Организация как система
Организация - это устойчивая формальная социальная структура, которая берет ресурсы из окружающей среды и обрабатывает их, чтобы произвести продукцию. Техническое представление сосредоточивается на трех элементах организации: капитал и рабочая сила - первичные факторы производства, окружённые внешней средой. Организация (фирма) преобразовывает их в изделия и услуги посредством производства. Изделия и услуги используются окружающей средой, которая поставляет дополнительный капитал и рабочую силу как входы в цепи обратной связи (рис.2.2). Организация более устойчива и долговечна, чем неформальная группа. Она имеет внутренние правила и процедуры, должна соблюдать законы. Организации - также социальные структуры, потому что они представляют собой собрание многих социальных элементов, так же, как машина, имеет структуру - определенное расположение клапанов, кулачков, валов и других частей.
Рис. 2.2. Техническое микроэкономическое представление организации
Более реалистическое поведенческое представление организации - то, что она является совокупностью прав, привилегий, обязательств и ответственностей, которые тщательно сбалансировались за какое-то время посредством конфликтов и разрешения противоречий (рис. 2.3). В этом поведенческом взгляде фирмы персонал, который работает в организации, совершенствует общепринятые способы работы, он приспосабливается к существующим связям и заключает соглашения с подчиненными и руководителями относительно того, как работа будет выполнена, сколько и на каких условиях.
Как эти представления организаций касаются информационных систем? Технический взгляд на организацию поощряет нас сосредоточиваться на способе, которым входы превращаются в выходы, когда технологические изменения внедряются в компанию. Фирма видится как бесконечно гибкая, с капиталом и рабочей силой, замещающими друг друга совершенно легко. Но более реалистическое поведенческое представление организации предполагает, что создание новых информационных систем или переоборудование старых влияет намного больше, чем техническая перестановка машин или рабочих, что некоторые информационные системы изменяют организационный баланс прав, привилегий, обязательств, ответственностей и чувств, который установился за длительный период времени.
Рис. 2.3. Поведенческое представление организации
Технологическое изменение требует изменений в том, кто обладает и управляет информацией, кто имеет право на доступ и модернизацию, кто принимает решения относительно кого, когда и как.
Технические и поведенческие представления организаций непротиворечивы. Техническое представление сообщает нам, как тысячи фирм в конкурентных рынках объединяют капитал, рабочую силу и информационные технологии, в то время как поведенческая модель позволяет видеть, как эта технология воздействует на внутреннюю работу организации.
Системы уровня знания
Системы уровня знания поддерживают работников знания и обработчиков данных в организации. Цель систем уровня знания состоит в том, чтобы помочь деловой фирме интегрировать новое знание в бизнес и помогать организации управлять потоком документов. Системы уровня знания, особенно в форме рабочих станций и офисных систем, сегодня являются наиболее быстрорастущими приложениями в бизнесе.
Классификация принимаемых управленческих решений по степени формализации информации.
Всю информацию, которую использует менеджер в принятии решений о деятельности фирмы, можно условно разделить на три категории:
формализованная;
частично формализованная;
неформализованная.
В зависимости от степени формализации информации определяются типы решений: структурированные, частично структурированные, неструктурированные. От этого зависит и степень участия в принятии решений компьютера и человека (см. гл. 2,8). Но даже в случае формализованных данных возникают некоторые трудности. Попробуем осмыслить суть этих проблем.
Формализованные данные
Если информация представлена в виде чисел, то, казалось бы, все достаточно просто: нужно ввести данные в компьютер, выбрать соответствующую программу, и пусть компьютер считает. Но нужных данных в чистом виде практически никогда не бывает.
Полезную информацию приходится вылавливать из громадного количества ненужной. Поэтому не случайно, что появившееся новое направление переработки данных в англоязычной литературе называется Data Mining, что означает переработку руды данных.
Полезная информация может быть настолько глубоко спрятана, что возникает опасность так называемых смещенных оценок, когда на исследуемый объект оказывал влияние совсем не тот фактор, на который обращалось внимание. Рассмотрим пример из медицинской области. Известно, что сердечно-сосудистые заболевания связаны с содержанием в организме человека холестерина, наличие которого зависит от количества потребляемых жиров. Но при проведении обследования в одном из небольших американских городов исследователи обнаружили, что население потребляет (по традиции своих европейских предков) больше жиров, чем среднестатистический американец, а сердечно-сосудистых заболеваний у них было значительно меньше. Тщательное обследование показало, что большее влияние на здоровье этих жителей оказывало отсутствие стрессов, присущих жителям крупных городов и оказывающих большее негативное влияние, чем жирная пища.
Информация часто бывает зашумлена, т.е. на исследуемый объект, помимо известных факторов, почти всегда действует ряд неизвестных. Классическим является часто приводимый пример из биологии. В процессе проведения эксперимента исследовалось влияние препарата на поведение подопытных крыс. Дозировка ежедневно менялась, и все условия тщательно фиксировались. В один из дней реакция далеко выходила за прогнозируемые пределы. При повторной проверке она не подтвердилась. И только после длительного расследования удалось установить, что в тот день реакция животных была обусловлена не дозой препарата, а тем, что лаборантка поссорилась со своим кавалером.
Ошибочные прогнозы очень часто встречаются не только в экономике, но и в политике, и в других областях. Не случайно, что у статистики, которая занимается обработкой данных, помимо классического определения "наука о наблюдениях", есть еще два полярных: "бог, который знает все" и "особая форма лжи". Истина где-то посередине, и хотелось бы, чтобы менеджер, с одной стороны, знал о возможностях статистической обработки данных, с другой стороны, понимал, что существует опасность ошибки.
Серьезной проблемой также считается выявление, какая именно информация является полезной.
