|
37 Поддержка логистических цепей стала практически обязательным требованием для программных продуктов, предназначенных для автоматизации торговых и холдинговых структур. Такие продукты должны поддерживать конфигурацию, позволяющую размещать объекты автоматизации на нескольких физически удаленных территориях, причем как с возможностью разделения финансового (бухгалтерского) учета (поддержки нескольких юридических лиц), так и с возможностью поддержки «распределенного», но единого юридического лица, со всеми вытекающими отсюда требованиями к распределенной структуре базы данных. Отметим, что свои требования к информационному (программному) обеспечению предъявляют такие популярная ныне подходы к организации производственно-хозяйственной деятельности фирм как CFM (Customer Focused Manufacturing) — производство «ориентированное на покупателя», или, например, концепция DRP (Distribution Requirements Planning планирование распределенных ресурсов). Инновационные технологии и компьютерные системы поддержки принятия управленческих финансовых решений. Наконец, следует специально остановиться на характеристике рынка информационных систем и компьютерных технологий «интеллектуального анализа данных», т.н. KDD (Knowledge Discovery in Databases обнаружение знаний в базах данных). В настоящее время на западе происходит лавинообразный рост числа программных продуктов, использующих технологии KDD, а также типов задач, где их применение дает значительный экономический эффект. Элементы автоматической обработки и анализа данных становятся неотъемлемой частью концепции электронных хранилищ данных и часто именуются в этом контексте data mining (добыча знаний из данных) [58]. Можно выделить следующие восемь классов систем интеллектуального анализа данных, применяемых в бизнесе и финансах: 1. предметно-ориентированные аналитические систем; |
27 недостаточный уровень поддержки данной концепции. Информационная поддержка данной методологии обязательное требование, на наш взгляд, не только для крупных компаний. Российская специфика состоит в том, что фактически с самого начала все сколько-нибудь значительные компании имели дело с управлением именно логистическими цепями, которые им приходилось создавать «с нуля», а нс с «простыми продажами». Поддержка логистических цепей стала практически обязательным требованием для программных продуктов, предназначенных для автоматизации торговых и холдинговых структур. Такие продукты должны поддерживать конфигурацию, позволяющую размещать объекты автоматизации на нескольких физически удаленных территориях, причем как с возможностью разделения финансового (бухгалтерского) учета (поддержки нескольких юридических лиц), так и с возможностью поддержки «распределенного», но единого юридического лица, со всеми вытекающими отсюда требованиями к распределенной структуре базы данных. Отметим, что свои требования к информационному (программному) обеспечению предъявляют такие популярная ныне подходы к организации производственно-хозяйственной деятельности фирм как CFM (Customer Focused Manufacturing) производство «ориентированное на покупателя», или, например, концепция DRP (Distribution Requirements Planning планирование распределенных ресурсов). Инновационные технологии и компьютерные системы поддержки принятия управленческих решений . Наконец, следует специально остановиться на характеристике рынка информационных систем и компьютерных технологий «интеллектуального анализа данных», т.н. KDD (Knowledge Discovery in Databases обнаружение знаний в базах данных). В настоящее время на западе происходит лавинообразный рост числа программных продуктов, использующих 28 технологии KDD, а также типов задач, где их применение дает значительный экономический эффект. Элементы автоматической обработки и анализа данных становятся неотъемлемой частью концепции электронных хранилищ данных и часто именуются в этом контексте data mining (добыча знаний из данных) [49]. Можно выделить следующие восемь классов систем интеллектуального анализа данных, применяемых в бизнесе и финансах 1.Предметно-ориентированные аналитические системы 2.Статистические пакеты 3.f !ейронные сети 4,Системы рассуждений на основе аналогичных случаев 5.Деревья реш ений (decision trees) б.Генетические алгоритмы 7.Нелииейные регрессионные методы -.8.Эволюционное программирование Па российском рынке эти подходы и информационные продукты выступают фактически как инновационные технологии. При их выборе и оценке должно быть учтено действие некоторых специфичных для России факторов и условий, влияющих на эффективность применения технологии data mining как в целом, так и в конкретной хозяйственной организации. Рассмотрим действие этих факторов, которые, по нашему мнению, оказываю! непосредственное влияние на выбор того или иного инновационного продукта из данного класса систем (информационных технологий) и которые следует рассматривать в качестве критериев факторов, определяющих адекватность оценки и выбора соответствующих информационных инноваций (систем интеллектуального анализа данных) в условиях России. Компьютерные системы поддержки принятия решений, в принципе, могут основываться на двух подходах. Первый, более традиционный, заключается в том, что в системе фиксируется опыт эксперта, который и используется для выработки оптимального в данной ситуации решения. Системы, реализующие |