Под современными системами принятия решений понимают специальное ПО, позволяющее менеджерам среднего и высшего звена принимать взвешенные обоснованные решения. Такая программа функционирует, как база данных с функциями их накопления, анализа, формирования удобных для работы отчетов. Она позволяет определиться с выбором даже в быстро меняющейся обстановке и при высоком проценте неопределенности.
В мировой практике такие информационно-программные продукты получили название DSS-систем (Decision Support Systems). Они широко используются для организации эффективного управления бизнесом и облегчают работу менеджеров по сбору и анализу информации, выявлению проблем и принятию верных решений.
Виды и типы СППР
В зависимости от способа воздействия на процесс принятия решения различают пассивные, активные и комбинированные DSS-системы. Первые предоставляют лишь информацию для принятия решений, вторые предлагают альтернативные готовые варианты, третьи предполагают тесную работу в контакте: менеджер может корректировать предложенное системой решение и согласовывать до обретения им оптимальной формы.
Различают 5 видов компьютерных СППР:
- Коммуникативные. Ориентированы на одновременную работу нескольких специалистов, занятых одной общей задачей.
- Информационные. Сосредоточены на сборе и обработке данных, преимущественно анализе временных рядов, функционируют, как СУБД в пределах одной компании.
- Документальные. Предназначены для обработки и анализа документов разного формата со структурированными и не структурированными данными.
- Интеллектуальные. Содержат данные о решениях аналогичных задач, нормы и правила, на основании которых они принимались, предлагают готовые алгоритмы, исходя из накопленного опыта.
- Моделируемые. Подбирают модели бизнес-процессов по заданным условиям – статистические, финансовые, аналитические).
Основу любой из вышеупомянутых систем принятия решений составляет база данных, ее предметная область и пользовательский интерфейс.
Методы систем поддержки принятия решений
К принятию решения используемая СППР «подталкивает» посредством следующих аналитических методов.
- Регрессионный и дисперсионный анализ.
- Многомерный и дискриминантный анализ.
- Анализ выживаемости и прогноза временных рядов.
- Анализ категориальных данных.
- Структурный, пространственный и факторный анализ.
- Систематизация запросов и средств поиска данных.
Реализация функций многомерного анализа позволяет наблюдать данные в динамике, в различных направлениях и измерениях. Посредством инструментов запросов формулируется обращение к базам данных, которое идентифицируется по содержанию и образцу. Поисковые инструменты наделяют программное обеспечение возможностями оперативного поиска данных по образцам, моделям и определения информационных зависимостей. Звучит все это сложно, но на практике обличено в простую и доступную форму – нужно только правильно и последовательно выполнять команды системы и следовать инструкциям.
Возможности систем поддержки принятия решений
Современные виды систем принятия решений наделены следующими возможностями:
- Формирование статистики и ее проверка;
- Составление трендовых прогнозов;
- Планирование и контроль качества;
- Финансовый анализ и прогнозирование;
- Анализ рисков и скрытых закономерностей;
- Отслеживание поведения человека и формирование клиентских групп;
- Управление активами;
- Перераспределение задач между сотрудниками.
Внедрение СППР позволяет руководителям среднего звена и топ-менеджерам решать такие задачи, как определение стратегических задач бизнеса, управление проектами, активами, издержками, рисками, производственными мощностями, изменениями, взаимоотношениями с контрагентами.
Автоматизированные СППР в кредитовании
Банки используют системы СППР преимущественно в следующих целях:
- Выдача и отслеживание использования банковских карт;
- Анализ риска невозврата кредитов;
- Борьба с мошенниками (банковские карты, кредиты);
- Анализ поведения потенциальных клиентов;
- Проектирование новых услуг;
- Формирование индивидуальных предложений;
- Отслеживание расчетов по займам;
- Своевременное информирование о сроке платежа и просрочках;
- Взыскание задолженности.
Какие СППР подходят для сферы кредитования
В сфере кредитования эффективны те типы систем поддержки принятия решений, которые ориентированы на анализ поведения потребителей и их классификацию по группам со схожими поведенческими признаками. В зависимости от них кредитное учреждение формирует целевые предложения: жилищные кредиты молодым семьям, программы overdraft для вип-клиентов, кредитование пенсионеров, начинающих предпринимателей и т.д.
Внедрение СППР повышает безопасность сделок. Обрабатывая анкету заемщика, менеджеру придется переносить данные из нее в систему. По мере заполнения граф автоматически сформируется ответ на тематический вопрос – относится ли клиент к нужной категории заемщиков. Например, попадает ли он в категорию граждан или компаний, для которых разработаны льготные программы кредитования. Последовательное заполнение граф анкеты «отдает» команду системе на проверку введенных данных. В результате оценка значимости клиента производится не субъективно, а при поддержке авторитетного ПО, что исключает человеческий фактор.
Применение СППР в кредитовании позволяет проверять клиента на предмет совершения мошеннических действий. В той же программе, которая проверяла клиента на соответствие условий для получения займа, можно проверить его чистоту – со своим ли паспортом обратился клиент, активен ли номер телефона, указанное рабочее место и т.д.
В узкоспециализированных кредитных DSS-системах реализованы технологии, позволяющие отлеживать погашение займов: предупреждать о приближении срока платежа посредством СМС, push-уведомлений, звонков из колл-центра, фиксировать просрочку, работать с ней, начислять штрафные санкции и распределять всю эту работу между менеджерами, отвечающими за погашение и взыскание.
FIS Система поддержки принятия решений
Специализированная FIS Система поддержки принятия решений представляет собой комплексный, многофункциональный инструмент, позволяющий максимально сократить риски при выдаче кредитов. С его помощью менеджер может быстро понять риски работы с клиентом и объективно оценить его платежеспособность.
