Аналитико-информационные технологии и управление человеческими ресурсами

Размещено на http://www.allbest.ru/

Аналитико-информационные технологии и управление человеческими ресурсами

Сурма Иван Викторович

кандидат экономических наук 

профессор, Дипломатическая академия МИД РФ 



Аннотация

система компьютерный интеллектуальный управляющий

Объектом исследования в статье являются компьютерные интеллектуальные информационно-управляющие системы поддержки принятия решений, использующие такие базовые принципы применения информационных технологий управления, как принципы адаптивного, сквозного, сетевого управления и управления в реальном времени, что может обеспечить руководство и сотрудников достаточно простыми по применению и емкими по внутреннему содержанию решениями основных проблем управления организацией. В статье рассмотрены разные информационные системы управления такие как: CRM (Customer Relationship Management), системы планирования ресурсов предприятия ERP (Enterprise Resource Planning), системы информационной поддержки аналитической деятельности BI (Business Intelligence), а также различные виды технологии аналитической обработки информации в реальном времени - OLAP (англ. Online Analytical Processing) системы. В статье используется сравнительный анализ различных хранилищ данных с набором инструментов для получения данных из ERP и других систем и методы последующего анализа собранных данных. С помощью систем информационной поддержки аналитической деятельности ресурсы данных любой организации могут быть преобразованы в цельную информацию и могут служить основой для принятия эффективных управленческих решений. Системы BI рассматриваются как решения на основе систем делового анализа OLAP и систем поддержки принятия решения DSS (Decision Support Systems), то есть используется интегрированный набор средств обработки информации и данных для стратегического анализа деятельности компании, полученных другими корпоративными информационными системами и разными методами обработки этих данных.

Ключевые слова: информационно-аналитические системы, принцип сетевого управления, OLAP системы, ERP системы, принцип адаптивного управления, BI системы, интеллектуальный анализ данных, HRM системы, OMIS системы, Ситуационный центр



Abstract

The object of study in the article are computer intelligent information management decision support system, using such basic principles on the implementation of information technology management as the principles of adaptive, integrated, network management and real-time control, that can supply leadership and staff with easy to use and powerful by internal content means of solving the basic problems of organization management. The article describes the different management information systems such as CRM (Customer Relationship Management), ERP (Enterprise Resource Planning), systems of information support of analytical activities BI (Business Intelligence), as well as various types of real-time analytical information processing technologies - OLAP (Online Analytical Processing) systems. The article uses a comparative analysis of various data storages with a set of tools to retrieve data from ERP and other systems and ways of further analysis of the collected data. Using the systems of information support of analytical activities data resources of any organization can be converted into pure information and can be used as a basis for making effective management decisions. BI systems are considered as decisions on the basis of OLAP business analysis systems and DSS (Decision Support Systems), an integrated set of tools for processing information and data (obtained by other corporate information systems and different methods of processing these data) is used for strategic analysis of the company. 

Keywords: Data Mining, Business Intelligence, principle of adaptive management, Enterprise Resource Planning, OLAP systems, principle of network management, information and analytical systems, Human Resources Management, Organization Memory Information System, Situation Centre 



Научной основой взаимоотношения человеческих ресурсов и современных информационных технологий является интеграция собственно информатики, кибернетики и инновационных методов административного управления [1],[2],[3],[4].

Базовыми принципами применения информационных технологий управления являются [5]:

· принцип оперативного управления (т.е. управление в реальном времени);

· принцип адаптивного управления (этот принцип обеспечивает динамическую адаптацию технологии управления с учетом изменения воздействия внешней и внутренней среды);

· принцип сквозного управления (этот принцип обеспечивает информационную поддержку полного цикла управления, включая сбор и анализ информации о состоянии объекта управления, моделирование и прогнозирование его состояния, планирование управляющих воздействий, непосредственную поддержку принятия решений по их реализации, доведение решений до исполнителей и контроль исполнения);

· принцип сетевого управления (этот принцип позволяет реализовать взаимодействие «вертикальных» и «горизонтальных» линий коммуникации и потоков деятельности организации).

Компьютерная интеллектуальная информационно-управляющая система поддержки принятия решений, использующая такие принципы, может обеспечить руководство и сотрудников достаточно простыми по применению и емкими по внутреннему содержанию решениями основных проблем управления организацией.

В настоящее время компаниями используются разные информационные системы, среди которых можно выделить следующие классы:

· Системы управления взаимоотношениями с клиентами CRM (Customer Relationship Management). Это средство для автоматизации работы отделов маркетинга, отделов продаж и обслуживания клиентов, а также набор дополнительных сервисов в виде корпоративных порталов, call-центров, онлайновых справочных бюро для клиентов, корпоративных баз знаний и пр. Это класс систем управления внешними отношениями предприятия. Системы управления взаимоотношениями с клиентами CRM включают в себя методы управления, позволяющие повысить эффективность продаж. В таких системах нашли свое отражение многие достижения современного маркетинга. Они обеспечивают управление взаимоотношениями компании с ее клиентами (заказчиками), партнерами, дилерами и внешним миром.

· Системы планирования ресурсов предприятия ERP (Enterprise Resource Planning). Это класс интегрированных систем управления, представляющий собой унифицированную централизованную базу данных, единое приложение и общий пользовательский интерфейс для управления финансово-хозяйственной деятельностью. Они охватывают такие области деятельности предприятия, как планирование и прогнозирование, управление продажами, управление запасами, управление производством, закупками, финансами и пр. (ремонты, управленческая отчетность, консолидация).

