Моделирование бизнес-процессов. Информационные технологии в профессиональной деятельности

1.

Демидов Л.Н
Информационные технологии в
профессиональной деятельности

2.

Учебные темы дисциплины
• Тема 4. Использование табличных процессоров для
решения прикладных задач в сфере экономики и
финансов
• Тема 5. Обзор технологий анализа данных и
информации.
• Тема 6. Профессиональные информационные технологии
и системы в финансовой сфере и бухгалтерском учете

3.

Учебные вопросы
1. Информационные системы класса ВРМ.
2. Системы бизнес-интеллекта (BI).
3. Предметно-ориентированные аналитические системы.
4. Информационно-аналитические системы (ИАС) управления по
ключевым показателям эффективности.
5. Метод сбалансированных показателей и индикаторные панели.
6. Методы и модели анализа данных.
7. Понятие OLAP-технологии.
8. Принципы построения OLAP-кубов.

4.

1.Информационные системы класса ВРМ
• BPM - класс программного обеспечения для управления бизнеспроцессами и административными регламентами.
• Использование BPMS позволяет организовать эффективное
взаимодействие между управленцами и ИТ-специалистами, лучше
использовать существующие и ускорить разработку новых
информационных систем.
• Основные функции BPMS - моделирование, исполнение и мониторинг
бизнес-процессов. Основываясь на данных мониторинга, организации
выявляют узкие места и усовершенствуют свои бизнес-процессы. Цикл
управления замыкается, когда при помощи BPMS измененные бизнеспроцессы оперативно внедряются в эксплуатацию.

5.

1.Информационные системы класса ВРМ
• Автоматизация бизнеспроцессов не рассматривается
как приоритетная цель
внедрения BPMS, a позволяет
повысить исполнительскую
дисциплину, задать
необходимый алгоритм
работы компании и
контролировать его
правильное выполнение, а
также запустить процесс
постоянного улучшения БП

6.

1.Информационные системы класса ВРМ
• Большинство BPM-систем
развивались для автоматизации
бизнес-процесса. BPM-системы
являются центральной частью
сервис-ориентированной
архитектуры (Service-Oriented
Architecture — SOA).
• BPM-система, имеющая
расширенные средства
интеграции, является своего рода
связующим звеном между всеми
сервисами единого ИТ-решения.

7.

1.Информационные системы класса ВРМ
• SOA — это набор
архитектурных
принципов, не
зависящих от технологий
и продуктов, совсем как
полиморфизм или
инкапсуляция. В этой
статье я рассмотрю
следующие паттерны,
относящиеся

8.

1.Информационные системы класса ВРМ
• Если бизнес-процессы описаны, то по
логике цикла управления процессами
они должны быть автоматизированы
соответствующим инструментарием.
Исходя из этого, появились workflow
системы, которые были
позиционированы как
инструментарий автоматизации
бизнес-процессов. Далее функционал
workflow-систем был расширен за счет
поддержки полного цикла управления
процессом, и они стали называться
Business Process Management system.

9.

1.Информационные системы класса ВРМ
• Предназначением BPM-систем является автоматизация любых
бизнес-процессов, но максимальный эффект достигается при
использовании их в процессах с высокой частотой выполнения и
сложной логикой. Примерами могут служить:
• процессы подключения телекоммуникационных услуг
• процессы розничного кредитования в банке
• процессы технического присоединения конечного потребителя в
энергетике, процесс оформления страховки в страховой компании
• процесс формирования заказа на поставку в логистике и т. д.

10.

1.Информационные системы класса ВРМ
• BPM - класс программного обеспечения для управления бизнес-процессами
и административными регламентами. Использование BPMS позволяет
организовать эффективное взаимодействие между управленцами и ИТспециалистами, лучше использовать существующие и ускорить разработку
новых информационных систем. Основные функции BPMS - моделирование,
исполнение и мониторинг бизнес-процессов. Основываясь на данных
мониторинга, организации выявляют узкие места и усовершенствуют свои
бизнес-процессы. Цикл управления замыкается, когда при помощи BPMS
измененные бизнес-процессы оперативно внедряются в эксплуатацию.
• BPM-система изначально предназначена для реализации принципов
процессного управления бизнесом в компании. На рынке реализовано
множество информационных систем, каждая из которых определенным
образом создана для полного управления бизнес-процессами: стратегией,
проектированием, внедрением, контролем.

