5526

93

ароматических соединений. Наиболее ценны соки, которые изготавливают из плодов вместе с мякотью (абрикосовый, персиковый, сливовый, томатный и др.). В таких соках, кроме других полезных веществ сохраняются клетчатка и пектиновые вещества, стимулирующие работу кишечника.

Так, в капустном соке содержится большое количество биологически активных веществ: витаминов С, В1, В2, В3, В6, К, РР, U, фолиевой и пантотеновой кислот, каротина и минеральных веществ (фосфора, марганца, железа, калия), органических кислот, фитонцидов. Соли калия, которые находятся в капусте, улучшают обмен веществ, положительно влияют на работу сердечной мышцы. Сок тыквы содержит витамины В1, В2, В5, Е, А, РР, С, большое количество пектина и каротина, используется при отеках, связанных с сердечно-сосудистыми заболеваниями, при гипертонии, атеросклерозе. Наличие активного железа делает его полезным при малокровии. В морковном соке ценным является высокое содержание каротина (провитамина А), что способствует активации окислительно-восстановительных процессов, повышает защитные функции организма, обладает способностью растворять камни, улучшает пищеварение, сердечную деятельность. Сок калины богат дубильными веществами, органическими кислотами, пектиновыми веществами, а также содержит йод, медь, фитонциды, имеет сосудорасширяющее, противовоспалительное, ранозаживляющее, желчегонное, и общеукрепляющее действие. Малиновый сок рекомендуют употреблять при болях в желудке, гастритах, воспалении кишечника, желудочно-кишечном кровотечении. Яблочный сок обладает С- и Р-витаминной активностью, является хорошим источником минеральных солей. В нем обнаружены 28 микроэлементов, среди которых - медь, марганец, кобальт, цинк, никель и др. Его применяют при атеросклерозе, болезнях почек, печени, почечнокаменной болезни. Пектин яблочного сока с мякотью оказывает нормализующее действие на желудочно-кишечный тракт. Гранатовый сок снижает кровяное давление, оказывает спазмолитическое действие.

Целью наших исследований ассортимента и качества соков стала оценка их безопасности и соответствия нормативным требованиям.

Наиболее распространены на рынке 8−10 наименований, из которых на анализ нами были взяты 8 наименований, отобранных в магазине «Три толстяка» (южный микрорайон): «Caprice» яблочный, ООО «Нидан-Гросс» (Московская обл., г.Котельники); «100% GOLD» яблочный (ОАО «Раменский молочный комбинат», «Вимм-Билль-Даннтм», Московская обл.); «Добрый» яблочный (ЗАО «Мултон», г.СПб); «Фруктовый Сад» яблочный (ОАО «Лебедянский», Липецкая обл., г. Лебедянь); «Добрый» апельсиновый (ЗАО «Мултон», г.СПб); «Caprice» апельсиновый, «ООО СП Нидан-Экофрукт» (г.Новосибирск); «Фруктовый Сад» апельсиновый (ОАО «Лебедянский», Липецкая обл., г. Лебедянь); «Моя семья» апельсиновый («ООО СП Нидан-Экофрукт», г.Новосибирск).

По органолептической экспертизе, проведённой нами в группе студентов, лучшими признаны апельсиновый сок «Caprice» и яблочные соки «Caprice» и «100% GOLD», которые были оценены в 24 балла. Их вкус достаточно полный, насыщенный, ярко выраженный. Посредственные вкусовые оценки получили апельсиновый и яблочный соки, торговой марки «Фруктовый сад». Их оценка составила 18 баллов из-за их негармоничного, излишне кисловатого и пустого вкуса и недостаточно выраженного аромата.

Органолептические показатели качества соков определяются их химическим составом. В исследуемых соках титруемая кислотность и содержание сухих веществ были в пределах установленных норм, однако это не всегда указывает на их хорошее качество. Нами установлено, что только 4 образца из 8 («Caprice», яблочный, «100%

94

GOLD», яблочный, «Добрый», яблочный, «Caprice», апельсиновый) являются натуральными, а 3 из них получили максимальный балл. В состав их входят только концентрированный сок и вода. Остальные же образцы в своем составе содержат также сахарный сироп и лимонную кислоту, за счёт чего физико-химические показатели становятся соответствующими требованиям нормативов.