· Системы информационной поддержки аналитической деятельности BI (Business Intelligence). Эти системы являются хранилищем аналитических данных и включают в себя набор средств обработки информации. Также они могут называться OLAP системами (Online Analytical Processing - см.таблицу №1) в отличие от OLTP систем (Online Transactions Processing), к которым относятся системы планирования ресурсов предприятия ERP и системы управления взаимоотношениями с клиентами CRM.

OLAP (англ. Online Analytical Processing - аналитическая обработка в реальном времени) - технология обработки информации, включающая составление и динамическую публикацию отчетов и документов. Используется аналитиками для быстрой обработки сложных запросов к базе данных. Возможность доступа к учетным данным для всех потребителей, помогает избежать двойного ввода и искажения информации. Таким образом, происходит обеспечение предприятия ресурсами для оперативного анализа и контроля производственных процессов и сокращение трудозатрат на поиск необходимой информации. Контроль - благодаря внедрению системы планирования ресурсов предприятия ERP все данные регистрируются в реальном времени и интерпретируются по единым алгоритмам. Система позволяет своевременно контролировать выполнение производственных операций. Следовательно, появляется возможность вовремя вмешаться в ход производственного процесса, остановить ошибочные операции или внести соответствующие коррективы. Анализ - заложенные в систему методики анализа позволяют реализовывать деятельность компании в соответствии с ее стратегией и моделировать различные ситуации. Аналитические ресурсы системы планирования ресурсов предприятия ERP предоставляют возможность разрабатывать решения, обеспечивающие снижение затрат (например, за счет уменьшения времени складского хранения, планирования загрузки мощностей, ресурсов, подбора оптимальных поставщиков и сроков поставок) или увеличение выручки (за счет своевременности обработки клиентских заказов и обеспечения более высокой скорости их регистрации).

Принятие решений - система планирования ресурсов предприятия ERP предоставляет специалисту, принимающему решения, именно ту информацию, на основании которой он может действовать с минимальной долей риска. Организация, оперативно и качественно решающая задачи, связанные с управлением производством, имеет большие преимущества перед своими конкурентами. Грамотный подход к реализации проекта внедрения системы планирования ресурсов предприятия ERP дает возможность изменить в лучшую сторону показатели общей эффективности ведения бизнеса: улучшить качество обслуживания клиентов и заказчиков, взаимоотношения с поставщиками, увеличить число клиентов и поставщиков (вследствие более оперативного выполнения заказов) и т.п.

Таблица №1

Различные виды OLAP-систем

OLAP-система	Характеристики и особенности
MOLAP	Многомерная OLAP-система, работающая с многомерной базой (MDBMS), где хранятся агрегированные данные совместно с данными для кубов (многомерной модели данных системы). MOLAP-системы обеспечивают полный цикл OLAP-анализа, имеют развитые многомерные СУБД (системы управления базами данных), отличаются достаточно дорогой ценой. (Примеры: Essbase, Oracle Express Server)
ROLAP	Реляционная OLAP-система, работающая с реляционной базой данных (RDBMS), где хранятся данные для кубов и агрегированные данные. ROLAP-системы обычно не имеют собственных баз данных, но обеспечены интерфейсами к наиболее распространенным реляционным базам. Реляционные данные преобразуются ROLAP-системой в многомерные данные, образуя промежуточный слой метаданных. (Пример: DSS Suite компании MicroStrategy, MetaCube компании Informix, Decision Suite компании Advantage)
HOLAP	Гибридная OLAP-система, в которой данные для кубов хранятся в реляционной базе, а агрегированные данные - в многомерной базе. Гибридная система ускоряет многомерный анализ благодаря многомерной базе и в то же время позволяет исключить дублирование данных благодаря реляционной базе. (Пример: Media/MR компании Speedware)

Они представляют собой хранилище данных с набором инструментов для получения данных из ERP и других систем и методы последующего анализа собранных данных. Таким образом, системы BI - это решения на основе систем делового анализа OLAP и систем поддержки принятия решения DSS (Decision Support Systems), то есть это интегрированный набор средств обработки информации и данных для стратегического анализа деятельности компании, полученных другими корпоративными информационными системами и разными методами обработки этих данных.

С помощью систем информационной поддержки аналитической деятельности ресурсы данных могут быть преобразованы в цельную информацию и могут служить основой для принятия управленческих решений. Основные функции таких систем можно распределить следующим образом (рис. 1):

· визуальное представление бизнес-стратегии и преобразование ее в план конкретных действий;

· быстрая корректировка стратегии в соответствии с изменениями рынка;

· отслеживание ключевых факторов успеха с использованием внешних и внутренних программ оценки эффективности;

· анализ эффективности предприятия.

·

Рис.1. Основные функции информационно-аналитических систем

(BI-систем)

Рис.2. Архитектура интегрированной системы интеллектуального многомерного анализа

Рис.3. Модель многомерного представления информации в OLAP-системе

Современные направления развития OLAP-систем связаны с встраиванием ключевых функций аналитической обработки данных в корпоративные информационные системы (класса ERP) элементов и закономерностей, которые осуществляются с помощью интеллектуального анализа данных (Data Mining).

