деньги -- это средство платежа, существующее только в электронном виде, а если говорить конкретнее, то в виде записей в специальных электронных системах. Электронные деньги принято делить на два вида по типу носителя. На базе карт (данные системы работают с кредитными карточками, наиболее известные представители: Visa, CashMondex, CLIP, Proton, Mondex). На базе сетей (данные системы работают с цифровой наличностью и электронными чеками, наиболее известные системы: WebMoney, Яndex.Деньги, Единый кошелёк, PayPal, E-Gold, RUpay, UkrMoney.com, e-port, Rapida).

Цифровые деньги является аналогом реальных. Их можно заработать, получить в качестве подарка, выиграть или просто обменять на реальные.

Как же осуществляется платеж с помощью электронных денег?

Для оперирования Электронными деньгами пользователю предоставляется Электронный кошелек, чаще всего он представляет собой уникальный идентификационный номер (ID). Для проведения денежных операций используется web-браузер, но иногда требуется специальное программное обеспечение, устанавливаемое на жестком диске компьютера, которое можно скачать на официальном сайте системы, в некоторых случаях цифровая наличность хранится на смарт-картах. В случае с программным обеспечением, появляется шанс потерять доступ к счету, при порче жесткого диска, на этот случай рекомендуется записывать резервные копии файлов на съемные носители информации.

С помощью web-браузера или программного обеспечения, пользователь, пройдя идентификацию, попадает в меню управления счетом, откуда он может: переводить средства на другой счет, просматривать статистику проведенных операций, обменять электронные деньги на реальную валюту, в этом случае пользователь на свой счет в банке получает запрошенную сумму с учетом комиссии, возможны и другие варианты вывода средств. Ниже представлена общая схема платежа с помощью электронных денег:



Схема платежа электронными деньгами

Возможно конвертирование денег одной электронной системы в другую, как и с физическими деньгами, это происходит в специальных обменных пунктах. Передача данных осуществляется посредством Интернет или мобильного телефона. С помощью электронных денег можно совершать различные виды платежей: от оплаты услуг мобильной связи до оплаты покупки в Интернет-магазине.

Одно из преимуществ электронных денег - это низкая стоимость транзакции, дающая возможность совершать микроплатежи. Немаловажная особенность электронных денег - это их мгновенная передача, скорость которой зависит только от особенностей системы, что в основном занимает считанные секунды.

А к недостаткам можно отнести гарантированность эмиссии только эмитентом, но не государством, как в случае с реальными деньгами. Появляется риск при операциях с большими суммами. Эмитентом считается организация, выпустившая электронные деньги.

При операциях с электронной валютой, как и с физическими деньгами, есть возможность сохранять анонимность, то есть невозможно узнать, кто и когда совершал переводы, кому принадлежали деньги до этого. Однако большинство систем являются не анонимными.

Цифровые деньги относительно молоды, но уже получили широкое признание среди пользователей большинства стран мира и стремительно приобретают популярность.

7.5 Интернет-услуги: Интернет-банкинг, Интернет-трейдинг, Интернет- страхование, предоставление услуг по ASP- приложениям

Интернет-банкинг -- это общее название технологий дистанционного банковского обслуживания, при котором доступ к счетам и операциям (по ним) предоставляется в любое время и с любого компьютера, имеющего доступ в Интернет. Для выполнения операций используется браузер, то есть отсутствует необходимость установки клиентской части программного обеспечения системы.

Интернет-банкинг часто доступен по системе банк-клиент, с использованием технологии тонкого клиента.

Как правило, услуги интернет-банкинга включают:

· выписки по счетам

· предоставление информации по банковским продуктам (депозиты, кредиты и т. д.)

· заявки на открытие депозитов, получение кредитов, банковских карт и т. д.

· внутренние переводы на счета банка

· переводы на счета в других банках

· конвертацию средств

· оплату услуг.

Современные банки осваивают новое перспективное направление развития брокерских услуг, заключающееся в предоставлении физическим лицам доступа к международным валютным и фондовым рынкам (интернет-трейдинг).

Интернет-трейдинг -- это возможность совершать сделки со всем классом активов (акции, фьючерсы, паи фондов, облигации, опционы) и валют посредством интернет. Преимущество интернет-трейдинга заключается в практически мгновенном исполнении, а также возможности проводить торговые сделки из любой точки мира 24 часа в сутки.

Интернет-страхование - продажа страховых полисов через Интернет.

Обычно система интернет - страхования включает:

- расчет величины страховой премии и определение условий ее выплаты;

- заполнение формы заявления на страхование;

- заказ и непосредственно оплату полиса страхования;

- осуществление периодических выплат рассроченной страховой премии;

- обслуживание договора страхования в период его действия;

- формирование произвольных отчетов по запросам пользователей;

- обмен информацией между страхователем и страховщиком при наступлении страхового события.

Aplication Service Provider - Провайдер Прикладных Услуг или, как принято говорить, более определенно и развернуто, "Провайдер услуг доступа к приложениям", - это компания, предоставляющая в аренду и обслуживающая необходимый потребителю набор приложений (а это установка, поддержка и сопровождение приложений) на удаленной технологической площадке.

