Автоматизация систем организационно-экономического управления

Информационные  хранилища и OLAP-технологии

    В современных условиях в связи  с усложнением характера бизнес-процессов  и усугублением возможных последствий  за принятие необоснованных управленческих решений возникла потребность в  расширении круга аналитических  задач, реализуемых с помощью  компьютерных технологий. Причем в  настоящее время для их успешной реализации сложились все объективные  условия, начиная с информационно-вычислительных возможностей современных компьютеров  и кончая уровнем знаний у их пользователей  – специалистов по управлению.

    Следует отметить, что исторически первоочередное внедрение информационных технологий в системах организационно-экономического управления осуществлялось по линии автоматизации расчетных (так называемых транзакционных) задач, реализуемых в рамках OLTP-технологий (On-Line Transaction Processing) и, как правило, связанных с вычислительной обработкой значительных объемов исходной информации. Причинами этого явилось то, что такие задачи:

    составляют  основу любой системы организационно-экономического управления, поскольку при их решении  предоставляются необходимые данные для реализации абсолютного большинства  управленческих функций;

    носят массовый характер, присущи для систем управления разных масштабов и сфер деятельности, их решение, как правило, осуществляется с определенной, строго установленной (регламентированной) периодичностью;

    легко формализуемы, а значит, достаточно просты в компьютерной реализации, так как алгоритмы их решения  основаны на простых арифметических операциях (действиях) и в основном заключаются в формировании итоговых данных по различным уровням детализации;

    в то же время в своей традиционной ручной реализации весьма трудоемки, поскольку  связаны, как правило, с выполнением  огромного количества (пусть и  несложных) вычислительных операций над  большими объемами исходной переменной и постоянной (нормативно-справочной) информации.

    Примерами данных задач могут служить расчет заработной платы, контроль поставок, учет поступления и расхода материалов, расчеты с поставщиками и подрядчиками, составление отчетности и т.п. Характерно, что на решение транзакционных задач  приходится львиная доля времени  обработки данных в информационных системах различных сфер организационно-экономического управления, поэтому первоочередные усилия специалистов информационной сферы  были направлены на разработку наиболее рациональных технологий их реализации. В частности, была предложена концепция  баз данных (БД), воплотившая в  себе системный подход к компьютеризации  информационных процессов, в противовес первоначально используемой при  позадачном подходе к раздельной организации информационных массивов, главным недостатком которой  было огромное дублирование информации.

    Необходимо  отметить, что первоначально концепция  баз данных предполагала полную интеграцию всей информации, применяемой в процессах  обработки данных без какого-либо ее дублирования. Однако выигрыш в  объемах памяти, необходимой для  хранения информации, оборачивался слишком  большими затратами времени на выборку  из БД информации, требуемой для  решения той или иной задачи. Поэтому  со временем эта позиция претерпела изменение, и в БД стало допускаться  дублирование информации как разумный компромисс между требованиями минимизации  объемов хранимых данных и затрат на их выборку из БД.

    Что касается способов организации БД, то в настоящее время наиболее распространенными максимально  эффективными являются реляционный и объектно-реляционный.

    Однако  при развитии современного бизнеса  все более актуальной становится реализация задач аналитического характера, которые позволяют оценивать  множество альтернативных вариантов  и принимать обоснованные управленческие решения, обеспечивающие эффективное  управление организацией (компанией, корпорацией  и т.д.) в условиях часто возникающих  изменений внешних и внутренних факторов.

    Естественно, что первоначально источником исходной информации для проведения анализа  служили данные, хранящиеся в традиционных OLTP-системах. Вместе с тем по мере развития средств и методов анализа  и переполнения данными этих систем подобный способ получения аналитической  информации становился все менее  и менее эффективным. Основные причины  этого заключаются в том, что:

    во-первых, подобные системы зачастую вообще не обеспечивают возможность получения  необходимых данных, так как организация  данных в OLTP-системах в целом не ориентирована  на решение аналитических задач;

    во-вторых, для решения многих аналитических  задач требуется обработка значительных объемов информации по достаточно сложным  алгоритмам, что в рамках OLTP-системы  приводит к существенным затратам вычислительных ресурсов;

    в-третьих, реализация аналитических приложений с использованием баз данных OLTP-систем мешает оперативной обработке транзакционных задач, при этом заметно снижается  производительность системы и повышается стоимость ее сопровождения, поскольку  для задач анализа зачастую требуются  исторические сведения за достаточно длительный период.

    Указанные причины обусловили необходимость  появления новых подходов к организации  хранения и обработки информации, которые обеспечивали бы оперативное  решение аналитических задач  по различным запросам пользователей  – специалистов управления.

    Первыми в начале 90-х годов прошлого века с данной проблемой столкнулись  крупные западные корпорации, которые  обнаружили, что в результате накопления в БД огромных объемов информации существенно снижается эффективность  работы системы в целом. Выход  из создавшейся ситуаций был найден У. Инмоном – специалистом по организации корпоративных БД. Именно он предложил принципиально новый подход к организации хранения информации, названный им хранилищем данных (Data Warehouse).

    В настоящее время под хранилищем данных понимается предметно-ориентированный, интегрированный, поддерживающий хронологию набор данных, являющийся единственным источником информации, необходимой  для анализа и принятия управленческих решений.

