Системи документообігу в ЗЕД

Технологія Data Mining

Новою концепцією аналізу корпоративних даних є інтелектуальний аналіз даних Data Mіnіng (з англ. – «видобуток» або «розкопка даних») - технологія виявлення схованих взаємозв'язків усередині великих баз даних.

Виникнення цього терміну пов’язане із новим витком розвитку засобів та методів обробки даних. До початку 1990-х років, здавалося, не було особливої потреби переосмислювати ситуацію в цій галузі. Усе йшло належним чином, в рамках напрямку, що мав назву “прикладна статистика”. Теоретики проводили конференції та семінари, писали значні статті та монографії, що рясніли аналітичними викладками.

Разом із тим, практики завжди знали, що спроби застосувати теорію для рішення реальних задач, у більшості випадків, виявляються марними. Але на заклопотаність практиків до певного часу можна було не звертати особливої уваги – вони вирішували головним чином свої приватні проблеми обробки невеликих локальних баз даних.

Але у зв‘язку із вдосконаленням технологій запису та зберігання даних, на людей навалилися колосальні відвали “інформаційної руди” у найрізноманітніших галузях. Діяльність будь-якого підприємства (комерційного, виробничого, медичного, наукового тощо) тепер супроводжується реєстрацією та записом усіх подробиць його діяльності. І без продуктивної переробки потоки сирих даних утворюють нікому не потрібне звалище.

Специфіка сучасних вимог до такої переробки наступна:

- дані мають необмежений обсяг;

- дані є різнорідними (кількісними, якісними, текстовими);

- результати повинні бути конкретними і зрозумілими;

- інструменти для обробки сирих даних повинні бути простими у використанні.

Традиційна математична статистика, що довгий час претендувала на роль основного інструмента аналізу даних, відверто спасувала перед проблемами, які виникли. Головна причина – концепція усреднення за вибіркою, що призводить до операцій із фіктивними величинами (типу середньої температури пацієнтів у лікарні, середньої висоти будинку на вулиці, яка складається з палаців та халуп і т.п.).

Методи математичної статистики виявилися корисними, головним чином, для перевірки заздалегідь сформульованих гіпотез (verification-driven data mining) та для “грубого” розвідувального аналізу, що складає основу оперативного аналітичного оброблення даних (online analytical processing, OLAP).

В основу сучасної технології Data Mining (discovery-driven data mining) покладено концепцію шаблонів (паттернів), які відображають фрагменти багатоаспектних взаємовідносин у даних. Ці шаблони є закономірностями, що властиві підвибіркам даних, які можуть бути компактно відображені у зрозумілій для людини формі. Пошук шаблонів здійснюється методами, що не обмежені рамками апріорних припущень щодо структури вибірки та виду розподілу значень аналізованих показників.

Приклади задач такого пошуку при використанні Data Mining приведені у табл. 7.1.

Важливе положення Data Mining – нетривіальність шуканих шаблонів. Це означає, що знайдені шаблони повинні відображати неочевидні, неочікувані (unexpected) регулярності в даних, які складають так звані приховані знання (hidden knowledge). До суспільства прийшло розуміння, що сирі дані (raw data) містять глибинний пласт знань, за умови грамотної “розкопки” котрого можуть бути виявлені справжні самородки.

 

Таблиця 7.1 – Приклади формулювання задач при використанні методів OLAP і Data Mining

OLAP	Data Mining
Які середні показники травматизму для тих, що палять і тих, що не палять?	Чи бувають точні шаблони в описах людей, схильних до підвищеного травматизму?
Які середні розміри телефонних рахунків наявних клієнтів (у порівнянні до рахунків колишніх клієнтів, що відмовилися від послуг телефонної компанії)?	Чи є характерні портрети клієнтів, які, найімовірніше, збираються відмовитися від послуг телефонної компанії?
Яка середня величина щоденних покупок за викраденою і не викраденою кредитною карткою?	Чи існують стереотипні схеми покупок для випадків шахрайства з кредитними картками?