Таким образом, необходимо сделать акцент, во-первых, на поддержке отечественного производителя, так как у нас есть все предпосылки для производства качественного продукта; во-вторых, для предотвращения качественной фальсификации, следует производить натуральные соки без добавления иных компонентов, кроме концентрированного сока и воды.

М.В. Носковец,

студентка 4 курса (гр. ИСЭ-41) научный руководитель С.И. Рябухин, доцент кафедры информационных систем в экономике

ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ЗАДАЧ АНАЛИТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ В СОВРЕМЕННЫХ

ПРИКЛАДНЫХ ИНФОРМАЦИОННЫХ СИСТЕМАХ МАРКЕТИНГА

В настоящее время прикладные информационные системы позиционируются как поставщики строго определённых видов информационного обслуживания (сервиса). Виды сервиса имеют чётко очерченные границы в виде стандартных моделей (MPR,MPRII,CRP,ERP,ERPII,CSRP) информационных систем для соответствующего способа производства, однако, с одной стороны, модели носят рекомендательный характер, с другой – не определяют механизма реализации сервиса. При этом тенденции развития современных способов производства характеризуются не только весьма большими, постоянно растущими объёмами информации, но и требованиями обработки информации в реальном режиме времени.

Рассмотрим краткую предысторию развития систем аналитической обработки информации и данных. Механизмы аналитической обработки информации в виде математического аппарата реализованы человечеством сравнительно давно (XVII в.). Механизмы аналитической обработки данных в реальном времени в виде прикладных программно-аппаратных систем реализованы сравнительно недавно (СССР, середина XX в., системы наведения в ракетных комплексах). Алгоритмы обработки данных в отложенном режиме времени в виде программных комплексов для персональных ЭВМ и предназначенных для массового использования, появились в 1980−2000 годах. И лишь только в настоящее время появились алгоритмы аналитической обработки данных, работающие в реальном режиме времени и встроенные в прикладные информационные системы в качестве сервиса.

Как математический аппарат аналитической обработки данных (АОД), так и его программная реализация, с одной стороны, не должны, не носят и не могут носить какого-либо узконаправленного прикладного характера. С другой стороны, программно-математическая модель будет тем точнее, чем больше будет приближаться к своей узко-предметной области посредством использования ранее полученных типовых отраслевых решений (функциональных зависимостей в виде таблиц; функций распределения; регрессионных моделей и их коэффициентов и т.д.). Тем не менее для пользователя весь механизм остаётся «за кадром», и пользователь подчас не отдаёт себе отчёта в том, какая именно математическая модель используется при решении его задач и считает полученное решение уникальным относительно своей предметной

95

области. Такое мнение имеет место среди пользователей по различным причинам, например: форма представления результатов анализа данных; этап подключения алгоритмов обработки данных в зависимости от задач пользователя; разновидность обрабатываемых исходных данных; кто является получателем и потребителем результатов анализа данных и так далее. Именно это, можно сказать «заблуждение» потребителей, и используется производителями в маркетинговых целях при формировании метрик оценки качества прикладных информационных систем. При этом алгоритмы реализации аппарата аналитической обработки данных могут не разглашаться по причине соблюдения авторской тайны или иных причин. В настоящем докладе предлагается анализ некоторых прикладных информационных систем с точки зрения использования в них тех или иных аппаратов аналитической обработки данных.

Определим класс задач, решение которых приводит к необходимости применения механизмов аналитической обработки данных:

неструктурированные и слабоструктурированные многокритериальные задачи, которым присуща сложность, неясность предпочтений, нечёткость исходной информации;

задачи предварительного анализа; задачи прогнозирования развития ситуаций; задачи имитационного моделирования;

задачи отбора наиболее перспективных альтернативных решений; задачи оптимизации.

Конкретизируя эти задачи относительно маркетинга, можно выделить: установление цен на продукты и услуги; анализ прибыльности; анализ продаж и тенденций;

планирование нового продукта, услуги и рынка и т. д.