    В основе реализации концепции хранилища  данных лежат следующие основные принципы:

• подразделяются наборы данных, используемые в системах оперативной обработки данных (OLTP-системах), и наборы данных, применяемые в аналитических системах (OLAP-системах) для поддержки принятия управленческих решений (DSS – Decision Support System);
• перед помещением данных в хранилище они проверяются на непротиворечивость, приводятся к единой системе понятий и единым форматам представления и определенным образом структурируются и обобщаются;
• по мере «устаревания» данные из хранилища не удаляются, как это обычно принято в традиционных БД при их актуализации, а их обновленные значения добавляются к уже имеющимся данным;
• структура хранилища организуется так, чтобы обеспечивалось быстрое и эффективное извлечение необходимой информации (данные могут заранее агрегироваться по наиболее часто используемым аналитическим разрезам);
• помимо данных в хранилище содержатся также и метаданные (т.е. данные о хранящихся данных) – своего рода «досье», отражающее различные сведения о хранящейся управленческой информации и расширяющее возможности ее аналитической обработки. Метаданные характеризуют источник информации, дату ее формирования, дату занесения в хранилище, пользователей информации и т.п.

    Понятие «хранилище данных» определяет лишь концепцию организации хранения данных и практически не регламентирует характер и способы (технологии) их использования на практике, поэтому  могут встречаться различные  варианты их реализации в зависимости  от целей создания.

    Хранилища данных – это информационный фундамент, на котором строятся OLAP-приложения. Главной особенностью программных  средств OLAP-систем является обеспечение  оперативного анализа данных, содержащихся в хранилище, причем они ориентированы  на их использование любыми специалистами  по управлению – непрофессионалами  в области компьютерных технологий: руководителями различных служб  и отделов. Имея в своем распоряжении гибкие механизмы манипулирования  данными, визуального отображения  этих процессов и результатов  их реализации, специалист по управлению, используя свои знания, опыт и интуицию, может самостоятельно устанавливать  различные закономерности в поведении  элементов анализируемой системы, сопоставлять различные показатели, выявлять качественно новые, скрытые  до этого взаимосвязи между ними.

    Что касается результатов проводимого  с помощью OLAP-технологий анализа, то особо следует выделить задачи, связанные  с интеллектуальным анализом данных, главными целями которого являются обеспечение поиска функциональных и логических закономерностей в отношении накопленной информации, а также построение моделей и правил, объясняющих и/или прогнозирующих эти закономерности. В этом плане OLAP-технологии представляют собой определенный шаг в реализации систем искусственного интеллекта. Основное отличие OLAP-технологий от систем искусственного интеллекта заключается в том, что они позволяют не моделировать естественный интеллект человека, а лишь расширять его способности, используя возможности современных компьютеров и хранилищ данных. Вместе с тем в настоящее время технологии интеллектуального анализа данных (Data Mining) становятся все более актуальными, так как пользователь можно получать не только новые данные, но и новые знания.

    Особое  место среди информационных технологий, связанных с интеллектуальным анализом данных, отводится технологиям, обеспечивающим решение неформализованных или  слабоформализованных задач. Традиционно для решения задач подобного характера используются два подхода: экспертные системы и нейросетевые технологии (нейросети).

    Экспертные  системы представляют собой разновидность  систем искусственного интеллекта, т.е. систем, имитирующих посредством  компьютера интеллектуальные способности  человека в конкретных прикладных областях его деятельности с учетом накопленных  знаний относительно этой прикладной области и формализованных правил получения на их основе новых знаний.

    В отличие от экспертных систем нейросетевые технологии при решении неформализованных (или слабоформализованных) задач не требуют знания правил вывода. Для работы нейросети необходимо выполнить ее предварительное «обучение» на достаточном количестве исходных примеров. Такое «обучение» осуществляется в целях настройки функционирования адаптивной системы нейросети для решения задач с заданной степенью достоверности. Данный процесс повторяется до тех пор, пока суммарная погрешность реакции сети на всем множестве исходных значений не достигнет приемлемого уровня. После этого считается, что «обученная» нейросеть способна генерировать идеальные (с ее точки зрения) решения поставленной задачи на основе неизвестных входных данных, но имеющих ту же природу, что и множество данных, с использованием которых осуществлялось ее «обучение».

    Если  внедрение информационных технологий для анализа данных на основе OLAP-систем и систем искусственного интеллекта обеспечивает расширение круга функциональных задач управления, реализация которых  с помощью компьютеров составляет информационную основу для принятия обоснованных бизнес-решений, то автоматизация документооборота и делопроизводства – это прежде всего средство повышения эффективности административно-управленческой деятельности аппарата управления за счет так называемых внутренних резервов.

    В настоящее время уже просто немыслимо  представить построение корпоративной  информационной системы какой-либо управленческой структуры (организации), ориентированной только на решение  функциональных задач управления, т.е. задач прикладного характера, обеспечивающих получение информации, необходимой  для принятия эффективных управленческих решений. Система управления, в рамках которой не реализуются задачи автоматизации  делопроизводства и документооборота, сегодня однозначно не соответствует  современным требованиям построения корпоративных информационных систем. И дело здесь не только в том, что  внедрение подобных систем электронного документооборота позволяет максимально  использовать внутренние резервы повышения  эффективности функционирования организации. Автоматизация документооборота и  делопроизводства обеспечивает возможность  регламентировать права доступа  пользователей к информационной базе системы, что позволяет эффективно решить проблему защиты информации от несанкционированных действий со стороны  собственного персонала – общепризнанного  главного фактора (свыше 80%) утечки коммерческой информации.