 

Сферу застосування Data Mining нічим не обмежено – вона всюди, де є будь-які дані. Але, в першу чергу, методи Data Mining сьогодні заінтригували комерційні підприємства, що развертають проекти на основі інформаційних сховищ даних (Data Warehousing). Досвід багатьох таких підприємств показав, що віддача від використання Data Mining може досягати 1000%. Наприклад, надходили повідомлення про економічний ефект, що у 10-70 разів перевищив початкові витрати від 350 до 750 тис. дол. Є відомості про проект у 20 млн. дол., що окупився всього за 4 місяці. Інший приклад – річна економія 700 тис. дол. за рахунок впровадження Data Mining в мережі універсамів у Великій Британії.

Data Mining являє собою велику цінність для керівників та аналітиків у їхній повсякденній діяльності. Ділові люди усвідомили, що за допомогою методів Data Mining вони можуть отримати відчутні переваги у конкурентній боротьбі.

Технологія Data Mining реалізується в системах штучного інтелекту, до яких відносяться нейронні мережі, генетичні алгоритми та експертні системи.

 

Нейронні мережі

Штучні нейронні мережі (Artificial Intelligence Systems - АІS) – математичні моделі, а також їх програмна та апаратна реалізація, побудовані за принципом функціонування біологічних нейронних мереж – мереж нервових клітин живого організму.

Нейронні мережі відносяться до класу нелінійних адаптивних систем з архітектурою, що умовно імітує нервову тканину з нейронів. Математична модель нейрона являє собою деякий універсальний нелінійний елемент із можливістю широкої зміни і налаштування його характеристик.

Штучний j -й нейрон задається сукупністю своїх входів (дендрити) – х_ij, ваговими коефіцієнтами входів (синапси) – w_ij, функцією стану (сома) – s_j та функцією активації (аксони) – f_j ().

Функція стану s_j визначає стан нейрона залежно від його входів та ваг входів (рідше – ще й залежно від попередніх станів нейрона) (7.1):

 

, (7.1)

 

де n (j) – кількість входів j -го нейрона.

Функцією стану s_j задається деяке порогове значення . Якщо s _j > , вихідний сигнал нейрона y_j = 1, в іншому випадку у_j = 0. Таким чином, нейрон може перебувати лише у двох станах: активному (коли вихідний сигнал y_j = 1) або пасивному (у_j = 0).

Функція активації y = f (s) визначає вихідний сигнал нейрона як функцію його стану s. Найбільш поширеними функціями активації є ступенева та лінійна порогові, сигмоїдна, лінійна і гаусівська. Лінійні нейромережі застосовують нейрони з лінійною функцією активації. Нелінійні застосовують нелінійну функцію активації, наприклад, порогову або сигмоїдну.

Узагальнену структурну схему j -го нейрона показано на рис. 7.1.

 

Рисунок 7.1 – Загальна структурна схема j -го нейрона

 

В одній з найбільш розповсюджених нейромережевих архитектур - багатошаровому персептроні зі зворотним поширенням похибки - моделюється робота нейронів у складі ієрархічної мережі, де кожен нейрон прошарку з'єднаний своїми виходами з входами нейронів наступного прошарку (рис. 7.2). На нейрони вхідного прошарку подаються значення вхідних параметрів, на основі яких виробляються обчислення, необхідні для прийняття рішень, прогнозування розвитку ситуації і т.п. Ці значення розглядаються як сигнали, що передаються в наступний прошарок. Величина послаблення або підсилення сигналу залежить від числових значень (ваг), приписуваних міжнейронним зв'язкам. У результаті цього на виході нейрона вихідного прошарку продукується значення, що розглядається як відповідь, реакція всієї мережі на введені значення вхідних параметрів. Для того щоб мережу можна було застосовувати надалі, її треба "навчити" на прикладах, для яких відомо і значення вхідних параметрів, і правильні відповіді на них.