11.

1.Информационные системы класса ВРМ
Тренды российского рынка BPM
• Проникновение интеллектуальных
технологий
• Спрос на платформы с минимальным
кодированием
• Потребность в готовых решениях
• Вовлечение всех сотрудников и
омниканальность
• Выстраивание сквозных процессов
• Использование адаптивного кейсменеджмента
• Документооборот без документооборота
• Применение Agile в проектах BPM
• Использование BPM для объективной
оценки состояния бизнеса
• Разработка Open Source BPM

12.

2.Системы бизнес-интеллекта (BI)
• Системами бизнес интеллекта называют класс информационных
систем, который позволяет превратить разрозненные и
необработанные данные предприятия в структурированную
информацию и знания, используемые в управлении. Именно эта
информация является основой принятия решений.
• В отличие от стандартных систем, системы отчетности включают в
себя богатые возможности для построения пользовательских
запросов, создания гибких отчетов и простой обработки
полученных результатов непосредственно менеджерами и
аналитиками, не являющимися специалистами в области ИТ.

13.

2.Системы бизнес-интеллекта (BI)
В состав BI входят:
• Многомерная агрегация и размещение данных в хранилищах данных
• Денормализация таблиц баз данных, маркировка и стандартизация
данных (ETL)
• Средства предоставления отчётности в режиме реального времени с
аналитическими оповещениями (в случае существенных отклонений)
• Средства взаимодействия с неструктурированными источниками данных
• Групповая консолидация, бюджетирование и скользящие прогнозы
• Статистические выводы и вероятностное моделирование
• Оптимизация ключевых показателей эффективности
• Контроль версий и управление процессами
• Управления открытыми позициями

14.

2.Системы бизнес-интеллекта (BI)
Работа с BI должна быть
разделена на следующие
этапы:
• Информационный поиск
• Аналитическая обработка в
реальном времени (OLAP),
• Инструменты
предупреждения об
отклонениях от ожидаемых
показателей
• Бизнес-аналитика
• Бизнес-отчётность

15.

2.Системы бизнес-интеллекта (BI)
• Понятие систем BI объединяет различные средства и технологии
анализа и обработки данных масштаба предприятия. Среди BIсистем можно выделить такие составляющие, как:
• хранилища данных (Data Warehouse),
• витрины данных (Data Mapts),
• инструменты оперативной аналитической обработки (On-Line Analytical
Processing, OLAP),
• средства обнаружения знаний (Data Mining),
• инструменты конечного пользователя, предназначенные для
выполнения запросов и построения отчетов.

16.

2.Системы бизнес-интеллекта (BI)

17.

2.Системы бизнес-интеллекта (BI)

18.

3.Предметно-ориентированные
аналитические системы
• Предметно-ориентированные экономические информационные
системы - это совокупность информационных экономикоматематических методов и моделей, технологических и программных
средств, предназначенных для обработки информации специалистами
и принятия ими управленческих решений.
• Наибольшая эффективность АИС достигается при оптимизации плана
работы предприятия и быстрой выработки оперативных решений за
счет маневрирования материальными и финансовыми ресурсами. При
использовании АИС в процессе управления создается экономикоорганизационная модель, которая адекватно отражает характерные
структурные динамические свойства объекта.

19.

3.Предметно-ориентированные
аналитические системы
• Предметно-ориентированные аналитические системы очень
разнообразны. Наиболее широкий подкласс таких систем,
получивший распространение в области исследования
финансовых рынков, носит название "технический анализ". Он
представляет собой совокупность нескольких десятков методов
прогноза динамики цен и выбора оптимальной структуры
инвестиционного портфеля, основанных на различных
эмпирических моделях динамики рынка. Эти методы могут быть
весьма просты ( например, методы, использующие вычитание
трендового значения), но могут иметь достаточно оригинальную
математическую основу (например, теорию фракталов)

20.