Application Service Providing - это технология, позволяющая создавать решения на основе удаленного доступа к серверу, на котором установлено специальное программное обеспечение.

ASP продукты

Microsoft, к примеру предлагает следующие ASP продукты:

· Windows® 2000 Datacenter/Advanced/Server

· Windows 2000 Terminal Server

· Office 2000

· Office XP

· SQL Server™ 2000 Standard/Enterprise

· Exchange 2000 Standard/Enterprise

· Commerce Server

· BizTalk™ Server

· Visual Studio®



Тема 8. Интеллектуальные информационные системы в управлении

8.1 Управления знаниями

Интеллектуальная информационная система (ИИС, англ. intelligent system) -- разновидность одного из видов информационных систем, иногда ИИС называют системой, основанной на знаниях.

ИИС представляет собой комплекс программных, лингвистических и логико-математических средств для реализации основной задачи: осуществление поддержки деятельности человека.

Например, возможность поиска информации в режиме продвинутого диалога на естественном языке.

Задачи, решаемые ИИС:

· Интерпретация данных.

· Диагностика.

· Мониторинг.

· Проектирование.

· Прогнозирование.

· Планирование.

· Обучение.

· Управление.

Поддержка принятия решений.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза.

Основное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или подпроблем.

Задачами анализа являются:

· интерпретация данных,

· диагностика,

· поддержка принятия решения.

К задачам синтеза относятся проектирование, планирование, управление.

Комбинированные: обучение, мониторинг, прогнозирование.

Управление знаниями и корпоративная память

Одним из решений по управлению знаниями является понятие корпоративной памяти (corporate memory), которая по аналогии с человеческой памятью позволяет пользоваться предыдущим опытом и избегать повторения ошибок (рис.3.3-1).

Корпоративная память фиксирует информацию из различных источников предприятия и делает эту информацию доступной специалистам для решения производственных задач.

Корпоративная память не позволяет исчезнуть знаниям выбывающих специалистов (уход на пенсию, увольнение и пр.). Она хранит большие объемы данных, информации и знаний из различных источников предприятия. Они представлены в различных формах, таких как базы данных, архивы документов и базы знаний.

Неявные данные и знания

Явные данные и знания

Рис.3.3-1. Данные и знания в системах корпоративной памяти



Этапы разработки систем КМ

Накопление. Стихийное и бессистемное накопление информации в организации.

Извлечение. Процесс, идентичный традиционному извлечению знаний для ЭС. Это один из наиболее сложных и трудоемких этапов. От его успешности зависит дальнейшая жизнеспособность системы.

Структурирование. На этом этапе должны быть выделены основные понятия, выработана структура представления информации, обладающая максимальной наглядностью, простотой изменения и дополнения.

Формализация. Представление структурированной информации в форматах машинной обработки, то есть на языках описания данных и знаний.

Обслуживание. Под процессом обслуживания понимается корректировка формализованных данных и знаний (добавление, обновление): «чистка», то есть удаление устаревшей информации; фильтрация данных и знаний для поиска информации, необходимой пользователям.

8.2 Искусственный интеллект и его применение в управлении

Искусственный интеллект можно определить как научную дисциплину, которая занимается автоматизацией разумного поведения.

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) -- наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

При этом главными источниками проявления неопределенности в задачах управления являются следующие основные факторы:

· сложность формализованного описания объекта и задач управления с учетом погрешностей необходимых вычислений и измерений;

· нечеткость целей функционирования и задач управления;

· нестационарность параметров объекта и системы управления;

· априорная неопределенность обстановки и условий функционирования;

· наличие случайных воздействий внешней среды;

· искажения поступающей входной информации в каналах дистанционной передачи данных.

Фундаментальные проблемы использования знаний как эффективного средства анализа плохо формализуемых и трудно алгоритмизируемых задач по распознаванию образов и классификации конфликтных ситуаций, поиску достоверных ответов при априоркой неполноте и нечеткости имеющихся исходных данных, смысловой обработке больших объемов разнородной информации и т.д. традиционно были и остаются главным предметом изучения в теории искусственного интеллекта (рис. 1.1). Предложенные формы представления знаний, способы их извлечения и пополнения, варианты организации логического вывода успешно реализуются в широком спектре различных практических приложений - экспертных и диагностических системах, системах планирования и поддержки принятия решений, вопросно-ответных и обучающих системах, средствах аннотирования и перевода естественно-языковых текстов, шахматных программах и ряде др.

Появление принципиально новой разновидности задач управления, связанных с поддержанием необходимых режимов функционирования сложных динамических объектов в условиях неопределенности и относящихся к числу плохо формализуемых, потребовало развития специфических методов их решения с привлечением технологий искусственного интеллекта. Базовой основой такого подхода служит концепция ситуационного управления [1.1]. Исходя из ее ключевых положений, каждому классу ситуаций, возникновение которых считается допустимым в процессе функционирования системы, ставится в соответствие некоторое решение по управлению (управляющее воздействие, программно-алгоритмическая управляющая процедура и т.д.). Тогда сложившаяся ситуация, определяемая текущим состоянием как самого объекта, так и его внешней среды и идентифицируемая с помощью измерительно-информационных средств, может быть отнесена к некоторому классу, для которого требуемое управление уже считается известным (рис. 1.2).

