О некоторых задачах оптимизации стратегического управления предприятием на основе технологии информационного мониторинга

Аннотация

В работе описывается технология информационного мониторинга сложных процессов/проблем, разрабатываемая автором и учениками с конца 80-х – начала 90-х годов. Приводится содержательная постановка проблемы информационного мониторинга, описываются технологические и научные аспекты разработки систем информационного мониторинга. Рассматривается применение технологии информационного мониторинга для оптимизации управления на основе системы сбалансированных показателей.

Abstract

In this work the technology of information's monitoring of the complex processes/problems, developed by the author and pupils from the end 80th - the beginnings of 90th years is described. Information monitoring's problem description, technological and scientific aspects of information monitoring system’s engineering are reviewed. Application of information monitoring technology for optimization of strategic management on the basis of balanced scorecards is considered.

Введение

Термин “информационный мониторинг” был введен вначале как некоторый сленг для обозначения специализированных человеко-машинных интеллектуальных информационных систем, предназначенных для оценки состояния некоторого процесса или проблемы на базе фрагментарной, ненадежной, возможно недостоверной информации о ней и моделирования возможных вариантов развития проблемы в 1991 - 1992 годах и впервые использован в научной печати в 1994 г. В отличие от широко применяемых систем мониторинга (например, экологического, медицинского, технического и т.п.), базирующихся на анализе большого количества результатов показаний различных датчиков, приставка “информационный” подчеркивает, что для интересующих нас систем “входом” является не показание прибора, а некоторая информация (в частности, и показания измерительных устройств тоже, но не только они). Говоря совсем популярно, мы разрешаем системам мониторинга использовать результаты измерений не только технических устройств, но и человека как измерительного прибора.

На базе полученных результатов были разработаны системы оценки и мониторинга мирной ядерной активности стран [17], риска атеросклеротических заболеваний [8], производства изделий микроэлектроники [5].

Для разработки систем информационного мониторинга необходимо иметь структурно-лингвистическую модель процесса в виде дерева или графа (раздел 3). Это является основной проблемой разработки таких систем. Однако, подобные модели часто разрабатываются для других целей. Примерами таких моделей могут служить описание бизнес-процессов компании, система сбалансированных показателей и т.п. Технология информационного мониторинга позволяет «оживить» такие модели и решать новые задачи на их основе (раздел 5).

1. Содержательная постановка задачи

Содержание работы многих классов специалистов в современном информационном обществе можно представить как работу по определенными проблемам. В общем виде она заключается в оценке текущего состояния проблемы (процесса) на основе всей доступной информации, построении прогнозов ее развития и выработке рекомендаций по управлению развитием проблемы, исходя из целей, стоящих перед специалистом. Можно привести следующие примеры проблем из различных областей: моделирование поведения клиентов, сегментирование рынков (маркетинг); продвижение кандидата на выборах (политология); оценка кредитного риска, прогнозирование фондового рынка, прогнозирование курсов валют (финансовый анализ); оценка страховых рисков (страховое дело); развитие технологий/научных исследований (наукометрия).

Свойство перечисленных проблем – «слабая формализация» (наличие количественных и качественных признаков, отсутствие математических моделей), структурная организация (проблема/процесс имеет некоторую структуру) и наличие человека как активного элемента системы.

В качестве примера процессов, не являющихся таковыми, можно привести взаимодействие двух тел или распространение колебаний в однородной среде. Имеются математические модели таких процессов, информация измерима и доступна, результат можно вычислить для любого момента времени.

Будем называть задачу оценки текущего состояния проблемы (процесса) и построении прогнозов ее развития задачей информационного мониторинга, а человеко-компьютерные системы, обеспечивающие информационную поддержку подобного рода информационных задач, системами информационного мониторинга.

2. Понятие систем информационного мониторинга

Основными элементами систем информационного мониторинга являются информационное пространство и аналитик. Существенными являются следующие их свойства.

