Управляющие информационные системы

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Филиал федерального государственного бюджетного

Образовательного учреждения

Высшего профессионального образования

«Московский государственный индустриальный университет»

в г. Рославле Смоленской области

(Филиал ФГБОУ ВПО «МГИУ» в г. РОСЛАВЛЕ)

Контрольная работа

По дисциплине Информационный менеджмент

г. Рославль, 2013

Содержание

1. Управляющие информационные системы

2. Принципы моделирования в IDEF0

3. Пути развития информационных систем

4. Функции системы управления персоналом организации

Список используемой литературы

1. Управляющие информационные системы

В качестве примера рассмотрим возможности управляющих информационных систем в менеджменте, которые появились в связи с интенсивным развитием информационных технологий. С ростом технической мощи ИТ компьютеры начали не просто облегчать работу человека, а позволяют выполнять то, что без ИТ было невозможным. В связи с тем, что менеджеру приходится принимать решения в условиях большой неопределенности и риска, новые возможности информационных систем очень быстро начинают находить применение в бизнесе.

Говоря о "новых" возможностях ИС в менеджменте, более справедливо называть некоторые из них новыми только для нас. Например, системы поддержки принятия решений уже более двух десятилетий используются в развитых странах, но пока еще не получили широкого распространения в нашей стране.

Системы поддержки принятия решений (Decision Support System)

Системы поддержки принятия решений (DSS) - это компьютерные системы, почти всегда интерактивные, разработанные, чтобы помочь менеджеру (или руководителю) в принятии решений. DSS включают и данные, и модели, чтобы помочь принимающему решения решить проблемы, особенно те, которые плохо формализованы. Данные часто извлекаются из системы диалоговой обработки запросов или базы данных. Модель может быть простой типа "доходы и убытки", чтобы вычислить прибыль при некоторых предположениях, или комплексной типа оптимизационной модели для расчета загрузки для каждой машины в цехе. DSS и многие из систем, обсуждаемых в следующих разделах, не всегда оправдываются традиционным подходом стоимость -- прибыль; для этих систем многие из выгод неосязаемы, типа более глубокого принятия решения и лучшего понимания данных.

Система поддержки принятия решений требует трех первичных компонентов: модели управления, управления данными для сбора и ручной обработки данных и управления диалогом для облегчения доступа пользователя к DSS. Пользователь взаимодействует с DSS через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем DSS представляют результаты пользователю через тот же самый пользовательский интерфейс. Модель управления и управление данными в значительной степени действуют незаметно и варьируются от относительно простой типовой модели в электронной таблице до сложной комплексной модели планирования, основанной на математическом программировании.

Чрезвычайно популярный тип DSS - в виде генератора финансового отчета. С помощью электронной таблицы типа Lotos 1-2-3 или Microsoft Excel создаются модели, чтобы прогнозировать различные элементы организации или финансового состояния. В качестве данных используются предыдущие финансовые отчеты организации. Начальная модель включает различные предположения относительно будущих трендов в категориях расхода и дохода. После рассмотрения результатов базовой модели менеджер проводит ряд исследований типа "что, если", изменяя одно или большее количество предположений, чтобы определить их влияние на исходное состояние. Например, менеджер мог бы зондировать влияние на рентабельность, если бы продажа нового изделия росла на 10% ежегодно. Или менеджер мог бы исследовать влияние большего, чем ожидаемое, увеличения цены сырья, например 7% вместо 4% ежегодно. Этот тип генератора финансового отчета - простые, но мощные DSS для руководства принятием финансовых решений.

Пример DSS по приведению транзакций данных - система определения размеров ассигнований на полицейские выезды, используемая городами Калифорнии. Эта система позволяет офицеру полиции увидеть карту и выводит данные географической зоны, показывает полиции звонки вызовов, типы вызовов и время вызовов. Интерактивная способность графики системы разрешает офицеру манипулировать картой, зоной и данными, чтобы быстро и легко предположить вариации альтернатив полицейских выездов.

Другой пример DSS - интерактивная система для планирования объема и производства в большой бумажной компании. Эта система использует детальные предыдущие данные, прогнозирующие и планирующие модели, чтобы проиграть на компьютере общие показатели компании при различных плановых предположениях. Большинство нефтяных компаний развивают DSS, чтобы поддержать принятие решения капиталовложений. Эта система включает различные финансовые условия и модели для создания будущих планов, которые могут быть представлены в табличной или графической форме.

Все приведенные примеры DSS названы специфическими DSS. Они - фактические приложения, которые помогают в процессе принятия решения. Напротив, генератор системы поддержки принятия решений - это система, которая обеспечивает набор возможностей быстро и легко строить специфические DSS. Генератор DSS - пакет программ, разработанный для выполнения на частично компьютерной основе. В нашем примере финансового отчета Microsoft Excel или Lotus 1-2-3 могут рассматриваться как генераторы DSS, в то время как модели для проектирования финансовых отчетов для частного отделения компании на базе Excel или Lotus 1-2-3 - это специфические DSS.