Рисунок 7.2 – Багатошаровий персептрон

 

Процес «навчання» полягає в підборі ваг міжнейронних зв'язків і модифікації внутрішніх параметрів передатної функції нейронів. Для кожного сполучення навчальних даних на виході мережі вихідні значення порівнюються з відомим результатом. Якщо вони розрізняються, то обчислюється похибка, що враховується при обробці у вузлах мережі. Зазначені кроки повторюються, поки не виконається умова останову, наприклад необхідна похибка не буде перевищувати заданої величини.

Отже, нейронні мережі уявляють собою сукупність зв'язаних між собою вузлів, що отримують вхідні дані, здійснюють їх обробку і генерують на виході результат.

Між вузлами видимих вхідного і вихідного прошарків може знаходитися певне число прихованих прошарків обробки. Нейронні мережі реалізують непрозорий процес. Це означає, що побудована модель, як правило, не має чіткої інтерпретації. Багато пакетів, що реалізують алгоритми нейронних мереж, застосовуються не лише в сфері обробки комерційної інформації, без них важко обійтися при рішенні більш загальних задач розпізнавання образів, скажемо розшифровки рукописного тексту чи інтерпретації кардіограм.

Апаратні або програмні реалізації алгоритмів нейромереж називаються нейрокомп'ютером.

· Нейрокомп'ютери дають стандартний спосіб рішення багатьох нестандартних задач. І неважливо, що спеціалізована машина краще вирішує один клас задач. Важливіше, що один нейрокомп'ютер вирішить і цю задачу, і другу, і третю і не треба щораз проектувати спеціалізовану ЕОМ, нейрокомп'ютер зробить все сам і майже не гірше.

· Замість програмування навчання. Нейрокомп'ютер вчиться, потрібно лише формувати навчальні множини. Праця програміста заміняється новою працею вчителя. Краще це чи гірше? Ні те, ні інше. Програміст наказує машині всі деталі роботи, вчитель створює "навчальне середовище", до якого пристосовується нейрокомп'ютер. З'являються нові можливості для роботи.

· Нейрокомп'ютери ефективні там, де потрібний аналог людської інтуїції, зокрема, для розпізнавання образів, читання рукописних текстів, підготовки аналітичних прогнозів, перекладу з однієї природної мови на іншу і т.п. Саме для таких задач звичайно важко скласти явний алгоритм.

· Нейронні мережі дозволяють створити ефективне програмне та математичне забезпечення для комп'ютерів з високим ступенем розпаралелювання обробки.

· Нейрокомп'ютери "демократичні", вони також дружні, як текстові процесори, тому з ними може працювати будь-який, навіть зовсім недосвідчений користувач.

Генетичні алгоритми

Генетичний алгоритм (Genetic Algorithm) – це еволюційний алгоритм пошуку, що використовується для вирішення задач оптимізації і моделювання шляхом послідовного підбору, комбінування і варіації параметрів, які необхідно знайти, з використанням механізмів, що нагадують біологічну еволюцію.

Особливістю генетичного алгоритму є акцент на використанні оператора "схрещення", який виконує операцію рекомбінації рішень-кандидатів, роль якої аналогічна ролі схрещення в живій природі. "Батьком-засновником" генетичних алгоритмів вважається Джон Голланд, книга якого "Адаптація в природних і штучних системах" є фундаментальною в цій сфері досліджень.

Задача кодується таким чином, щоб її вирішення могло бути представлено в вигляді масиву подібного до інформації складу хромосоми. Цей масив часто називають саме так «хромосома». Хромосома - це деякий числовий вектор, що відповідає параметру, який підбирається, а набір хромосом даної особи визначає рішення задачі. Які саме вектори варто розглядати в конкретній задачі, вирішує сам користувач. Кожна з позицій вектора хромосоми називається ген. Випадковим чином в масиві створюється деяка кількість початкових елементів «осіб», або початкова популяція. Особи оцінюються з використанням функції пристосування, в результаті якої кожній особі присвоюється певне значення пристосованості, яке визначає можливість виживання особи. Після цього з використанням отриманих значень пристосованості вибираються особи допущені до схрещення (селекція). До осіб застосовуються "генетичні оператори" (в більшості випадків це оператор схрещення (crossover) (операція, при якій із двох хромосом породжується одна чи декілька нових хромосом) і оператор мутації (mutation) (перетворення хромосоми, що випадково змінює одну чи декілька її позицій (генів)), створюючи таким чином наступне покоління осіб. Особи наступного покоління також оцінюються застосуванням генетичних операторів і виконується селекція і мутація. Так моделюється еволюційний процес, що продовжується декілька життєвих циклів (поколінь), поки не буде виконано критерій зупинки алгоритму. Таким критерієм може бути:

- знаходження глобального, або надоптимального рішення;

- вичерпання числа поколінь, що відпущені на еволюцію;

- вичерпання часу, відпущеного на еволюцію.

Можна виділити такі етапи генетичного алгоритму:

1. Створення початкової популяції.

2. Обчислення функції пристосованості для осіб популяції (оцінювання).

3. Повторювання до виконання критерію зупинки алгоритму.

4. Вибір індивідів із поточної популяції (селекція).

5. Схрещення або/та мутація.

6. Обчислення функції пристосовуваності для всіх осіб.

7. Формування нового покоління.

Генетичний алгоритм - новітній, але не єдино можливий спосіб рішення задач оптимізації.

Відомо два основні шляхи рішення таких задач - переборний та градієнтний. Розглянемо класичну задачу комівояжера. Суть задачі полягає у знаходженні короткого шляху проходження всіх міст.

Переборний метод є найпростішим. Для пошуку оптимального рішення (максимум цільової функції) потрібно послідовно обчислити значення функції у всіх точках. Недоліком є велика кількість обчислень.

Іншим способом є градієнтний спуск. Обираємо випадкові значення параметрів, а потім значення поступово змінюють, досягаючи найбільшої швидкості зросту цільової функції. Алгоритм може зупинитись, досягнувши локального максимуму. Градієнтні методи швидкі, але не гарантують оптимального рішення (оскільки цільова функція має декілька максимумів).

Генетичний алгоритм представляє собою комбінацію переборного та градієнтного методів. Механізми кросоверу (схрещування) та мутації реалізують переборну частину, а відбір кращих рішень - градієнтний спуск.

Тобто, якщо на деякій множині задана складна функція від декількох змінних, тоді генетичний алгоритм є програмою, яка за зрозумілий час знаходить точку, де значення функції знаходиться достатньо близько до максимально можливого значення. Обираючи прийнятний час розрахунку, отримуємо одне з кращих рішень, які можна отримати за цей час.

 

Експертні системи

Експертні системи (Expert Systems - ES) (ЕС) - системи, які використовують логіку прийняття рішень людського експерта (перші ЕС - медична mycin і хімічна dendral з’явились в сер. 70-х рр. 20 ст.).

Основні компоненти ЕС наводяться на рис. 7.3.

 

Рисунок 7.3 – Структура експертної системи

 

Основні компоненти ЕС:

1. База даних (робоча пам'ять) – призначена для зберігання вихідних і проміжних даних задачі, що вирішується в даний момент (мають великий об’єм і відносно невелику питому вартість).

Дані – окремі факти, що характеризують об’єкти, процеси і явища предметної області, а також їх властивості.

2. База знань – призначена для зберігання довгострокових даних, що описують предметну область, та правил, що описують послідовність перетворення даних цієї області (невеликого об’єму, але дуже дорогі).

Знання – закономірності предметної області (принципи, зв’язки, закони), що отримуються в результаті практичної діяльності і професійного досвіду та дозволяють спеціалістам ставити і вирішувати задачі в ній.