При наличии достаточно достоверных формализованных данных появляется возможность применения оптимизационных методов нахождения решений с помощью компьютеров.
Частично формализованные данные
Часть информации изначально является неформализованной, но поддается формализации. Для того чтобы количественно оценить показатели внешнего окружения и самой фирмы, применяется система матричных методов, таких, как матрицы Boston Consulting Group, General Electric, Matrix Mix, Portfolio Analysis и др.
В этих случаях принятие решений осуществляется совместно человеком и компьютером. Вместо вычисления оптимального решения, как в случае формализованных данных, в данной ситуации компьютеры ведут себя скромнее. Они помогают найти ответ на вопросы типа "что, если?" с помощью системы поддержки принятия решений (СППР), а конечное решение принимает человек. Методы обработки данных и их формализации рассмотрим ниже в этой главе.
Неформализованная информация
Значительная часть информации является трудноформализуемой. Тем не менее такая информация также должна приниматься во внимание в процессе принятия решений. В этом случае тяжесть принятия решений еще в большей степени ложится на человека, чем на компьютер. Менеджер как блок принятия решений описан в главе 8.
Что представляет собой организационная структура предприятия, и ее основное назначение.
Организационная структура предприятия
Организационная структура предприятия – это форма разделения труда, закрепляющая определенные функции управления за структурными подразделениями различного уровня иерархии.
Организационная структура управления предприятием адекватна структуре самого предприятия и соответствует масштабам и функциональному назначению управляемых объектов. Крупные предприятия, специализирующиеся на производстве сложных и трудоемких видов продукции (например, автомобилей, самолетов, металлов, нефтепродуктом и др.) состоят, как правило, из десятков цехов, лабораторий и отделов. Для координации их деятельности создается сложная иерархическая структура управления.
Необходимость создания многозвенной системы управления часто обусловлена диверсификацией производства. Выпуск широкого ассортимента товаров, технологически не связанных между собой, нередко требует образования органов управления производством и сбытом по каждому виду продукции. Вместе с тем малые предприятия характеризуются наличием простейших организационных структур: руководитель - исполнитель. Организационная структура управления на предприятии строится по принципу подчинения нижестоящего органа вышестоящему. Например, руководители цеховой лаборатории или цеховой бухгалтерии подчиняются соответственно руководству центральной заводской лаборатории и главному бухгалтеру предприятия. Начальники цехов и отделов подчиняются или непосредственно директору, или одному из заместителей директора.
Суть управления состоит в сборе, переработке, хранении и выдаче информации в виде программ, планов, распоряжений, нормативов, заданий. Каждый из указанных документов содержит подробную информацию о том, что, когда и кому надлежит сделать, в каком объеме можно использовать те или иные ресурсы, от кого получить исходные материалы и кому передать готовый продукт. В них указываются права и обязанности исполнителей, устанавливаются необходимые технические, экономические и социальные ограничения, предусматривается контроль исполнения.
Внутренняя структура органов управления носит в основном ступенчатый характер, особенно на крупных и средних предприятиях.
Изменяющийся характер спроса и необходимость сохранения или расширения рыночной ниши требуют от организационных структур все большего динамизма. Все чаще приходится менять продукцию, расширять ассортимент, диверсифицировать производство. В этих условиях, прежде всего, изменяются материальные потоки и связи между производственными подразделениями, в более сложных условиях меняется состав и специализация элементов производственной структуры с соответствующим изменением связей. Развитие подобных процессов и явилось толчком к появлению проектного управления, матричных схем. В крупных фирмах преимущественно корпоративного типа практика промышленно развитых стран привела к переходу от линейно-функциональной схемы к дивизиональным структурам.
Применение технологии дерева решений при поиске информации
"Добыча данных" (Data Mining) использует ряд технологий (типа деревьев решений и нейронных сетей), чтобы искать или "добывать" маленькие "самородки" информации из крупных объемов данных, запасенных в базе данных организации. Добыча данных, которая иногда рассматривается как вспомогательный аппарат систем поддержки принятия решений, является особенно полезной, когда организация имеет большие объемы данных в базе. Понятие "добыча данных" не ново, хотя название стало популярным только в конце 1990 г. По крайней мере в течение двух десятилетий много больших организаций использовали внутренних или внешних аналитиков, часто называемых специалистами управления, пробуя распознавать тренды или создавать модели в больших массивах данных, используя методы статистики, математики и искусственного интеллекта. С развитием крупномасштабных баз данных и недорогих мощных процессоров возобновился интерес к тому, что названо в последние годы "добычей данных".
Наряду с возобновлением интереса появился ряд высокопроизводительных и относительно легких в использовании пакетов программ, добывающих коммерческие данные.
Какие методы решения или подходы используются при "добыче данных"? Фирма "KnowledgeSeeker" использует только одну технологию -дерево решений. Это структура в виде дерева, полученная из данных, чтобы представить наборы решений, приводящих к различным результатам. Когда создан новый набор решений в виде информации относительно частного покупателя, дерево решений предсказывает результат. Нейронные сети, область искусственного интеллекта, которые будут обсуждаться позже в этой главе, включены в пакеты программ Marksman, Intelligent Miner и Darwin (последние два также используют дерево решений). Другие популярные технологии включают правила предположений, извлечение из правил "если, то", основанные на статистическом значении; сортировку записей, основанных на наиболее близких им в базе данных; генетические алгоритмы, т.е. методы оптимизации, основанные на концепциях генетической комбинации, мутации и естественного выбора.
Конечно, менеджеру более важно то, что может быть выполнено с "добычей данных", чем использованные в технологии решения. Ниже даны типичные приложения обработки данных. Для бизнеса любого вида эти приложения хороши, если смогут увеличить прибыль организации. Большинство этих приложений сосредоточивается на извлечении ценной информации для клиентов.