Рассмотрение информационных технологий, поддержки принятия решений менеджерами

Поддержка принятия решений

Принятие решения в большинстве случаев заключается в генерации возможных альтернатив решений, их оценке и выборе лучшей альтернативы.

Принять "правильное" решение - значить выбрать такую альтернативу из числа возможных, в которой с учетом всех разнообразных факторов и противоречивых требований будет оптимизирована общая ценность, то есть она будет в максимальной степени способствовать достижению поставленной цели.

При выборе альтернатив приходится учитывать большое число противоречивых требований и, следовательно, оценивать варианты решений по многим критериям. Нильс Бор заметил: "Есть примитивные истины, противоречие которым явно ложно, но существуют также и высшие истины, такие, что противоречащие им постулаты также справедливы". Противоречивость требований, неоднозначность оценки ситуаций, ошибки в выборе приоритетов сильно осложняют принятие решений.

Неопределенности являются неотъемлемой частью процессов принятия решений. Эти неопределенности принято разделять на три класса:

• неопределенности, связанные с неполнотой наших знаний о проблеме, по которой принимается решение;

• неопределенность, связанная с невозможностью четкого учета реакции окружающей среды на наши действия;

• неопределенность, связанная с неточным пониманием своих целей лицом, принимающим решения.

Свести задачи с подобными неопределенностями к точно поставленным целям нельзя в принципе. Для этого надо "снять" неопределенности. Одним из таких способов снятия является субъективная оценка специалиста (эксперта, руководителя), определяющая его предпочтения.

Таким образом, эксперт или лицо, принимающее решение (ЛПР), вынуждены исходить из своих субъективных представлений об эффективности возможных альтернатив и важности различных критериев.

 

 

Большое количество задач, если не большинство, являются многокритериальными задачами, в которых приходится учитывать большое число факторов. В этих задачах человеку приходится оценивать множество сил, влияний, интересов и последствий, характеризующих варианты решений.

Многочисленные исследования показывают, что сами ЛПР без дополнительной аналитической поддержки используют упрощенные, а иногда и противоречивые решающие правила.

Поддержка принятия решений и заключается в помощи ЛПР в процессе принятия решений. Она включает:

• помощь ЛПР при анализе объективной составляющей, то есть в понимании и оценке сложившейся ситуации и ограничений, накладываемых внешней средой;

• выявление предпочтений ЛПР, то есть выявление и ранжирование приоритетов, учет неопределенности в оценках ЛПР и формирование его предпочтений;

• генерацию возможных решений, то есть формирование списка альтернатив;

• оценку возможных альтернатив, исходя из предпочтений ЛПР и ограничений, накладываемых внешней средой;

• анализ последствий принимаемых решений;

• выбор лучшего, с точки зрения ЛПР, варианта.

Компьютерная поддержка процесса принятия решений, так или иначе, основана на формализации методов получения исходных и промежуточных оценок, даваемых ЛПР, и алгоритмизации самого процесса выработки решения.

 

Понятие СППР

Увеличение объема информации, поступающей непосредственно к руководителям, усложнение решаемых задач, необходимость учета большого числа взаимосвязанных факторов и быстро меняющейся обстановки настоятельно требуют использовать вычислительную технику в процессе принятия решений. В связи с этим появились системы поддержки принятия решений (СППР).

 

СППР состоят из двух основных компонент: хранилища данных и аналитических средств. Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий, осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации, СППР располагают различными типами интерфейсов доступа к своим сервисам.

Типы структурированных проблем, решаемых с помощью СППР.

Попытки применения исследования операций для решения различного класса задач выявили большие различия в природе изучаемых систем. В связи с этим была предложена следующая классификация проблем.

1. Хорошо структурированные или количественно сформулированные проблемы, в которых существенные зависимости выяснены настолько хорошо, что они могут быть выражены в числах или символах, получающих, в конце концов, численные оценки.

2. Слабо структурированные или смешанные проблемы, которые содержат как качественные, так и количественные элементы, причем качественные, малоизвестные и неопределенные стороны проблем имеют тенденцию доминировать.

3. Неструктурированные или качественно выраженные проблемы, содержащие лишь описание важнейших ресурсов, признаков и характеристик, количественные зависимости между которыми совершенно неизвестны.

Использование СППР в отраслях:

Телекоммуникации

Телекоммуникационные компании используют СППР для подготовки и принятия комплекса решений, направленных на сохранение своих клиентов и минимизацию их оттока в другие компании. СППР позволяют компаниям более результативно проводить свои маркетинговые программы, вести более привлекательную тарификацию своих услуг.

 

Анализ записей с характеристиками вызовов позволяет выявлять категории клиентов с похожими стереотипами поведения, с тем чтобы дифференцировано подходить к привлечению клиентов той или иной категории.

Есть категории клиентов, которые постоянно меняют провайдеров, реагируя на те или иные рекламные компании. СППР позволяют выявить наиболее характерные признаки «стабильных» клиентов, т.е. клиентов, длительное время остающихся верными одной компании, давая возможность ориентировать свою маркетинговую политику на удержание именно этой категории клиентов.

Банковское дело

СППР используются для более качественного мониторинга различных аспектов банковской деятельности, таких как обслуживание кредитных карт, займов, инвестиций и так далее, что позволяет значительно повысить эффективность работы.

Выявление случаев мошенничества, оценка риска кредитования, прогнозирование изменений клиентуры – области применения СППР и методов добычи данных. Классификация клиентов, выделение групп клиентов со сходными потребностями позволяет проводить целенаправленную маркетинговую политику, предоставляя более привлекательные наборы услуг той или иной категории клиентов.

Страхование

Набор применений СППР в страховом бизнесе можно назвать классическим - это выявление потенциальных случаев мошенничества, анализ риска, классификация клиентов.

Обнаружение определенных стереотипов в заявлениях о выплате страхового возмещения, в случае больших сумм, позволяет сократить число случаев мошенничества в будущем.

Анализируя характерные признаки случаев выплат по страховым обязательствам, страховые компании могут уменьшить свои потери. Полученные данные приведут, например, к пересмотру системы скидок для клиентов, подпадающих под выявленные признаки.

Классификация клиентов дает возможность выявить наиболее выгодные категории клиентов, чтобы точнее ориентировать существующий набор услуг и вводить новые услуги.

 

Розничная торговля

Торговые компании используют технологии СППР для решения таких задач, как планирование закупок и хранения, анализ совместных покупок, поиск шаблонов поведения во времени.

Анализ данных о количестве покупок и наличии товара на складе в течение некоторого периода времени позволяет планировать закупку товаров, например, в ответ на сезонные колебания спроса на товар.

Часто, покупая какой-либо товар покупатель приобретает вместе с ним и другой товар. Выявление групп таких товаров позволяет, например, помещать их на соседних полках, с тем, чтобы повысить вероятность их совместной покупки.

Поиск шаблонов поведения во времени дает ответ на вопрос «Если сегодня покупатель приобрел один товар, то через какое время он купит другой товар?». Например, приобретая фотоаппарат, покупатель, вероятно, в ближайшем будущем станет приобретать пленку, пользоваться услугами по проявке и печати.

 

 

Список учебной литературы и материалов:

Учебник Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: учебное пособие