Моделі представлення знань (логіко-лінгвістичні моделі):

- модель "об'єкт-атрибут-значення" (найбільш рання форма) – визначає атрибути (властивості) об'єкту, які можуть приймати значення з відомого набору (авіаквиток-вартість-дорогий, дешевий);

- продукційна модель (модель, що заснована на правилах) (найбільш поширена форма) – дозволяє представити знання у вигляді речень „ЯКЩО (умова), ТО (висновок)” (якщо тиск падає, то погода погіршується);

- семантична мережа – орієнтований граф, вершини якого є об’єктами (події, дії, узагальнені поняття або властивості об’єктів), а дуги – відношеннями між ними (БУТИ, МАТИ, БУТИ НАСЛІДКОМ і т.д.) (Іванов є курсантом, курсанти носять форму, форма синього кольору і т.д.) (рис. 6.4);

 

 

Рисунок 7.4 – Приклад семантичної мережі

 

- фрейм – структура для опису стереотипної ситуації, яка складається з характеристик цієї ситуації (слотів) та їх значень (заповнювачів слотів) (фрейм – рейс, слоти – незаповнені значення деяких атрибутів: час відправлення, тип літака, швидкість, висота тощо).

3. Вирішувач (блок логічного висновку) – використовуючи вихідні дані з бази даних та знання з бази знань, формує послідовність правил, що приводить до вирішення задачі.

4. Компонент придбання знань – автоматизує процес наповнення ЕС знаннями.

5. Пояснювальний компонент – пояснює, як система отримала рішення задачі або чому вона не отримала рішення, і які знання вона при цьому використовувала (це полегшує експерту тестування системи і підвищує довіру користувача до отриманого результату).

6. Інтерфейс користувача – орієнтований на організацію дружнього спілкування користувача з системою як на стадії введення інформації, так і при отриманні результатів.

Спеціалісти, які взаємодіють з ЕС:

1. Експерт в предметній області, задачі якої буде вирішувати ЕС. Він визначає знання, що характеризують предметну область, а також забезпечує повноту і правильність введених в ЕС знань.

2. Когнітолог (інженер зі знань) – спеціаліст з розробки ЕС. Він допомагає експерту виявити і структурувати знання, необхідні для роботи ЕС, обирає інструментальний засіб, що найбільше підходить для даної предметної області, та визначає спосіб представлення знань в ньому.

3. Програміст – спеціаліст з розробки інструментального засобу (мови програмування). Він розробляє інструментальний засіб і виконує сполучення його з середовищем, в якому він буде використовуватись.

4. Користувач – спеціаліст предметної області, для якого призначена ЕС.

Режими роботи ЕС:

1. Режим придбання знань – спілкування з ЕС здійснює експерт через посередництво інженера зі знань.

2. Режим вирішення задач (консультацій) – спілкування з ЕС здійснює кінцевий користувач, якого цікавить результат та/або спосіб отримання рішення.

Класифікація експертних систем:

- інтерпретація даних – визначення змісту даних, результати якого повинні бути узгодженими і коректними (виявлення та ідентифікація різних типів океанських судів за результатами аерокосмічного сканування – система SIAP, визначення основних властивостей особистості за результатами психодіагностичного тестування в системі АВТАНТЕСТ);

- діагностика – співвіднесення об’єкта з деяким класом об’єктів та/або виявлення несправності в деякій системі (діагностика і терапія звуження коронарних судин – система ANGY, діагностика помилок в апаратурі і математичному забезпеченні ЕОМ – система CRIB);

- моніторинг – безперервна інтерпретація даних в реальному масштабі часу та сигналізація про вихід параметрів за допустимі границі (контроль за роботою електростанцій – система СПРИНТ, допомога диспетчерам атомного реактора – система REACTOR, контроль аварійних датчиків на хімічному заводі – система FALCON);

- проектування – підготовка специфікацій (всього набору необхідних документів – креслення, пояснювальна записка і т.д.) на створення об’єктів із попередньо визначеними властивостями (проектування конфігурацій ЕОМ – система XCON, синтез електричних кіл – система SYN);

- навчання – діагностування помилок при вивченні якої-небудь дисципліни та підказка правильних рішень (навчання мові програмування ЛИСП в системі „Вчитель ЛИСПу”, навчання мові Паскаль – система PROUST);

- прогнозування – передбачення наслідків деяких подій або явищ на основі аналізу наявних даних (передбачення погоди – система WILLARD, оцінки майбутнього урожаю – система PLANT, прогнози в економіці – система ECON);

- планування – розробка планів дій об’єктів (планування поведінки робота – система STRIPS, планування промислових замовлень – система ISIS, планування експерименту – система MOLGEN);

- підтримка прийняття рішень – забезпечення особи, що приймає рішення, необхідною інформацією і рекомендаціями, які полегшують процес прийняття рішень (вибір стратегії виходу фірми з кризової ситуації – система CRYSIS, допомога у виборі страхової компанії або інвестора – система CHOICE).