Возможности информационно-аналитической FIS СППР:
- Автоматические и ручные запросы в госреестры и внешние базы данных;
- Работа с «белым» и «черным» списком клиентов;
- Единое окно с полным набором инструментов;
- Разграничение прав доступа;
- Определение совпадений с другими заявками и внутренней базой данных;
- Уникальное отображение информации для каждой роли, состояния и продукта;
- Определение скорингового балла;
- Последовательная и параллельная проверка анкетных данных разными верификаторами;
- Выявление высокорисковых и проблемных кредитов;
- Настройка и доработка системы в зависимости от выполняемых задач.
Использованные при разработке технологии системы поддержки принятия решений позволяют менеджерам, андеррайтерам, службам безопасности, кредитному комитету работать слаженно и оперативно реагировать на малейшие изменения.
Преимущества FIS СППР
Нижеприведенные достоинства продукта гарантируют высокую степень защиты от внутреннего мошенничества.
- Вывод подсказок: что проверять и на что обращать внимание в рамках конкретного продукта;
- Перенаправление высокорисковых кредитов на более квалифицированного специалиста;
- Выделение заявок с высокоценным залогом;
- Ранжирование клиентов (новые, с хорошей историей, проблемные, высокорисковые);
- Формирование чек-листа для службы безопасности;
- Единое окно для консолидации отчетов и заключений всех служб;
- Реализация на low-code платформе Case Platform с гибкой настройкой;
- Простой и понятный интерфейс;
- Адаптивность настроек;
- Многообразие инструментов, форм отчетов, средств сбора и анализа данных.
FIS DSS – это полный комплекс проверок для определения платежеспособности клиентов. Его внедрение позволит ускорить принятие верного решения, упростить выдачу кредитов и улучшит качество кредитного портфеля. С FIS DSS риски невозвратных кредитов сводятся к нулю.
Библиографическое описание:
Руденко, А. С. Внедрение на предприятии системы поддержки принятия решений / А. С. Руденко, А. С. Кравченко, Д. В. Гудков. — Текст : непосредственный // Молодой ученый. — 2020. — № 25 (315). — С. 125-128. — URL: https://moluch.ru/archive/315/72013/ (дата обращения: 23.03.2023).
В данной статье рассматривается внедрение системы поддержки принятия решений в предприятие ООО «Автоколонна № 1686».Также рассчитывается экономический эффект от предлагаемых нововведений в работу данной компании.
Ключевые слова:
экономический эффект, внедрение, система поддержки принятия решений.
Крупным компаниям необходимо оптимизировать и автоматизировать максимальное количество бизнес-процессов внутри компании. Даже самые мощные цепочки поставщиков и производителей не способны в должной степени контролировать свои товаропотоки без интеграции с информационной системой перевозчика. [2]
ООО «Автоколонна № 1686 зарегистрирована 21 ноября 2002 года. Основным видом деятельности является перевозка грузов неспециализированными автотранспортными средствами. Компанией на производстве применяется программный продукт «Грузоперевозки».
Система поддержки принятия решения охватывает широкий спектр моделей, имитаций и приложений, разработанных для обеспечения улучшения процесса принятия решения. Эти системы включают информацию из БД организации, поступающую в аналитическую модель, описывающую связи между данными и моделирующую различные операционные ситуации, такие как выбор маршрута и график транспортировки.
Модель позволит быстро рассмотреть различные альтернативные варианты и протестировать конечные результаты. Задачей СППР будет также является автоматизация и систематизация отчетности по документообороту автоматизированных рабочих мест участников перевозок грузов.
Основные компоненты системы показаны на рисунке 1.
Рис. 1. Система поддержки принятия решения
ИС автономно выполняет выписку счетов клиентам, ведение реестров по ним, отслеживание оплат, взаиморасчеты с заказчиками, после чего она формирует соответствующие данные для передачи в универсальную бухгалтерскую программу. Обязательным условием работы СППР является наличие в ИС баз нормативно-справочной информации. К основным справочникам системы относятся: гаражные номера, марки топлива, виды расчетов, тарифный справочник, виды грузов, клиенты и другие. [1]
Таким образом, после внедрения системы поддержки принятия решений транспортно-логистический бизнес-процесс в организации ООО «Автоколонна № 1686» будет выглядеть следующим образом (рис. 2).
Рис. 2. Транспортно-логистический бизнес-процесс в организации ООО «Автоколонна № 1686»
Экономический эффект от использования внедряемой системы может быть достигнут благодаря следующим показателям:
сокращение времени обработки данных за счет увеличения информативности;
снижение трудоемкости работ в виду сокращения количества просмотренных документов для получения необходимой информации;
увеличение производительности труда за счет увеличения полезного времени, направленного на решение более крупных задач;
сокращение времени, необходимого для приема и обработки заказов, составление рациональных производственных графиков и графиков транспортировки, для удовлетворения потребностей большего количества клиентов, и как следствие, увеличение прибыльности основной и вспомогательной деятельности автоколонны. [3]
Рассчитаем капитальные затраты на внедрение программного продукта на 8 рабочих мест. Первоначальная стоимость программного продукта
С
вне зависимости от количества рабочих мест равна 700000 руб.
Сумму заработной платы специалистов на всех этапах проектирования и внедрения Z
п
и затраты на использование ЭВМ на этапе проектирования и внедрения М
п
примем равной 50000 рублей. Итого получим:
руб.
Экономический эффект не ограничится единственной экономией на ФОТ. Внедрение СППР положительным образом повлияет на ведение бизнеса предприятием. Высвободившееся время можно занять решением стратегических задач, повышать клиентоориентированность компании и выявлять недостатки существующей организации. Как показывает практика, применение СППР в среднем увеличивает выручку компаний транспортного сектора на 10–12 %. При средней ежеквартальной выручке за последние 5 лет в размере 3,6 млн. руб. и поквартальных расходах на поддержку ПО в размере 35000 руб. экономический эффект в первый год использования программы будет равен:
тыс. руб.