Исполнительные информационные системы (Executive Support System)

Исполнительные информационные системы (Executive Support System - ESS) появились в 80-х годах. Ключевая концепция исполнительной информационной системы состоит в том, что такая система поставляет интерактивную совокупность текущей информации относительно конъюнктур рынка, формирует легкий доступ для старших руководителей и других менеджеров без помощи посредников. ESS использует современную графику, связь и методы хранения данных, обеспечивая исполнителям легкий интерактивный доступ к текущей информации относительно состояния организации.

Первоначально большинство ESS создавалось только для самих высших руководителей в фирме, но сейчас круг пользователей в большинстве компаний расширен, чтобы охватить все уровни управления. ESS использует данные, которые были отфильтрованы и обличены в итоге в форму, полезную для руководителей организации. Кроме того, много эффективных ESS включают качественные данные типа информации о конкурентоспособности, оценки и прогнозы.

Например, Comshare's Commander Decision является клиент-сервером и программой на базе intranet (локальная сеть, взаимодействующая с Internet), способствует быстрому широкому применению ориентированных на покупателей приложений типа поддержки принятия решения, таких, как анализ выполнения, исполнительные информационные системы и управление сообщениями. Commander Decision допускает, чтобы деловые пользователи получали информацию в любом виде, включая карты, диаграммы, вставки, запросы, вычисления и даже персональные напоминания об условиях предусмотренных встреч Этот универсальный инструмент может использоваться, чтобы строить традиционные ESS-приложения для исполнителей, как описано выше, или систем поддержки принятия решений для менеджеров на различных уровнях бизнеса. Commander Decision предоставляет для продажи большое количество легких в использовании и просто интерпретируемых изображений для предоставления ключевой информации менеджерам Кроме того, он обеспечивает выборочный контроль, интеллектуальную углубленную способность распознавать необходимую детальную информацию, демонстрацию десяти лучших или худших показателей, внимание к важным предметам новостей и экранное определение тенденций, отношений и новые версии данных.

Возможно, самая ранняя ESS, описанная в печати, - управление информацией и поддержка принятия решения (MIDS) системы в Lockheed-Georgia Company. Спонсором для MIDS были президент Lockheed-Georgia и специальный штаб, сообщавший вице-президенту финансовое развитие системы. Для развития MIDS был использован эволюционный подход с ограниченным числом показов, разработанных первоначально для ограниченного числа руководителей. Например, дисплей мог показывать предполагаемым клиентам типы самолетов или графически описывать прогноз и фактическую продажу в течение прошлого года.

Начальная версия MIDS в 1979 г. имела только 31 дисплей. К 1985 г. было поставлено 710 дисплеев, система использовалась 30 старшими исполнителями и 40 работающими менеджерами. Успех MIDS зависел от многих особенностей, но, возможно, наиболее важным было то, что система выдавала ту информацию (основанную на количественных и качественных данных), в которой нуждались старшие руководители и их компании, чтобы достичь успеха.

Фирма "Welch Allyn" - ведущий поставщик медицинских диагностических инструментов на международном рынке (термометров, офтальмоскопов, приборов кровяного давления и аудиометров). В связи с интенсивным продвижением на международный рынок фирма решила, что требуется "всемирная исполнительная система поддержки принятия решений, которая обеспечит быстрый доступ к значимой информации". Используя программные изделия Comshare, Welch Allyn построила систему финансовой отчетности, которая обращается с ежемесячным накоплением и обменом валюты. Это также обеспечивает возможности полного анализа для менеджеров, аналитиков и исполнителей. Система анализа взаимных продаж допускает менеджеров к передаче информации о всемирных продажах по линиям, областям и клиентам. "Наш процесс обработки настолько быстр, что мы можем теперь осуществлять продажу во всем мире и объединить данные таким образом, как мы никогда не мечтали", - говорит вице-президент и казначей этой фирмы Kevin Cahill.

Переработка данных (Data Mining)

Ранее идея "складирования" данных - идея выбора данных компании из операционных систем и помещения их в отдельной базе данных представлялась так, чтобы пользователи могли иметь доступ к ним и анализировать данные без опасности для операционных систем. Аргументом было то, что создание и обслуживание базы данных является операционной системой, поэтому база данных поддерживает всю организацию, создавая данные, доступные каждому, в то время как анализ данных выполняется для отдельного менеджера или маленькой группы менеджеров, и, следовательно, это система поддержки управления. Сейчас анализ данных производится в базе, потому что системы поддержки принятия решений, описанные в предыдущем разделе, часто извлекают данные, в которых они нуждаются, непосредственно из баз данных организаций.

"Добыча данных" (Data Mining) использует ряд технологий (типа деревьев решений и нейронных сетей), чтобы искать или "добывать" маленькие "самородки" информации из крупных объемов данных, запасенных в базе данных организации. Добыча данных, которая иногда рассматривается как вспомогательный аппарат систем поддержки принятия решений, является особенно полезной, когда организация имеет большие объемы данных в базе. Понятие "добыча данных" не ново, хотя название стало популярным только в конце 1990 г. По крайней мере, в течение двух десятилетий много больших организаций использовали внутренних или внешних аналитиков, часто называемых специалистами управления, пробуя распознавать тренды или создавать модели в больших массивах данных, используя методы статистики, математики и искусственного интеллекта. С развитием крупномасштабных баз данных и мощных недорогих процессоров возобновился интерес к тому, что названо в последние годы "добычей данных".