 

 

Системи документообігу в ЗЕД

 

Традиційна паперова документація, методи її обробки і пересилання за допомогою звичайної пошти пов’язані зі значними виробничими та комерційними витратами. Експерти оцінюють вартість обробки і ведення паперової документації у 3,5–7,0% загальної вартості комерційних операцій і доставки товарів. Виграш від застосування електронного обміну даними (ЕОД), наприклад, у автомобільній промисловості США оцінюється більш як у 200 дол. на один виготовлений автомобіль.

У табл. 7.2 показано загальну традиційну схему поставки товару, яка включає 11 операцій: 1 – запит ціни, умов поставки (по телефону або лист-запит); 2 – контрактна пропозиція, котировка на біржі (по пошті); 3 – видача замовлення; 4 – організація постачальником внутрішніх замовлень; 5 – підготовка відомості комплектування; 6 – комплектування та пакування; 7 – відправка товару; 8 – повідомлення про поставку; 9 – виставляння фактур-накладних; 10 – виставляння рахунку; 11 – оплата.

Таблиця 7.2 – Традиційна схема поставки товару

Фаза	Замовник (клієнт)	Постачальник	Пояснення
	Запит ціни і умов поставки		Лист-запит або телефонні переговори
		Контрактна пропозиція	Лист-запит або телефонні переговори
	Видача замовлення		Лист-запит або форма замовлення (можливо, в комп’ютерному вигляді)
		Видача внутрішніх замовлень	Внутрішня технологія
		Підготовка відомості комплектування	Внутрішня технологія
		Комплектування і пакування
		Відправка товару
		Повідомлення про поставку	Комп’ютерна форма
		Виставляння фактур-накладних	Комп’ютена форма
		Виставляння рахунку	Комп’ютерна форма
	Оплата

З цієї схеми видно, що постачальник і замовник у процесі своєї взаємодії обмінюються запитами, повідомленнями, торговими і постачальницькими документами, фінансовими рахунками та квитанціями. Цілком ясно, що електронний обмін документами має великі переваги щодо оперативності, достовірності та надійності обміну.

Електронний обмін даними (ЕОД) – це міжкомп’ютерний обмін діловими, комерційними та фінансовими електронними документами, наприклад замовленнями, платіжними інструкціями, контрактними пропозиціями, накладними, квитанціями.

ЕОД забезпечує оперативну взаємодію торгових партнерів (клієнтів, постачальників, торгових посередників, експедиторів та ін.) на всіх етапах підготовки торгової угоди, укладання контракту і реалізації поставки.

ЕОД для комерційних цілей (ЕОКД) на етапі оплати контракту і переказу коштів може взаємодіяти із службою електронного обміну фінансовими документами (ЕОФД). Така взаємодія ЕОКД і ЕОФД створює для покупців (клієнтів) ефективне середовище при виконанні всіх торгово-платіжних операцій:

- он-лайн – перегляд каталогів торгових пропозицій, товарів і послуг на ринку;

- вибір у інтерактивному режимі потрібного товару/послуги, уточнення умов (вартості й термінів поставки, торгових знижок, гарантійних і сервісних зобов’язань);

- он-лайн замовлення товару/послуги або запит контрактної пропозиції, погодження та укладання контракту;

- оперативний контроль поставки товару;

- одержання за допомогою електронної пошти супровідних документів (накладних, фактур, комплектуючих відомостей тощо);

- підтвердження завершення поставки товару/послуги, виставляння і оплата рахунків;

- виконання банківсько-кредитних і платіжних операцій.

Для реалізації цих операцій користувачі служби ЕОД повинні використовувати термінальні станції, модеми або адаптери стандарту Х.25, відповідні телекомунікаційні програми.