3.Предметно-ориентированные
аналитические системы
Структура хранилища данных
Процесс "получение знания"
• Последние версии почти всех
известных статистических пакетов
включают наряду с
традиционными статистическими
методами также элементы Data
Mining. Основное внимание в них
уделяется все же классическим
методикам — корреляционному,
регрессионному, факторному
анализу и другим.

21.

3.Предметно-ориентированные
аналитические системы
Классификация программных средств
анализа
• Предметно-ориентированные
аналитические системы
• Нейронные сети
• Системы рассуждений (case based reasoning
– CBR) на основе аналогичных случаев
• Деревья решений (decision trees)
• Нелинейные регрессионные методы
• Специализированные программные
средства методо–ориентированной
направленности

22.

3.Предметно-ориентированные
аналитические системы
• Наиболее типичный представитель –
системы анализа финансовых рынков,
построенные на основе методов
прогноза динамики цен, различных
эмпирических моделях динамики
рынка. Эти системы относительно
дешевы (до 500 долл.), но большинство
их ориентировано на западный рынок,
например, MetaStock (компания Equis
International), SuperCharts (Omega
Research), Candlestick Forecaster (IPTC),
Wall Street Money (Market Arts).

23.

3.Предметно-ориентированные
аналитические системы
• Нейронные сети. Используется архитектура
многослойного персептрона: нейрон верхнего
уровня соединен по входу с выходами нейронов
нижних уровней. На нейроны нижнего слоя
подаются входные параметры, на основе которых
вырабатываются решения. На выходе нейрона
самого верхнего слоя вырабатывается некоторое
значение – реакция нейронной сети на введенные
значения входных параметров. Нейронная сеть
предварительно «обучается» на известных
значениях входных параметров и правильных
ответах, в результате чего подбираются веса
межнейронных связей, обеспечивающие
наибольшую близость ответов к известным
правильным ответам.

24.

3.Предметно-ориентированные
аналитические системы
• Системы рассуждений (case based reasoning – CBR) на основе
аналогичных случаев. Системы CBR находят в прошлом близкие
аналоги и выбирают тот же ответ, который был для них
правильным. Эти системы не создают каких-либо моделей или
правил, а обобщают предыдущий опыт: Kate Tools (Acknosoft,
Франция), Pattern Recognition Workbench (Unica, США).
• Деревья решений (decision trees). Применяются для решения
задач классификации, создают иерархическую структуру правил
типа "ЕСЛИ... ТО..." для распределения множества случаев по
отдельным классам, подклассам, видам и т.п.

25.

3.Предметно-ориентированные
аналитические системы
• Нелинейные регрессионные методы. Позволяют выполнить
поиск зависимости целевых переменных от остальных в форме
функционала определенного вида.
• Нелинейные регрессионные методы. Реализуются в системах:
Math Works Matlab, Maple, Statistica, Mathematica и др. Как
правило, приложения Microsoft Office наиболее часто выступают
в качестве «клиентов» OLAP или DM. Это обеспечивается
средствами интеграции. Компонентная модель (Component
Object Model, COM) приложений Microsoft Office позволяет
интегрировать в них функции обработки данных различных
программ в виде дополнительных пользовательских команд или
специальных надстроек.

26.

3.Предметно-ориентированные
аналитические системы

27.

3.Предметно-ориентированные
аналитические системы

28.

4.Информационно-аналитические
системы (ИАС) управления по ключевым
показателям эффективности
• В настоящее время на BI сегменте ИТ рынка, как российского, так
и зарубежного, предлагается достаточно много готовых систем и
программно-аппаратных решений для обеспечения работы
аналитиков, в том числе в области конкурентной разведки. На эту
тему существует много доступных обзоров, рекламных
материалов и т.д., ориентированных на различные читательские
аудитории. Можно утверждать, что функциональные требования
к таким системам в целом на сегодняшний момент определены
достаточно полно. Есть ряд интересных предложений по
разработке высокопроизводительных программно-аппаратных
платформ для эффективной бизнес-аналитики.