Наряду с возобновлением интереса появился ряд высокопроизводительных и относительно легких в использовании пакетов программ, добывающих коммерческие данные.

Какие методы решения или подходы используются при "добыче данных"? Фирма "KnowledgeSeeker" использует только одну технологию - дерево решений. Это структура в виде дерева, полученная из данных, чтобы представить наборы решений, приводящих к различным результатам. Когда создан новый набор решений в виде информации относительно частного покупателя, дерево решений предсказывает результат. Нейронные сети, область искусственного интеллекта, которые будут обсуждаться позже в этой главе, включены в пакеты программ Marksman, Intelligent Miner и Darwin (последние два также используют дерево решений). Другие популярные технологии включают правила предположений, извлечение из правил "если, то", основанные на статистическом значении; сортировку записей, основанных на наиболее близких им в базе данных;

генетические алгоритмы, т.е. методы оптимизации, основанные на концепциях генетической комбинации, мутации и естественного выбора.

Популярная пресса рассказывает о примерах успешной добычи данных. "Firster Bank", холдинговая компания с оборотом 20 млрд долл, основанная в Милуоки (США), использовала добычу данных для прямой отправки по почте набора заказов, чтобы увеличить быстродействие. Firster применила пакет обработки данных Marksman, сгруппировав карточки заказов клиентов на основе банка данных, который они уже использовали (типа карт расходов, акций домашних займов, сберегательных счетов и выполнения инвестиций), и затем предсказала, какие изделия будут предложены каждому клиенту и в какое время.

Bank of America, основанный в Сан-Франциско, был завален запросами клиентов. Банк был заинтересован в новых способах текущего контроля за счетами клиентов при наборе новых клиентов. Сначала банковские маркетологи хотели выяснить, кто из клиентов имел тенденцию использовать конкретные изделия и какое сочетание услуг лучше соответствует потребностям различных групп клиентов. Через обширный процесс добычи данных, использующий различные программные изделия. Bank of America сгруппировал клиентов в небольшие группы, которые имели близкие интересы и потребности. "Некоторые клиенты неправильно использовали платежи, так что мы приступаем к их преобразованию", - говорит вице-президент по маркетингу Bank of America. - "Мы вошли в контакт с ними по почте или по телефону и нашли, что реакция была обычно очень благоприятная. Иногда это означало несколько долларов в месяц дополнительно, но зато мы чувствовали, что клиенты будут испытывать большее доверие к банку, который смотрел за их деньгами".

Добыча данных требует разработанной и хорошо построенной базы (склада) данных с сохраняемыми в ней данными. Прежде чем любая организация подумает относительно добычи данных, нужно сначала убедиться, что необходимые данные имеются и что они являются полными и точными. Например, отделение заказов по почте фармацевтического гиганта Merck-Medco, основанного в Нью Джерси, потратило 4 года на работу над громоздкой базой данных пациентов и обращений прежде, чем сделать банки данных готовыми к добыче данных. В Merek-Medco главными задачами реинжиннринга стали очистка данных и объединение их в значимую структуру.

Искусственный интеллект (Artificial Intelligence)

Идея искусственного интеллекта (AI), т.е. изучение того, как компьютеры могут "думать", имеет приблизительно 30-летний возраст, но только недавно появились достаточно мощные компьютеры, чтобы делать коммерчески привлекательными AI-приложения. AI-исследования развились в пять отдельных, но связанных областей: естественные языки, робототехника, системы ощущения (системы зрения и слуха), экспертные системы и нейронные сети.

Чтобы работать с естественными языками, необходимо создание систем, которые переводят обычные человеческие инструкции в язык, который компьютеры могут понимать и выполнять. Робототехника в большей степени относится к промышленности Исследование систем ощущения направлено на создание машин, обладающих визуальными и слуховыми способностями, которые воздействуют на их физическое поведение. Другими словами, это исследование нацелено на создание роботов, которые могут "видеть" или "слышать" и реагировать соответственно тому, что они видят или слышат.

Заключительные две ветви AI наиболее пригодны для поддержки управления Экспертные системы - это системы, которые используют логику принятия решения человеческого эксперта. Самая новая отрасль AI - нейронные сети, которые устроены по аналогии с тем, как работает человеческая нервная система, но фактически используют статистический анализ, чтобы распознать модели из большого количества информации посредством адаптивного изучения.

Экспертные системы (Expert Systems)

Как применяет логику эксперта компьютерная система? Чтобы спроектировать экспертную систему, специалист, называемый инженером знания (специально подготовленный системный аналитик), очень тесно работает с одним или большим количеством экспертов в изучаемой области Инженеры знания пробуют узнавать все относительно способа, которым эксперт принимает решения. Если строится экспертная система для планирования оборудования, то инженер знания работает с опытными планировщиками оборудования, чтобы видеть, как они работают. Знание, полученное инженером знания, затем загружается в компьютерную систему, в специализированном формате, в блоке, названном базой знаний (Рис. 2.2.2.) Эта база знаний содержит правила и заключения, которые используются в принятии решений, - параметры, или факты, необходимые для решения.