Сделанные расчеты целесообразности применения предлагаемых мер показали, что с введением СППР произойдет общее повышение производительности труда сотрудников на ~30 %, увеличения доходов организации ООО «Автоколонна № 1686», где в первый год внедрения экономический эффект будет равен 590000 рублей, в последующие — 1340000рублей.
В качестве улучшения существующей организации работы предприятия ООО «Автоколонна № 1686» было предложено внедрение системы помощи в принятии решений. Благодаря введению этой системы у компании появится возможность принимать решения в реальном масштабе времени, значительно повысится четкость процессов физического продвижения и уменьшаться затраты. С помощью интегрированных систем повышают производительность труда, снижают количество ошибок, дают возможность отказаться от огромного количества «бумажных» операций. Но стоит отметить, что внедрение многофункциональных интегрированных систем требует значительных капитальных затрат и представляет собой сложное и длительное мероприятие.
Литература:
- Андреев, А. Я. Информационные системы на транспорте / А. Я. Андреев. — Текст: электронный // Конспект лекций: — URL: https://rep.bntu.by/bitstream/handle/data/740/Informacionnye_sistemy_na_transporte.pdf?sequence=12 (дата обращения: 19.06.2020).
- Матвеева, А. Д. Интеграция современных информационных технологий на рынок транспортных услуг РФ / А. Д. Матвеева, А. М. Иванилова. — Текст: непосредственный // Молодой ученый. — 2017. — № 17 (151). — С. 367–371. — URL: https://moluch.ru/archive/151/42765/ (дата обращения: 19.06.2020).
- Обоснование экономической эффективности внедрения системы поддержки принятия решения [Электронный ресурс]. — Режим доступа: https://studbooks.net/2164012/informatika/obosnovanie_ekonomicheskoy_effektivnosti_vnedreniya_sistemy_podderzhki_prinyatiya_resheniya_podboru_tovarov
Основные термины (генерируются автоматически): экономический эффект, Автоколонна, внедрение, внедрение системы поддержки принятия решений, график транспортировки, компания, организация ООО, система поддержки принятия решения, транспортно-логистический бизнес-процесс, этап проектирования.
- Авторы
- Резюме
- Файлы
- Ключевые слова
- Литература
Медведев А.В.
1
1 ФГБОУ ВПО «Российский экономический университет имени Г.В. Плеханова»
В статье описаны некоторые проблемы, системная концепция и инструменты моделирования и анализа задач бизнес-планирования в виде триады: математическая модель, операционный метод их исследования и автоматизированная информационно-аналитическая система. Основными особенностями комплекса являются использование алгоритмов построения производственных функций бизнес-процессов, учитывающих принятые основные бухгалтерские правила учета доходов и затрат, концептуальная ориентация на использование стандарта оптимизационных математических моделей в форме многокритериальных много- и одношаговых задач линейного программирования и соответствующих алгоритмов и методов их анализа и расчета. Делается вывод о создании полноценной системы поддержки принятия решений в сфере бизнес-планирования.
оптимизационный метод
многошаговая задача линейного программирования
автоматизированная информационно-аналитическая система
система поддержки принятия решений
1. Горбунов М.А. Вопросы математического моделирования и автоматизированной оценки эффективности инновационно-инвестиционных проектов / М.А. Горбунов, А.В. Медведев // Фундаментальные исследования. – 2014. – № 9(9). – С. 2044–2047.
2. Медведев А.В. Применение z-преобразования к исследованию многокритериальных линейных моделей регионального экономического развития. Монография / А.В. Медведев. – Красноярск: Изд-во СибГАУ имени академика М.Ф. Решетнева. – 2008. – 228 с.
3. Медведев А.В. Концепция оптимизационно-имитационного бизнес-планирования / А.В. Медведев // Международный журнал прикладных и фундаментальных исследований. – 2014. – № 1. – Ч. 2. – С. 198–201.
4. Медведев А.В. Концепция оптимизационно-имитационного моделирования регионального социально-экономического развития / А.В. Медведев // Международный журнал прикладных и фундаментальных исследований. – 2013. – № 7. – С. 21–25.
5. Моделирование производственно-инвестиционной деятельности фирмы / Под ред. Г.В. Виноградова. – М.: ЮНИТИ-ДАНА, 2002. – 319 с.
6. Победаш П.Н. Модели оптимального управления и операционного исчисления для многокритериального анализа экономических систем: монография / П.Н. Победаш, Е.С. Семенкин. – Красноярск: Сиб. федер. ун-т, 2012. – 260 с.
7. Программа для решения многошаговой задачи линейного программирования методом последовательных приближений («Линейная динамика») / Программа для ЭВМ. Свидетельство о регистрации в Роспатенте № 2004611491 от 17.06.2004. Правообладатели: А.В. Медведев, П.Н. Победаш. 2.Конструктор и решатель дискретных задач оптимального управления («Карма») / Программа для ЭВМ. Свидетельство о регистрации в Роспатенте № 2008614387 от 11.09.2008. Правообладатели: А.В. Медведев, П.Н. Победаш, А.В. Смольянинов, М.А. Горбунов.
Использование автоматизированных средств и систем поддержки принятия решений в бизнес-планировании являются важнейшими факторами успеха в бизнесе. Они позволяют предпринимателю, бизнесмену или экономисту-аналитику давать оперативную и обоснованную оценку стоимости и разрабатывать сценарии развития своего бизнеса, экономя, в первую очередь, драгоценное время при принятии инвестиционных, производственных и финансовых решений.
