доц., к.е.н. Фадєєва І.Г.

Івано-Франківський національний технічний університет нафти і газу

Концептуальні засади автоматизованого аналітичного управління бізнес-процесами

        Розроблення концептуальних основ автоматизованого аналітичного управління бізнес-процесами в нафтовій і газовій промисловості є актуальною науково-практичною задачею у зв’язку з широким впровадженням у галузі інтелектуальних технологій управління: методів нечіткої логіки, штучних нейронних мереж, генетичних алгоритмів тощо. Вирішенням проблеми автоматизованого аналітичного управління бізнес-процесами базується на цілому ряді нових рішень, які об’єднали перспективні ідеї в області комп’ютерної математики,  систем зберігання, оброблення і візуалізації даних в рамках загального напрямку – аналітичних  інформаційних технологій (АІТ) [1]. Вони лежать в основі нового типу автоматизованого управління бізнес-процесами – аналітичного.

         Суттєвою перевагою аналітичного управління бізнес-процесами є поєднання оперативних управлінських рішень, що формуються посадовими особами на базі даних online-моніторингу виробничої ситуації, з результатами глибокого кількісного аналізу ретроспективних економічних даних, який реалізується засобами інтелектуального аналізу даних – Data Mining.

         Проте, аналіз літературних джерел [1-4 та ін.] показує недостатній об’єм проведених досліджень у напрямку автоматизованого аналітичного управління бізнес-процесами.

         Тому метою даної роботи є формулювання концептуальних основ автоматизованого аналітичного управління бізнес-процесами на базі сучасних інформаційних технологій на оперативному рівні управління процесом формування витрат підприємства і на рівні управління підприємством. Сучасний підхід до автоматизованого аналітичного управління бізнес-процесами передбачає створення відповідного алгоритмічного забезпечення з урахуванням взаємозв’язків з питаннями розвитку інформаційних технологій. Це означає перехід до якісного об’єднання різнорідних технологій, який дозволяє здійснити розробку відповідних алгоритмів з урахуванням можливої модифікації і розвитку відповідних систем зберігання і переробки інформації. Отже,  аналітична система управління бізнес-процесами має бути зорієнтована на вирішення задач створення керувальних дій на базі комплексного аналізу процесу формування витрат, виробничих ситуацій і прогнозування їх розвитку в інтересах формування і реалізації оптимальних режимів управління бізнес-процесом.

         В цьому напрямку АІТ має містити декілька нових інформаційних і математичних технологій, як це наведено на рис.1

 

 

 


Рисунок 1 – Головні компоненти автоматизованої системи аналітичного управління бізнес-процесами

         Блок OLAP – on-line analytical processing – реалізує оперативний аналіз поточної ситуації, її співставлення з даними ретроспективного економічного аналізу в рамках аналітичної інформаційної технології (АІТ).

         Блок Data Mining  (DM) (КDD) – knowledge discovery in datalases являє собою новітній напрямок в області інформаційних технологій, який орієнтований на вирішення задач підтримки прийняття управлінських рішень на базі кількісних і якісних досліджень дуже великих масивів різнорідних ретроспективних економічних даних.

         Оперативний аналіз поточної ситуації та її порівняння з даними ретроспективного аналізу в системі АІТ здійснюється засобами on-line analytical processing (OLAP). Для більш глибокого розуміння бізнес-процесів потрібне проведення відповідних аналітичних досліджень, які ґрунтуються на застосуванні складних математичних засобів аналізу багатомірних ситуацій, прогнозування їх розвитку і вироблення оптимізуючих рекомендацій. Для вирішення цих задач використовуються програмні і алгоритмічні засоби  Data Mining  (DM), які забезпечують інтелектуальний аналіз даних.

         Математичний інструментарій DМ містить статистичні методи (дескриптивний аналіз і опис вихідних даних, аналіз зв’язків, багатомірний статистичний аналіз, аналіз часових рядів) і кібернетичні методи (штучні нейронні мережі, еволюційне моделювання, генетичні алгоритми, асоціативну пам’ять, нечітку логіку, дерево рішень, системи обробки експертних знань).

         Розроблені концептуальні засади автоматизованого аналітичного управління бізнес-процесами ґрунтуються на принципах побудови АІТ, поданих на рис. 2.

                                            

 

 

 

 

 

 

 

 

 

 

 

Рисунок 2 - Принципи побудови  автоматизованого аналітичного управління бізнес-процесами

Перераховані системні принципи створюють спільну методологічну платформу, яка дозволяє виділити автоматизоване аналітичне управління бізнес-процесами як самостійний підклас інформаційних технологій [1,4].

Найбільш інтенсивного розвитку дана методика набуває в сфері економіки, фінансів і бізнесу [3,4]. Зокрема,  системи DM використовують при вирішенні таких задач як виявлення прихованих даних, при розробці моделей прогнозу, при верифікації даних за курсами валют, виявлення нових потенційних клієнтів, виявлення рахунків потенційно платоспроможних дебіторів і багатьох інших [4].

Висновок

Сформульовано концептуальні засади автоматизованого аналітичного управління  бізнес-процесами в нафтовій і газовій промисловості, які ґрунтуються на принципах системності, історизму, гібридно-машинного інтелекту, симбіозу математичних і інформаційних технологій, використання шаблонів, що дозволяє поєднати оперативні управлінські рішення, що формуються посадовими особами в реальному часі, з результатами глибокого кількісного аналізу ретроспективних економічних даних, який реалізується засобами інтелектуального аналізу даних Data Mining.

Література

1.     Гершберг А.Ф., Мусаев А.А., Нозик А.А., Шерстюк Ю.М. Концептуальные основы информационной интеграции АСУТП нефтеперерабатывающего предприятия. – СПб:Альянс-строй, 2003.–128с.

2.     Заде Л. Основы нового подхода к анализу сложных систем и процессов  принятия решений //В кн.: Математика сегодня.– М.:Знание,1974.–С.5-48.

3.     Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах // Открытые системы, №4. – 1977. – С.41-44.

4.     Шапот М. Интеллектуальный  анализ данных в системах поддержки принятия решений //  Открытые системы, №1. – 1998. – С.30-35.