Наряду или в составе вышеперечисленных систем в практике деятельности компаний используются некоторые специальные системы. Среди них:

· Системы управления логистическими цепочками SCM (Supply Chain Management). При производстве сложных изделий, в состав которых входят комплектующие от разных поставщиков, для компаний важно оперативно программировать поставку необходимых деталей в требуемом объеме и к означенному сроку. Иными словами, система обеспечивает процессы планирования и координации снабжения, транспортировки и складирования.

· Системы планирования материальных потоков MRP (Material Requirements Planning). Это класс систем управления закупками, производством и сбытом материалов.

· Системы управления человеческими ресурсами HRM (Human Resources Management), задачи которых - рекрутинг, управление и эффективное использование потенциала всех сотрудников предприятия. Эти системы обеспечивают информационную поддержку в процессе планирования карьеры и обучения, оценки персональных достижений и сводит данные о персонале.

Все перечисленные системы являются не замкнутыми самостоятельными системами, а лишь относительно самостоятельными видами информационных систем. Конечно, каждая конкретная информационная система может нести в себе отдельные элементы и признаки каждой из вышеназванных. В настоящее время обозначилась тенденция создания, так называемых, гибридных интеллектуальных систем, когда в уже хорошо известные информационные комплексы и компьютерные программы встраиваются элементы систем искусственного интеллекта. Также получают развитие и современные «когнитивные информационные технологии», которые включает в себя информационные технологии, специально разработанные для развития творческих способностей человека и информационной поддержки творческих процессов.

Интеллектуальные системы управления

Следует отметить, что современные информационные технологии имеют существенную особенность. Если на раннем этапе их появления и развития средства автоматизированной обработки информации в основном применялись к уже существующим типовым процедурам управления, то в последнее время ситуация существенно изменилась. Информационно-коммуникационные технологии являются своеобразным катализатором распространения передового управленческого опыта и современных технологий менеджмента. При этом происходит оптимизация бизнес-процессов в соответствии с современными достижениями теории и практики управления. Главным результатом этого является эффективная система управления предприятием, основанная на актуальных сетевых компьютерных технологиях. В итоге за счет оптимизации механизмов поддержки принятия управленческих решений и текущих бизнес-процессов, удается получить существенные конкурентные преимущества и дополнительные ресурсы для развития.

Для лучшего понимания основы процесса консолидации знаний и его значения для системы управления, полезно использовать целостную модель Фраунхофера (см. рисунок №4.). Эта трехуровневая модель показывает взаимоотношения между ключевыми процессами управления знаниями, производственно-технологическими и бизнес-процессами и главными функциональными областями, на которых строится управление знаниями. В этом случае организация создает ценности на основе имеющихся у нее интеллектуальных знаний и активов. При аккумуляции корпоративных знаний и их структуризации необходимы критерии, по которым организации могут выстроить управление знаниями. Существует достаточно много критериев практической структуризации корпоративных знаний, необходимых для определения рода знаний, с которыми предполагается работать.

Рис.4. Модель Фраунхофера по аккумуляции знаний организации

Примеры критериев структуризации и виды корпоративных знаний:

· по источникам получения - внутренние и внешние;

· по содержанию выделяют экономические, социальные, организационные, технические, политические, экологические и др.;

· по теории познания - явные и скрытые, осознанные и неосознанные;

· по назначению знания разделяют на теоретические и практические;

· по возможности их применения - «знаю-что», «знаю-как», «знаю-где» и т. д.

Чем больше используемых критериев, тем больше вариантов структуризации знаний можно получить и тем самым повысить эффективность системы в аспекте поиска, обновления и использования необходимых знаний. Конечно же, в этом случае сама стоимость базы знаний возрастает. Собственно процесс структурирования знаний является самым существенным при разработке интеллектуальных информационных систем [6].

Методологические основы структурирования знаний опираются на современную теорию больших систем (с важностью этапа проектирования), системный анализ, объединяющий методы, ориентированные на исследование и моделирование сложных систем, и объектно-ориентированный анализ. В процессе разработки структуры базы знаний важным является определение множества объектов предметной области, формирование наборов атрибутов-признаков для каждого из них, и введение, так называемых, метапонятий и определение порядка отношений между ними. Все подходы можно условно разделить на два вида: символьные и визуальные. Символьный подход к структуризации знаний основан на математическом, текстовом или табличном описании. Такой подход используется, в случае если предметная область хорошо структурирована. В символьном подходе наиболее традиционными и внешне простыми являются текстовые методы, поскольку любое явление или процесс можно описать в текстовой форме. Но, полученный текст не является знанием как таковым, для приобретения знания он должен быть проанализирован. Из него должны быть удалены повторы и неинформативные текстовые конструкции. В результате такого анализа текст вообще может быть преобразован в семантическую сеть или в совокупность определенных правил, что является достаточно сложной задачей. Использование математического аппарата возможно только тогда, когда предметная область полностью структурирована. Поэтому для формализации знаний, например о социально-экономических объектах, такой подход используются достаточно редко. В противном случае, когда предметная область имеет слабую структуризацию, используются визуальные или графические подходы к структуризации знаний. Они являются более наглядными и простыми в интерпретации.

В процессе разработки баз знаний целесообразно изначально проводить классификацию существенных фрагментов предметной области на слабоструктурированные и структурированные. В статье о «Knowledge base» в Wikipedia [7]предлагается деление баз знаний на два основных вида:

1) Базы знаний, которые были спроектированы так, чтобы люди могли получать и использовать содержащиеся в них знания, в первую очередь для целей обучения. Они обычно используются для накопления явного знания организации, включая статьи, описания ситуаций и продуктов, пользовательские инструкции и т. д.