Информационное пространство представляет собой совокупность различных информационных элементов, которые можно охарактеризовать следующим образом:

• разнородность носителей информации, т.е. фиксация информации в виде статей, газетных заметок, компьютерном виде, аудио- и видеоинформация и т.п.;
• фрагментарность: информация чаще всего относится к какому-либо фрагменту проблемы, причем разные фрагменты могут быть по-разному "покрыты" информацией;
• разноуровневость: информация может относиться ко всей проблеме в целом, к некоторой ее части, к конкретному элементу проблемы;
• различная степень надежности: информация может содержать конкретные данные различной степени надежности, косвенные данные, результаты выводов на основе надежной информации или косвенные выводы;
• возможная противоречивость: информация из различных источников может совпадать, слегка различаться или вообще противоречить друг другу;
• изменяемость во времени: проблема/процесс развивается во времени, поэтому и информация в разные моменты времени об одном и том же элементе проблемы может и должна различаться;
• возможная тенденциозность: информация отражает определенные интересы источника информации, поэтому может носить тенденциозный характер. В частном случае она может являться намеренной дезинформацией (например, для политических проблем или для проблем, связанных с конкуренцией).

Аналитики являются активным элементом системы мониторинга и, наблюдая и изучая элементы информационного пространства, делают выводы о состоянии проблемы и перспективах ее развития с учетом перечисленных выше свойств информационного пространства. Обычно аналитики образуют некоторую структуру (министерство, агентство, консультационную службу, отдел маркетинга фирмы и т.п.). В этом случае каждый аналитик "нижнего уровня" имеет дело с некоторой частью проблемы и работает с элементами информационного пространства, аналитики "более высокого уровня" имеют дело с более крупными фрагментами проблемы или проблемой в целом, и работают уже с выводами предыдущих аналитиков. При этом они могут ознакомиться с выводами более низкого уровня вплоть до элементов информационного пространства.

Для разработки компьютерных систем, ориентированных на решение задачи мониторинга и обработку такого рода информации, были проанализированы известные технологии обработки информации и поддержки принятия решений. Ни одна из них не удовлетворяет полностью функциональным требованиям к системе [8]. Поэтому возникла необходимость разработки некоторой специальной технологии, поддерживающей создание такого рода систем.

3. Технологические основы разработки систем информационного мониторинга

Учитывая особенности информации и конкретных способов ее обработки, основные черты технологии информационного мониторинга можно изложить следующим образом.

Эта технология базируется на использовании ряда приемов, позволяющих обрабатывать подобного рода информацию. В частности:

• для реализации возможности обработки информации из разнородных источников, в базе данных системы хранятся как сами документы, так и ссылки на них с оценкой содержащейся в них информации, данной аналитиком;
• для возможности обработки фрагментарной информации используется модель проблемы в виде дерева или графи. Ясно, что для сложных проблем такое представление модели является несколько упрощенным, однако при этом достигается хорошая наглядность и простота работы с моделью проблемы;
• обработка разноуровневой информации достигается за счет предоставления пользователю возможности отнести оценку конкретного информационного материала к разным вершинам модели;
• обработка информации различной степени надежности и обладающей возможной противоречивостью или тенденциозностью достигается за счет использования лингвистических оценок экспертами данной информации;
• изменяемость во времени учитывается фиксацией даты поступления информации при оценке конкретного материала, т.е. время является одним из элементов описания объектов системы.

Таким образом, системы, построенные на базе этой технологии, позволяют иметь развивающуюся во времени модель проблемы на основе оценок аналитиков, подкрепленную ссылками на все информационные материалы, выбранные ими, с общими и частными оценками состояния проблемы или ее аспектов. Использование времени как параметра системы позволяет проводить ретроспективные анализ и строить прогнозы развития проблемы (отвечать на вопросы типа "Что будет, если ... ?"). В последнем случае возникает возможность выделения "критических путей", т.е. таких элементов модели, малое изменение которых может вызвать значительные изменения в состоянии всей проблемы. Знание таких элементов имеет большое практическое значение и позволяет выявить "слабые места" в проблеме на текущий момент времени, разработать мероприятия по блокированию нежелательных ситуаций или провоцированию желательных, т.е. в некоторой степени управлять развитием проблемы в интересах организации, ее отслеживающей.

Схема системы информационного мониторинга представлена на рис. 1.

Рис.1.

Итак, системы информационного мониторинга позволяют:

• единообразно обрабатывать разнородную, разноуровневую, фрагментарную, ненадежную, меняющуюся во времени информацию;
• получать оценки состояния проблемы, отдельных ее аспектов;
• моделировать различные ситуации в предметной области мониторинга;
• выявлять “критические пути” развития проблемы, то есть выявлять те элементы проблемы, малое изменение состояния которых может качественно изменить состояние проблемы в целом.

