Salaeva Inga, Kostunina Daria

Teaduslikus uurimistöö esitatakse tänapäevase prognoosimise kvaliteedi ajalooline ja diagnostiline pilt ning avalikustatakse Exceli programmi kasutav prognoosimistehnoloogia. Uurimisaruanne on esitatud lisatud failis. Toode projekti tegevused - kooliportaalis

Lae alla:

Eelvaade:

Gümnaasiumiõpilaste ja üliõpilaste avatud rahvusvaheline teadusuuringute konverents „Haridus. Teadus. Elukutse "

Jagu

Infotehnoloogia

Teema

Arvutitehnoloogiad ja prognoosimine

Kostyunina Daria

Salaeva Inga

Haridusasutus

Vastastikuse mõistmise memorandumi gümnaasium №39 "Klassikaline"

Juhendaja:

Kõrgeima kategooria arvutiteaduste õpetaja Osipova Svetlana Leonidovna

otradny

Probleemi sõnastamine.Ennustage jäätise müügi hooajalist mahtu.

Algandmed.Toodete müügimahud aastaaegade kaupa.

Lahendusalgoritm.

1. Jäätisemüügi andmed hooaja lõikes tuleks esitada tabeli kujul.
2. Suund on kindlaks määratud, kõige paremini ligikaudne tegelikele andmetele (selles ülesandes on see polünoomne suundumus)

Järeldused.

Polünoomimudel kirjeldab sõltuvust usaldusväärsemalt, kuna selle determinismi koefitsient R2 lähemale 1. Mida lähemale R2 ühele, seda edukam on mudel.

Saadud mudel ennustab jäätise hooajalist müüki hästi. Kuid järgmistel hooaegadel on müüki raske ennustada, kuna ekstrapoleerimisel ei soovitata katsetusalast kaugele minna. Siiski on näha, et suvine jäätisemüük (eriti juunis ja juulis) on kõrge.

1. Korrelatsiooni sõltuvuste arvutamine

Suuruste vahelisi sõltuvusi, millest igaüks allub kontrollimatule hajumisele, nimetatakse korrelatsioonisõltuvusteks.

Ülesanne:

Probleemi sõnastamine... Määrake kindlaks gümnasistide edasijõudmise sõltuvus kahest tegurist: kooli raamatukogu varustamine õpikutega ja kooli varustamine arvutitega.

Algandmed.Mõlema teguri mõõtmine 11 erinevas koolis.

Lahendusalgoritm.

1. Saadud andmed esitatakse tabeli kujul
2. Arvutage koefitsient korrelatsioonivalemi abil. INExcel selleks on funktsioonVASTAVUS mis kuulub rühmastatistilised funktsioonid.

Järeldused.

Mõlemale sõltuvusele saadi lineaarsed korrelatsioonikordajad. Nagu tabelist nähtub, on korrelatsioon õpikute kättesaadavuse ja õppeedukuse vahel tugevam kui arvutitarkvara ja õppeedukuse korrelatsioon. Võib järeldada, et raamat on ikkagi olulisem teadmiste allikas kui arvuti.

1. Optimaalne planeerimine

Planeerimise objektideks võivad olla mitmesugused süsteemid: üksiku ettevõtte, tööstuse või muu tegevus põllumajandus, regioon, lõpuks riik. See võib olla ka tervislik seisund, ilmastikutingimused. Planeerimisprobleemi väide on järgmine:

1. on mõned kavandatud näitajad:x, y ja teised;
2. mõned ressursid on saadaval:R1, R2 ja teised, mille tõttu need eesmärgid on võimalik saavutada.Need ressursid on peaaegu alati piiratud;
3. on teatud strateegiline eesmärk sõltuvalt väärtustestx, y ja muud eesmärgid, millele planeerimine peaks olema suunatud.