Искусственный интеллект Манипулирование знаниями

Интеллектуальные технологии

Рис. 1.1 Общая проблематика теории искусственного интеллекта

Решение прикладных задач

* Распознавание образов и анализ изображений

* Понимание связных текстов и естественно-языковой человеко-машинный интерфейс

* Принятие решений

* Анализ конфликтных ситуаций

* Планирование действий и поведения

* Автоматизация программирования и проектирования

* Управление сложными динамическими объектами



Рис. 1.2 Реализация принципов ситуационного управления в автоматических системах

8.3 Информационно-аналитические системы и технологии, основанные на использовании фактографических и полнотекстовых баз данных и знаний

Информационно-аналитические системы позволяют:

· постоянно обновлять информацию об исследуемом объекте. Важно то, что накопление данных происходит не хаотично, а в соответствии с разработанной структурой, в нашем случае в соответствии со структурой конфликта;

· строить модели интересующих конфликтов па основе реальных данных;

· получать оценки конкретных параметров конфликтной ситуации;

· прогнозировать развитие конфликтного процесса;

· представлять полученные результаты в наглядном (графическом, табличном) виде, удобном для дальнейшей интерпретации или в виде окончательного документа.

ИАС автоматизируют аналитическую деятельность, позволяют построить все возможные сценарии развития ситуации, помогает разработать соответствующие стратегии поведения, оценить их вероятностные последствия и найти наиболее оптимальную стратегию. ИАС существенно облегчает анализ проблемы, делает его более объективным, тем самым, снижая риск ошибки и возможных потерь. Таким образом. ИАС является неотъемлемой частью системы принятия решения, позволяющей сделать процесс управления политическими процессами наиболее эффективным.

ИАС основываются на базах данных и знаний таких как:

· Полнотекстовая БД (full-text database), в которой хранятся записи полнотекстовых документов или их частей;

· Фактографическая БД (factual database), содержащая фактографические (в том числе справочные) данные;

8.4 OLAP-технологии в управлении

Формальное определение OLAP-технологии впервые было дано в статье

Е.Ф.Кодда (E.F.Codd), которая вышла в свет в 1993 году, получила большой резонанс и привлекла внимание к возможностям многомерного анализа1. В статье были описаны двенадцать правил OLAP, к которым чуть позже (в 1995 году) были добавлены еще несколько. Все эти правила были разделены на четыре группы и названы «характеристиками» (features).

К характеристикам OLAP-систем относятся:

· основные характеристики: многомерность модели данных, интуитивные механизмы манипулирования данными, доступность данных, пакетное извлечение данных, архитектура «клиент-сервер», прозрачность, многопользовательская работа;

· специальные характеристики: обработка ненормализованных данных,

· хранение результатов отдельно от исходных данных, выделение отсутствующих данных, обработка отсутствующих значений;

· характеристики построения отчетов: гибкое построение отчетов, стабильная производительность при построении отчетов, автоматическое регулирование физического уровня;

· управление размерностью: общая функциональность, неограниченное число измерений и уровней агрегирования, неограниченные операции между данными различных измерений.

Большинство современных OLAP-систем нельзя однозначно отнести ни к средствам разработки, ни к готовым приложениям. С одной стороны, их использование не требует длительного изучения теории и практики построения аналитических приложений. Но, с другой стороны, они не являются готовыми программными продуктами для решения аналитических задач, поскольку требуют определенной настройки на источники данных, алгоритмы анализа и формы представления итоговой информации. Эта двойственность приводит к многовариантности внедрения, которое может осуществляться как системным интегратором, так и квалифицированными специалистами компании-пользователя.

8.5 Технологии хранилищ данных и Data Mining

ХД, поддерживающие технологию Data Mining (метод «добычи данных») и Exploration (метод исследования данных), являются гибридом классических Хранилищ. Такие Хранилища используются для выполнения мощной статистической обработки данных, т.к. являются: очень детальными, глубоко историческими и оптимизированными для статистического анализа.

Кроме того, для таких Хранилищ характерна ориентация на какой-либо проект. Это означает, что, в отличие от всех других типов ХД, их перестают использовать сразу по завершении анализа, ради которого они создавались.

Еще одно важное отличие ХДс возможностями Data Mining / Data Mining и Exploration заключается в том, что эти Хранилища очень часто включают внешние данные. Такие данные очень полезны с точки зрения обеспечения бизнес-перспективы, которую не так легко увидеть без их участия.

8.6 Интеллектуальный анализ данных

Целью интеллектуального анализа данных (англ. Datamining, другие варианты перевода - "добыча данных", "раскопка данных") является обнаружение неявных закономерностей в наборах данных.

Учитывая разнообразие форм представления данных, используемых алгоритмов и сфер применения, интеллектуальный анализ данных может проводиться с помощью программных продуктов следующих классов:

· специализированных "коробочных" программных продуктов для интеллектуального анализа;

· математических пакетов;

· электронных таблиц(и различного рода надстроек над ними);

· средств интегрированных в системы управления базами данных (СУБД);

· других программных продуктов.