Другие главные фрагменты экспертной системы - создатель заключения и интерфейс пользователя. Создатель заключения - логический каркас, который автоматически проводит линию рассуждения и который обеспечен правилами заключения и параметрами, вовлеченными в решение. Таким образом, один и тот же создатель заключения может использоваться для многих различных экспертных систем с различной базой знаний Интерфейс пользователя - блок, используемый конечным пользователем, например неопытным планировщиком оборудования. Идеальный интерфейс - очень дружественный. Другие блоки включают подсистему объяснения, чтобы разъяснять доводы, что система движется в направлении решения, подсистему накопления знания, чтобы помочь инженеру знания в регистрации правил заключения и параметров в базе знаний, рабочую область, чтобы использовать компьютер, поскольку решение сделано.

Классический пример экспертной системы - MYCIN, она была создана в "Stanford University" в середине 70-х годов, чтобы диагностировать обращения по болезням крови и менингита. "General Electric" развивала экспертную систему CATS-1, чтобы диагностировать механические проблемы в дизельных локомотивах, фирма AT&T разработала АСЕ для обнаружения повреждений в телефонных кабелях. Международная нефтяная компания "Schlumberger" развивала экспертную систему, названную Dipmeter, применяемую для подачи сигналов, когда сверло заклинивает и когда сверление идет нормально. Эти примеры относятся к проблемам диагностики ситуаций и предписывают соответствующие действия, потому что эксперты не всегда присутствуют, когда возникают проблемы на производстве

Некоторые экспертные системы специализируются в просеивании массивов наборов правил или других предписаний, иногда называемых основанными на случаях аргументации. "Human Service Agency" из Merced County (Калифорния) использует экспертную систему по имени Magic, которая включает 6000 правительственных постановлений в отношении благосостояния, продовольственных талонов, медицины, поощрения забот и т д. Magic определяет, соответствует ли претендент пользе, и затем вычисляет тип и количество выгод. Полный процесс от заявления до заключительного решения теперь составляет примерно три дня, в то время как до этого он составлял три месяца. Кроме того, клерки, которые обрабатывают приложения, не требуют глубокого обучения, которое прежде требовалось. Все, что они должны уметь делать, это проводить претендента шаг за шагом через ряд вопросов, задаваемых компьютером.

Организация Объединенных Наций развила подобную экспертную систему, названную Entitlements System, для объяснения комплексных норм жалованья для всех служащих Секретариата ООН во всем мире. Плата служащих ООН определяется на основе жалованья плюс прибавки, а прибавки включают выгоды, формируемые на месте работы, плюс другие договорные соглашения. Правила и нормы для прибавок занимают три издания по несколько сотен страниц каждый. Используя PowerModel - программное обеспечение из IntelliCorp, ООН построила экспертную систему, которая определяет и применяет прибавки автоматически при использовании интерактивной базы знаний, содержащей правила прибавок. Экспертная система облагает налогом прибавки всякий раз, когда происходят изменения в статусе служащего.

Компания "Credit Clearing House" (CCH) развила экспертную систему, чтобы ответить на запросы абонентов, разыскивающих информацию относительно предпринимателей в швейной промышленности. Экспертная система CCH включает приблизительно 800 правил, и ее развитие стоит 1 млн долл. Когда абонент вызывает запрос информации относительно кредита бизнеса, система анализирует историю оплаты, финансовый отчет, эффективность бизнеса, оценивает кредитоспособность и рекомендации и устанавливает рекомендуемый лимит кредитования в долларах.

Планирование - другая важная область для экспертных систем. Экспертные системы, используемые в настоящее время, включают отправку грузовиков и систему планирования, которая определяет последовательность остановок на маршруте, чтобы обеспечить лучшее обслуживание и промышленную систему проектирования, которая организовывает машины и операторов, чтобы обеспечить эффективный поток материалов через фабрику и использование ресурсов. "American Airlines" использует экспертную систему МОСА (Maintenance Operation Center Advisor), которая установлена на компьютере Macintosh, для планирования текущего технического обслуживания для всех 622 самолетов флота American. МОСА включает 5000 правил, которые были получены от 30 самолетных техников. Самолет должен проходить текущее техническое обслуживание через каждые 60 ч полета, и система МОСА должна выдать график, который выполняет это правило, охватывает маршруты всей Америки и сокращает пустые полеты самолетов к региональным центрам обслуживания. По американским оценкам, МОСА сохранила компании половину миллиона долларов в год по сравнению с планировщиками-людьми.

Другой пример планирования: фирма General Motors создала Expert Scheduling System, или ESS, для формирования жизнеспособных графиков производства. Чтобы построить систему, GM использовала структуру экспертной системы IntelliCorp's Knowledge Engineering Enviroment и язык программирования Lisp. ESS включает эвристику, которая была заложена опытным фабричным планировщиком в системе и связывает в GM управляемое компьютером производство и окружающую среду так, чтобы оперативная информация завода использовалась для формирования графика работы завода.

