Економічні експертні системи
Економічні ЕС є менш розповсюдженими та відстають від існуючих ЕС в інших галузях за якістю, що пояснюється складністю, динамічністю та великими обсягами економічних знань. Досить важко відтворити в базі знань усі процедури, які виконує експерт з аналізу стану підприємства та управління, в різних сферах діяльності (маркетингу, виробництві і т.д.).
Технологія прийняття управлінських рішень в економічній сфері:
Формування цілі (функція цілеутворення реалізується поза експертною системою, але на основі інформації, яку видає ЕС). Головна ціль розгортається в систему підпорядкованих цілей, доки не відбудеться перетворення цілей в конкретні дії посадових осіб.
Планування дій (обсяг робіт обмежений заданими ресурсами – матеріальними, сировинними, трудовими, грошовими, енергетичними – та залежить від резерву – наднормативного розміру – того чи іншого ресурсу).
Аналіз економічної ситуації (оцінка за отриманими фактами ситуації, що склалася, та виявлення причин її виникнення; як результат – отримання діагнозу стану підприємства та вироблення рецепту дій, що скоригують ситуацію).
Звідси можна сформулювати функції, які повинна виконувати ЕЕС:
Розпізнавання сформованої економічної ситуації, її аналіз, формування діагнозу і найближчих цілей, досягнення яких забезпечить повернення до бажаної траєкторії розвитку підприємства;
Вироблення шляхів досягнення сформульованих цілей без урахування і з урахуванням резервів підприємства;
Поповнення бази знань, модифікація і ліквідація застарілих експертних знань із бази знань;
Забезпечення «дружнього» інтерфейсу користувача із системою.
Порівняно з типовою ЕС в економічну ЕС введені додаткові блоки (рис. 5.3):
база даних (тут містяться планові, фактичні, розрахункові, звітні та інші постійні або оперативні показники);
блок розрахунків (необхідність даного блоку диктується тим, що обґрунтування управлінських рішень вимагає не тільки логічного висновку, а й здійснення ряду складних та об’ємних розрахунків);
блок введення і коригування даних (використовується при локальному функціонуванні ЕЕС, коли необхідна динамічна інформація не надходить з відповідних систем опрацювання облікових та звітних даних, а вводиться кожен раз користувачем).
Рис. 5.3 – Склад економічної експертної системи
ЕЕС допомагають під час прийняття рішення уникнути типових помилок як то: підміна загального частковим, головного – другорядним, визначального - випадковим (наприклад, перебільшення ролі одиничного чинника у поясненні стану підприємства); хибність висновків за випадковою аналогією; перебільшення ролі математики (тобто необхідно враховувати обмеженість математичних моделей).
Лекція №6. Системи підтримки прийняття рішень у бізнесі
Проблеми прийняття рішень та особи, які приймають ці рішення, опинилися останнім часом у центрі уваги фахівців та практиків. Це зумовлено посиленням динамізму навколишнього середовища, взаємопов’язаністю багатьох рішень, стрімкими темпами ринкових перетворень у нашій країні. Приймаючи рішення, керівники стикаються із складним вибором, необхідністю розглядати численні альтернативні варіанти. Для оцінки варіантів використовуються знання спеціалістів, складні аналітичні розрахунки, наукові дослідження, сучасні інформаційні технології. Питання підтримки рішень на всіх стадіях цього процесу (виявлення цілей, розробка і прийняття рішень, організація виконання і контроль) набувають все більше актуальності. Фактично проблема полягає в автоматизації творчої частини праці відповідальної групи працівників організаційного управління – керівників усіх рангів та осіб, які приймають рішення, в реальних умовах їхньої діяльності.
