Предисловие (стр. 55 )

Информатика. Под ред. Макаровой.

Когаловский технологий баз данных. Финансы и статистика. М., 2002.

Происхождение ERP. Директору ИС №5, 2000.

Приход ERPII ожидается в 2004 году. PC Week/RE 2001/6.

и др. Экономическая информация. Статистика, Москва, 1974.

Путеводитель по новой экономике. Информационные технологии. Альпина Паблишер, М., 2002.

Эксперт №38, 11.10.99

Глава 12. Информационные системы в качестве бизнес-приложений.

Помимо функциональных подсистем, являющихся органической частью ERP-систем и описанных ранее, существуют различные виды прикладных систем, способствующих осуществлению бизнеса и являющихся дополнением или усилением действующих ERP-систем. По сути, ERP – система сама является прикладной системой. Множество всех прикладных  систем, функционирующих для поддержки основной и вспомогательной деятельности (бизнеса) компании будем называть бизнес-приложениями.

Основными компонентами современных бизнес-приложений в крупных компаниях являются:

ERP основа (The ERP Backbone), обладающая заданным набором функциональных подсистем;

Системы поддержки принятия решений СППР (DSS), включающие интеллектуальные приложения, англ.- Business Intelligence Solutions (BI);

системы управления цепочкой поставок (СУЦП), англ. - Supply Chain Management (SCM);

системы управления отношениями с покупателями (СУОП), англ. -  Customer Relationship Management (CRM).

Мы уже уделили много внимания рассмотрению ERP - систем – это конечно же центральный элемент бизнес – приложений.

Рассмотрим сейчас три других приложения.

Начнем с СППР и  остановимся на них достаточно подробно, поскольку это – огромный пласт накопленных знаний, непосредственно влияющих на качество принимаемых решений. Как мы помним, в сфере действия СППР находятся, как правило полуструктурированные и неструктурированные решения. Системы управления цепочками поставок и отношениями с покупателями носят более технологический характер реализации уже принятых структурированных решений. Такие приложения очень важны в организации конкретного бизнеса, но представляют для нас меньший интерес.

12.1. Системы поддержки принятия решений (СППР).

Есть очень тесная связь между СППР и экономико–математическими методами: в определенной своей части СППР представляют собой варианты реализации на практике представляемых этими, по сути, теоретическими дисциплинами – методов. Конечно, область действия СППР в целом – существенно иная. Имеется множество непротиворечивых интерпретаций СППР, мы разделяем подход Д. Пауэр (D. Power)24 (www. ).

СППР условно можно разделить на множество подсистем, основанных на:

Документах,

Моделях,

Данных,

Знаниях.

Телекоммуникациях,

Пожалуй СППР, основанные на моделях и данных – наиболее близки по содержанию к упоминавшимся ранее экономико-математическим методам – они дают средства для рутинного, повседневного решения стандартными тиражируемыми программными средствами сформулированных задач, наиболее часто встречающихся в практике принятия решений.

Рассмотрим упомянутые подсистемы подробнее.

СППР, основанные на документах.

Принятие решений практически всегда требует документального сопровождения – поиск и ссылка на нужный документ требует порой значительных усилий. По оценке Д. Федоровиц  для нужд бизнеса в США 1996 году хранились порядка 1.3 триллиона документов, из которых только 5-10% использовались для нужд принятия решений. (Fedorovitz, J., “Document Based Decision Support” in “Decision Support for Management», in R. Sprague Jr., and Hugh J. Watson (eds.) Upper Saddle River, N. J.: Prentice Hall, 1996). Автоматизация внутреннего документооборота, равно как и организация доступа к внешним – например, федеральным или региональным документам, отраслевым или национальным стандартам, регламентирующим конкретное решение, организация делопроизводства и ведение архивов – вот основные задачи этой группы подсистем.

Примерами конкретных систем автоматизации внутреннего документооборота, являются IBM Lotus, Босс-Референт компании АйТи, Documentum. Доступ к внешним документальным источникам обеспечивают многочисленные поисковые системы, о которых мы не раз упоминали.

СППР, основанные на моделях.

Модели всегда были основой при подготовке и принятии решений – даже во времена до информационных технологий. С появлением мощных ИТ-инструментов возможности такой поддержки существенно расширились. Помощь в принятии решении традиционно предлагают статистические, балансовые и оптимизационные модели. При составлении бизнес-планов и планировании выполнения сложной последовательности работ применяются модели на графах. Главная задача таких систем – предложение вариантов решения на базе прогнозных оценок, полученных на основе анализа уже имевшей место деятельности. Модели могут быть созданы для принятия решений как на микроуровне – относительно уровней цен, продаж, объемов производства, так и на макроуровне – на основе разработки сценариев развития отраслей или национальной экономики в целом.