Для забезпечення надійної передачі великих обсягів даних необхідні виділені лінії зв’язку, програмне забезпечення передачі файлів, електронної пошти і підключення до мережі Х.25. Потрібні також засоби захисту даних від несанкціонованого доступу.

Історія виникнення і розвитку ЕОД веде свій відлік від початку 1980-х років, коли несумісність окремих фірмових технологій обробки комерційних даних не дозволяла інтегрувати їх у єдину систему, яка б забезпечила комплексну механізацію міжнародних торгових операцій.

У 1983–1985 рр. міжнародні організації ООН (UN/ECE i ІSO) почали розробку процедур, форматів даних і міжнародних кодових систем для ЕОД. Було створено міжнародну робочу групу UN/ECE, яка в жовтні 1988 р. розробила першу версію міжнародного стандарту United Nations Eleсtronic Data Interсhange for Admistration, Commerce and Transport – UN/EDIFACT. (ООН/Електронний обмін даними для адміністрації, торгівлі й транспорту).

У EDIFACT було виділено чотири основних компоненти, які підлягають стандартизації при підготовці документів для передачі по каналах телекомунікацій:

- елементи даних (data elements);

- стандартні групи елементів даних (standart data segments);

- стандартні повідомлення (standart messages);

- правила створення форматів документів (syntax rules).

Отже, було розроблено набір синтаксичних правил і комерційних елементів, який дістав скорочену назву EDIFACT і був оформлений у вигляді двох стандартів ISO:

ISO 7372 – Trade Data Element Directory (Довідник комерційних елементів даних);

ISO 9735 – EDIFACT – Appliсаtion Level Syntaх rules (Правила синтаксису на користувацькому рівні).

Стандарти EDIFACT розроблялися для використання в глобальних комп’ютерних мережах з широким колом користувачів: державними установами, виробниками товарів, виробів і послуг, дистриб’юторами, брокерами, транспортними експедиторами, банками, страховими компаніями та ін.

Головні цілі створення та використання EDIFACT такі:

- визначення стандартних за синтаксисом і семантикою повідомлень, які відповідають міжнародним стандартам;

- заміна звичайних паперових форм і документів електронними документами та відповідними методами їх обробки;

- прискорення документообігу і відповідно оперативності обробки комерційних і фінансових транзакцій;

- створення для малих, середніх і великих фірм більш сприятливих і рівних умов ринкової конкуренції;

- поліпшення умов для підготовки і здійснення торгових угод;

- більш широке й масове використання клієнтами сучасних комп’ютерних мереж і їх послуг.

На базі стандарту EDIFACT у 1987–1990 рр. інтенсивно розвивається інфраструктура електронного обміну даними.

Процес обміну електронними документами підтримується різними комп’ютерними і комунікаційними технологіями, до яких входять:

- комп’ютерні робочі станції для підготовки електронних документів, контролю вхідних даних і виходу на мережі передачі даних;

- бази даних, які містять комерційні та фінансові дані, котировки, класифікатори продукції, дані про постачальників і ринки;

- інтерактивні інформаційні системи (системи обробки замовлень, біржові інформаційні служби, банки даних, відеотекс тощо);

- електронна пошта, системи обробки повідомлень, галузеві та проблемно-орієнтовані системи EDIFACT, системи обміну фінансовими документами.

Інформаційні та телекомунікаційні системи забезпечують для своїх користувачів комплекс послуг з обробки й видачі довідкових даних, комерційних звітів, замовлень і торгових пропозицій, рахунків і платіжних квитанцій.

Усі ці послуги надаються як прикладні служби (Value additional Services), що створюються технологіями електронного обміну даними. На сучасному етапі розрізнюють такі основні види прикладних служб.

1. Он-лайнові бази даних (ОЛБД), які доступні в оперативному режимі з терміналів користувачів; он-лайнові БД цілодобово відкриті для діалогового пошуку інформації та видачі довідок і різних статистичних звітів; користувачами ОЛБД можуть бути спеціалісти комерційних і фінансових організацій, економісти, ділери, постачальники, агенти фінансових і торгових організацій.