Выбор той или иной модели АОД во многом определяется типом решаемой задачи (а также сферой деятельности предприятия, характеристиками среды и т.д.). Например, для выработки рекомендаций применяется нечёткая продукционная или семантическая база знаний с механизмами логического вывода; для решения задач прогнозирования возможно использование, помимо динамических имитационных моделей, нечётких сетевых моделей имитации либо нейронных сетей; для определения факторов, влияющих в наибольшей степени на определённый атрибут, решения задач классификации, регрессии, выявления взаимосвязей используют деревья решений; для прогнозирования значений временных последовательностей – временные ряды; для углубленного анализа данных (определения взаимосвязей атрибутов, классификации, прогноза) применимы байесовские сети.

Рассмотрим описанные выше задачи с точки зрения практического применения в маркетинге и системах для электронной коммерции.

Поддержка решений в маркетинге. Многие действия при управлении маркетингом поддерживаются информационными системами (рисунок 1).

Основной задачей маркетинговой информационной системы (МИС) является преобразование имеющейся информации о состоянии объекта маркетинга, о процессах, протекающих в среде маркетинга, в форму, необходимую и воспринимаемую лицом принимающим решение, которая позволяет ему оценить состояние объекта маркетинга, оценить развитие ситуации, смоделировать её изменение.

В основе процедур преобразования информации лежат специальные правила преобразования информации или, иначе говоря, модели принятия маркетинговых решений в МИС, которые определяют процедуры оценки качества исходной информации и построения на её основе заключений об объекте маркетинга.

96

Пользователь

Рисунок 1 – Поддержка решений в маркетинге Все модели принятия маркетинговых решений можно разделить на:

-модели с динамической интерпретацией, которые меняют свою конфигурацию исходя из некоторых начальных условий. К таким моделям можно отнести модели, позволяющие оценивать (моделировать) синхронные и асинхронные динамические процессы. Достоинство этого класса моделей заключается в том, что они позволяют моделировать (и/или отображать) различные процессы, производить выбор решений из ранее определённого списка;

-модели аналитического типа. К данному классу можно отнести модели, которые на основании аналитических или эвристических методов производят оценку объекта маркетинга в пространстве многих критериев оценки, интерпретацию полученных оценок на основании установленных шкал оценок и формирование множества необходимых воздействий на объект. К достоинству этого класса моделей можно отнести их относительную гибкость, которая позволяет изменять состав множества критериев оценки (доля рынка, ёмкость рынка, уровень конкуренции, имидж фирмы, привлекательность рынка и т.д.), а также учитывать изменяющуюся систему приоритетов принятия решений.

Для повышения эффективности систем управления маркетингом всё больше используют интеллектуальный анализ данных и CRM – технологии.

CRM-технологии в управлении маркетингом.

В теории маркетинга рассматривается концепция ориентированности на продажи и концепция маркетинга. Они сводятся к тому, что фирма должна вести агрессивную политику продаж, постоянно изучать нужды и потребности целевых рынков и удовлетворять их на более высоком уровне, чем конкуренты. Эти концепции на современном этапе развития бизнеса пользуются наибольшей популярностью. Наиболее прогрессивной тенденцией на данный момент является кастомизация − маркетинговая политика, при которой фирма как бы пытается определить нужды каждого клиента, его индивидуальные предпочтения и предложить ему уникальный продукт.

97

Принцип кастомизации лежит в основе CRM-систем. CRM-система – система анализа различных данных, относящихся как к самому клиенту, так и к деятельности фирмы. Система осуществляет поиск закономерностей в этих данных для выработки наиболее эффективной стратегии маркетинга, продаж, обслуживания клиентов и т. д.

Для решения этих задач системе требуется: хорошая интеграция подсистем;

большой объём наработанных статистических данных; эффективный аналитический инструментарий;

интеграция с другими системами, автоматизирующими деятельность предприятия.

В настоящее время в России практически нет разработчиков полноценных CRMсистем. Большая часть CRM-систем являются решениями западных компаний, оптимизированными разработчиками или их российскими партнёрами для соответствия российским стандартам. Необходимо отметить, что CRM-системы требуют значительно меньшей доработки, чем ERP-приложения, в которых нужно учитывать законодательство по бухгалтерскому, финансовому и хозяйственному учёту. CRMсистемы относительно легко локализировать в любой стране: основную часть оптимизации составляет перевод. В таблице 1 представлен обзор имеющихся на рынке CRM-решений, в которой в качестве критериев для сравнения приведены следующие аспекты:

1.Разработчик/Дилер указывает на авторство продаваемого продукта. «Д» - дилер, непосредственно производитель указан в столбце продукт; «Р» – разработчик, компания продает продукт собственной разработки.