2) Базы знаний, хранящие знания в форме, пригодной для обработки компьютером, обычно с целью обработки с помощью дедуктивного метода анализа. Они содержат набор данных, описывающий знания в форме правил, к которым применимы логические операторы «И» и «ИЛИ» и т. д.

Для таких «носителей знаний» как файлы и документы база знаний может хранить только метаописания. Хранение самих файлов, содержащих документы, схемы, чертежи, рисунки и т. д. осуществляется в хранилище знаний или репозитории. Таким образом, функционирование системы, обеспечивающей структурирование и формализацию знаний организации (системы, так называемой, «корпоративной памяти» OMIS - Organization Memory Information System, «КМ-системы», системы управления знаниями), обеспечивается совместным использованием базы знаний и хранилища слабоструктурированных знаний.

Эффективность использования знаний при подготовке и принятии управленческих решений тем выше, чем выше степень их структурированности, так как за счет этого существенно сокращаются затраты времени на поиск, приобретение, хранение и восприятие знания лицами, непосредственно принимающими решения и как факт точность самих управленческих решений.

Практическая реализация собственно концепции построения интеллектуальных систем управления предполагает некоторое избирательное использование тех или иных технологий обработки знаний в зависимости от многих факторов: специфики решаемых задач, особенностей управляемого объекта, условий эксплуатации, функционального назначения и т. п. Выделяют пять важнейших элементов представления информации в интеллектуальных информационных системах:

· структурированность, которая обусловливает возможность рекурсивной вложенности отдельных информационных единиц друг в друга;

· внутренняя интерпретируемость, понимаемая как наличие уникальных имен, идентифицирующих каждую информационную единицу;

· внешняя связность, задающая возможность установления функциональных, каузальных и других типов отношений между информационными единицами;

· наличие классифицирующих отношений, обобщающих закономерности, действующие в какой-либо предметной области;

· возможность введения различных метрик для фиксации количественных, порядковых и иных соотношений информационных единиц;

· активность, отражающая способность инициировать выполнение некоторых целесообразных действий при появлении новой информации.

В настоящее время наиболее перспективными для создания интеллектуальных систем управления являются четыре технологии:

1) экспертные системы;

2) ассоциативная память;

3) нечеткая логика;

4) нейронные сети.

Существенной особенностью технологии экспертных систем является возможность работы с формами явного представления знаний, включая семантические сети, продукционные правила, предикаты и фреймообразные структуры.

Нечеткая логика ориентирована на обработку логико-лингвистических моделей представления знаний. Как правило, подобные модели используются для формализации неточных, размытых в смысловом отношении суждений и строятся с применением обобщенных категорий, которые задают классификацию исходных понятий на уровне нечетких множеств.

Нейросетевые структуры позволяют организовать обработку неявных форм представления знаний. Такая технология консолидирует основные функциональные особенности биологических прототипов и предполагает формирование однородных структур, которые состоят из множества взаимосвязанных элементов с определенной заданной характеристикой преобразования сигналов. Совокупность знаний, определяется специфической настройкой весовых коэффициентов межэлементных связей и позволяет обеспечить надежную классификацию.

Технология ассоциативной памяти использует механизмы восстановления целостных образов по их отдельным элементам и, в конечном итоге, сводится к работе с многомерными массивами памяти. Хранящиеся знания имеют неявную форму представления и задают классификацию понятий некоторой предметной области в виде сочетания набора признаков, присущих каждой качественной категории.

Примерами современных интеллектуальных систем управления, которые помимо традиционных систем сбора и регистрации информации позволяют менеджерам среднего и высшего звена оценить реальное состояние дел в корпорации, уловить последние тенденции развития бизнеса и проанализировать возможные последствия принятия управленческих решений [8], могут служить так называемые «ситуационные центры». Ситуационные центры (СЦ) - совокупность интеллектуально организованных рабочих мест с автоматизированными операциями закачки и пополнения информации (включая конверторы данных), процедурами построения моделей, анализа ситуации, прогона моделей, графического представления проигранных сценариев. СЦ аккумулируют средства сбора и анализа информации, инструменты прогнозирования и построения возможных моделей развития и визуального представления результатов, в максимально удобном и полезном виде, прежде всего, для первых лиц компании. Это эффективный инструмент для руководителей, кто должен видеть всю картину подчиненного ему хозяйства в целом, уметь оценить текущую ситуацию и принять наиболее оптимальное решение. В России такие системы ранее применялись исключительно только на государственном уровне (например, ситуационные центры президента). В настоящее время разработка и внедрение подобных структур уже становится неотъемлемой частью крупных корпораций, и первые ситуационные центры в нашей стране появились у компаний, которые сами создавали системы управления (например, «Парус», «Галактика»).

Базу ситуационных центров представляют информационно-аналитические системы (ИАС). Примерами успешной реализации интеллектуальных информационных систем могут служить, например, ИАС «Дипломат», разработанная в Научно-исследовательском центре информатики при МИД России и ИАС «Исинпол» Федеральной службы налоговой полиции.

Следующий уровень в структуре СЦ выполняет обобщение и анализ информации о деятельности компании. Здесь могут быть использованы разные средства: упомянутые ранее OLAP-системы, интеллектуальный анализ, статистические средства, нейронные сети, модели оценки рисков и другие современные решения. Далее следуют наиболее сложные элементы СЦ - это модули прогнозирования и динамического моделирования.