Задачи интеллектуального анализа данных

В ходе проведения интеллектуального анализа данных проводится исследование множества объектов (или вариантов). В большинстве случаев его можно представить в виде таблицы, каждая строка которой соответствует одному из вариантов, а в столбцах содержатся значения параметров, его характеризующих. Зависимая переменная - параметр, значение которого рассматриваем как зависящее от других параметров (независимых переменных). Собственно эту зависимость и необходимо определить, используя методы интеллектуального анализа данных.

· Задача классификации заключается в том, что для каждого варианта определяется категория или класс, которому он принадлежит. В качестве примера можно привести оценку кредитоспособности потенциального заемщика: назначаемые классы здесь могут быть "кредитоспособен" и "некредитоспособен". Необходимо отметить, что для решения задачи необходимо, чтобы множество классов было известно заранее и было бы конечным и счетным.

· Задача регрессии во многом схожа с задачей классификации, но в ходе ее решения производится поиск шаблонов для определения числового значения. Иными словами, предсказываемый параметр здесь, как правило, число из непрерывного диапазона.

· Отдельно выделяется задача прогнозирования новых значений на основании имеющихся значений числовой последовательности (или нескольких последовательностей, между значениями в которых наблюдается корреляция). При этом могут учитываться имеющиеся тенденции (тренды), сезонность, другие факторы. Классическим примером является прогнозирование цен акций на бирже

· Задача кластеризации - заключается в делении множества объектов на группы (кластеры) схожих по параметрам. При этом, в отличие от классификации, число кластеров и их характеристики могут быть заранее неизвестны и определяться в ходе построения кластеров исходя из степени близости объединяемых объектов по совокупности параметров.

Другое название этой задачи - сегментация. Например, интернет-магазин может быть заинтересован в проведении подобного анализа базы своих клиентов, для того, чтобы потом сформировать специальные предложения для выделенных групп, учитывая их особенности.

Кластеризация относится к задачам обучения без учителя (или "неуправляемым" задачам).

· Задача определения взаимосвязей, также называемая задачей поиска ассоциативных правил, заключается в определении часто встречающихся наборов объектов среди множества подобных наборов. Классическим примером является анализ потребительской корзины, который позволяет определить наборы товаров, чаще всего встречающиеся в одном заказе (или в одном чеке). Эта информация может потом использоваться при размещении товаров в торговом зале или при формировании специальных предложений для группы связанных товаров.

Данная задача также относится к классу "обучение без учителя".

8.7 Экспертные системы

Искусственный интеллект, как научная дисциплина, состоит из нескольких крупных течений. Одно из них - экспертные системы.

Экспертные системы- это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области.

Экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания «бывалых» специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения каких-то универсальных задач, как например нейронные сети или генетические алгоритмы.

Экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях - областях.

Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в конце 1960-х г.г. Эта была экспертная система, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах.

Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin.

На сегодняшний день создано уже большое количество экспертных систем. С помощью них решается широкий круг задач, но исключительно в узкоспециализированных предметных областях. Как правило, эти области хорошо изучены и располагают более менее четкими стратегиями принятия решений. Сейчас развитие экспертных систем несколько приостановилось, и этому есть ряд причин:

· Передача экспертным системам «глубоких» знаний о предметной области является большой проблемой. Как правило, это является следствием сложности формализации эвристических знаний экспертов.

· Экспертные системы неспособны предоставить осмысленные объяснения своих рассуждений, как это делает человек. Как правило, экспертные системы всего лишь описывают последовательность шагов, предпринятых в процессе поиска решения.

· Отладка и тестирование любой компьютерной программы является достаточно трудоемким делом, но проверять экспертные системы особенно тяжело. Это является серьезной проблемой, поскольку экспертные системы применяются в таких критичных областях, как управление воздушным и железнодорожным движением, системами оружия и в ядерной промышленности.

· Экспертные системы обладают еще одним большим недостатком: они неспособны к самообучению. Для того, чтобы поддерживать экспертные системы в актуальном состоянии необходимо постоянное вмешательство в базу знаний инженеров по знаниям. Экспертные системы, лишенные поддержки со стороны разработчиков, быстро теряют свою востребованность.

8.8 Система поддержки принятия решений

Система поддержки принятия решений (СППР) (англ. Decision Support System, DSS) -- компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Для анализа и выработок предложений в СППР используются разные методы. Например:

· информационный поиск,

· интеллектуальный анализ данных,

· поиск знаний в базах данных,

· рассуждение на основе прецедентов,

· имитационное моделирование,

· эволюционные вычисления и генетические алгоритмы,

· нейронные сети,

· ситуационный анализ,

· когнитивное моделирование и др.

Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР или ИСППР.

Близкие к СППР классы систем -- это экспертные системы и автоматизированные системы управления.

8.9 Нейронные сети

Нейронные сети - это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека. А именно: способность нервной системы обучаться и исправлять ошибки, что должно позволить смоделировать, хотя и достаточно грубо, работу человеческого мозга.