29.

4.Информационно-аналитические
системы (ИАС) управления по ключевым
показателям эффективности

30.

4.Информационно-аналитические
системы (ИАС) управления по ключевым
показателям эффективности

31.

4.Информационно-аналитические
системы (ИАС) управления по ключевым
показателям эффективности

32.

5.Метод сбалансированных показателей
и индикаторные панели
• Идею использовать сбалансированную систему
показателей как инструмент управления
эффективностью развития компании предложили
Роберт Каплан и Дейвид Нортон. Они назвали свою
разработку «Balanced Scorecard» (BSC), чтобы
подчеркнуть сбалансированность («Balanced»)
системы, которая должна быть измеримой при
помощи системы показателей («Scorecard»).
• Основное назначение концепции BSC – воплотить
видение руководства компании в реальность, а также
связать стратегию с оперативной деятельностью и
стоимостными факторами.

33.

5.Метод сбалансированных показателей
и индикаторные панели
• Суть ССП заключается в формулировании
стратегии в нескольких перспективах,
постановке стратегических целей и
измерении степени достижения данных
целей при помощи показателей.
• Слово «сбалансированный» (Balanced) в
названии методологии означает
одинаковую важность всех показателей.
ССП проецируется на всю организацию
путем разработки индивидуальных целей
в рамках уже разработанных
корпоративных стратегий и стимулирует
понимание работниками своего места в
стратегии компании.

34.

5.Метод сбалансированных показателей
и индикаторные панели

35.

5.Метод сбалансированных показателей
и индикаторные панели
• Одним из важнейших направлений современного регионального
развития является создание в регионе комплекса государственных и
муниципальных информационных систем, обеспечивающих
поддержку деятельности органов государственной власти субъектов
Российской Федерации и органов местного самоуправления.
• Важнейшим компонентом региональной АИС является
информационно-аналитическая система, обеспечивающая
пользователей своевременной количественной или качественной
статистической или оперативной информацией по всему региону или в
разрезе служб, подразделений и территориальных объединений, их
социальных и экономических показателях, темпах роста,
предоставляющая доступ к различным реестрам и регистрам.

36.

5.Метод сбалансированных показателей
и индикаторные панели

37.

6.Методы и модели анализа данных
• Основой для анализа данных служит моделирование. Построение
моделей является универсальным способом изучения окружающего
мира. Построение моделей позволяет обнаруживать зависимости,
извлекать новые знания, прогнозировать, управлять и решать
множество других задач.
• Принципы построения моделей
• При анализе отталкиваться от опыта эксперта.
• Рассматривать проблему под разными углами и комбинировать подходы.
• Не стремиться к высокой точности модели, а двигаться от более простых и
грубых моделей к более сложным и точным.
• По прошествии времени и накоплению новых сведений нужно повторять цикл
моделирования.

38.

6.Методы и модели анализа данных
• Несмотря на большое количество
разнообразных бизнес-задач, почти все
они решаются по единой методике. Эта
методика, называется Knowledge
Discovery in Databases. Она описывает не
конкретный алгоритм или
математический аппарат, а
последовательность действий, которую
необходимо выполнить для построения
модели (извлечения знания).
• Данная методика не зависит от
предметной области, это набор
атомарных операций, комбинируя
которые, можно получить нужное
решение.

39.

6.Методы и модели анализа данных
• KDD – ВЫБОРКА ДАННЫХ
• KDD – ОЧИСТКА ДАННЫХ
• KDD – ТРАНСФОРМАЦИЯ ДАННЫХ
• KDD – DATA MINING
DATA MINING – ЗАДАЧИ
• Классификация – это отнесение объектов к одному из заранее известных классов.
• Регрессия – установление зависимости непрерывных выходных переменных от входных
значений.
• Кластеризация – объекты внутри кластера должны быть 'похожими' друг на друга и отличаться
от объектов, вошедших в другие кластеры.
• Ассоциация – нахождение зависимости, что из события X следует событие Y.
• Последовательные шаблоны – установление закономерностей между связанными во времени
событиями.
• Можно говорить еще и о задаче анализа отклонений – выявления наиболее нехарактерных
шаблонов.