2.ASP - возможность работать по модели Application Service Provider. Аренда приложений (Application Service Provider - поставщик служб приложений) – услуга не новая, но в настоящее время вновь приобретающая всё большую популярность, как среди мелких и средних компаний, так и в кругу крупных предприятий. Модель ASP позволяет клиентам не покупать, а брать в аренду бизнес - приложения, что позволяет существенно снизить затраты на программное обеспечение.

3.PDA - поддержка мобильных устройств.

4.Contact Management − ведение расширенной записи по каждому контакту, отдельный профайл по каждому клиенту, ведение историй контактов, организационные диаграммы и возможность собирать клиентов в различные группы.

5.Account Management − ведение информации по контрагентам (в том числе − клиентам, партнерам, агентам, конкурентам). Вся информация, включая историю взаимоотношений, планируемые/реализованные сделки, контракты, финансовые/бухгалтерские данные и др.

6.Sales Management − максимум информации и возможностей, связанных непосредственно с продажей: циклы, статистика, территориальная привязка, генерация отчетов, история продаж и т.д. Взгляд на продажи как на процесс с делением его на стадии и шаги позволяет осуществлять прогнозирование и эффективно управлять продажами.

7.Time Management − модуль, помогающий скоординировать работу всех подразделений во времени: календарь, перечень задач, также различные модули сопряжения с факсом, электронной почтой и др. средствами связи.

8.Customer Service − интерактивная поддержка клиентов (Интернет, виртуальные частные сети), возможность клиентам самим получить необходимую информацию,

98

планирование работ с клиентами, статистика обращений, генерация отчётов, учёт временных затрат специалистов, возможность оценки стоимости поддержки.

9.Field Force Automation − возможности групповой работы с клиентами, разделёнными по региональным, отраслевым и другим признакам, совместной работы территориально удаленных подразделений.

10.Telemarketing/Telesales − интеграция с call-center, ведению статистики, записи стандартных вопросов и ответов и использования других возможностей средств коммуникаций с клиентами через электронную почту, IP-телефонию.

11.Marketing − модуль статистики, планирование и ведение различных маркетинговых акций, контроль отдачи и расчёт эффективности, моделирование, вспомогательный (учебный) материал, сегментация потребителей и другое.

12.Lead Management − управление отношениями с потенциальными клиентами: сбор первоначальной информации, распределение контактов между сотрудниками сбытовых подразделений, отслеживание эффективности источников контактов.

13.Partnership Relations Management (PRM) − управление отношениями с партнёрами.

14.Knowledge Management − управление знаниями, сбор всей необходимой справочной информации (карты, отраслевая информация, аналитические материалы, статистика) для работы компании, создание отдельных новостных разделов (например, для менеджеров которые ведут ТЭК, перерабатывающей промышленности), интеграция

систочниками в Интернет, мощные поисковые средства.

15.e-Business − модуль, отвечающий за веб-часть CRM, куда могут входить вебсайт компании, интернет-магазин, взаимодействие с клиентами через Интернет и др.

16.Business Intelligence − наличие автоматических возможностей по контролю и эскалации проблем, совершению упреждающих действий, генерация индивидуальных отчётов и отчётов по шаблонам, планирование, моделирование.

17.User Support - встроенная поддержка пользователя, подсказки, справка.

Кроме того, таблица содержит следующие условные обозначения:

1– возможности нет, но можно сделать;

2– да (кроме CTI – Communications Technology Innovations);

3– частично;

4– всего 28 языков, русский – в перспективе;

5– частично;

6– английский. Другие – встроенная возможность локализации.

99

Таблица 1 – Рынок СRМ

100

С концепцией кастомизации и применением CRM-систем неразрывно связано понятие «Database Marketing» – маркетинговая деятельность на основе баз данных. В свою очередь, применяемые в «Database Marketing» CRM-системы сложно представить на сегодняшний день без использования технологий интеллектуального анализа данных (ИАД) – «Data Mining». ИАД – это процесс поддержки решений, основанный на поиске в данных скрытых закономерностей.