Vaja on kindlaks määrata kavandatud näitajate väärtus, võttes arvesse piiratud ressursse, arvestades strateegilise eesmärgi saavutamist. See saab olema optimaalne plaan.

järeldused

Prognoosimine on mis tahes eluvaldkonna lahutamatu osa, näiteks juhtimine või majandus, matemaatika või meteoroloogia.

Projektiga töötades saime teada, et inimtegevuse erinevate protsesside kvaliteetne prognoosimine on ilma tänapäevaste arvutitehnoloogiateta võimatu. Selleks uurisime MS Exceli arvutustabeli protsessori võimalusi prognoosimisel kasutatavate arvutimudelite loomiseks. Paljud inimfunktsioonid juhtimisel, planeerimisel, prognoosimisel saab arvutisse üle kanda.

• Õpetus

Olen tegelenud aegridade prognoosimisega üle 5 aasta. Eelmisel aastal kaitsesin väitekirja teemal “ Mudel aegridade prognoosimiseks maksimaalse sarnasuse valimi põhjal”, Pärast kaitsmist oli aga palju küsimusi. Siin on üks neist - prognoosimeetodite ja -mudelite üldine klassifikatsioon.

Tavaliselt ei esitata nii vene kui ka ingliskeelsete autorite töödes prognoosimismeetodite ja -mudelite klassifitseerimise küsimust, vaid lihtsalt loetletakse. Kuid mulle tundub, et tänapäeval on see ala nii palju kasvanud ja laienenud, et isegi kõige üldisem, kuid klassifitseerimine on vajalik. Allpool on minu enda versioon üldisest klassifikatsioonist.

Mis vahe on prognoosimismeetodil ja prognoosimudelil?

Prognoosimeetod on toimingute jada, mis tuleb prognoosimudeli saamiseks läbi viia. Analoogselt toiduvalmistamisega on meetod toimingute jada, mille järgi roog valmistatakse - see tähendab prognoosi.

Prognoosimudel on olemas funktsionaalne esitus, mis kirjeldab uuritavat protsessi adekvaatselt ja on aluseks selle tulevaste väärtuste saamiseks. Samas kulinaarses analoogias on mudelil loetelu koostisosadest ja nende suhe, mis on vajalik meie roogi jaoks - prognoos.

Meetodi ja mudeli kombinatsioon moodustab tervikliku retsepti!

Nüüd on nii mudelite kui meetodite nimede puhul tavaline kasutada ingliskeelseid lühendeid. Näiteks on kuulus automaatse regressiooni integreeritud liikuva keskmise laiendatud prognoosimudel (ARIMAX). Seda mudelit ja sellele vastavat meetodit nimetatakse tavaliselt ARIMAXiks ja mõnikord autorite nimede järgi Box-Jenkinsi mudeliks (meetodiks).

Esiteks klassifitseerime meetodid

Lähemalt vaadates saab kiiresti selgeks, et mõiste “ prognoosimismeetod"On kontseptsioonist palju laiem" prognoosimudel". Sellega seoses jagunevad meetodid klassifitseerimise esimeses etapis tavaliselt kahte rühma: intuitiivsed ja vormistatud.

Kui meenutada oma kulinaarset analoogiat, siis võime seal jaotada kõik retseptid vormistatud, see tähendab koostisosade arvu ja valmistamismeetodi järgi üles kirjutatuks ning intuitiivseks, see tähendab, et neid pole kuskile üles kirjutatud ja saadud kulinaarsetest kogemustest. Millal me retsepti ei kasuta? Kui roog on väga lihtne: praadige kartuleid või keetke pelmeene - retsepti pole vaja. Millal muidu me retsepti ei kasuta? Kui tahame midagi uut leiutada!

Intuitiivsed prognoosimismeetodid tegelema ekspertide otsuste ja hinnangutega. Tänapäeval kasutatakse neid sageli turunduses, majanduses, poliitikas, kuna süsteem, mille käitumist tuleb ennustada, on kas väga keeruline ja ei sobi matemaatiliseks kirjeldamiseks või on väga lihtne ega vaja sellist kirjeldust. Selliste meetodite kohta leiate üksikasju.