2. Електронна пошта (EM – Electronic Mail). Система обміну і обробки повідомлень: сукупність електронних поштових скриньок, програмних засобів обробки, зберігання та передачі повідомлень, термінальних станцій для підготовки і введення повідомлень. Користувачі електронної пошти можуть проводити міжперсональний обмін повідомленнями, розсилати їх за списками адрес, затребувати свої повідомлення з поштових скриньок, організовувати проблемні телеконференції і виконувати інші функції обробки повідомлень (електронних документів).

3. Електронна передача коштів (EFT – Electronic Funds Transfer). Система передачі фінансових (кредитних, платіжних) документів між клієнтами і банками, між банками, між банками та іншими фінансовими і комерційними організаціями. Міжнародна мережа обміну фінансовою інформацією SWIFT забезпечує багато функцій EFT.

4. Електронний обмін даними (EDI – Electronic Data Interсhange). Багатоцільова система обміну документами, які мають розвинену структуру даних. Як правило, реалізується на базі стандартних програмних і технічних засобів електронної пошти.

5. Управляючі мережеві служби (Managed Network Services). Виконують різні виробничі, адміністративні й службові функції управління об’єктами, технологічними лініями, транспортними системами і працівниками підприємств. Реалізуються на базі внутрішньофірмових мереж ЕОМ, розподілених між підрозділами фірми.

6. Телеметричні служби. Система оперативного спостереження, дистанційного вимірювання та контролю за нерухомими і рухомими об’єктами.

Бізнесмени, торгові агенти, працівники транспорту, банківські спеціалісти, адміністратори, економісти і бухгалтери здебільшого використовують перші чотири служби ЕОД (ОЛБД, ЕM, EFT, ЕDІ). При цьому важливе значення мають вимоги інтегральності послуг, єдиного мережного доступу (тобто підключення до комп’ютерних мереж за допомогою одного терміналу або ПЕОМ), максимально можливої надійності, простоти й комфортності процедур підготовки електронних документів і їх телекомунікаційної обробки. Служби ЕОД повинні бути доступні через загальнодоступні телефонні мережі або мережі передачі даних на базі стандарту Х.25.

На сучасному етапі ЕОД діє або впроваджується практично в усіх країнах.

Міжнародний статус стандарту EDIFACT передбачає його обов’язкове використання при адекватному обміні даними із зарубіжними партнерами для всіх підприємств і організацій України, які здійснюють зовнішньоекономічну діяльність.

Тенденція значного росту обсягу інформації в зовнішньоекономічній діяльності, яка необхідна для ухвалення управлінських рішень, приводить до того, що доводиться отримувати, обробляти і зберігати документи в більшій кількості, ніж раніше. Традиційні методи роботи з документами стають при цьому малоефективними. Так, наприклад, підраховано, що близько 15% документів при роботі втрачаються і на їх пошуки йде до 30% робочого часу співробітників, що відповідають за обробку документів. При цьому безповоротна втрата навіть частини інформації може обернутися значними збитками.

Для організації колективної роботи з паперовим документом необхідне його багаторазове копіювання, доставка в різні структурні підрозділи, проведення спеціальних нарад, узгоджень, що віднімає чималу кількість часу. Інша проблема пов’язана з тривалим часом пошуку необхідної інформації за запитом. Тоді як при роботі з електронними документами час пошуку документу, а отже, час відповіді на запит значно менший. За експертними оцінками, застосування електронного документообігу в організаціях сприяє зростанню продуктивності праці співробітників на 25-50%, а час обробки одного документу скорочується більш ніж на 75%.

Електронний документообіг - єдиний механізм по роботі з документами, представленими в електронному вигляді, з реалізацією концепції «безпаперового діловодства».

Системи управління електронним документообігом (Еlectronіc Documents Мanagement Systems - EDMS) - системи, які забезпечують процес створення, управління доступом і розповсюдження великих обсягів документів у комп'ютерних мережах, а також контроль над потоками документів в організації.