Пожалуй, главным преимуществом ситуационного центра, выделяющим его среди других систем разработки и принятия решений, являются достаточно широкие возможности визуализации. И это следующий уровень СЦ, на котором все результаты анализа и прогноза, включая варианты развития, представляются в максимально удобном для восприятия и осмысления виде. Здесь, как правило, применяется технология семафоров, когда определенный цвет несет смысловую нагрузку, информируя и сигнализируя о состоянии дел в той или иной области.

Информационно-аналитическая деятельность внутри корпорации становится все более наукоемкой и корпорации принимают на вооружение самые последние разработки и достижения в области искусственного интеллекта. Многие корпорации имеют даже собственные выделенные телекоммуникационные сети и базы данных. Например, информационная сеть японской компании NEC обеспечивает ежедневное получение в штаб-квартире до 30 тысяч сообщений из всех стран мира. Собственная информационно-аналитическая система американской консалтинговой компании Kroll Associates позволяет собирать и анализировать информацию о поведении ведущих европейских государственных деятелей и бизнесменов. Локальная сеть ARIANET французского телекоммуникационного гиганта FranceTelecom обеспечивает ежедневный доступ к информации о конкурентах для 4 тысяч своих сотрудников.

В настоящее время появился серьезный интерес к практическому применению нового направления науки, возникшего на стыке искусственного интеллекта, теории баз данных и статистики. Это направление получило название «knowledge discovery in databases» (KDD - дословно: «обнаружение знаний в базах данных»). На основе этой технологии разработано значительное количество новых программных продуктов, а элементы автоматической обработки и анализа данных становятся неотъемлемой частью известной концепции «хранилищ данных» (data mining). Последнее время большой интерес представляют текстово-аналитические системы (ТАС), которые позволяют извлекать и анализировать необходимую информацию из крупных информационных массивов. По сравнению с сетью Internet процедура поиска необходимой информации в профессиональных базах существенно облегчена. Так, система Tracker Lexis-Nexis сканирует несколько тысяч полнотекстовых информационных источников и выбирает только самые необходимые и нужные документы.

Французская компания Acetic совместно с учеными университета Париж VIII разработала пакет прикладных программ под названием Tropes для глубокого смыслового анализа крупных информационных массивов. Выбор и сортировка информации происходит в соответствии с ключевыми словами и понятиями, связанными по смыслу. При этом можно одновременно анализировать два текстовых информационных фрагмента объемом в несколько десятков книжных томов. Tropes позволяет создавать целые информационные «сценарии», на основе которых автоматически осуществляется не только поиск, но и целевое группирование и подготовка требуемых данных.

Разработка американской компании Intelligent Search Solutions - пакет программного обеспечения InfoTracer - предназначена для сбора информации экономического характера в сети Internet. В InfoTracer используются ключевые слова и фразы, автоматически составляются сообщения необходимого для пользователей содержания, например, данные о деловых операциях компании, ее партнерах, используемых ими технологиях и выпускаемой продукции, а также фамилии руководящего персонала, кадровых ресурсах и т.п.

В настоящее время крупные корпорации практикуют еще один современный подход, используя различные деловые игры и тренинги как специальную форму проведения анализа. Например, в игре участвуют две команды: одна представляет интересы своей фирмы, другая - конкурента. Иногда включаются «непредсказуемый» игрок или игроки, которые представляют, например, интересы государственного регулятора. В ходе игры отрабатываются различные деловые стратегии, планы и модели поведения в нестандартных ситуациях и условиях. Подобные деловые игры реализуют несколько целей:

· улучшение взаимодействия вашей команды;

· наработка руководством компании практики принятия лучших решений;

· выяснение сильных и слабых сторон, как вашей компании, так и конкурентов;

· выяснение характера дополнительной информации, необходимой для будущих решений;

· выяснение возможных действий конкурентов и подготовка адекватного ответа.

В настоящее время все более широкое распространение получают компьютерные деловые игры, позволяющие учитывать множество различных факторов деловой активности конкурентов, политические реалии, социально-экономическую обстановку, например в регионе и т.п. Например, компания Pacific Bell при изучении своих конкурентов по телефонному бизнесу в новом регионе воспользовалась программной версией деловой игры TeleSim, которую разработала компания Thinking Tools, Inc. по контракту с консультантами Coopers&Lybrand. Такой подход позволил компании определить возможные действия операторов кабельного телевидения и всех прочих потенциальных конкурентов, включая местные обслуживающие компании.

Подобные компьютерные симуляции активно используются на практике и при работе ситуационных центров в специальном рабочем режиме, когда вводится значительное количество фактической информации и в результате вырабатывается набор рекомендаций или соответствующий алгоритм действий.

Новой тенденцией интеллектуальной транснационализации в настоящее время стало возникновение национальных, региональных и глобальных структур в форме сетевых объединений аналитических центров. На базе сетей осуществляется обмен информацией, совместное выполнение экономических и политических заказов, обширное вовлечение человеческих ресурсов и создание коллективных пропагандистских ресурсов, тематическое разделение труда, координация работы, согласование позиций по тем или иным вопросам и т.п. Интеграция аналитических центров в сетевые структуры развивается преимущественно на двух основах. Они возникают, когда объединяются усилия центров близкой идеологической ориентации, а также когда небольшие экспертные институты, работающие по узкой тематике, соединяют усилия для формирования общих позиций по более широким, глобальным политико-экономическим и управленческим вопросам, или же когда взаимодействуют центры, исследующие близкую проблематику. Аналитические центры [9],[10],[11] различаются по своим общим задачам, источникам финансирования, производимой продукции, составу и квалификации сотрудников и т.д. Основой для типологии аналитических центров может стать, например, их профильная направленность и тематика их деятельности (см.таблицу № 3).