Ametlikud meetodid - kirjanduses kirjeldatud prognoosimeetodid, mille tulemusena prognoosimudelid ehitatakse, see tähendab, et need määravad sellise matemaatilise seose, mis võimaldab teil arvutada protsessi tulevase väärtuse, st teha prognoosi.

Selle kohta saab prognoosimeetodite üldise klassifikatsiooni minu arvates lõpule viia.

Järgmisena koostame mudelite üldise klassifikatsiooni

Siin on vaja jätkata prognoosimudelite klassifitseerimist. Esimeses etapis tuleks mudelid jagada kahte rühma: domeenimudelid ja aegridamudelid.

Domeenimudelid - sellised matemaatilised prognoosimudelid, mille konstrueerimiseks kasutatakse valdkonna seadusi. Näiteks ilma ennustamiseks kasutatud mudel sisaldab vedeliku dünaamika ja termodünaamika võrrandeid. Rahvastiku arengu prognoos tehakse diferentsiaalvõrrandil põhineva mudeli järgi. Diabeediga inimese veresuhkru taseme ennustamine toimub diferentsiaalvõrrandite süsteemi alusel. Lühidalt, sellised mudelid kasutavad konkreetsele ainevaldkonnale omaseid sõltuvusi. Selliseid mudeleid iseloomustab individuaalne lähenemine arengule.

Aegridade mudelid - matemaatilised prognoosimudelid, mille eesmärk on leida tulevase väärtuse sõltuvus minevikust protsessi enda sees ja arvutada prognoos selle sõltuvuse põhjal. Need mudelid on universaalsed erinevate ainevaldkondade jaoks, see tähendab nende jaoks üldine vorm ei muutu sõltuvalt aegridade olemusest. Õhutemperatuuri ennustamiseks võime kasutada närvivõrke ja aktsiaindeksite prognoosimiseks seejärel kasutada närvivõrkude sarnast mudelit. Need on üldistatud mudelid, näiteks keev vesi, millesse toote visates küpsetatakse, olenemata selle olemusest.

Aegridade mudelite klassifitseerimine

Mulle tundub, et tasa teha üldine klassifikatsioon domeenimudelid pole võimalikud: nii palju domeene, nii palju mudeleid! Kuid aegridade mudelid sobivad hõlpsasti lihtsaks jagamiseks. Aegrida mudelid saab jagada kahte rühma: statistilised ja struktuursed.

IN statistilised mudelid tulevase väärtuse sõltuvus minevikust antakse mingi võrrandi kujul. Need sisaldavad:

1. regressioonimudelid (lineaarne regressioon, mittelineaarne regressioon);
2. autoregressiivsed mudelid (ARIMAX, GARCH, ARDLM);
3. eksponentsiaalse silumise mudel;
4. maksimaalse tõenäosuse mudel;
5. jne.

IN struktuurimudelid tulevase väärtuse sõltuvus minevikust antakse teatud struktuuri ja selle mööda liikumise reeglite kujul. Need sisaldavad:

1. närvivõrgu mudelid;
2. markovi ketidel põhinevad mudelid;
3. klassifitseerimis- ja regressioonipuudel põhinevad mudelid;
4. jne.

Mõlema rühma puhul tõin välja peamised ehk kõige tavalisemad ja üksikasjalikumad prognoosimudelid. Kuid tänaseks on juba olemas tohutu hulk aegridade prognoosimudeleid ja näiteks hakati prognooside tegemiseks kasutama SVM-i (tugivektorimasina) mudeleid, GA (geneetilise algoritmi) mudeleid ja paljusid teisi.

Üldine liigitus

Seega saime järgmise mudelite klassifikatsioon ja prognoosimeetodid.