Биологическая нейронная сеть обладает высокой степенью связности: на один нейрон может приходиться несколько тысяч связей с другими нейронами. Но, это приблизительное значение и в каждом конкретном случае оно разное. Передача импульсов от одного нейрона к другому порождает определенное возбуждение всей нейронной сети. Величина этого возбуждения определяет реакцию нейронной сети на какие-то входные сигналы. Например, встреча человека со старым знакомым может привести к сильному возбуждению нейронной сети, если с этим знакомым связаны какие-то яркие и приятные жизненные воспоминания. В свою очередь сильное возбуждение нейронной сети может привести к учащению сердцебиения, более частому морганию глаз и к другим реакциям. Встреча же с незнакомым человеком для нейронной сети пройдет практически незаметной, а значит и не вызовет каких-либо сильных реакций.

Можно привести следующую сильно упрощенную модель биологической нейронной сети.



Каждый нейрон состоит из тела клетки, которое содержит ядро. От тела клетки ответвляется множество коротких волокон, называемых дендритами. Длинные дендриты называются аксонами. Аксоны растягиваются на большие расстояния, намного превышающее то, что показано в масштабе этого рисунка. Обычно аксоны имеют длину 1 см (что превышает в 100 раз диаметр тела клетки), но могут достигать и 1 метра.

Нейронные сети в искусственном интеллекте - это упрощенные модели биологических нейронных сетей.

У нейронных сетей много важных свойств, но ключевое из них - это способность к обучению. Обучение нейронной сети в первую очередь заключается в изменении «силы» синаптических связей между нейронами. Следующий пример наглядно это демонстрирует. В классическом опыте Павлова, каждый раз непосредственно перед кормлением собаки звонил колокольчик. Собака достаточно быстро научилась ассоциировать звонок колокольчика с приемом пищи. Это явилось следствием того, что синаптические связи между участками головного мозга, ответственными за слух и слюнные железы, усилились. И в последующем возбуждение нейронной сети звуком колокольчика, стало приводить к более сильному слюноотделению у собаки. На сегодняшний день нейронные сети являются одним из приоритетных направлений исследований в области искусственного интеллекта.

Тема 9. Внедрение информационной системы управления бизнесом

9.1 Планирование создания (развития) информационной системы управления бизнесом

Методологически важно наряду с рассмотренными моделями среды ИС предложить модель создания ИС, которая имела бы те же аспекты функциональных групп компонентов (пользователи, функции, данные, коммуникации). Такой подход обеспечит сквозной процесс проектирования и сопровождения на всех стадиях эксплуатации ИС, а также возможность обоснованного выбора стандартов на разработку систем и документирование проектов.

Определение "компания" является сложной онтологической (понятийной) структурой, состоящей из определенной совокупности сущностей и взаимосвязей (рис. 1). Взаимодействия между ее элементами, определяемые бизнес-логикой и закрепленные в наборе бизнес-правил, и являются деятельностью компании. Информационная система "отражает" логику и правила, организуя и преобразуя информационные потоки, автоматизирует процессы работы с данными и информацией и визуализирует результаты в виде наборов отчетных форм. Поэтому для начала следует создать бизнес-модель предприятия, являющуюся отображением предприятия и его информационно-управляющей системы. При создании модели формируется "язык общения" руководителей предприятия, консультантов, разработчиков и будущих пользователей, позволяющий выработать единое представление о том, ЧТО и КАК должна делать система управления предприятием (корпоративная система управления).



Рис.1. Определение "компания" является сложной онтологической (понятийной) структурой, состоящей из определенной совокупности сущностей и взаимосвязей

Такая бизнес-модель - осязаемый результат, с помощью которого можно максимально конкретизировать цели внедрения ИС и определиться со следующими параметрами проекта:

ь Основные цели бизнеса, которые можно достичь посредством автоматизации процессов;

ь Перечень участков и последовательность внедрения модулей ИС;

ь Фактическая потребность в объемах закупаемого программного и аппаратного обеспечения;

ь Реальные оценки сроков развертывания и запуска ИСУ;

ь Ключевые пользователи ИС и уточненный список членов команды внедрения;

ь Степень соответствия выбранного вами прикладного программного обеспечения специфике бизнеса вашей компании.

В основе модели всегда лежат бизнес-цели предприятия, полностью определяющие состав всех базовых компонентов модели:

ь Бизнес-функции, описывающие, ЧТО делает бизнес;

ь Основные, вспомогательные и управленческие процессы, описывающие, КАК предприятие выполняет свои бизнес-функции;

ь Организационно-функциональную структуру, определяющую, ГДЕ исполняются бизнес-функции и бизнес-процессы;

ь Фазы, определяющие, КОГДА (и в какой последовательности) должны быть внедрены те или иные бизнес-функции;

ь Роли, определяющие, КТО исполняет бизнес-функции и КТО является "хозяином" бизнес-процессов;

ь Правила, определяющие связь и взаимодействие между всеми ЧТО, КАК, ГДЕ, КОГДА и КТО.

После построения бизнес-модели (или параллельно с этим) можно приступать к формированию модели проектирования, реализации и внедрения самой ИС.

Разработка перечисленных предназначенной для автоматизации управленческих процессов, в общем случае проходит четыре стадии.

