Data Analytics

Под принятием решения (decision-making), как правило понимают, процесс человеческой деятельности направленный на выбор приемлемого варианта из многообразия возможных действий или стратегий. Различные методы для помощи в принятии решений поддерживаются и разрабатываются  теорией принятия решений - достижение эффективных результатов при выборе из различных вариантов стратегий с ожиданием прибыли и минимизацией убытков, предусматривающих различные риски  в управленческо-организационной деятельности, либо в оптимизации управлением каким- либо техническим устройством, системой.

​

Постановка задачи

​

В практической деятельности, для принятия решений участник выбора или лицо принимающее решение (ЛПР), сталкивается с задачей выбора решения по одному или нескольким  критериям с предполагаемой функциональной зависимостью, слабой зависимостью или даже не известной от входных параметров, которую еще предстоит установить. Если мы имеем дело с численными значениями оценок, показателей параметров, которые мы хотим повысить или оптимизировать, то задача понятна. В жизни часто случается, что  значения окончательных показателей числовых или на уровне оценочных суждений (например, довести уровень автоматизации до 85%) в задаче поставлены, но не определенны входные данные и не известно откуда их брать и как получать решение?

Для топ-менеджмента, по нашим оценкам, подобные показатели и методы их получения отсаются все еще актуальными, так как  планируется выделять финансовые средства для их роста.
 

​

​

​

​

​

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

​

 

 

Эффективные решения

 

В данном случае, помимо получения громоздких томов отчетов по аудиту и сводок о мероприятиях по модернизации, что обычно делается без конкретных значений увеличения параметров,  однозначно требуется числовая оценка исследуемых показателей. Поэтому возникают следующие успешно решаемые задачи, которые нацелены на повышение эфективности принятия управленческих решений --  многокритериальные задачи поиска эффективных решений на границе оболочки Эджворта - Парето, задачи математического программирования, ряд методов посвященных поиску альтернатив, улучшаемости решений, анализу  иерархий и структур и др.

​

Описание задач

 

• Расчетно-аналитическая задача выбора входных данных и их шкалирования, т.е входные данные перевести на язык цифр, структурирование данных, построение моделей и получение интегрального численного результата показателя какого-либо уровня. В отчетах исследуемых показателей по уровню - соответствует на перспективу, соответствует базовому уровню, соответствует минимальному , не соответствует, критичен закладываются конкретные числовые (количественные) показатели рассчитанные по разработанным и согласованным методикам, а так же экспертная оценка по требуемым аспектам и рискам готовности предприятия. Отметим, что многие свойства организационных систем являются трудно формализуемыми, т. е. не сводятся к однозначно понимаемым математическим выражениям. Например, качество работы организационной системы не может определяться как минимизация или максимизация некоторого формального критерия, например, степени удовлетворения клиентов этой организации. Тем не менее, для принятия управленческих решений требуется в какой-то мере формализовать эти критерии, заменяя их другими (возможно, несколькими). Например, вместо удовлетворённости может использоваться критерий отсутствия простоя в  обслуживании и др.

 

• При получении сырых данных больших объемов(включая в режиме реального времени) после предварительной обработки и выделение существенных признаков возникает задача статистического интеллектуального анализа - выявление существующих закономерностей и получение новых знаний и зависимостей, ранее которые были не очевидны или не доступны. Задача может решаться как с заранее известной целью, так и с целью получения новых знаний, выявляющих новые зависимости. Как пример, в промышленности, выявление признаков, приводящих к блокировкам, аварийным ситуациям и получение новых трендов, прогнозирование их возникновения. В сфере ритейла, обнаружение цепочек совместно покупаемых товаров и создание прогнозов вероятностей их приобретения на основе этих знаний. 

 

• После решения первых двух задач, в рамках холдинга, дочерних сообществ, филиалов финансируемых из одного источника, может возникнуть следующая задача -- задача оптимизации, а именно: каким образом распределять финансовые ресурсы между всеми участниками для  оптимального роста какого-либо интегрального показателя по всему холдингу. Эта задача является стандартной задачей линейного программирования с выбором целевой функции, ограничений и критерия который необходимо максимизировать.

 

• Наконец, еще одна задача, которая решается нами это помощь в принятии решений как процедура выбора решения в многокритериальной задачи из множества допустимых альтернативных решений и поиск наиболее эффективного. Выбор оптимального решения с учетом всех критериев бывает затруднителен и не очевиден. В отличие от традиционных подходов задач оптимизации в многокритериальных задачах улучшение качества по одному критерию может ухудшать решение по другим. Для выбора наилучшего варианта решения необходим компромисс между оценками по различным критериям. Основой теории для поддержки принятия  решений является раздел математики- теория многокритериальной оптимизации. В качестве решения рассматривается визуализация Парето-эффективного множества( как пример, апроксиммация оболочки Эджворта-Парето) и анализ вариантов в близи  границы парето, показывающей точки неулучшаемых решений.  Применение экспертных систем поддержки принятия решений для лица принимающего решения (ЛПР) позволяет осуществлять поиск решения в виде субъективных, но разумных оценок в рамках допустимого множества альтернатив. Окончательный выбор решения фиксируется ЛПР.      

 

Для решения подобных задач  мы используем современные вычислительные системы, технологии, программное обеспечение, расчетную аналитику и ряд математических методов: математического  моделирования, математического программирования, исследования операций, многокритериальной оптимизации, машинного обучения, искусственного интеллекта и т.д.