1. Tihhonov E.E. Prognoosimine turutingimustes. Nevinnomyssk, 2006.221 lk.
2. Armstrong J.S. Turunduse prognoosimine // Kvantitatiivsed meetodid turunduses. London: International Thompson Business Press, 1999. Lk 92 - 119.
3. Jingfei Yang M. Sc. Elektrisüsteemi lühiajaline koormuse prognoosimine: doktorikraadi lõputöö. Saksamaa, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006.139 lk.

UPD. 15.11.2016.
Härrased, see on jõudnud hullumeelsuseni! Hiljuti saadeti mind ülevaatamiseks VAK-i väljaande artikkel koos lingiga sellele kirjele. Juhin teie tähelepanu asjaolule, et ei diplomites ega artiklites ja veelgi enam väitekirjades te ei saa ajaveebiga linkida! Kui soovite linki, kasutage seda: Tšutšujeva I.A. AJASEERIATE PROGNOOSIMISE MUDEL MAKSIMAALSE SAMASUGAVUSE VALIMISEGA, väitekiri ... Cand. need. Teadused / Moskva Riiklik Tehnikaülikool. N.E. Bauman. Moskva, 2012.

Sildid: lisage sildid

Prognoosimise vajadus on objektiivne. Paljude nähtuste tulevik on teadmata, kuid see on praegu tehtud otsuste jaoks väga oluline.

Prognoosimise vajadus on objektiivne. Paljude nähtuste tulevik pole teada, kuid see on hetkel tehtud otsuste jaoks väga oluline. Majandustegevus kuulub ka protsessidesse, mis nõuavad tungivalt prognoosimisprotseduuride rakendamist. Kuid kõik prognoosimise etapid, sealhulgas selle korraldamine, esitamine ja tulemuste tõlgendamine, pole kaugeltki tühised. Ja IT saab selles väga olulist abi pakkuda.

Ennustamine: edu ja ebaõnnestumine

Tänaseks on tehtud palju uuringuid ja saadud muljetavaldavaid praktilisi lahendusi teaduse, tehnoloogia, majanduse, demograafia ja muude valdkondade prognoosimise probleemile. Sellele probleemile tähelepanu pööramine on muu hulgas tingitud ulatusest kaasaegne majandus, tootmisvajadused, ühiskonna arengu dünaamika, vajadus parandada planeerimist kõigil juhtimistasanditel, samuti kogunenud kogemused. Prognoosimine on üksikute äriüksuste ja majandusringkondade tõhusa juhtimise üks otsustavaid elemente, kuna tehtud otsuste kvaliteedi määrab suuresti nende tagajärgede prognoosimise kvaliteet. Seetõttu peaksid täna tehtud otsused põhinema usaldusväärsetel hinnangutel uuritavate nähtuste ja sündmuste võimaliku arengu kohta tulevikus.

Prognoosimise paranemist näevad paljud spetsialistid asjakohaste infotehnoloogiate arendamisel. Nende kasutamise vajadus on tingitud mitmel põhjusel, sealhulgas:

• infomahtude kasv;
• tulemuste arvutamise ja tõlgendamise algoritmide keerukus;
• kõrged nõuded prognooside kvaliteedile;
• vajadus kasutada prognoosimistulemusi planeerimis- ja juhtimisprobleemide lahendamiseks.

Perioodiliselt ilmub teave konkreetse ettevõtte saavutatud positiivsete tulemuste kohta. Mitmed väljaanded märgivad, et turusuundumuste, kaupade või teenuste nõudluse, samuti muude majandusprotsesside ja omaduste edukas hindamine võimaldab teil kasumit märkimisväärselt suurendada, muid majandusnäitajaid parandada. Esmapilgul on edukuse mehhanism lihtne ja selge: eeldades, mis tulevikus juhtub, võite võtta tõhusaid meetmeid õigeaegselt, kasutades positiivseid suundumusi ja kompenseerides negatiivseid protsesse ja nähtusi.