Первая стадия анализа - структурный анализ предприятия - начинается с исследования того, как организована система управления предприятием, с обследования функциональной и информационной структур системы управления, определения существующих и возможных потребителей информации.

По результатам обследования аналитик на первой стадии анализа выстраивает обобщенную логическую модель исходной предметной области, отображающую ее функциональную структуру, особенности основной деятельности и информационное пространство, в котором эта деятельность осуществляется (рис. ). На этом материале аналитик строит функциональную модель "Как есть" (As Is).



Рис. - Схема обследования предприятия

Вторая стадия работы, к которой обязательно привлекаются заинтересованные представители заказчика, а при необходимости и независимые эксперты, состоит в анализе модели "Как есть", выявлении ее недостатков и узких мест, определении путей совершенствования системы управления на основе выделенных критериев качества.

Третья стадия анализа, содержащая элементы проектирования, - создание усовершенствованной обобщенной логической модели, отображающей реорганизованную предметную область или ее часть, которая подлежит автоматизации - модель "Как должно быть" (As To Be).

Заканчивается процесс (четвертая стадия) разработкой "Карты автоматизации", представляющей собой модель реорганизованной предметной области, на которой обязательно обозначены "границы автоматизации".

В большинстве случаев модель "Как есть" улучшается системным аналитиком за счет устранения очевидных несоответствий и узких мест, а полученный таким образом вариант модели рассматривается в дальнейшем в качестве предварительной модели "Как должно быть", которая впоследствии дополняется в соответствии со стратегией развития предприятия (рис. 4).

Рис. - Стадии построения модели информационной системы

На стадии анализа требований к проектируемой системе вводятся:

ь классы пользователей и соответствующие диаграммы бизнес-транзакций;

ь модели (диаграммы) процессов прикладной деятельности и соответствующие перечни функциональных задач ИС;

ь классы объектов предметной области и соответствующие диаграммы "сущность-связь", отражающие информационную модель этой предметной области;

ь топология расположения подразделений и пользователей, обслуживаемых данной ИС;

ь параметры защиты данных, информации и самой системы.

Основным документом, отражающим результаты работ первого этапа создания ИС, является техническое задание на проект (разработку), содержащее, кроме вышеперечисленных определений и спецификаций, также сведения об очередности создания системы, сведения о выделяемых ресурсах, директивных сроках проведения отдельных этапов работы, организационных процедурах и мероприятиях по приемке этапов, защите проектной информации и т.д.

9.2 Классификация стратегий создания (развития) информационной системы управления бизнесом

Управление процессом развития предприятия может осуществляться в двух взаимосвязанных формах: стратегии («законодательная» составляющая изменений) и программ -- групп проектов или отдельных проектов (исполнительная составляющая).

Стратегия развития ИСУ должна давать ответ на четыре основных вопроса: «зачем?», «чего не хватает сейчас?», «как?» и «каковы ожидаемые результаты?». Остановимся на этих вопросах подробнее -- это поможет понять суть стратегии развития ИСУ и ее взаимосвязь со стратегией развития предприятия в целом, или, другими словами, со стратегией бизнеса.

Зачем? Ответом на вопрос должна служить непосредственно стратегия бизнеса с миссией, целями и задачами предприятия. Профессионально и комплексно разработанная стратегия бизнеса позволит определить место ИСУ и формализовать целевые показатели стратегии. Место ИСУ выражается в том, каким образом она способна повлиять на успешность и эффективность достижения целей в рамках стратегии бизнеса, а также в оценке этого влияния на развитие предприятия. Работы в области стратегии развития ИСУ, помимо вопросов управления, должны охватывать также такие области, как вопросы использования прикладных систем (программного обеспечения) и инфраструктурные вопросы.

Чего не хватает сейчас? Ответ на этот вопрос позволяет оценить состояние имеющихся ресурсов и спрогнозировать потребность в дополнительных ресурсах для развития ИСУ. В качестве ресурсов необходимо рассматривать временные, бюджетные, человеческие и технические ресурсы.

Как? Для ответа на этот вопрос необходимо формализовать требования к ресурсам, которые будут использоваться для развития и функционирования ИСУ, а также выбрать наиболее оптимальный вариант развития.

Под вариантом развития ИСУ авторы в первую очередь подразумевают возможные сценарии применения того или иного вида управленческого ПО для поддержки сегодняшнего и прогнозируемого/желаемого уровня управления. Более подробно варианты развития будут рассмотрены в отдельном разделе.

Каковы ожидаемые результаты? Этот вопрос необходимо задавать с целью выявления и четкой формализации эффектов от развития ИСУ, допустимых затрат и рисков. Необходимо рассматривать управленческие, социальные и экономические эффекты в комплексе, разрабатывая при этом качественные и количественные показатели эффективности. Данные показатели должны быть взаимосвязаны с показателями, разработанными для стратегии бизнеса. В процессе разработки стратегии развития ИСУ должна быть заложена основа для оптимизации всех планируемых затрат, а также формализованы возможные риски для последующей разработки упреждающих мероприятий.