Нейронные сети (Neural Networks)

В то время как экспертные системы пробуют ввести опыт людей в компьютерную программу, нейронные сети пытаются создать значимые модели из большого количества данных. Нейронные сети могут распознавать модели, слишком не ясные для людей, и адаптировать их при получении новой информации.

Ключевая характеристика нейронных сетей в том, что они обучаются. Программе нейронных сетей сначала дается набор данных, состоящих из многих переменных, связанных с большим количеством случаев, или исходов, в которых результаты известны. Программа анализирует данные и обрабатывает все корреляции, а затем выбирает набор переменных, которые строго соотнесены с частными известными результатами, как начальная модель. Эта начальная модель используется, чтобы попробовать предсказать результаты различных случаев, а предсказанные результаты сравниваются с известными результатами. Базируясь на этом сравнении, программа изменяет модель, регулируя параметры переменных или даже заменяя их. Этот процесс программа нейронных сетей повторяет много раз, стремясь улучшить прогнозирующую способность при наладке модели. Когда в этом итерационном подходе дальнейшее усовершенствование исчерпывается, программа готова делать предсказания для будущих случаев.

Как только станет доступным новое большое количество случаев, эти данные также вводятся в нейронную сеть, и модель еще раз корректируется. Нейронная сеть обучается в основном относительно причинно-следственных моделей из этих дополнительных данных, и прогнозирующая способность улучшается.

Коммерческие программы нейронных сетей (фактически это конструкции) доступны за приемлемую цену, но наиболее трудная часть создания и применения нейронных сетей - частый сбор данных и трудности обеспечения данных. Однако возрастает число развертывающихся приложений. Bank of America использует нейронную сеть, чтобы оценить коммерческие заявки на получение ссуды. "American Express" использует нейронную систему, чтобы читать почерк на кредитной карте; штат Вайоминг - чтобы читать заполненные от руки налоговые формы. "Oil giant Arco" и "Техасе" используют нейронные сети, чтобы помочь обнаружить места газовых и нефтяных месторождений под поверхностью земли. "Mellon Bank" работает над нейронной системой, которая ускорит распознавание мошеннических подделок кредитных карточек, контролируя такие показатели, как частота использования кредитной карточки и размеры расходов относительно предельного размера кредита. Журнал "Spiegel", который создает каталоги для продажи по почте, использует нейронную сеть как способ сокращения списка рассылки, чтобы устранить тех, кто, маловероятно, закажет журнал снова.

В 80-е и 90-е годы экспертные системы и приложения нейронной сети слишком рекламировались в популярной прессе как решающие большинство проблем, стоящих перед менеджерами. В конце 20-го столетия индустрия приняла более реалистическую перспективу использования AI-приложений: AI - не панацея, но имеется значительное число потенциально ценных приложений для AI-методов. Каждое потенциальное применение должно быть тщательно оценено. Результатом этих тщательных оценок был устойчивый рост, а не вспышка в развитии и использовании экспертных систем и нейронных сетей, чтобы помочь предпринимателям в проблемных ситуациях найти лучшие полезные решения

2. Принципы моделирования в IDEF0

В IDEF0 реализованы три базовых принципа моделирования процессов:

принцип функциональной декомпозиции;

принцип ограничения сложности;

принцип контекста.

Принцип функциональной декомпозиции представляет собой способ моделирования типовой ситуации, когда любое действие, операция, функция могут быть разбиты (декомпозированы) на более простые действия, операции, функции. Другими словами, сложная бизнес-функция может быть представлена в виде совокупности элементарных функций. Представляя функции графически, в виде блоков, можно как бы заглянуть внутрь блока и детально рассмотреть ее структуру и состав (см. рис. 2).

Принцип ограничения сложности . При работе с IDEF0 диаграммами существенным является условие их разборчивости и удобочитаемости. Суть принципа ограничения сложности состоит в том, что количество блоков на диаграмме должно быть не менее двух и не более шести. Практика показывает, что соблюдение этого принципа приводит к тому, что функциональные процессы, представленные в виде IDEF0 модели, хорошо структурированы, понятны и легко поддаются анализу.

Принцип контекстной диаграммы . Моделирование делового процесса начинается с построения контекстной диаграммы. На этой диаграмме отображается только один блок - главная бизнес-функция моделируемой системы. Если речь идет о моделировании целого предприятия или даже крупного подразделения, главная бизнес-функция не может быть сформулирована как, например, "продавать продукцию". Главная бизнес-функция системы - это "миссия" системы, ее значение в окружающем мире. Нельзя правильно сформулировать главную функцию предприятия, не имея представления о его стратегии.

При определении главной бизнес-функции необходимо всегда иметь ввиду цель моделирования и точку зрения на модель. Одно и то же предприятие может быть описано по-разному, в зависимости от того, с какой точки зрения его рассматривают: директор предприятия и налоговой инспектор видят организацию совершенно по-разному.

Контекстная диаграмма играет еще одну роль в функциональной модели. Она "фиксирует" границы моделируемой бизнес-системы, определяя то, как моделируемая система взаимодействует со своим окружением. Это достигается за счет описания дуг, соединенных с блоком, представляющ Применение IDEF0

После ознакомления с базовыми понятиями и принципами функционального моделирования деловых процессов естественным является вопрос: как это помогает повышать эффективность и качество деятельности предприятия.