Принятие решений в сфере бизнес-планирования практически затруднено из-за многообразия и сложности требующих учета бизнес-процессов – инвестиционного, производственного, финансового, управленческого и пр., а также многочисленности характеристик внешнего и внутреннего рыночного окружения бизнес-проекта. Это ставит перед принимающим решения лицом (ЛПР) сложные задачи, эффективное решение которых невозможно без использования системного подхода, под реализацией которого в данном случае будем понимать наличие следующих инструментов:
– математических моделей, адекватно отражающих содержательную сторону бизнес-процессов;
– методов и алгоритмов анализа указанных математических моделей, допускающих автоматизированную обработку извлекаемой из них информации;
– программных комплексов, численно реализующих указанные методы и алгоритмы анализа и дающих возможность ЛПР обрабатывать и представлять полученную информацию в автоматизированном режиме.
Будем называть перечисленный комплекс средств системой поддержки принятия решений (СППР).
Первоочередной задачей в планировании бизнес-процессов является оценка их экономической эффективности. В большинстве современных работ в данной области для построения критериев эффективности используются агрегированные функционалы качества (производственные функции (ПФ), функции благосостояния, полезности, отражающие различные содержательные аспекты деятельности экономических агентов – максимизацию прибыли, выпуска продукции или конечного потребления, минимизацию производственных затрат и других показателей. Указанные функционалы качества, как правило, строятся на основе использования содержательно идеализированных математических зависимостей, которые, отражая в целом теоретические закономерности экономических теорий полезности, спроса и предложения, благосостояния, зачастую не устраивают экономистов-практиков, так как реальные зависимости значений функционалов качества от используемых экономических ресурсов (труд, капитал, финансы и пр.) на практике редко совпадают с зависимостями, описываемыми указанными функциями. Кроме того, такая идеализация:
– существенно ограничивает возможности учета информации микроэкономического уровня при расчете доходных и расходных составляющих бизнес-процессов;
– не позволяет использовать понятные для целевой аудитории алгоритмы обработки и представления информации бизнес-процессов;
– затрудняет разработку удобных для целевой аудитории автоматизированных программных средств поддержки принятия решений в управлении бизнес-процессами.
Пусть деятельность производителя продукции (товаров и/или услуг) описывается, выраженными в стоимостном виде, материальными и финансовыми потоками стратегического (прибыль, инвестиции) и тактического (выручка от продажи продукции, амортизация, фонд оплаты труда, налоги, оборотные затраты, кредиты, дотации и пр.) характера. Предположим, кроме того, что организационную деятельность производителя можно разделить на три составляющие [5]:
– инвестиционная (учет потоков, обусловленных функционированием основных производственных фондов (ОПФ),
– производственная (учет выручки, затрат на амортизацию ОПФ, оплату труда, сырья и материалов, энергии и т.п.)
– финансовая (учет кредитов, налогов, сборов, дотаций и других доходно-расходных финансовых потоков).
Алгоритм преобразования ресурсов (труд (L), капитал (K), финансы (Ф)) в экономический результат (прибыль, чистую приведенную стоимость и др.) называется производственной функцией (ПФ). Построение универсальной ПФ, понимаемой в смысле ее независимости от типа (производство товаров/услуг) или специфики (отрасль хозяйства, сфера приложений) производственной деятельности, является важной задачей при ее моделировании, так как дает возможность дать численную оценку эффективности и учесть максимально большое количество бизнес-процессов. В качестве ПФ, для простоты, часто используются различные идеализированные математические функции, например, линейные (Э(K, L) = αK + βL), иррациональные (Э(K, L) = γKαL1-α, 0 < α < 1) и даже трансцендентные (например, логистическая) функции. Однако, как было упомянуто выше, это зачастую не устраивает экономистов-практиков. В этой связи ниже приводится краткий алгоритм расчета ПФ, применимый в случае оценки эффективности производства как товаров, так и услуг, согласованный с принятыми в Российской Федерации основными бухгалтерскими правилами учета доходов и затрат, который получил поддержку экономистов-практиков и апробирован при решении многочисленных задач бизнес-планирования [1, 3].
Обозначим ОП(t) – объем производства, СС(t) – собственные средства производителя, ОС(t) – оценка остаточной стоимости имущества, Д(t) – оценка доходов, Р(t) – оценка расходов, И(t) – инвестиции, П(t) – чистая прибыль,. Тогда в предположении, например, что инвестиции тратятся только на капитальный ресурс (И = К), получим следующие выкладки:
Д = F(ОП), З = F1(К, ОП) + F2(L, ОП),
П = (Д – З)×
× (1–{ставка налога на прибыль}),
ОС = F3(К),
и производственную функцию можно выразить, например, в следующем виде:
Э(K, L) = d1*П + d2*ОС – d3*И,
где d1,d2,d3 – дисконтирующие множители, учитывающие общеэкономический закон обесценения финансовых потоков во времени;
Ключевое для реализации любого бизнес-проекта требование платежеспособности производителя можно описать неравенством СС ≥ 0, где СС = П + F4(Ф) – И.
Здесь функции F, F1, F2 описывают производственную деятельность, F3 – остаточную стоимость с учетом амортизационных затрат, F4 – финансовую деятельность.
Выделим далее, вообще говоря, аксиоматическое положение, что алгоритмы расчета показателей финансово-хозяйственной деятельности фирмы могут достаточно корректно, без существенной потери точности моделирования, описываться линейными функциями F, F1, F2, F3, F4.
Это положение, в частности, является важным аргументом для дальнейшей реализации системно-аналитической концепции моделирования, так как позволяет использовать хорошо разработанные методы и алгоритмы численного анализа линейных моделей оптимизации при практически значимых размерностях искомых переменных, определяемых количеством видов продукции и содержательных ограничений в моделируемых бизнес-процессах.