Siiski on ka negatiivseid näiteid. Nagu ajakiri "Infoteenistuse direktor" varem märkis, ciscoKunagi kuulutatud uue majanduse sümboliks, ei suutnud mitte ainult ennustada 2001. aasta majanduslangust, vaid leidis end teistest veelgi halvemas olukorras, kuna pidas oma tarkvara ja metoodilist tuge nõudluse prognoosimiseks laitmatuks. Ettevõtte juhtkond ei eeldanud, et kriisi üks põhjus võib olla prognoosimeetodid ja kasutatavad tehnoloogiad. Analüütilise vea tagajärjel kirjutati maha 2,2 miljardi dollari väärtuses kaupu, vallandati umbes 20% töötajatest ja ettevõtte aktsiad kukkusid peaaegu kuus korda. Seega ei peitu Cisco kriisi põhjuseks viivitusi ettevõtte analüütikute tööks vajaliku esialgse teabe hankimisel või ebapiisavas koguses. Raskused tekkisid ilmselgelt metodoloogiliste vigade ja saadud prognooside puuduliku hindamise tõttu. Võib arvata, et Cisco kasutatud mudel ei võimaldanud prognoosihinnangute kohandamist praeguse turuolukorra muutusega vajalikul tasemel.

Prognoosimise kvaliteedi tagamine

Täpsuse, usaldusväärsuse ja tõhususe tagavad sarnaselt teiste prognoosimise kvaliteedi komponentidega mitmed tegurid, mille hulgas on vaja välja tuua:

• tarkvara, mis põhineb tegelikkusele adekvaatsetel majanduslikel ja matemaatilistel mudelitel; n prognoosimisalgoritmide aluseks oleva esialgse teabe allikate ulatus ja usaldusväärsus;
• sise- ja välisteabe töötlemise tõhusus;
• oskus prognoosihinnanguid kriitiliselt analüüsida;
• prognoosimise metoodilises ja informatiivses toetuses vajalike muudatuste tegemise õigeaegsus.

Spetsiaalne tarkvara põhineb hoolikalt valitud mudelitel, meetoditel ja tehnikatel. Nende rakendamine on äärmiselt oluline kvaliteetsete prognooside saamiseks praeguse ja strateegiline planeerimine... Praeguse olukorra analüüs näitab, et majandusprotsesside prognoosimist võimaldavad IT rakendamise raskused pole mitte ainult tehnilised või metodoloogilised, vaid ka organisatsioonilised ja psühholoogilised. Tulemuste tarbijad ei mõista mõnikord kasutatud mudelite põhimõtteid, nende vormistamist ja objektiivselt eksisteerivaid piiranguid. See tekitab reeglina usaldamatust saavutatud tulemuste suhtes. Rakendusprobleemide teine \u200b\u200brühm on seotud asjaoluga, et ennustavad mudelid on sageli suletud, autonoomsed ja seetõttu on nende üldistamine arengu ja vastastikuse kohanemise eesmärgil keeruline. Järelikult võib samm-sammuline lähenemine, tuues esile peamised analüütilised ülesanded, kompromisslahendus.

Kuid valmis paljundatavad või ettevõtte lahendused, mis pakuvad väikestele ja keskmise suurusega majandusüksustele prognoose süsteemi tasemel kõrge kvaliteet ja neid pole hinna eest praktiliselt saadaval. Praegu automatiseeritud süsteemid ettevõtte juhtimine piirdub peamiselt raamatupidamise ja kontrollimise põhiülesannetega. Selle olukorra põhjuseks on see, et enne kaasaegse IT tekkimist puudusid laialdased võimalused tõhusate majanduslike ja matemaatiliste mudelite kasutamiseks otse protsessis majanduslik tegevus... Lisaks ei esitanud olemasolevate prognoosimudelite rakendamine analüüsi eesmärgil nende teabetoe jaoks nii kõrgeid nõudeid.