Формирование интереса к стратегии развития ИСУ происходит, как правило, при определенных условиях. Другими словами, могут существовать следующие основания для разработки стратегии:

ь видение (успешно проведена разработка собственной стратегии бизнеса; руководство начало рассматривать ИСУ как инструмент управления; есть успехи других компаний в ИТ-проектах);

ь финансовые средства (ИТ-затраты становятся значимыми для бюджета; текущий уровень ИСУ становится тормозом развития бизнеса; планируются или уже сделаны крупные инвестиции в информатизацию);

ь полномочия (статус ИТ-менеджера повышен до уровня вице-президента или заместителя генерального директора; в функциональных (не ИТ) службах создаются подразделения, ответственные за развитие ресурсов ИСУ).

Таким образом, основными базисами разработки стратегии развития ИСУ следует считать:

ь отправную точку -- существующее положение (как в сфере управления и функционирования, так и в сфере использования ИТ);

ь желаемые горизонты -- стратегию бизнеса (стратегию развития предприятия);

ь доступные инструменты (для движения от отправной точки до желаемых горизонтов) -- общие отраслевые и технологические тенденции использования ИТ.

Рис. 5. Составные части стратегии развития ИСУ

Комплексное использование этих базисов дает возможность получить три составные части стратегии развития ИСУ (рис. 5):

позиционирование и роль ИТ на предприятии (приоритеты и направления их развития), согласованные со стратегией бизнеса (т. е. учтено, на какие бизнес-процессы влияет функционирование ИСУ);

стратегический план достижения целей развития ИСУ, балансирующий ресурсы и проекты (внедрение бизнес-приложений, развитие инфраструктуры, управление жизненным циклом ИТ);

техническая архитектура (аппаратные и программные платформы, общие службы и интеграция компонент, методологии и стандарты).

Самое главное в процессе разработки стратегии развития ИСУ -- это достижение соответствия между прогнозируемым/желаемым уровнем развития бизнеса и необходимым для этого уровнем развития ИТ.



9.3 CASE-технологии

На данный момент в технологии разработки программного обеспечения существуют два основных подхода к разработке информационных систем, отличающиеся критериями декомпозиции: функционально-модульный (структурный) и объектно-ориентированный.

Функционально-модульный подход основан на принципе алгоритмической декомпозиции с выделением функциональных элементов и установлением строгого порядка выполняемых действий.

Объектно-ориентированный подход основан на объектной декомпозиции с описанием поведения системы в терминах взаимодействия объектов.

Главным недостатком функционально-модульного подхода является однонаправленность информационных потоков и недостаточная обратная связь. В случае изменения требований к системе это приводит к полному перепроектированию, поэтому ошибки, заложенные на ранних этапах, сильно сказываются на продолжительности и стоимости разработки. Другой важной проблемой является неоднородность информационных ресурсов, используемых в большинстве информационных систем. В силу этих причин в настоящее время наибольшее распространение получил объектно-ориентированный подход.

Под CASE-технологией будем понимать комплекс программных средств, поддерживающих процессы создания и сопровождения программного обеспечения, включая анализ и формулировку требований, проектирование, генерацию кода, тестирование, документирование, обеспечение качества, конфигурационное управление и управление проектом (CASE-средство может обеспечивать поддержку только в заданных функциональных областях или в широком диапазоне функциональных областей).

В связи с наличием двух подходов к проектированию программного обеспечения существуют CASE-технологии ориентированные на структурный подход, объектно-ориентированный подход, а также комбинированные. Однако сейчас наблюдается тенденция переориентации инструментальных средств, созданных для структурных методов разработки, на объектно-ориентированные методы, что объясняется следующими причинами:

ь возможностью сборки программной системы из готовых компонентов, которые можно использовать повторно;

ь возможностью накопления проектных решений в виде библиотек классов на основе механизмов наследования;

ь простотой внесения изменений в проекты за счет инкапсуляции данных в объектах;

ь быстрой адаптацией приложений к изменяющимся условиям за счет использования свойств наследования и полиморфизма;

ь возможностью организации параллельной работы аналитиков, проектировщиков и программистов.

Концепции объектно-ориентированного подхода и распределенных вычислений стали базой для создания консорциума Object Management Group (OMG), членами которой являются более 500 ведущих компьютерных компаний (Sun, DEC, IBM, HP, Motorola и др.). Основным направлением деятельности консорциума является разработка спецификаций и стандартов для создания распределенных объектных систем в разнородных средах. Базисом стали спецификации под названием Object Management Architecture (ОМА).

ОМА состоит из четырех основных компонентов, представляющих спецификации различных уровней поддержки приложений:

архитектура брокера запросов объектов (CORBA - Common Object Request Broker Architecture) определяет механизмы взаимодействия объектов в разнородной сети;

объектные сервисы (Object Services) являются основными системными сервисами, используемыми разработчиками для создания приложений;

универсальные средства (Common Facilities) являются высокоуровневыми системными сервисами, ориентированными на поддержку пользовательских приложений (электронная почта, средства печати и др.);

прикладные объекты (Application Object) предназначены для решения конкретных прикладных задач.

Исходя из основных положений объектно-ориентированного подхода рассмотрим концепцию идеального объектно-ориентированного CASE-средства.