Построение модели КАК ЕСТЬ. Обследование предприятия является обязательной частью любого проекта создания или развития корпоративной информационной системы. Построение функциональной модели КАК ЕСТЬ позволяет четко зафиксировать, какие деловые процессы осуществляются на предприятии, какие информационные объекты используются при выполнении деловых процессов и отдельных операций. Функциональная модель КАК ЕСТЬ является отправной точкой для анализа потребностей предприятия, выявления проблем и "узких" мест и разработки проекта совершенствования деловых процессов.

Бизнес-правила. Модель деловых процессов позволяет выявить и точно определить бизнес-правила, используемые в деятельности предприятия.

На рис. 3 представлен фрагмент функциональной модели документооборота. При выполнении операции "сортировать документы" используется бизнес-правило: "регистрации не подлежат: документы, присланные в копии для сведения, телеграммы и письма о разрешении командировок и отпусков...". Это правило зафиксировано в инструкции по документообороту. Функциональная модель позволяет не только идентифицировать существование этого правила, но также определить, при выполнении какой операции и на каком рабочем месте оно должно применяться.

В рамках функциональной модели бизнес-правило выглядит следующим образом: "если в приемную поступил документ, предназначенный руководству, он подлежит сортировке, в результате которой на основании инструкции определяется, подлежит ли документ регистрации или нет".

Если при разработке информационной системы не будет учтено это бизнес-правило, то такая система будет функционировать неадекватно.

Очень часто бизнес-правила на предприятии не записаны в инструкции: они как бы есть, но и их как бы нет. В результате попытки изменить что-либо в деятельности предприятия или подразделения могут закончиться неудачей только лишь потому, что эти изменения противоречат сложившимся бизнес-правилам.

Информационные объекты. Функциональная модель позволяет идентифицировать все информационные объекты, которыми оперирует предприятие в своей деятельности. В отличие от информационных моделей (Data Flow Diagrams, IDEF1X) функциональная модель IDEF0 отражает, как именно используются информационные объекты в рамках деловых процессов.

Построение модели КАК БУДЕТ. Создание и внедрение корпоративной информационной системы приводит к изменению условий выполнения отдельных операций, структуры деловых процессов и предприятия в целом. Это приводит к необходимости изменения системы бизнес-правил, используемых на предприятии, модификации должностных инструкций сотрудников. Функциональная модель КАК БУДЕТ позволяет уже на стадии проектирования будущей информационной системы определить эти изменения. Применение функциональной модели КАК БУДЕТ позволяет не только сократить сроки внедрения информационной системы, но также снизить риски, связанные с невосприимчивостью персонала к информационным технологиям.

Распределение ресурсов. Функциональная модель позволяет четко определить распределение ресурсов между операциями делового процесса, что дает возможность оценить эффективность использования ресурсов.

Особенно эта задача актуальна при создании новых деловых процессов на предприятии. Например, компания, которая специализируется на разработке заказного программного обеспечения, приняла решение создать собственную службу сбыта. Функциональная модель делового процесса по продаже программного обеспечения позволит руководству компании четко определить, какие ресурсы необходимо выделить для того, чтобы обеспечить функционирование службы сбыта, сколько сотрудников необходимо привлечь для работы в новой службе, какие функциональные обязанности эти сотрудники должны выполнять и т.д.

Программные системы IDEF0

В настоящее время существует множество CASE средств, поддерживающих функциональное моделирование в стандарте IDEF0.

Заключение

Методология функционального моделирования IDEF0 является достаточно простым инструментом, который позволяет разработчикам корпоративных информационных систем изучить сферу деятельности заказчика и решать задачи по повышению эффективности этой деятельности.

Применение функционального моделирования позволяет решать не только технические проблемы заказчика, связанные с информационными технологиями, но также проблемы, имеющие отношение к сфере деятельности заказчика. Это позволяет превратить проект информационной системы из "пачки бумаги", за которую заказчик не хочет платить, в услугу, которая может принести заказчику дополнительный эффект, сопоставимый с последующей автоматизацией.им главную бизнес-функцию.

3. Пути развития информационных систем

Трансформация автоматизированных систем управления

Теоретически любую информационную систему можно как построить, так и совершенствовать или развивать многими способами, иногда даже весьма разными, при выборе которых нужно учитывать многие факторы. В этих условиях от специалистов кроме квалификации обязательно требуется еще и ясное и непредвзятое отношение к возможным вариантам системы. Основой информатизации на современном этапе служат АСУ, созданные в свое время на многих предприятиях страны. Однако они перестали удовлетворять современным целям предприятий и претерпевают в настоящее время значительные трансформации, суть которых следует правильно понять, чтобы планомерно направлять процесс преобразования АСУ в нужное русло.