Технологию информационного мониторинга можно назвать технологией информационной поддержки конкретного пользователя, которая, по нашему мнению, является естественным продолжением развития средств информационной поддержки [8].

4. Математические основы систем информационного мониторинга

Системы информационного мониторинга можно отнести к классу иерархических нечетких дискретных динамических систем. Теоретическую основу такого класса систем составляет методы анализа иерархий, теория нечетких множеств, теория измерений, теория автоматов, дискретная математика, которые были разработаны в работах Саати (Saaty) [14], Месаровича (Messarovich) [16], Заде (Zadeh) [2], Пфанцгаля (Pfanzgal) [6] и других авторов.

Для эффективного практического применения предложенных технологических решений (раздел 3) необходима проработка ряда теоретических проблем, результаты котрой приводятся ниже.

Предполагается, что аналитик описывает степень противоречивости полученной информации и имеющейся или возможность реализации некотрых процессов в предметной области в виде лингвистических значений. Субъективная степень удобства такого описания зависит от набора и состава таких лингвистических значений. Предполагается, что система отслеживает развитие проблемы, то есть изменение ее во времени. Предполагается также, что она интегрирует оценки различных аналитиков. Это значит, что один объект может описываться разными экспертами. Поэтому желательно иметь гарантии того, что разные эксперты описывают один и тот же объект наиболее “единообразно”. Исходя из сделанных замечаний мы можем сформулировать первую проблему следующим образом.

Проблема 1. Можно ли, учитывая некоторые особенности восприятия человеком объектов реального мира и их описания, сформулировать правило выбора оптимального множества значений признаков, по которым описываются эти объекты? Возможны два критерия оптимальности:

Критерий 1. Под оптимальными понимаются такие множества значений, используя которые человек испытывает минимальную неопределенность при описании объектов.

Критерий 2. Если объект описывается некоторым количеством экспертов, то под оптимальными понимаются такие множества значений, которые обеспечивают минимальную степень рассогласования описаний.

Показано, что мы можем сформулировать методику выбора оптимального множества значений качественных признаков. Более того, показано, что такая методика является устойчивой, то есть возможные при построении функций принадлежности естественные маленькие ошибки не оказывают существенного влияния на выбор оптимального множества значений. Множества, оптимальные по критериям 1 и 2 совпадают. Данные результаты описаны в [12].

Технология информационного мониторинга предполагает хранение информационнх материалов (или ссылок на них) и их лингвистических оценок в базе данных системы. Всвязи с этим возникает следующая проблема.

Проблема 2. Можно ли определить показатели качества поиска информации в нечетких (лингвистических) базах данных и сформулировать правило выбора такого множества лингвистических значений, использование которого обеспечивало бы максимльные показатели качества поиска информации?

Показано, что можно ввести показатели качества поиска информации в нечетких (лингвистических) базах данных и формализовать их. Показано, что возможно сформулировать методику выбора оптимального множества значений качественных признаков, которое обеспечивает максимальные показатели качества поиска информации. Более того, показано, что такая методика является устойчивой, то есть возможные при построении функций принадлежности естественные маленькие ошибки не оказывают существенного влияния на выбор оптимального множества значений. Данные результаты излжены в [10].

Важной проблемой при разработке и систем информационного мониторинга является задача выбора адекватных операторов агрегирования информации в модели проблемы. Эта задача возникает в силу того, что системы информационного мониторинга ориентированы на обработку разноуровневой фрагментарной информации. Это означает, что при вводе информации в систему пользователь может осуществлять привязку информационных материалов к узлам различных уровней иерархии в модели проблемы (и, соответственно подтверждать/изменять их оценки). Это коренным образом отличат системы информационного мониторинга от аналогичных иерархических систем (например, поддержки принятия решений), в которых разрешается менять только оценки нижнего уровня иерархии. Указанное допущение позволяет использовать системы информационного мониторинга при решении значительно более широкого класса практических задач, однако платой за это является необходимость разработки соответствующей теории и создания инструментария выбора адекватных операторов агрегирования информации.

Проблема 3. Можно ли предложить процедуры выбора операторов агрегирования информации в нечетких иерархических динамических системах, минимизирующих противоречивость модели проблемы/процесса в системах информационного мониторинга?