Конечной целью применения «Data Mining» в «Database Marketing» является формирование маркетинговой стратегии предприятия с минимальным участием самого эксперта. По сути, его функции сводятся к определению желаемой цели и последующему контролю машинного анализа. Процесс применения «Data Mining» менеджером «Database Marketing» в общих чертах состоит из следующих этапов:

1.Формулирование вопроса, на который необходимо получить ответ.

2.Построение модели, которая определяет, как от независимых переменных зависит выбранная целевая переменная.

3.Статистическое тестирование этой модели на известных данных.

4.Повторение шагов 2-3 пока не достигается желаемая точность предсказания.

5.Построение маркетинговой стратегии, основанной на полученной модели. eCRM - системы для электронной коммерции. Очень популярным на сегодняшний

момент направлением CRM-сиcтем являются CRM-системы для электронной коммерции (eCRM). Так как все современные системы CRM, независимо от того, в какой сфере бизнеса они задействованы, так или иначе используют интернеттехнологии, то очень часто разработчики CRM-систем прибавляют к названию своих продуктов букву «е», но эти CRM-системы никакого отношения к электронному бизнесу не имеют. Настоящие eCRM-системы обладают всеми функциями обычных CRM-систем, и они полностью интегрируются с web-сайтом компании: вся информация с сайта попадает в систему eCRM. Причём сама система может определять построение сайта и эффективно обслуживать каждого клиента в процессе интернетпокупки или оказания интернет-услуги.

eCRM-система может быть интегрирована отдельным модулем в основную систему CRM, если компания, помимо своей основной деятельности, ведёт свой бизнес в Internet. Наиболее популярным видом CRM-систем в электронной коммерции являются системы eCRM для интернет-магазинов (на этом рынке присутствует огромное количество разработчиков eCRM-систем).

Выводы. Цель исследования состоит в выработке практических рекомендаций по выбору интеллектуальной ИС для конкретной компании, занимающейся маркетингом.

В работе поставлены и решены следующие задачи:

1.Выделен специфический класс задач, для решения которых целесообразно использовать ИАС.

2.Конкретизированы задачи аналитической обработки данных, применяемые в маркетинге.

3.Определены возможности наиболее распространённых на рынке интеллектуальных аналитических систем по реализации поставленных задач.

101

B.C. Окладников, А.В. Милютин, cтуденты 4 курса (гр. УАВД-42)

научный руководитель B.C. Сандалов, старший преподаватель кафедры информационных технологий

МЯГКИЕ ВЫЧИСЛЕНИЯ

Гораздо менее заметной, но потенциально столь же или даже более важной, чем информационная революция, является революция в области интеллектуальных систем. Артефактами этой революции являются созданные человеком системы, которые обладают способностями рассуждать, учиться на своём или чужом опыте и принимать разумные решения без человеческого вмешательства.

Трудности построения систем, которые могли бы имитировать человеческие рассуждения и познавательные способности, оказались более существенными, чем предполагалось ранее. Даже сегодня, имея в распоряжении широкий набор мощных средств, мы всё ещё не способны построить машины, которые могли бы делать то, что многие дети делают с легкостью. Например, машины, понимающие сказки, или способные распознать и соответственно очистить фрукт или овощ или есть пищу ножом и вилкой.

В1970 г. Л. Заде был создан новый метод вычислительной математики − нечёткая логика, который оперировал понятиями «лингвистическая переменная», «нечёткое множество», «базовая шкала». Введённые понятия и соответствующие операции позволили описывать объекты и их взаимодействие в предметной области качественными показателями типа «высокий», «медленно» и т.п. Подход был поддержан аппаратными средствами (нечеткими процессорами) который в ряде проблемных областей стал более эффективным, чем классические методы.

Термин «мягкие вычисления» введён Л. Заде в 1994 году. Это понятие объединяет такие области, как нечёткая логика, нейронные сети, вероятностные рассуждения, сети доверия и эволюционные алгоритмы; которые дополняют друг друга и используются в различных комбинациях или самостоятельно для создания гибридных интеллектуальных систем. Поэтому создание систем работающих с неопределенностью, надо понимать как составную часть «мягких» вычислений.