Значительно расширило возможности для подобного партнерства развитие Интернета. Интернет предоставляет информацию аналитических центров и эффективно обеспечивает коммуникации - поэтому появились виртуальные, рассредоточенные в пространстве аналитические центры пятого поколения - так называемые транснациональные сети мысли [12].

Деятельность по созданию таких сетей представляет собой различные формы взаимодействия отдельных центров: межличностные взаимодействия, контакты организаций, взаимодействие через Интернет. Транснациональные сети мысли - виртуальные экспертные сети, которые рассматривают стратегические вопросы динамично, в режиме реального времени. Такие аналитические центры не имеют ограничений по направлениям деятельности и по количеству экспертов, которые могут принимать в них участие.

Таблица №3

Классификация аналитических центров

1.	по видам деятельности (функциям):	· проводящие анализ, исследования; · обучающие, организующие обсуждение проблем (проводят семинары, конференции, круглые столы, др.) · выполняющие медиаторские функции, защищающие общественные интересы; · и другие (многопрофильные)
2.	по сферам (направлениям) деятельности:	· занимающиеся политическими проблемами; · занимающиеся экономическими проблемами; · занимающиеся экологическими проблемами; · занимающиеся социальными проблемами; · занимающиеся правовыми проблемами; · и другие (многопрофильные)
3.	по правовому статусу:	· общественные организации · непартийные, неправительственные, некоммерческие общественные организации (НКО); · общественные организации, учредителями которых являются властные структуры; · общественные организации, учредителями которых являются партийные структуры; · общественные организации, учредителями которых являются бизнес-структуры; · образовательные учреждения; · департаменты властных структур; · коммерческие организации; · консалтинговые фирмы; · центры избирательных технологий
4.	по степени независимости:	· работающие на органы власти (федеральные, региональные, местные); · работающие на политические партии; · работающие на бизнес-структуры; · независимые (их результатами могут пользоваться власти, бизнес, политические партии, НКО и др.)

Такие проекты, как «Сеть глобального развития» Всемирного банка, программа «Глобальная политика» Фонда международного мира Карнеги, «Глобальная сеть государственной политики» ООН и программа «Аналитические центры и гражданское общество» Научно-исследовательского института внешней политики, наладили партнерство с аналитическими центрами по всему миру в стремлении создать глобальные сети, которые будут анализировать мировые проблемы, пытаться формировать внешнюю политику и влиять на программы и приоритеты международных институтов.

В результате потенциальная доступность знаний в любой точке мира для различных бизнес-структур, участвующих в глобальных экономических процессах, становится одинаковой или практически одинаковой. Современная транснациональная корпорация с рассосредоточенными по всему миру производственными, коммерческими и офисными структурами, нуждается в том, чтобы необходимая информация была доступна всегда и везде. Повсеместная доступность информации, необходимой для дистанционного управления, контроля, обучения, проведения финансовых операций и так далее, - представляет собой одновременно и следствие глобализационных процессов и их причину.

Завершая рассмотрение этой актуальной темы, еще раз подчеркнем, что глобальные процессы в современной экономике трансформируют мировое экономическое и политическое пространство, формируют «экономику знаний», а современные сайты крупных транснациональных корпораций помимо очевидной рекламной функции начинают играть еще и роль своеобразного интерфейса, с помощью которого корпорация взаимодействует с внешним миром. Качественный уровень и информационная насыщенность сайта корпорации играет в современных условиях значительную роль в конкурентной борьбе на мировом рынке. В таблице № 4 представлен рейтинг обобщенного индекса виртуального интеллектуального капитала веб-сайтов транснациональных корпораций. Уже один факт существования подобного рейтинга говорит о значимости капитала «знаний» в общем показателе капитализации компаний.

Таблица №4

Рейтинг обобщенного индекса виртуального интеллектуального капитала веб-сайтов Международных Транснациональных Корпораций (ТНК) на 12.01.2011г. по данным агентства ArcaLer (QI*)[13]