Исходя из указанного положения о линейности функций F, F1, F2, F3, F4, будем строить задачу бизнес-планирования в форме многокритериальной, многошаговой задачи линейного программирования (ММЗЛП) вида:
x(t + 1) = A(t)x(t) + B(t)u(t); x(t) = a;
C(t)x(t) + D(t)u(t) ≤ h(t); u(t) ≥ 0
(t = 0,…,T – 1); (1)
,
,
где u(t) = [ul(t)] и x(t) = [xi(t)] – соответственно управляющий и фазовый векторы; матрицы A(t) = [aij(t)]; B(t) = [bil(t)]; C(t) = [ckj(t)]; D(t) = [dik(t)]; векторы a(t) = [ai(t)]; b(t) = [bl(t)]; s(t) = [si(t)]; h(t) = [hk(t)]; (i, j = 1,…,n; l = 1,…,r; k = 1,…,m; t = 0,…,T); Jν – ν-тый целевой критерий (ν = 1,…,K); K – количество критериев; r, m, T – размерность управляющего вектора, число ограничений и временных шагов соответственно; (α0,β0) – скалярное произведение векторов α0, β0; n – количество видов продукции.
В соответствии с основными учитываемыми бизнес-процессами, разделим фазовые и управляющие переменные, а также ограничения в (1) на инвестиционные, производственные и финансовые. В таблице отражена информация о взаимодействии ограничений и переменных в математических моделях экономических систем, многочисленные реализации которых описаны в работах [2, 6]. Тонированные клетки в таблице указывают, какие переменные задействуются в соответствующих ограничениях математических моделей.
Mатрица взаимодействия «ограничения-переменные»
|
Ограничения |
Переменные |
|||||
|
Инвестиционные (И) |
Производственные (П) |
Финансовые (Ф) |
||||
|
Управляющие (УИ) |
Фазовые (ФИ) |
Управляющие (УП) |
Фазовые (ФП) |
Управляющие (УФ) |
Фазовые (ФФ) |
|
|
Инвестиционные (ОИ) |
||||||
|
Производственные (ОП) |
||||||
|
Финансовые (ОФ) |
Переменные в таблице имеют следующий содержательный смысл. УИ – инвестиции в текущий момент времени на приобретение комплекта основных производственных фондов (ОПФ), ФИ – накопленные инвестиции в ОПФ; УП – суммарная стоимость реализованной продукции в текущий момент времени, ФП – накопленные амортизационные отчисления, стоимость реализованной продукции; УФ и ФФ – стоимостное выражение (соответственно, в текущий момент и накопленных) потоков кредитов, депозитов, дотаций и других финансовых инструментов. Ограничения, описывающие функционирование производителя, имеют следующий содержательный смысл. Уравнения: динамика фазовых переменных ФИ, ФП, ФФ. Неравенства: ОИ – по суммарному объему инвестиций, ОП – по фондоотдаче ОПФ и по спросу на продукцию, ОФ – по суммарному стоимостному выражению объемов финансовых инструментов.
В работе [2], в частности, обоснована возможность математически корректного превращения задачи (1), путем применения к векторам x(t) и u(t) (доопределенным нулевыми компонентами на бесконечном горизонте планирования) z-оператора:
,
(2)
в многокритериальную статическую, z-параметрическую задачу линейного программирования:
(k)c1×2n·X2n×1(z) → max,
AL×2n·X2n×1(z) ≤ bL×1, (k = 1,…, K) (3)
где L – количество ограничений (требования платежеспособности, ограниченность выручки спросом или фондоотдачей ОПФ, ресурсные ограничения и пр.), описывающих конкретный вид производственной деятельности, bL×1 – вектор-столбец правых частей ограничений, c1×2n – вектор-строка коэффициентов целевой функции, AL×2n – матрица коэффициентов ограничений. Отметим, что здесь z = 1 + r, где параметр r имеет естественный экономический смысл ставки дисконтирования инвестиционного проекта.
Отметим, что в задаче (3) принципиально сохраняется классификация переменных и ограничений таблицы, но модифицируется их структура (устраняется деление переменных на фазовые и управляющие), а также содержательная трактовка. А именно, инвестиционные переменные трактуются как суммарная стоимость ОПФ (суммарные инвестиции), а производственные переменные – как суммарная стоимость произведенной продукции на всем горизонте планирования. Кроме того, задача (3) сохраняет некоторые основные качественные свойства исходной динамической задачи (1): оптимальные пропорции инвестиций, выпусков продукции, структуру, параметрические зависимости Парето-множеств и т.п. [2]. Помимо указанного преимущества, применение операционного метода позволяет значительно упростить процедуру доказательства существования решения исходной динамической задачи. Полученная статическая задача допускает эффективный численный анализ и может быть решена для практически значимых размерностей, определяемых в экономических системах, прежде всего, количеством видов производимой продукции и учитываемых ограничений.
Использование указанных в таблице переменных, наряду с возможностью определения их оптимальных значений, позволяет:
● рассчитывать основные показатели финансово-хозяйственной деятельности фирмы: потоки прибыли, амортизации, оплаты труда, кредитов, штрафов, основные виды налогов и сборов и т.п.;
● описывать ограничения функционирования производителя, связанные с его производственными, инвестиционными и финансовыми возможностями: платежеспособность, ограниченность выпуска спросом на продукцию и возможностями ОПФ, кредитно-депозитные, страховые, дотационные и другие ограничения.