Вмягких вычислениях весьма важно то, что составляющие их методологии являются в большей степени синергетическими и взаимодополняющими, чем соперничающими.

Важной характеристикой нечёткой логики является то, что любая теория Т может быть фаззифицирована (переходит к неточности) и, следовательно, обобщена путём замены понятия чёткого множества в Т понятием нечеткого множества. Таким способом можно прийти к нечеткой арифметике, нечёткой топологии, нечёткой теории вероятностей, нечёткому управлению, нечёткому анализу решений. Выигрышем от фаззификации является большая общность и лучшее соответствие модели действительности. Однако с нечёткими числами труднее оперировать, чем с чёткими числами. Более того, значения большинства нечётких понятий зависят от контекста и/или приложения. Это та цена, которую необходимо заплатить за лучшее согласие с реальностью.

Диапазон применения нечёткой логики очень широк − от бытовых приборов до управления сложными промышленными процессами. Многие современные задачи управления просто не могут быть решены классическими детерминированными методами из-за сложности задач и математических моделей, неполноты и даже недостоверности информации.

102

О.Е. Смирнова, Н.Н. Губаренко,

студенты 4 курса (гр. Э-42) научный руководитель В.Л. Бутуханов, д-р химич. наук, профессор, завкафедрой естественнонаучных дисциплин

ПРИМЕНЕНИЕ УПАКОВОЧНЫХ МАТЕРИАЛОВ ДЛЯ ПРОДУКТОВ ПИТАНИЯ, ИХ УТИЛИЗАЦИЯ

Сегодня трудно переоценить значение тароупаковочных средств для решения проблемы сокращения потерь и сохранения пищевой продукции. По оценкам специалистов, одним из приоритетных направлений развития науки и техники на ближайшее десятилетие является технология тары и упаковки. Упаковка - не только важнейшая составляющая производства и реализации товаров, но и образ жизни, показатель развития общества. Ведь хорошая упаковка не только защищает товар при транспортировании и хранении, но и является немаловажной частью продвижения продукции на рынке, формирует её имидж.

В последние годы как в нашей стране, так и за рубежом возрастает требование обеспечения «экологической безопасности» упаковочных материалов. Реализация этого требования в отношении тары и упаковки пищевой продукции может осуществляться как за счёт создания новых и модификации существующих полимерных материалов, в частности использования для защиты пищи природных естественно возобновляемых полимеров (например, производные целлюлозы), так и за счёт рационального использования (уменьшение массы упаковки, разработки многоразовой упаковки), потребления и утилизации полимерных упаковок.

Чем больше разнообразие упаковочных материалов, тем сложнее организовать программы вторичного использования и переработки, и поэтому в настоящее время проблемой международного значения является утилизация упаковочных материалов.

Исходя из этого, целью нашей работы является изучение ассортимента упаковочных материалов, их применение для упаковки продуктов питания, а также проблемы утилизации. Для проведения данной работы были использованы следующие методы: 1) сравнение; 2) анализ и синтез. Приведем аспекты, которые обозначают сложившуюся ситуацию как актуальную проблему:

-объём твёрдых бытовых отходов непрерывно возрастает как в абсолютных величинах, так и на душу населения;

-состав твёрдых бытовых отходов резко усложняется, включая в себя всё большее количество экологически опасных компонентов;

-отношение населения: пугающая двойственность (полное безразличие или отрицательное отношение к традиционным методам сваливания мусора на свалки);

-законы, ужесточающие правила обращения с отходами, не принимаются на всех уровнях правительства;

-новые технологии, преимущественно приходящие с Запада, для предпринимателя слишком дороги.

По проведённой работе можно сделать следующие выводы: в настоящее время применение упаковочных материалов – незаменимый элемент жизнедеятельности человека; существует большое количество разновидностей упаковочных материалов, способных удовлетворить любую в них потребность. Но в то же время упаковочные материалы не являются безопасными для окружающей среды, что приводит к необходимости поиска всевозможных вариантов утилизации твердых бытовых отходов. Решением вопросов, касающихся этой проблемы, в основном занимаются местные городские власти. Но предотвратить сложившийся кризис утилизации отходов можно