№	Name	QI	Rank	Growth	QI	Rank	Growth	Rank	Growth	Rank	Growth	Rank	Growth	Rank	Growth	Rank
		12.01.11		09.03.10		21.04.09		20.10.08		23.05.08		01.10.07		26.05.06
1	Microsoft	1,41	1	=	1,05	1	=	1	=	1	=	1	=	1	=	1
2	Intel	0,71	2	1 ^	0,85	3	1 v	2	=	2	=	2	1 ^	3	1 v	2
3	Nokia	0,68	3	3 ^	0,40	6	1 v	5	=	5	1 v	4	=	4	4 ^	8
4	Wal-Mart Stores	0,50	4	2 v	1,00	2	4 ^	6	2 ^	8	5 ^	13	4 v	9	3 v	6
5	Samsung Electronics	0,48	5	1 v	0,55	4	1 v	3	7 ^	10	=	10	1 ^	11	10 ^	21
6	IBM	0,37	6	1 ^	0,36	7	3 v	4	1 v	3	=	3	1 v	2	1 ^	3
7	Philips Electronics	0,32	7	7 ^	0,20	14	7 v	7	1 v	6	1 ^	7	1 v	6	2 v	4
8	Toyota Motor	0,16	8	10 ^	0,13	18	7 v	11	2 ^	13	2 v	11	1 ^	12	2 v	10
9	Motorola	0,11	9	7 ^	0,15	16	7 v	9	5 v	4	1 ^	5	2 ^	7	4 ^	11
10	SONY	0,10	10	9 ^	0,10	19	11 v	8	1 v	7	1 v	6	1 v	5	2 ^	7
11	Siemens	0,10	11	9 ^	0,09	20	10 v	10	1 v	9	1 v	8	13 ^	21	2 v	19
12	Volkswagen	0,07	12	5 ^	0,14	17	1 v	16	3 ^	19	4 v	15	=	15	=	15
13	Nissan	0,06	13	8 v	0,50	5	10 ^	15	=	15	12 ^	27	1 ^	28	2 v	26
14	Nestle	0,06	14	2 v	0,24	12	11 ^	23	=	23	1 v	22	=	22	=	22
15	McDonalds	0,05	15	7 ^	0,06	22	8 v	14	=	14	=	14	1 v	13	1 v	12
16	Peugeot	0,04	16	8 v	0,32	8	14 ^	22	1 v	21	4 v	17	3 ^	20	2 v	18
17	Hitachi	0,04	17	6 v	0,25	11	1 ^	12	1 v	11	2 v	9	1 v	8	3 v	5
18	Renault	0,03	18	5 v	0,22	13	4 ^	17	3 ^	20	4 v	16	1 ^	17	3 ^	20
19	Shell	0,03	19	5 ^	0,04	24	11 v	13	1 v	12	=	12	2 v	10	1 v	9
20	Procter &Gamble	0,03	20	10 v	0,26	10	9 ^	19	3 v	16	2 ^	18	4 v	14	1 v	13
21	Sharp	0,02	21	5 ^	0,02	26	6 v	20	2 ^	22	3 v	19	1 v	18	4 v	14
22	Pfizer	0,02	22	7 v	0,17	15	3 ^	18	1 v	17	3 ^	20	4 v	16	1 ^	17
23	Johnson &Johnson	0,02	23	2 v	0,09	21	=	21	3 v	18	3 ^	21	2 v	19	3 v	16
24	L'Oreal	0,01	24	1 v	0,06	23	1 ^	24	=	24	1 v	23	=	23	=	23
25	Pepsi	0,01	25	=	0,03	25	2 ^	27	=	27	3 v	24	=	24	=	24
26	Mitsubishi	0,01	26	17 v	0,29	9	16 ^	25	=	25	=	25	1 ^	26	2 ^	28
27	Olivetti	0,003	27	1 ^	0,01	28	=	28	=	28	2 v	26	1 ^	27	=	27
28	Philip Morris	0,002	28	1 v	0,02	27	1 v	26	=	26	2 ^	28	3 v	25	=	25
	Average value	0,19			0,27

Из 28 сайтов Международных Транснациональных Корпораций (ТНК) в первую тройку по рейтингу на 12.01.2011г. входят: Microsoft (1.41QI), Intel (0.71QI) и Nokia (0.68QI). В первую десятку вошли также сайты: Wal-Mart Stores, Samsung Electronics, IBM, Philips Electronics, Toyota Motor, Motorola, SONY. Из 28 сайтов Международных Транснациональных Корпораций 7 имеют QI выше среднего значения (0.19).При этом QI показывает ценность, «вес» ВИК-а (виртуального интеллектуального капитала) данной организации относительно других, в том числе, конкурентов. QI рассчитывается по формуле: QI2 = (IRGoogle)2 + (IRYandex)2, где IRGoogle и IRYandex - значения взвешенных нормализованных индексов цитирования веб-сайтов. IRGoogle и IRYandex соответственно равны отношениям индексов цитирования на максимальные значения показателей данной выборки (списка отобранных для изучения веб-сайтов).

Системы, обеспечивающие применение новых информационных технологий управления, также активно внедряются в практику деятельности российских компаний. Россия за счет высоких темпов развития информационных технологий в последнее десятилетие смогла обеспечить сокращение разрыва с развитыми странами в уровне информатизации экономики и общества.

Вместе с тем отечественный уровень развития новых информационных технологий пока значительно отстает от стран Запада. В российской практике еще не в полной мере развиты прогрессивные приемы и технологии современного менеджмента, что сдерживает полновесное развитие, как информационных технологий, так и человеческих ресурсов.

Библиография

1. Интервью с заместителем Генерального директора ЮНЕСКО по вопросам коммуникации и информации Янисом Карклиньш для журнала «Информационное общество» №1. 2011.-См. - URL: http://www.infosoc.iis.ru/content/2011/201101.html (дата обращения 12.04.2015)

2. Гидденс Э. Ускользающий мир. Как глобализация меняет нашу жизнь. М.: Весь мир, 2004.

3. Гидденс Э. Устроение общества: Очерк теории структуризации. М.: Академический проект, 2005.

4. Аникин В. И., Мельничук Д. Б., Понуждаев Э. А., Сурма И.В. Основы стратегического менеджмента.-М.: Восток-Запад, 2010. 256 с. ISBN 978-5-478-01263-2

5. Гапоненко А.Л. Менеджмент //В 2 частях. Часть 1. Учебники Российской академии государственной службы при Президенте РФ./ РАГС. М.:-2010, сс.292-293. ISBN: 978-5-7729-0386-5

6. Гаврилова Т.А. Визуальные методы работы со знаниями: попытка обзора/ Т.А.Гаврилова, Н.В.Гулякина // Искусственный интеллект и принятие решений. 2008. №1.С.15-21.