Существует несколько объектно-ориентированных методов, авторами наиболее распространенных из них являются Г.Буч, Д.Рамбо, ИДжекобсон. В настоящее время наблюдается процесс сближения объектно-ориентированных методов. В частности, указанные выше авторы создали и выпустили несколько версий унифицированного метода UML (Unified Modeling Language - унифицированный язык моделирования).

Классическая постановка задачи разработки программной системы (инжиниринг) представляет собой спиральный цикл итеративного чередования этапов объектно-ориентированного анализа, проектирования и реализации (программирования).

В реальной практике в большинстве случаев имеется предыстория в виде совокупности разработанных и внедренных программ, которые целесообразно использовать при разработке новой системы. Процесс проектирования в таком случае основан на реинжиниринге программных кодов, при котором путем анализа текстов программ восстанавливается исходная модель программной системы.

Современные CASE-средства поддерживают процессы инжиниринга и автоматизированного реинжиниринга.

Идеальное объектно-ориентированное CASE-средство должно содержать четыре основных блока: анализ, проектирование, разработка и инфраструктура.

Основные требования к блоку анализа:

ь возможность выбора выводимой на экран информации из всей совокупности данных, описывающих модели;

ь согласованность диаграмм при хранении их в репозитарии;

ь внесение комментариев в диаграммы и соответствующую документацию для фиксации проектных решений;

ь возможность динамического моделирования в терминах событий;

ь поддержка нескольких нотаций (хотя бы три нотации - Г.Буча, И. Джекобсона и ОМТ).

Основные требования к блоку проектирования:

ь поддержка всего процесса проектирования приложения;

ь возможность работы с библиотеками, средствами поиска и выбора;

ь возможность разработки пользовательского интерфейса;

ь поддержка стандартов OLE, ActiveX и доступ к библиотекам HTML или Java;

ь поддержка разработки распределенных или двух- и трехзвенных клиент-серверных систем (работа с CORBA, DCOM, Internet).

Основные требования к блоку реализации:

ь генерация кода полностью из диаграмм;

ь возможность доработки приложений в клиент-серверных CASE-средствах типа Power Builder;

ь реинжиниринг кодов и внесение соответствующих изменений в модель системы;

ь наличие средств контроля, которые позволяют выявлять несоответствие между диаграммами и генерируемыми кодами и обнаруживать ошибки как на стадии проектирования, так и на стадии реализации.

Основные требования к блоку инфраструктуры:

ь наличие репозитория на основе базы данных, отвечающего за генерацию кода, реинжиниринг, отображение кода на диаграммах, а также обеспечивающего соответствие между моделями и программными кодами;

ь обеспечение командной работы (многопользовательской работы и управление версиями) и реинжиниринга.

Сравнительный анализ CASE-систем показывает, что на сегодняшний день одним из наиболее приближенных к идеальному варианту CASE-средств является семейство Rational Rose фирмы Rational Software Corporation. Следует отметить, что именно здесь работают авторы унифицированного языка моделирования Г. Буч, Д. Рамбо и И. Джекобсон, под руководством которых ведется разработка нового CASE-средства, поддерживающего UML.

9.4 Жизненный цикл развития ИСУ

Этот жизненный цикл можно условно разделить на несколько этапов:

ь подготовительный этап (разработка стратегии развития ИСУ);

ь поток проектов (реализация программы развития);

ь эксплуатация (применение стандартов эксплуатации и функционирования).

Подготовительный этап. Модель стратегического планирования развития ИСУ можно представить с помощью следующих стадий и задач по ним:

ь оценка бизнеса и используемых информационных технологий (анализ стратегии бизнеса, формализация бизнес-приоритетов и выявление ИТ-потенциала, оценка текущего ИТ-окружения);

ь формирование стратегии развития ИСУ по направлениям (цель и роль ИТ, организация составных компонентов, показатели бизнеса для ИСУ, приложения, техническая инфраструктура и архитектура);

ь планирование внедрения стратегии (разработка стратегических проектов, подготовительная деятельность, анализ технологических особенностей).

Очень важным аспектом двух первых этапов является вовлечение необходимых людей, которые могут иметь различные статусы на предприятии. В разработке стратегии, помимо ИТ-директора и ИТ-архитекторов, должны принимать участие топ-менеджеры и руководители бизнес-направлений. Распределение ролей и ответственности при разработке стратегии развития ИСУ показано в таблице 1.

Таблица 2. Роли и ответственность при разработке стратегии развития ИСУ

Поток проектов. Реализация программы развития ИСУ, утвержденной в рамках разработки стратегии, может быть описана с помощью итерационной концепции «Мероприятия -- Готовность -- Проекты -- Цели». В ней предполагается следующее:

ь процесс развития ИСУ должен быть непрерывным и итерационным;

ь уровень развития ИСУ должен отвечать актуальным требованиям бизнеса, то есть обеспечивать не только оперативный, но и прогнозируемый уровень реализации бизнес-функций;

ь достижение целей обуславливается выполнением определенных мероприятий и проектов, без проведения которых невозможно дальнейшее развитие согласно выбранной стратегии;