Описанный подход к моделированию процессов бизнес-планирования, в части использования математического класса задач, алгоритмов расчета доходных и расходных бизнес-потоков, классификации переменных, применения операционного метода и других элементов концепции, позволил построить и проанализировать многочисленные модели экономических систем (см. обзоры [3, 4]). При этом, с учетом линейности моделей (1), (3), возникает реальная возможность на практике разрабатывать пакеты программ для автоматизированного ввода-вывода и оптимизационного анализа информации об основных бизнес-процессах в формате, устраивающем конечного пользователя – экономиста-практика, финансового аналитика, предпринимателя.
Большинство используемых в настоящее время программных продуктов в сфере бизнес-планирования (ProjectExpert, Альт-инвест, ИНЭК-Аналитик и др.) базируются на имитационных моделях деятельности предприятий, аналитической основой которых выступают системы дифференциальных, разностных или алгебраических уравнений и неравенств, описывающих бизнес-потоки и ограничения их функционирования. Имитационные модели характеризуются высоким уровнем детализации материальных и финансовых потоков предприятия, однако, не решая задач оптимального управления, обладают следующими, существенными для бизнес-планирования, недостатками:
1) не предназначены для получения оптимальных значений показателей эффективности и, тем самым, оценки потенциала деятельности предприятий;
2) как правило, требуют большого количества численных реализаций параметров модели только для того, чтобы «нащупать» квазиоптимальные значения переменных и показателей эффективности, не гарантируя, вообще говоря, даже приближения к ним.
Напротив, использование оптимизационных моделей (1),(3), позволяет решать важные задачи в сфере экономического планирования и прогнозирования бизнес-процессов, не доступные при использования имитационных моделей, и, в первую очередь, задачи определения потенциалов бизнес-потоков. Модели (1),(3) легли в основу решателя программного комплекса [7], имеющего встроенные блоки занесения и контроля входной информации, графического, многопараметрического и многокритериального анализа. Основные результаты использования [7] приведены в обзорах [3, 4].
Описанный в данной работе подход успешно реализован при анализе бизнес-проектов как товарного производства (в том числе инновационного), так и производства услуг коммерческого характера. В настоящее время разработанная система поддержки принятия решений развивается в направлении конечного пользователя – предпринимателя, бизнес-аналитика, управленца регионального уровня – дополняясь блоками автоматизированной предобработки (автоматизированного внесения информации в пакет), а также постобработки полученной при решении информации.
Таким образом, полученный опыт реализации системного подхода к решению и анализу задач бизнес-планирования, включающий их математическое моделирование в форме ММЗЛП, теоретический и численный анализ, автоматизированную информационно-аналитическую систему на основе программного комплекса [7], дает основание говорить о практической реализации комплексной оптимизационной системы поддержки принятия решений в бизнес-планировании.
Библиографическая ссылка
Медведев А.В. ОПТИМИЗАЦИОННАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В БИЗНЕС-ПЛАНИРОВАНИИ // Успехи современного естествознания. – 2015. – № 1-4.
– С. 679-683;
URL: https://natural-sciences.ru/ru/article/view?id=34879 (дата обращения: 23.03.2023).
Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)
Содержание
Спрятать
- Системы поддержки принятия решений
- Характеристики системы поддержки принятия решений
- Компоненты системы поддержки принятия решений
- №1. Система управления моделями
- № 2. Пользовательский интерфейс
- №3. Информационная база
- Преимущества системы поддержки принятия решений
- Недостатки системы поддержки принятия решений.
- Типы систем поддержки принятия решений
- №1. Коммуникативный:
- № 2. Управляемый моделью:
- №3. Основанный на знаниях:
- № 4. Документ-управляемый:
- № 5. На основе данных:
- № 6. Интеллектуальный СХД:
- № 7. Ручной DSS:
- №8. Гибридный DSS:
- Примеры системы поддержки принятия решений
- Программное обеспечение систем поддержки принятия решений
- Программное обеспечение известной системы поддержки принятия решений включает в себя:
- Каковы три компонента DSS?
- Заключение
- Часто задаваемые вопросы о системах поддержки принятия решений и программном обеспечении
- Что такое программное обеспечение для систем поддержки принятия решений?
- Сколько существует типов DSS?
- Статьи по теме
Компетентная система поддержки принятия решений помогает лицам, принимающим решения, собирать различные данные, которые они получают из многочисленных источников, включая документы, необработанные данные, руководство, бизнес-модели и личный опыт сотрудников. Несколько дисциплин могут выиграть от использования программного обеспечения системы поддержки принятия решений. включая оценку предложений по инженерным, сельскохозяйственным и железнодорожным проектам, а также проверку информации о кредитных ссудах, медицинскую диагностику, управление бизнесом и оценку предложений. Оставайтесь со мной, пока я расскажу вам о программном обеспечении для систем поддержки принятия решений.
Системы поддержки принятия решений
Информационная система, называемая системой поддержки принятия решений (DSS), помогает корпорации принимать решения, которые требуют суждений, решимости и ряда действий. Анализируя огромные объемы неструктурированных данных и собирая данные, которые могут помочь в решении проблем и принятии решений, информационная система поддерживает руководство компании среднего и высшего звена.
Опять же, DSS может управляться вручную, автоматически или и тем, и другим. Система поддержки принятия решений использует аналитические модели для анализа сводных данных, исключений, шаблонов и тенденций. Помощь в принятии решений, система поддержки принятия решений не всегда обеспечивает решение. Для выявления проблем, поиска решений и вынесения суждений лица, принимающие решения, собирают соответствующую информацию из необработанных данных, документов, личного опыта и/или бизнес-моделей.
Использование DSS в основном делается для предоставления клиентам информации в понятной форме. Ценность системы поддержки принятия решений заключается в том, что она может быть настроена на создание различных видов отчетов в зависимости от того, что нужно пользователю. Например, DSS может создавать данные и отображать их графически, например, в виде гистограммы, показывающей прогнозируемый доход, или в форме письменного отчета.