7. См. - URL: http://en.wikipedia.org/wiki/Knowledge_base

8. Барбашев С. Ситуационный центр в системе безопасности предприятия.-http://www.amulet-group.ru/page.htm?id=354

9. Филиппов В.А. Аналитические центры-стратегический интеллектуальный ресурс. М.: ЛЕНАНД/URSS, 2007.-104 с.

10. Костылев Е.В. Зарубежные и отечественные «мозговые центры» // Российская гуманитарная наука: генезис и состояние. Вып. 2. 2007. С.234-332.

11. Комиссина И.Н. Научные и аналитические центры стран Южной Азии: Справ./ И.Н.Комиссина; Рос. ин-т стратег. исслед.-М.: РИСИ, 2014.-360 с. ISBN 978-5-7893-0204-0

12. Горный М. Фабрики мысли и центры публичной политики: классификация, взаимодействие с партиями, способы финансирования.-http://www.strategy-spb.ru/portal/files/ThinkTanks-2002.doc

13. См.-URL: http://www.iatp.am/arcaler_scorecard/xls/tnk.htm (дата обращения 12.04.2015

14. В.И. Бовыкин Философия искусственного интеллекта: проблемы терминологии и методологии // Философия и культура. - 2012. - 8. - C. 96 - 105.

15. М.В. Шугуров Глобальный технологический порядок в контексте мировой политики: концептуальный анализ // Политика и Общество. - 2011. - 9. - C. 11 - 20.

16. Вепринцев В.Б. Информация в пространственных и геополитических категориях // Тренды и управление. - 2014. - 3. - C. 302 - 308. DOI: 10.7256/2307-9118.2014.3.12620.



References (transliterated)

1. Interv'yu s zamestitelem General'nogo direktora YuNESKO po voprosam kommunikatsii i informatsii Yanisom Karklin'sh dlya zhurnala «Informatsionnoe obshchestvo» №1. 2011.-Sm. - URL: http://www.infosoc.iis.ru/content/2011/201101.html (data obrashcheniya 12.04.2015)

2. Giddens E. Uskol'zayushchii mir. Kak globalizatsiya menyaet nashu zhizn'. M.: Ves' mir, 2004.

3. Giddens E. Ustroenie obshchestva: Ocherk teorii strukturizatsii. M.: Akademicheskii proekt, 2005.

4. Anikin V. I., Mel'nichuk D. B., Ponuzhdaev E. A., Surma I.V. Osnovy strategicheskogo menedzhmenta.-M.: Vostok-Zapad, 2010. 256 s. ISBN 978-5-478-01263-2

5. Gaponenko A.L. Menedzhment //V 2 chastyakh. Chast' 1. Uchebniki Rossiiskoi akademii gosudarstvennoi sluzhby pri Prezidente RF./ RAGS. M.:-2010, ss.292-293. ISBN: 978-5-7729-0386-5

6. Gavrilova T.A. Vizual'nye metody raboty so znaniyami: popytka obzora/ T.A.Gavrilova, N.V.Gulyakina // Iskusstvennyi intellekt i prinyatie reshenii. 2008. №1.S.15-21.

7. Sm. - URL: http://en.wikipedia.org/wiki/Knowledge_base

8. Barbashev S. Situatsionnyi tsentr v sisteme bezopasnosti predpriyatiya.-http://www.amulet-group.ru/page.htm?id=354

9. Filippov V.A. Analiticheskie tsentry-strategicheskii intellektual'nyi resurs. M.: LENAND/URSS, 2007.-104 s.

10. Kostylev E.V. Zarubezhnye i otechestvennye «mozgovye tsentry» // Rossiiskaya gumanitarnaya nauka: genezis i sostoyanie. Vyp. 2. 2007. S.234-332.

11. Komissina I.N. Nauchnye i analiticheskie tsentry stran Yuzhnoi Azii: Sprav./ I.N.Komissina; Ros. in-t strateg. issled.-M.: RISI, 2014.-360 s. ISBN 978-5-7893-0204-0

12. Gornyi M. Fabriki mysli i tsentry publichnoi politiki: klassifikatsiya, vzaimodeistvie s partiyami, sposoby finansirovaniya.-http://www.strategy-spb.ru/portal/files/ThinkTanks-2002.doc

13. Sm.-URL: http://www.iatp.am/arcaler_scorecard/xls/tnk.htm (data obrashcheniya 12.04.2015

14. V.I. Bovykin Filosofiya iskusstvennogo intellekta: problemy terminologii i metodologii // Filosofiya i kul'tura. - 2012. - 8. - C. 96 - 105.

15. M.V. Shugurov Global'nyi tekhnologicheskii poryadok v kontekste mirovoi politiki: kontseptual'nyi analiz // Politika i Obshchestvo. - 2011. - 9. - C. 11 - 20.

16. Veprintsev V.B. Informatsiya v prostranstvennykh i geopoliticheskikh kategoriyakh // Trendy i upravlenie. - 2014. - 3. - C. 302 - 308. DOI: 10.7256/2307-9118.2014.3.12620.

Размещено на Allbest.ru

...