40.

6.Методы и модели анализа данных
Список решаемых бизнес-задач:
• План-факторный анализ –
визуализация данных
• Анализ денежных потоков –
визуализация данных
• Прогнозирование – задача
регрессии
• Управление рисками – регрессия,
кластеризация и классификация
• Стимулирование спроса –
кластеризация, ассоциация
• Оценка эластичности спроса –
регрессия
• Выявление предпочтений клиентов
– последовательность,
кластеризация, классификация

41.

6.Методы и модели анализа данных

42.

7.Понятие OLAP-технологии
• OLAP (Online Analytical Processing – аналитическая
обработка данных в реальном времени)
представляет собой мощную технологию
обработки и исследования данных. Системы,
построенные на основе технологии OLAP,
предоставляют практически безграничные
возможности по составлению отчетов,
выполнению сложных аналитических расчетов,
построению прогнозов и сценариев, разработке
множества вариантов планов.

43.

7.Понятие OLAP-технологии
• С точки зрения пользователя, OLAP-системы представляют
средства гибкого просмотра информации в различных срезах,
автоматического получения агрегированных данных, выполнения
аналитических операций свёртки, детализации, сравнения во
времени. Всё это делает OLAP-системы решением с очевидными
преимуществами в области подготовки данных для всех видов
бизнес-отчетности, предполагающих представление данных в
различных разрезах и разных уровнях иерархии — например,
отчетов по продажам, различных форм бюджетов и так далее.
Очевидны плюсы подобного представления и в других формах
анализа данных, в том числе для прогнозирования.

44.

7.Понятие OLAP-технологии
• В основе работы OLAP системы
лежит обработка многомерных
массивов данных. Многомерные
массивы устроены так, что каждый
элемент массива имеет множество
связей с другими элементами.
Чтобы сформировать
многомерный массив, OLAP
система должна получить
исходные данные из других систем
(например, ERP или CRM системы),
или через внешний ввод.

45.

7.Понятие OLAP-технологии
• Пользователь OLAP
системы получает
необходимые данные в
структурированном виде в
соответствии со своим
запросом. Исходя из
указанного порядка
действий, можно
представить структуру OLAP
системы.

46.

7.Понятие OLAP-технологии
В общем виде, структура OLAP системы состоит из следующих
элементов:
• база данных. База данных является источником информации для
работы OLAP системы. Вид базы данных зависит от вида OLAP системы
и алгоритмов работы OLAP сервера. Как правило, используются
реляционные базы данных, многомерные базы данных, хранилища
данных и т.п.
• OLAP сервер. Он обеспечивает управление многомерной структурой
данных и взаимосвязь между базой данных и пользователями OLAP
системы.
• пользовательские приложения. Этот элемент структуры OLAP системы
осуществляет управление запросами пользователей и формирует
результаты обращения к базе данных (отчеты, графики, таблицы и пр.)

47.

7.Понятие OLAP-технологии
Существует три основных способа
хранения и обработки данных:
• локально. Данные размещаются
на компьютерах пользователей.
Обработка, анализ и управление
данными выполняется на
локальных рабочих местах. Такая
структура OLAP системы имеет
существенные недостатки,
связанные со скоростью
обработки данных,
защищенностью данных и
ограниченным применением
многомерного анализа.

48.

7.Понятие OLAP-технологии
Существует три основных способа
хранения и обработки данных:
• реляционные базы данных. Эти
базы данных используются при
совместной работе OLAP системы
с CRM системой или ERP
системой. Данные хранятся на
сервере этих систем в виде
реляционных баз данных или
хранилищ данных. OLAP сервер
обращается к этим базам данных
для формирования необходимых
многомерных структур и
проведения анализа.

49.

7.Понятие OLAP-технологии
Существует три основных способа
хранения и обработки данных:
• многомерные базы данных. В
этом случае данные
организованы в виде
специального хранилища данных
на выделенном сервере. Все
операции с данными
осуществляются на этом сервере,
который преобразует исходные
данные в многомерные
структуры. Такие структуры
называют OLAP кубом.