Можно выделить следующие подходы к решению этой проблемы, базирующиеся на различных интерпретациях операторов агрегирования информации: геометрический [1], логический [7] и подход на основе обучения, включающий вы себя обучение на основе генетических алгоритмов [13] и обучение на основе нейронных сетей [11].

5. Стратегическое управление на основе технологии информационного мониторинга

Система Сбалансированных Показателей (Balanced Scorecard) - сравнительно новая технология [3]. Balanced Scorecard разработана на основе выводов исследования, проведенного в 1990 году профессорами Гарвардской школы экономики Дэвидом Нортоном и Робертом Капланом. Исследование проводилось с единственной целью: выявить новые способы повышения эффективности деятельности и достижения целей бизнеса.

Проводя исследование, Нортон и Каплан руководствовались следующей гипотезой: управление с помощью финансовых показателей не дает достаточной информации для принятия правильных и своевременных управленческих решений.

Основания для такого утверждения у профессоров Гарварда были более чем вескими: например, если разрыв между балансовой и рыночной стоимостью, согласно данным по 3500 американским компаниям в 1978 году составлял 5%, то к 1998 году по бухгалтерской стоимости компании недооценивали себя на 72%.

Причиной такого разрыва стало постепенное, но неуклонное увеличение стоимости нематериальных активов - таких как интеллектуальный капитал, инновации, репутация - в общей стоимости компаний. Стандарты финансовой отчетности (GAAP, IAS) никак не учитывали подобных экономических условий. Неудивительно, что инвесторы также стали отказываться от такого источника информации о состоянии компании, как бухгалтерская отчетность.

Попытки привести показатели эффективности в соответствие экономической ситуации были и до появления BSC, однако они затрагивали исключительно финансовые аспекты деятельности. Такие показатели, как EVA, EBITDA, TSR, давали акционерам более реальную картину текущего состояния бизнеса, но для управления компанией их было явно недостаточно. В таблице 1 показано, как развивались показатели эффективности компании.

Таблица 1. История развития показателей эффективности деятельности компании.

На основании полученных данных, Нортоном и Капланом была разработана принципиально иная система контроля эффективности и выполнения стратегических целей, получившая название Balanced Scorecard (Система Сбалансированных показателей, BSC). Первая же публикация разработок двух профессоров получила высочайшую оценку: Harvard Business Review назвал Систему сбалансированных показателей самым значительным вкладом в практику управления за последние 75 лет.

После значительных успехов, достигнутых первыми компаниями, внедрившими технологию Balanced Scorecard в качестве основного метода управления, использование Системы сбалансированных показателей стало общей тенденцией. В первую очередь, она затронула средние и крупные компании самых различных отраслей.

Десять лет спустя, по данным Bain&Company, Balanced Scorecard используется половиной компаний из перечня Global 1000. Журнал Fortune приводит собственные данные: BSC является основным инструментом исполнения стратегии в 402 компаниях из 500, входящих в рейтинг Fortune-500. Среди них такие корпорации как Coca-Cola, BP, General Electric, McDonalds, L'Oreal, BMW, Boeing, Samsung Electronics, и других. Теперь Balanced Scorecard активно внедряется и на российских предприятиях (первые прецеденты внедрения BSC в России - компании "ЛУКойл" и "Северсталь").

В ССП Стратегия (холдинга, фирмы, подразделения и т.д.) выражается с помощью множества стратегических целей. Цели, связанные между собой причинно-следственными связями, образуют стратегическую карту [4]. Наличие причинно-следственной связи между двумя целями показывает, что достижение одной цели - «причины» создаёт предпосылки к достижению другой цели – «следствия». Показатели служат для измерения степени достижения целей. Каждой цели должен быть присвоен, по крайней мере, один показатель. Основной вопрос при выборе показателей - насколько этот показатель отражает достижение стратегической цели на карте. Целевые значения - это конкретные значения показателей на конкретный будущий момент или период времени, к которым необходимо стремиться, чтобы цель была достигнута.

В связи с вышесказанным возникает две задачи.

Прямая задача: можно ли, имея стратегическую карту, оценить «вклад» каждой цели в достижение стратегической цели организации?

Обратная задача: можно ли, имея стратегическую карту и бюджет, выделить те цели, изменение которых в рамках выделенного бюджета даст максимальный эффект в достижении стратегической цели?