Определение АСУ, данное в эпоху общегосударственного планирования и управления, имеет следующий вид: «Автоматизированная система управления - это система, состоящая из персонала и комплекса средств автоматизации его деятельности, реализующая информационную технологию выполнения установленных задач». Таким образом, АСУ разворачивались дяя того, чтобы предприятие могло быстрее и лучше выполнить спущенный сверху план. Этому в АСУ подчинено все. Причем и сами АСУ строились в значительной мере сверху, т.е. по отраслевым стандартам. Сейчас предприятие автономно в вопросах создания ИС. Развитие АСУ может происходить и происходит по пути преобразования их в так называемые корпоративные информационные системы (КИС). Хотя на первый взгляд это чуть ли не одно и то же, на самом деле разница в них существенна настолько, что КИС можно трактовать как цель развития АСУ. Это следует из определения: «КИС объединяет бизнес-стратегию предприятия (с выстроенной для ее реализации структурой) и передовые информационные технологии для реализации управленческой идеологии». Сравнивая определения АСУ и КИС, можно постичь разницу.

К вопросам построения КИС самостоятельно развивающийся в рыночных условиях бизнес обращается тогда, когда он иными средствами уже не может справиться с управлением материальными, финансовыми и иными потоками в своей организации и начинает проигрывать в конкурентной борьбе. Фирмы никто не принуждает это делать, и плана сверху им никто не спускает. Это значит, что создание КИС на фирме зависит не от плана вышестоящих инстанций, а только от желания директоров создать эффективно работающую организацию и от их способности решить эту задачу. При этом уровень КИС определяется не только функциями, связанными с оперативным учетом и возможностями анализа состояния бизнеса, но и оригинальными наукоемкими алгоритмами, на основе которых система может решать действительно сложные, не подвластные человеку задачи. Технологии, основанные на открытых платформах, дают в КИС неоспоримые преимущества. Кроме того, технологии должны быть подобраны так, чтобы смена программно-аппаратных платформ не разрушала самого главного в информационной системе - накопленных за несколько лет данных.

КИС призвана поддержать так называемый регулярный менеджмент [27,45]. Если на предприятии такового не существует (и нет попыток его наладить), КИС будет на фирме «инородным телом». В благоприятных случаях, когда высшее руководство фирмы решительно настроено на создание управленческой ИС, на предприятии должны быть создана головная группа по созданию КИС, выделе­ны все необходимые ресурсы, предоставлены полномочия и обеспечена всерьез поддержка ее деятельности ресурсами, технологически и психологически на протяжении длительного времени. Значительная роль в развитии ИС от АСУ в сторону КИС на любой фирме принадлежит также и службам автоматизации. Однако на отечественных предприятиях отделы АСУ были вспомогательными, прямая связь между директоратом и службой АСУ, как правило, и сейчас еще разорвана. Исключение составляют разве что некоторые банковские структуры. В связи с этим масштабные задачи с применением сложнейших технологий до сих пор возлагаются на малочисленные подразделения АСУ, возможности которых ограничены.

Автоматизация управления в нашей стране традиционно связывалась с технологическими процессами обработки информации, поэтому до сих пор руководители информационных подразделений все еще добиваются замены оборудования и программ, чаще всего при этом не понимая, как это скажется на бизнесе предприятия в целом. Для реализации большинства КИС нужны не столько новшества ИТ, сколько интеграция программно-аппаратных средств, их качество и надежность.

КИС на фирме затрагивает интересы многих служб и должностных лиц, отношения между которыми часто весьма непростые. Многие коллективы и без того раздираемы противоречиями, к тому же в преддверии информатизации возникают слухи о сокращении штатов, повышении норм выработки. Любой специалист охраняет свою зону компетенции и привычный режим работы от чужеродного вмешательства, поэтому может начаться прямой или скрытый саботаж нововведений. Порой в таких слу­чаях необходима помощь профессиональных консультантов или психологов.

Создание КИС - организационно сложная работа. С одной стороны, службе АСУ выгодно привлечь стороннюю организацию, с другой - ответственность за систему все равно будет возложена на нее. Если же все делать только своими силами, то высока вероятность срыва сроков, обусловленного дефицитом ресурсов и обилием текущих задач. Профессиональным сторонним консультантам, имеющим более широкий кругозор, легче оценить пригодность той или иной технологии, чем собственным сотрудникам предприятий. Они же могут определить, что предприятие может взять на себя, а что следует передать сторонним специалистам. Вместе с тем на предприятии в любом случае должны быть сотрудники, вполне понимающие все решения сторонних исполнителей и консультантов, так что без собственных специалистов по корпоративным решениям и ИТ предприятию и в этом случае не обойтись. Службы АСУ, привлекая для анализа и выбора технологий внешних консультантов, должны контролировать их работу.

Для начала построения КИС необходимо выполнить процедуру стратегического планирования, определить основные бизнес процессы и информационные структуры для обеспечения этих процессов. Тогда созданная ИС станет основой функционирования и развития предприятия, одним из ключевых его ресурсов.