По мере развития технологий анализ данных больше не ограничивается большими и тяжелыми мэйнфреймами. Поскольку DSS по сути представляет собой приложение, его можно установить на большинстве настольных и портативных компьютеров. Некоторые приложения для систем поддержки принятия решений также доступны на мобильных платформах. Пользователи, которые часто путешествуют, получают большую выгоду от гибкости систем поддержки принятия решений. Благодаря этому у них есть возможность всегда быть в курсе событий, что дает им возможность выбирать наилучший курс действий для своего бизнеса и клиентов, когда они в пути или даже прямо сейчас.
Характеристики системы поддержки принятия решений
- Гибкость и способность меняться
- высокая степень взаимодействия
- Простота использования
- Эффективность и результативность
- полный контроль лиц, принимающих решения
- Легкое развитие
- Расширяемость
- помощь в моделировании и анализе
- помощь с доступом к данным
- независимые, комбинированные и сетевые
Компоненты системы поддержки принятия решений
Структура системы поддержки принятия решений состоит из трех ключевых частей:
№1. Система управления моделями
Модели, которые менеджеры могут использовать при принятии решений, хранятся в системе управления моделями S=. Решения о финансовом благополучии организации и спросе и предложении на продукты и услуги компании зависят от моделей.
№ 2. Пользовательский интерфейс
В пользовательском интерфейсе DSS есть инструменты, облегчающие конечному пользователю использование системы.
№3. Информационная база
База знаний содержит информацию как из внутренних (информация из системы обработки транзакций), так и из внешних (газеты и онлайновые базы данных) источников.
Преимущества системы поддержки принятия решений
- Система поддержки принятия решений повышает эффективность и скорость процессов принятия решений. Поскольку DSS может собирать и анализировать данные в режиме реального времени, это возможно.
- Поскольку для настройки и запуска системы поддержки принятия решений в бизнесе требуется особый опыт, это поощряет обучение внутри компании.
- С меньшим количеством времени, затрачиваемым на повторяющиеся рутинные дела, менеджеры могут иметь больше умственной способности для стратегического мышления.
- Внутри компании это способствует межличностному общению.
Недостатки системы поддержки принятия решений.
- Система поддержки принятия решений менее доступна для небольших предприятий из-за высоких финансовых затрат, необходимых для ее создания и внедрения.
- Поскольку DSS становится частью обычного процесса принятия решений в компании, чтобы сделать его более быстрым и эффективным, компания может стать зависимой от него. Однако руководители часто чрезмерно доверяют системе, что устраняет элемент субъективности в принятии решений.
- Из-за тенденции информационных систем учитывать все аспекты ситуации система поддержки принятия решений может привести к информационной перегрузке. Конечным клиентам предстоит сделать непростой выбор, потому что существует так много вариантов.
- Сотрудники более низкого уровня могут бояться и враждебно относиться к внедрению системы поддержки принятия решений. Многие из них не решаются использовать новые технологии и боятся потерять работу из-за них.
Типы систем поддержки принятия решений
Вот восемь наиболее распространенных примеров систем поддержки принятия решений, которые вы можете увидеть в работе:
№1. Коммуникативный:
Позволяет компаниям поддерживать задачи, требующие участия нескольких человек. Он содержит интегрированные технологии, такие как Google Docs и Microsoft SharePoint Workspace.
# 2. Управляемый моделью:
Обеспечивает управление и доступ к организационным, финансовым и статистическим моделям. Используя данные, предоставленные пользователями, данные собираются и устанавливаются параметры. Для анализа сценариев данные превращаются в модель принятия решений. Diodes, DSS с открытым исходным кодом, основанный на моделях, является иллюстрацией системы поддержки принятия решений на основе моделей.
№3. Основанный на знаниях:
Предлагает конкретные, фактические ответы на проблемы с использованием процедур, правил или интерактивных инструментов принятия решений, таких как блок-схемы.
№ 4. Документ-управляемый:
Контролирует информацию в различных электронных форматах, которые не структурированы.
№ 5. На основе данных:
Помогает предприятиям хранить и анализировать как внутренние, так и внешние данные.
# 6. Интеллектуальный СХД:
Система поддержки принятия решений является интеллектуальной, если она включает искусственный интеллект в свою архитектуру (IDSS). В интеллектуальной системе поддержки принятия решений ИИ используется для фильтрации больших наборов данных путем извлечения и обработки данных. Цель интеллектуальной системы поддержки принятия решений — заставить ее работать как советчик-человек.
№ 7. Ручной DSS:
Он использует людей, а не технологии, чтобы помочь в принятии решений. Команда профессионалов оценивает преимущества, недостатки, возможности и опасности, с которыми сталкивается их проект или бизнес.
№8. Гибридный DSS:
Он объединяет элементы из многих типов DSS для получения сложного результата. Крупномасштабные проблемы в таких секторах, как банковское дело и здравоохранение, могут потребовать использования инструментов из нескольких систем поддержки принятия решений, включая DSS, основанные на знаниях и данных.
Примеры системы поддержки принятия решений
Существует множество различных отраслей, в которых используются системы поддержки принятия решений. Примеры включают:
- Подготовка GPS-маршрута: Оценивая различные возможности, DSS может планировать самые быстрые и лучшие маршруты между двумя сайтами. Эти системы часто имеют возможность отслеживать трафик в режиме реального времени, чтобы избежать перегрузок.
- Подготовка урожая: Фермеры используют DSS, чтобы выяснить, когда лучше всего сажать, вносить удобрения и собирать урожай. Например, для проведения анализа «что, если» на своих предприятиях по производству кукурузы компания Bayer Crop Science создала «виртуальные фабрики», на которых она применяла аналитику и поддержку принятия решений для каждого аспекта своей деятельности.