50.

7.Понятие OLAP-технологии
• ROLAP (Relational OLAP – реляционные OLAP системы) – этот вид
OLAP системы работает с реляционными базами данных.
Обращение к данным осуществляется напрямую в реляционную
базу данных. Данные хранятся в виде реляционных таблиц.
Пользователи имеют возможность осуществлять многомерный
анализ как в традиционных OLAP системах. Это достигается за
счет применения инструментов SQL и специальных запросов.

51.

7.Понятие OLAP-технологии
• Одним из преимуществ ROLAP является возможность более
эффективно осуществлять обработку большого объема данных.
Другим преимуществом ROLAP является возможность
эффективной обработки как числовых, так и текстовых данных.
• К недостаткам ROLAP относится низкая производительность (по
сравнению с традиционными OLAP системами), т.к. обработку
данных осуществляет сервер OLAP. Другим недостатком является
ограничение функциональности из-за применения SQL.

52.

7.Понятие OLAP-технологии
• MOLAP (Multidimensional OLAP – многомерные OLAP системы). Этот
вид OLAP систем относится к традиционным системам. Отличие
традиционной OLAP системы, от других систем, заключается в
предварительной подготовке и оптимизации данных. Эти системы, как
правило, используют выделенный сервер, на котором осуществляется
предварительная обработка данных. Данные формируются в
многомерные массивы – OLAP кубы.

53.

7.Понятие OLAP-технологии
• HOLAP системы позволяют хранить большое количество данных в
реляционных таблицах, а обрабатываемые данные размещаются
в предварительно построенных многомерных OLAP кубах.
Преимущества этого вида систем заключаются в
масштабируемости данных, быстрой обработке данных и гибком
доступе к источникам данных.
• Существуют и другие виды OLAP систем, но они в большей
степени являются маркетинговым ходом производителей, чем
самостоятельным видом OLAP системы.

54.

7.Понятие OLAP-технологии
• HOLAP (Hybrid OLAP – гибридные OLAP системы). Гибридные OLAP
системы представляют собой объединение систем ROLAP и MOLAP . В
гибридных системах постарались объединить преимущества двух
систем: использование многомерных баз данных и управление
реляционными базами данных.

55.

7.Понятие OLAP-технологии
• HOLAP системы позволяют хранить большое количество данных в
реляционных таблицах, а обрабатываемые данные размещаются
в предварительно построенных многомерных OLAP кубах.
Преимущества этого вида систем заключаются в
масштабируемости данных, быстрой обработке данных и гибком
доступе к источникам данных.
• Существуют и другие виды OLAP систем, но они в большей
степени являются маркетинговым ходом производителей, чем
самостоятельным видом OLAP системы.

56.

7.Понятие OLAP-технологии
• WOLAP (Web OLAP). Вид OLAP системы с поддержкой web интерфейса.
В этих системах OLAP есть возможность обращаться к базам данных
через web интерфейс.
• DOLAP (Desktop OLAP). Этот вид OLAP системы дает возможность
пользователям загрузить на локальное рабочее место базу данных и
работать с ней локально.
• MobileOLAP. Это функция OLAP систем, которая позволяет работать с
базой данных удаленно, с использованием мобильных устройств.
• SOLAP (Spatial OLAP). Этот вид OLAP систем предназначен для
обработки пространственных данных. Он появился как результат
интеграции географических информационных систем и OLAP системы.
Эти системы позволяют обрабатывать данные не только в буквенноцифровом формате, но и в виде визуальных объектов и векторов.

57.

8.Принципы построения OLAP-кубов
Алгоритм работы следующий:
• Получение данных в виде плоской
таблицы или результата
выполнения SQL запроса.
• Кэширование данных и
преобразование их к
многомерному кубу.
• Отображение построенного куба
при помощи кросс-таблицы или
диаграммы и т.п. В общем случае, к
одному кубу может быть
подключено произвольное
количество отображений.