Yuristy_magistry_statistika / моно_2012_Шуметов_Крюкова / Добавление / Статья_Шуметова_Сельсковой

6

В.Г. Шуметов, Т.В. Сельскова

ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИЕ ТЕХНОЛОГИИ В ПРИКЛАДНЫХ ЭКОНОМИЧЕСКИХ ИССЛЕДОВАНИЯХ

Г. Орел, Орловская региональная академия государственной службы

Г. Москва, Государственная академия специалистов инвестиционной сферы

В последние годы возрастает интерес к применению экономико-математических методов исследования социально-экономических явлений и процессов. В программы обучения студентов экономических специальностей в ряде высших учебных заведений введены учебные курсы «Экономико-математические методы в управлении», «Эконометрика», «Информационные технологии в экономике», «Компьютерное моделирование экономических процессов» и другие математические и «компьютерные» дисциплины [1]. Введение перечисленных дисциплин в учебные планы преследует цель устранить разрыв между потребностями практики управления и пока еще слабым теоретическим багажом менеджеров всех уровней.

Математическое моделирование как инструмент познания завоевывает все новые позиции в проектировании и исследовании новых и анализе свойств существующих систем, выборе и обосновании оптимальных условий их функционирования. В моделирование вводятся такие понятия, как риск, неопределенность, субъективная вероятность, имитация, траектория развития, бифуркация, катастрофа, нечеткий вывод, свертка, сценарий, полезность, отношение предпочтения, функция принадлежности, «мягкие» и «жесткие» модели и т.п. Наряду с дифференциальным исчислением и традиционными методами исследования операций – линейное программирование, теория очередей, расписаний, запасов, – в математическом инструментарии экономиста теперь не редко можно встретить методы теории матричных игр, теории полезности, многокритериальной оптимизации, а в случае стохастических моделей, помимо регрессионного анализа, используется полный «набор» многомерных статистических методов: кластерный, факторный, дискриминантный и другие виды анализа.

Успехи «проникновения» математических методов в теорию и практику управления социально-экономическими процессами во многом обязаны распространением персональных ЭВМ и появлением на российском рынке разнообразных программных продуктов с развитым графическим интерфейсом, что освобождает пользователя от зачастую непреодолимых трудностей вычислительного характера, а также освоения алгоритмических основ современных методов. Однако недостаточно иметь математический и программный инструментарий; не менее важно располагать и активно владеть соответствующими методиками решения типовых задач управления хозяйственными системами на различных уровнях в условиях риска и неопределенности, технологиями их использования. Эта задача приобретает особую актуальность в современный переходный период развития российской экономики. Конкуренция, динамичность изменения внутренних условий развития хозяйственных систем, а также внешнего окружения требуют своевременного анализа ситуации, принятия решений с учетом многочисленных факторов, как измеримых количественно, так и принципиально неизмеримых, оцениваемых лишь экспертными методами. Приобретают особое значение сценарные методы прогнозирования, требующие обращения к экспертной информации, экспертным знаниям. Переход к инновационному типу развития хозяйственных систем как наиболее реальный вариант социально-экономического прогресса российского общества приводит к росту риска и одновременно повышает неопределенность при подготовке и принятии стратегических и тактических инновационных решений.

В Орловской региональной академии государственной службы на протяжении ряда лет проводятся исследования в области теории, методологии и практики разработки моделей и механизмов управления развитием хозяйственных систем на основе метода аналитических иерархий (МАИ). Этот метод, разработанный известным американским математиком Т. Саати в 70-е годы прошедшего столетия, относится к группе методов экспертных оценок и предназначен для сравнения фиксированного числа заданных альтернатив [2]. Метод является эффективным приемом решения задач выбора решений, когда критерии выбора не могут быть измерены в количественной форме, и экспертам предлагается решать отдельные задачи парного сравнения критериев и альтернатив. Прямое назначение метода – совместная работа группы экспертов, объединенных единой целью, по согласованию мнений, зачастую противоречивых, по определенной проблеме. Метод анализа иерархий позволяет группе экспертов взаимодействовать по обсуждаемой проблеме и объединять групповые суждения по принципу консенсуса. Сторонников МАИ привлекает как идея декомпозиции сложной задачи многокритериальной оптимизации в условиях неопределенности в виде многоуровневой иерархии, так и его математическая сторона, основанная на усреднении оценок отношений парного предпочтения элементов иерархических уровней, определении меры согласованности оценок и синтезе получаемых результатов.

С гносеологических позиций можно говорить о двух типах иерархических моделей: 1) концептуальной, представляющей собой иерархическую структуру проблемы с учетом ситуации; 2) информационной, получаемой в результате «наполнения» концептуальной модели экспертными знаниями.