Если не согласовывать проект с изменяющимися условиями бизнеса, то КИС может устареть раньше, чем будет закончена. Конечно, разработка и внедрение КИС - это обычный большой проект, которому нужны бюджет и сметы и управлять которым следует с точки зрения финансового менеджмента. Вместе с тем стремительность происходящих изменений как в экономике в целом, так и (в особенности) в ИТ делает традиционное планирование неадекватным. Это не значит, что следует отказаться от планирования. Более того, информационные модели, базы оперативных данных позволяют рассмотреть различные варианты и выбрать подходящий. КИС, конечно, можно создавать и по частям, но только при наличии единого комплексного системного проекта, с тем чтобы потери были сведены к минимуму. Внедрение ИТ требует значительных ресурсов, причем не только финансовых; много времени им должны уделять наиболее компетентные специалисты и лично руководитель организации. Успешное внедрение КИС может быть достигнуто только командой, состоящей из представителей разработчика и заказчика и ориентированной на конечный результат. Команде необходимы лидер, генератор идей и критик, в ней должны быть люди как аналитического, так и синтетического склада ума.

Документация на систему должна быть не хуже самой системы. Формирование документации позволяет обеспечить диаграммная техника представления управленческих процессов, например IDEF-диаграммы (Intergrated DEFinition) [24].

Процессы описываются в виде функций, преобразующих входную инфор­мацию в выходную. С использованием количественных характеристик функций («стоимость», «длительность» и т. п.) возможно не только описывать, но и моделировать управленческие процессы и находить пути их оптимизации.

Проектная документация должна описывать информационную, программную архитектуру и их программно-техническую реализацию. Документация по сопровождению и развитию КИС содержит технологический, методологический и организационный базис. Фактически это правила изменения системы, которые могут охватывать все стадии начального проекта.

В эксплуатационной документации должны быть логическая полнота, а также удобство представления и использования Предприятия и их подразделения АСУ «болеют» одними и теми же болезнями, среди которых отсутствие регламентов или их невыполнение, слабая эксплуатационная дисциплина и несвоевременное отражение изменений, производимых в системе.

Кроме того, важно обеспечить, чтобы заказчик и подрядчик могли говорить на одном языке - языке спецификаций. Каждая реализация любой подсистемы КИС должна предваряться созданием высокоуровневых, согласованных с заказчиком структурных схем и спецификаций. Важны логическая полнота спецификаций и их прозрачность для понимания.

управление информационный моделирование персонал

4. Функции системы управления персоналом организации

Функция планирования персонала заключается в разработке кадровой политики и стратегии управления персоналом; анализе кадрового потенциала организации и рынка труда; организации кадрового планирования и прогнозирования потребности в персонале; поддержании взаимосвязей с внешними источниками, обеспечивающими организацию кадрами.

Функция управления наймом и учетом персонала заключается в организации набора кандидатов на вакантную должность; организацию отбора (собеседования и оценки) и приема персонала; учете приема, перемещений, увольнений персонала; управлении занятостью, документационном обеспечении системы управления персоналом.

Функция оценки, обучения и развития персонала заключается в осуществлении обучения, переподготовки и в повышении квалификации персонала; введении в должность и адаптации новых работников; организации и проведении мероприятий по оценке персонала; управлении развитием карьеры.

Функция управления мотивацией персонала заключается в нормировании трудового процесса и тарификации оплаты труды; разработке систем материального и нематериального стимулирования, а также в применении методов морального поощрения персонала.

Функция управления социальным развитием заключается в организации питания в течение рабочего дня; обеспечении охраны здоровья и отдыха для сотрудников и их семей; организации развития физической культуры; организации социального страхования.

Функция правового обеспечения управления персоналом связана с решением правовых аспектов трудовых отношений, а также с согласованием распорядительных и иных документов по управлению персоналом.

Функция информационного обеспечения управления персоналом заключается в ведении учета и статистики персонала; информационном и техническом обеспечении системы управления персоналом; обеспечении персонала необходимой для работы научно-технической информацией.

Функция обеспечения нормальных условий труда включает в себя обеспечение и контроль соблюдения требований психофизиологии и эргономики труда, охраны труда и окружающей среды и т.д.

Функция линейного руководства заключается в том, что управление персоналом организации осуществляется в том числе и на уровне управления организации в целом. Данную функцию осуществляет не только служба УП, но и руководители всех уровней.

Список используемой литературы

1. § Костров А.В. Основы информационного менеджмента. - М.: Финансы и статистика, 2001.

2. § Годин В.В., Корнеев И.К. Управление информационными ресурсами: 17-модульная программа для менеджеров «Управление развитием организации». Модуль 17. - М.: ИНФРА-М, 1999.

3. § Костров А.В. Уроки информационного менеджмента. Практикум: Учебное пособие / А.В. Костров, Д.В. Александров - М.: Финансы и статистика, 2005.

4. § Грабауров В.А. Информационные технологии для менеджеров / В.А. Грабауров - М.: Финансы и статистика, 2002

5. § Информационно-аналитический сайт в области информационных технологий - www.citforum.ru

6. § Информационно-аналитический сайт в области информационных технологий - www.cnews.ru

7. § Библиотека Г. Верникова - www.vernikov.ru

8. § Журнал CIO - www.cio-world.ru

9. § Методология HP ITSM - www.hp.ru/telcom/itsm/metodology/

10. § Глоссарий управленческих ИТ терминов - www.malahitsoft.ru/site/index/partneram/glossariyterminov/

11. § Тактика и стратегия управления ИТ. - www.setevoi.ru/cgi-bin/text.pl/magazines/2003/24

Размещено на Allbest.ru