Фахівці пропонують кілька способів класифікації проблем, пов’язаних з прийняттям рішень. Найбільше визнання здобула класифікація, запропонована американським ученим Саймоном. Згідно з цією системою, усі проблеми, пов’язані з прийняттям рішень в організаційному управлінні, поділяються на три класи:
перший клас утворюють добре структуровані (цілком формалізовані, кількісно сформульовані) проблеми, у яких суттєві залежності визначені настільки повно, що можуть бути виражені в числах або символах і тому легко стандартизуються та програмуються. До тих задач належать: облік і контроль, оформлення документів, їх тиражування. У традиційних інформаційних системах такі задачі, як правило, повністю автоматизовані (бухгалтерський облік, підготовка виробництва, кадрова система, складський облік);
другий клас становлять слабкоструктуровані (змішані) проблеми, що мають як кількісні, так і якісні елементи, причому маловідомі й невизначені акценти проблеми виявляють тенденцію до переваги. Для таких задач характерна відсутність методів розв’язання на основі безпосередніх перетворень даних. Постановка задач вимагає прийняття рішень в умовах неповної інформації. Відомі випадки, коли на основі застосування теорії нечітких множин біли побудовані формальні схеми рішень. До слабкоструктурованих задач можна віднести задачі розподілу капіталовкладень, вибору проектів проведення наукових досліджень і розробок, складання плану виготовлення виробів широкого вжитку;
третій клас – неструктуровані (неформалізовані, якісно виражені) проблеми (задачі), для яких описані лише важливі ресурси, ознаки і характеристики, а кількісні залежності між ними невідомі. Розв’язання таких задач передбачає неформалізовані процедури, які ґрунтуються на неструктурованій інформації з високим рівнем невизначеності. До таких задач належить значна частина проблем прогнозування, організаційного перетворення. Більшість неструктурованих проблем розв’язуються за допомогою евристичних методів, у яких відсутня будь-яка впорядкована логічна процедура пошуку розв’язку, та й самі методи цілком залежать від особистих характеристик людини (поінформованості, кваліфікації, таланту, інтуїції).
Слабкоструктуровані проблеми мають такі особливості:
рішення, що приймаються, стосуються майбутнього;
наявний широкий діапазон альтернатив;
рішення залежить від неповноти поточних технологічних досягнень;
запропоновані рішення вимагають вкладення великих ресурсів і містять елементи ризику;
неповністю визначені вимоги щодо вартості й часу розв’язання проблеми;
складність проблеми зумовлена необхідністю комбінувати різні ресурси для її розв’язання.
В загальному випадку для підтримки прийняття рішень в економічній сфері використовуються такі типи інформаційних систем: системи підтримки прийняття рішень (СППР, або DSS), експертні системи (ЕС), виконавчі інформаційні системи (ВІС).
Існує декілька визначень систем підтримки прийняття рішень (Decision Support Systems):
Decision Support Systems (DSS) є класом комп'ютеризованих інформаційних систем, які підтримують діяльність по прийняттю рішень.
DSS-система - це інтерактивна комп'ютерна система, призначена для допомоги особі, що приймає рішення, у використанні зв'язків, даних, документів, знань і моделей для ідентифікації й рішення проблем і формування рішень.
DSS-система повинна допомагати особі, що приймає рішення, у рішенні непрограмувальних, неструктурованих (або напівструктурованих) проблем; DSS-система повинна пропонувати можливості формування інтерактивних запитів у природній мові, близькій до предметного й легко досліджуваному.
DSS-система допомагає менеджерові або особі, що приймає рішення, використати й маніпулювати даними, використати перевірки й евристики, а також будувати й використати математичні моделі.
У деяких визначеннях згадується можливість: включення до складу DSS-системи функціональних можливостей штучного інтелекту.
Існує зв'язне поняття — Business Intelligence Tools (інструментальні засоби бізнесу-інтелекту) — програмне забезпечення, що дає можливість користувачам спостерігати й використовувати великі об'єми складних даних.
Виділяють три типи таких інструментальних засобів:
Засоби багатомірного аналізу - також відомі як OLАР (On-Line Analytical Processing) - програмне забезпечення, що дає користувачеві можливість спостерігати дані в різних вимірах, напрямках або перетинах.
Інструментальні засоби запитів (Query Tools) - програмне забезпечення, що дозволяє формувати запити до даних по змісту або зразку.
Інструментальні засоби пошуку даних (Data Mining Tools) - програмне забезпечення, що здійснює автоматичний пошук важливих зразків (моделей), або залежностей у даних.