В зависимости от типа моделей, применяются различные пакеты. Например, для статистических моделей существуют известные во всем мире SAS и SPSS. Популярные средства решения оптимизационных задач предлагает GAMS и т. д.

СППР, основанные на данных.

Оперативная обработка актуальных данных формально – одна из наиболее сложных задач СППР. Прежде всего, речь идет о хранилищах данных (Data Warehousе) и онлайновых системах обработки (OLAP). Речь не идет об элементарных операциях с файлами данных типа их размещения или поиска и доставки. СППР, базирующиеся на OLAP – системах, представляют высокий уровень компьютерной поддержки принятия решений на основе анализа большого объема актуальных данных. Другим примером таких систем могут служить географические информационные системы (ГИС), помогающие принимать решения на основании актуальных географических данных.

Хранилища данных – ХД – это предметно-ориентированный, интегрированный, пополняемый со временем, но неизменный после фиксации набор данных, формируемый для поддержки принятия решения. Наиболее распространенные методы обработки, применяемые к ХД, имеют статистическую основу в виде методов многомерной классификации и восстановления зависимостей. Часть этих методов относятся к категории так называемого «разведочного анализа» (англ. Data Mining – на русском существует аналогичный термин «дэйтамайнинг») и служат для выявления скрытых закономерностей, содержащихся в накопленных данных.

Более подробно OLAP – системы мы рассмотрим ниже.

СППР на основе телекоммуникаций.

Телекоммуникационная поддержка принятия решений позволяет двум или более специалистам общаться друг с другом, обмениваться информацией и координировать совместную деятельность. В качестве разновидности СППР данного типа можно привести так называемые системы поддержки группового решения, к которым относятся аудио-, видео-, веб-конференции, электронная почта. Итак, подсистемы данного типа обеспечивают:

связь между группами специалистов;

обмен информацией;

поддерживает совместное выполнение работ;

поддерживает процесс принятия решения группами специалистов.

12.1.1. OLAP – системы

Существует множество подходов описания OLAP – систем, мы рассмотрим их представление в интерпретации М. Альперовича. 25

Итак, термин "OLAP" тесно связан с термином "хранилище данных" (Data Warehouse). Приведем еще одно определение, сформулированное "основателем" хранилищ данных Биллом  Инмоном: " Хранилище данных — это предметно-ориентированное, привязанное ко

времени и неизменяемое собрание данных для поддержки процесса принятия управляющих

решений". 

Данные в хранилище попадают из оперативных систем (OLTP-систем), которые предназначены для автоматизации бизнес - процессов. Кроме того, хранилище может пополняться за счет внешних источников, например статистических отчетов.

Зачем строить хранилища данных — ведь они содержат заведомо избыточную информацию,

которая и так "живет" в базах или файлах оперативных систем? Ответить можно кратко: анализировать данные оперативных систем напрямую невозможно или очень затруднительно.

Это объясняется различными причинами, в том числе разрозненностью данных, хранением их в  форматах различных СУБД и в разных "уголках" корпоративной сети. Но даже если на предприятии все данные хранятся на центральном сервере БД (что бывает крайне редко), аналитик почти наверняка не разберется в их сложных, подчас запутанных структурах.

Есть и еще одна причина, оправдывающая появление отдельного хранилища — сложные

аналитические запросы к оперативной информации тормозят текущую работу компании, надолго блокируя таблицы и захватывая ресурсы сервера.

Как отмечают многие авторы, под хранилищем можно понимать не обязательно гигантское скопление данных — главное, чтобы оно было удобно для анализа. Для маленьких хранилищ предназначается отдельный термин — Data Marts (киоски данных).

OLAP —инструмент анализа

Централизация и удобное структурирование — это далеко не все, что нужно аналитику. Еще ему требуется инструмент для просмотра,  визуализации информации. Традиционные отчеты,  даже построенные на основе единого хранилища, лишены одного — гибкости. Их нельзя "покрутить",  "развернуть" или "свернуть", чтобы получить желаемое представление данных.  Чем больше "срезов" и "разрезов" данных аналитик видит, тем больше у него идей, которые, в свою очередь, для проверки требуют все новых и новых "срезов". Ему как воздух нужен такой инструмент, который позволил бы разворачивать и сворачивать данные просто и удобно. В качестве такого инструмента и выступает OLAP.

Заметим, что OLAP не представляет собой необходимый атрибут хранилища данных. Однако он регулярно применяется для анализа накопленных в этом хранилище сведений.

Компоненты, входящие в типичное хранилище данных, представлены на рис.12.  1.