Прямая задача является естественной для технологии информационного мониторинга (раздел 3). К настоящему времени разработаны алгоритмы оценки степени «критичности» каждого элемента модели (цели в ССП) для некоторых частных видов моделей, связанных, в основном, с классом используемых операторов агрегирования информации. В общем виде эта задача решается переборным алгоритмом. Так как количество целей в стратегической карте не является большим (порядок - десятки), задача решается за разумное время.

Обратная задача сводится к задаче математического программирования. Особенностью задачи является то, что функция, максимум которой мы ищем, задается не в виде формулы, а в виде дерева (или графа) с заданными операторами агрегирования информации – стратегической карты. На модельной стратегической карте нами успешно использовались генетические алгоритмы; использование переборных алгоритмов также видится здесь разумным в силу малой размерности задачи и отсутствия жестких требований по времени решения задачи (как, например, в системах реального времени).

Литература

1. Ананич И.С., Беленький А.Г., Пронин Л.Б., Рыжов А.П. Агрегирование информации в системах информационного мониторинга. Труды Международного семинара “Мягкие вычисления - 96”. Казань, 3 - 6 октября 1996 г., с. 22-26.
2. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приблизительных решений. М., Мир, 1976. - 165 с.
3. Каплан Р., Нортон Д. Сбалансированная система показателей. Пер с англ. М., «Олимп-Бизнесс», 2005.
4. Каплан Р., Нортон Д. Стратегические карты. Трансформация нематериальных активов в материальные результаты. Пер с англ. М., «Олимп-Бизнесс», 2004.
5. Лебедев А.А., Рыжов А.П. Оценка и мониторинг проектов разработки высокотехнологических изделий микроэлектроники. Известия ТРТУ, Тематический выпуск «Интеллектуальные САПР», ISBN 5-8327-0249-2, 2006, № 8, с. 93-99.
6. Пфанцгаль И. Теория измерений. Пер. с англ. - М. Мир, 1976. - 263 с.
7. Рогожин С.В, Рыжов А.П. О нечетко заданных классах функций k-значной логики. V Всероссийская конференция “Нейрокомпьютеры и их применение”. Сборник докладов. Москва, 17 - 19 февраля 1999 года, с.460 – 463.
8. Рыжов А.П., Ахмеджанов Н.М., Жукоцкий А.В., Кудрявцев В.Б., Оганов Р.Г., Расторгуев В.В., Строгалов А.С. Информационный мониторинг в задаче прогнозирования риска развития сердечно-сосудистых заболеваний. Интеллектуальные системы, Москва, МНЦ КИТ, Т.7, вып. 1-4, 2003, с. 5 – 38.
9. Рыжов А.П. Информационный мониторинг сложных процессов: технологические и математические основы. Интеллектуальные системы, Том 11, вып. 1-4, Москва, МНЦ КИТ, 2008, с. 101-136.
10. Рыжов А.П. Модели поиска информации в нечеткой среде. Издательство Центра прикладных исследований при механико-математическом факультете МГУ, М., 2004, 96с.
11. Рыжов А.П. Об агрегировании информации в нечетких иерархических системах. Интеллектуальные системы. Том 6, вып.1-4, Москва, МНЦ КИТ, 2001, с. 341 - 368
12. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М., Диалог-МГУ, 1998, 116 с.
13. Рыжов А.П., Федорова М.С. Генетические алгоритмы в задаче выбора операторов агрегирования информации в системах информационного мониторинга. V Всероссийская конференция “Нейрокомпьютеры и их применение”. Сборник докладов. Москва, 17 - 19 февраля 1999 года, с. 267-270.
14. Саати Т. Анализ иерархических процессов. М., Радио и связь, 1993 - 315 с.
15. Fuzzy Logic and Intelligent Technologies in Russia. Ed. by Da Ruan, Gert de Cooman, Alexander Ryjov. FLINS Vol.3, SCK*CEN BLG-699, Belgium, 1995, 285 p.
16. Messarovich M.D., Macko D., Takahara Y. Theory of hierarchical multilevel systems. Academic Press, N.Y.- London 1970 - 344 p.
17. Ryjov, A., Belenki, A., Hooper, R., Pouchkarev, V., Fattah, A. and Zadeh, L.A., Development of an Intelligent System for Monitoring and Evaluation of Peaceful Nuclear Activities (DISNA), IAEA, STR-310, Vienna, 1998, 122 p.

Copyright © 2009 Рыжов А.П.