- Научная СПР: Эти инструменты помогают врачам ставить диагнозы пациентам. Клинический DSS, разработанный Penn Medicine, позволяет быстрее отключать пациентов отделения интенсивной терапии от аппаратов искусственной вентиляции легких.
- Панели для ERP: Менеджеры, использующие эти системы, могут следить за показателями производительности. Clearlink, компания цифрового маркетинга и услуг, использует систему DSS, чтобы помочь своим менеджерам определить, кому из ее сотрудников нужна дополнительная поддержка.
Программное обеспечение систем поддержки принятия решений
Программное обеспечение системы поддержки принятия решений, в широком смысле, представляет собой аналитическое программное обеспечение, которое собирает и анализирует данные для помощи в принятии решений.
Существует множество различных типов поддержки принятия решений. Они варьируются от систем DSS на основе моделей, которые используют предопределенные критерии для выполнения автоматических расчетов и принятия наилучших решений, до современных систем бизнес-аналитики, которые используют ИИ и машинное обучение, чтобы предлагать идеи и анализы для людей. DSS используется для решения многих типов проблем для их быстрого решения и ускорения операций, планирования и управления бизнесом.
Программное обеспечение известной системы поддержки принятия решений включает в себя:
№1. ВебФОКУС
Эта платформа данных и аналитики предназначена для разработчиков информации, предприятий и компаний среднего размера, которым необходимо интегрировать и встраивать данные в приложения. Он предлагает облачные, мультиоблачные, локальные и гибридные альтернативы.
№ 2. QlikView
Построенный на Associative Engine, QlikView — это традиционное аналитическое предложение компании. Он использует настраиваемый интерфейс, чтобы помочь пользователям с их повседневными обязанностями.
№3. SAP BusinessObjects
В BusinessObjects есть приложения для создания отчетов и анализа, помогающие пользователям понять тенденции и их причины.
№ 4. Spotfire от TIBCO
Пользователи могут создавать информационные панели с помощью этого программного обеспечения для визуализации и аналитики данных, которое также поддерживает приложения для аналитики в реальном времени и приложения для прогнозирования.
№ 5. Облачная аналитика Salesforce
Этот аналитический инструмент, созданный на платформе Salesforce.com, использует искусственный интеллект, чтобы помочь компаниям определять возможности и прогнозировать результаты.
№ 6. Powernoodle
Облачный инструмент для вовлечения в выбор под названием Powernoodle использует когнитивную, поведенческую науку и науку о принятии решений. Он обеспечивает поддержку моделирования рабочих процессов различных групп заинтересованных сторон и готовых шаблонов, учитывающих типичные типы решений.
№ 7. Принятие решений с помощью 1000minds.
Набор инструментов и процедур для принятия решений, расстановки приоритетов и совместного анализа доступен онлайн под названием 1000minds. Он был создан на основе исследований по определению приоритетности пациентов для хирургии, проведенных в Университете Отаго в 1990-х годах.
№8. Брик
Для генеральных подрядчиков и субподрядчиков в строительной отрасли Briq представляет собой платформу прогнозной аналитики и автоматизации. Чтобы включить ИИ для прогнозной и предписывающей аналитики, он использует данные из таких систем, как CRM, управление проектами и бухгалтерский учет.
Каковы три компонента DSS?
Системы поддержки принятия решений, по данным Management Study HQ, состоят из трех важных компонентов: базы данных, системы программного обеспечения и пользовательского интерфейса.
Заключение
Системы поддержки принятия решений поддерживают процессы принятия решений с большими объемами данных и предоставляют варианты управления. Управленческие решения имеют решающее значение, но DSS не принимает решения. Эти системы используются для выполнения сложных статистических и математических моделей, анализа данных и поддержки принятия решений.
В этом эссе мы поговорим о том, чем системы поддержки принятия решений отличаются от других систем обработки информации. Было обнаружено, что менеджеры использовали системы поддержки принятия решений, чтобы помочь с однократными, полуструктурированными решениями, быстрыми изменениями и легким доступом к информации. Система поддержки принятия решений включает в себя инструменты, которые в сочетании могут помочь менеджерам в принятии решений в различных реальных ситуациях.
В каждом из этих инструментов есть как программные, так и аппаратные части. Система поддержки принятия решений должна помогать лицам, принимающим решения, на всех уровнях управления, как индивидуально, так и в группах, а также в полуструктурированных решениях. Он также должен предоставлять инструменты для моделирования и анализа данных, чтобы лица, принимающие решения, могли связать их со станцией общих данных и иметь достаточную гибкость для координации различных методов управления.
Часто задаваемые вопросы о системах поддержки принятия решений и программном обеспечении
Что такое программное обеспечение для систем поддержки принятия решений?
Программное обеспечение для систем поддержки принятия решений, в широком смысле, представляет собой аналитическое программное обеспечение, которое собирает и анализирует данные для помощи в принятии решений.
Сколько существует типов DSS?
Системы поддержки принятия решений делятся на две категории: DSS на основе моделей и DSS на основе данных.
Статьи по теме
- СИСТЕМЫ УПРАВЛЕНИЯ УСЛУГАМИ: определение, компоненты и важность
- Системы управления делами: определение, типы и лучшие программные решения
- СТИЛИ ПРИНЯТИЯ РЕШЕНИЙ: понимание 4 стилей принятия решений для лидеров
- ГРУППОВОЕ ПРИНЯТИЕ РЕШЕНИЙ: МЕТОДЫ С ПРИМЕРАМИ
- СТРУКТУРА ПРИНЯТИЯ РЕШЕНИЙ: Лучшая структура для эффективного принятия решений (