В простейшем варианте концептуальная модель проблемы включает три иерархических уровня: фокус (цель) иерархии, систему оценочных критериев на следующем иерархическом уровне и альтернативы управленческого решения, составляющие нижний уровень иерархии. Интеграция мнений экспертов на стадии создания концептуальной модели носит коллективный характер и процесс подобной интеграции осуществляется неформальным путем, в то время как интеграция оценок экспертов на стадии создания информационной модели может и должна быть формализована. Эта задача решается с помощью компьютерной системы поддержки принятия решений (СППР) Expert Decide, основанной на алгоритмах метода анализа иерархий, которая фактически выполняет роль интерактивной экспертной системы. Expert Decide, наряду с реализацией расчетных и графических функций в автоматическом режиме, выполняет некоторые аналитические функции, предоставляя эксперту возможность оперативного просмотра результатов, полученных другими экспертами, оценки степени их близости или же, напротив, различия [3]. В случае значительного расхождения мнения экспертов уже нельзя говорить об интеграции экспертных оценок. Здесь продуктивнее иной подход: использовать отклонения для анализа вызывающих их причин. В этих случаях следует применять методы многомерного статистического анализа, что позволяет выполнить глубокую аналитическую обработку экспертных оценок [4].

По результатам исследований опубликованы монографии [5–8], в которых выполнено теоретическое и эмпирическое обоснование иерархических моделей для различных практических приложений, отражающее накопленный опыт в использовании МАИ. Особенностями приведенных в этих работах моделей является учет не только экономических, но и социальных, экологических и других принципиально неизмеримых факторов, введение в анализ действующих сил (акторов), их целей и политик.

Данное направление исследований находит развитие в других организациях. В Орловском государственном университете проводятся работы по совершенствованию математических основ метода анализа иерархий, в Московском государственном университете дизайна и технологий – по применению экспертных методов при решении задач в области технологии легкой промышленности, во Владивостокском государственном университете экономики и сервиса – по оптимизации систем управления информационными ресурсами в корпоративных экономических объектах и анализу их эффективности, в Государственной академии специалистов инвестиционной сферы – по формированию инвестиционных программ на региональном и муниципальном уровнях.

В настоящее время круг методов моделирования процессов слабо организованных систем, которыми являются социально-экономические объекты, расширяется за счет применения нейросетевых технологий. Пока сделаны лишь первые шаги в данном направлении [9], однако уже сейчас можно говорить о высокой эффективности их применения в самых разнообразных областях. Надеемся, что данная публикация инициирует применение математических методов моделирования и программных средств их поддержки широкими кругами специалистов, аспирантов и студентов при решении прикладных задач в экономике и управлении.

ЛИТЕРАТУРА

1. Шуметов В.Г., Филонов А.Г., Дьяченко С.А. Информационные технологии преподавания математических дисциплин в гуманитарном вузе // Функциональные пространства. Дифференциальные операторы. Проблемы математического образования. Тезисы докл. II Межд. конф., посвященной 80-летию Л.Д. Кудрявцева. – М.: Физматлит, 2003. – С.354-356.

2. Саати Т. Принятие решений. Метод анализа иерархий. – М.: Радио и связь, 1993.

3. Кузнецов А.И., Шуметов В.Г. Expert Decide для Windows 95, 98, NT, 2000, Ме. Версия 2.2. Руководство пользователя. – Орел: ОРАГС, 2001.

4. Шуметов В.Г. Анализ данных в управлении. Том 1. Введение в анализ данных. – Орел: ОРАГС, 2004.

5. Теория и практика принятия решений в экономике и управлении экспертными методами / В.А. Иванов, В.Г. Шуметов, Ф.Г. Милых и др. – М.: МГУДТ, 2003.

6. Модели и механизмы управления развитием хозяйственных систем на основе экспертной информации / А.Ф. Мартынов, Ф.Г. Милых, А.А. Свалов, В.Г. Шуметов. Под общ. ред. В.Г. Шуметова. – Орел: ОГАУ, 2003.

7. Шуметов В.Г., Секерин А.Б., Гудов В.А. Инновационный менеджмент на основе экспертных знаний. – Орел: ОРАГС, 2004.

8. Шуметов В.Г. Управление инновационным процессом в хозяйственной системе на основе современных информационных технологий / Под общ. ред. А.Ю. Егорова. – М.: Изд-во «Палеотип», 2004.

9. Секерин А.Б., Шуметов В.Г., Гудов В.А. Нейросетевое моделирование риска производственного предприятия // Материалы Всерос. н.-практ. конф. «Электронный бизнес: опыт и перспективы – 2003». – Воронеж: ВГУ, 2003. – С.46-54.