Tehnoloogia põhialuste prognoosimine

Ennustussüsteemi nullist üles ehitamisel on vaja lahendada mitmeid organisatsioonilisi ja metoodilisi probleeme. Esimesed hõlmavad järgmist:

• kasutajate koolitamine prognoositulemuste analüüsimise ja tõlgendamise meetodite osas;
• ennustava teabe liikumissuundade kindlaksmääramine ettevõttes, selle osakondade ja üksikute töötajate tasandil, samuti äripartnerite ja ametiasutustega suhtlemise struktuur;
• prognoosimisprotseduuride ajastuse ja sageduse määramine;
• põhimõtete väljatöötamine prognoosi sidumiseks pikaajalise planeerimisega ning ettevõtte arengukava koostamisel saadud tulemuste valikuvõimaluste valimise kord.

Prognoosimise allsüsteemi loomise metoodilised probleemid on:

• selle sisemise struktuuri ja toimimismehhanismi väljatöötamine;
• teabetoe korraldamine;
• tarkvara arendamine.

Esimene probleem on kõige keerulisem, kuna selle lahendamiseks on vaja ehitada prognoosimudelite kompleks, mille ulatus on omavahel seotud näitajate süsteem. Prognoosimeetodite süstematiseerimise ja hindamise probleem on siin üks kesksetest, kuna konkreetse meetodi valimiseks on vaja läbi viia nende võrdlev analüüs. Prognoosimeetodite klassifikatsiooni variandi, võttes arvesse iga rühma aluseks oleva teadmistesüsteemi iseärasusi, võib kokku võtta järgmiselt: eksperthinnangute meetodid; loogilise modelleerimise meetodid; matemaatilised meetodid.

Iga rühm sobib teatud ülesannete lahendamiseks. Seetõttu esitab praktika kasutatavate meetodite jaoks järgmised nõuded: need peavad olema suunatud konkreetsele prognoosimisobjektile, peavad tuginema piisavuse kvantitatiivsele mõõtmisele, olema diferentseeritud hinnangute täpsuse ja prognooshorisondi järgi.

Prognoosiva süsteemi loomise käigus tekkivad peamised ülesanded on jagatud järgmisteks:

• prognoositavate protsesside ja näitajate süsteemi ülesehitamine;
• ennustatud protsesside ja näitajate majandusliku ja matemaatilise analüüsi aparatuuri väljatöötamine;
• eksperthinnangute meetodi konkretiseerimine, uurimiseks indikaatorite valimine ning osade prognoositud protsesside ja näitajate eksperthinnangute saamine;
• näitajate ja protsesside prognoosimine koos usaldusvahemike ja täpsusega;
• tulemuste tõlgendamise ja analüüsi meetodite väljatöötamine.

Erilist tähelepanu tuleks pöörata prognoosimissüsteemi teabe ja matemaatilise toetamise alastele töödele. Tarkvara loomise protsessi saab esitada järgmistes etappides:

1. prognoosobjekti struktuurse identifitseerimise metoodika väljatöötamine;
2. prognoosobjekti parameetrilise identifitseerimise meetodite väljatöötamine;
3. suundumuste prognoosimise meetodite väljatöötamine;
4. protsesside harmooniliste komponentide ennustamise meetodite väljatöötamine;
5. protsesside juhuslike komponentide omaduste hindamise meetodite väljatöötamine;
6. keerukate mudelite loomine omavahel ühendatud süsteemi moodustavate näitajate prognoosimiseks.

Ennustussüsteemi loomine eeldab integreeritud lähenemisviisi selle teabetoe probleemi lahendamisel, mida tavaliselt mõistetakse kui prognooside saamiseks kasutatud algandmeid, samuti meetodeid, meetodeid ja vahendeid, mis tagavad andmete kogumise, kogumise, salvestamise, otsimise ja edastamise prognoosimissüsteemi toimimise ajal. ja selle vastastikune mõju teiste ettevõtte juhtimissüsteemidega.

Süsteemi teabetugi sisaldab tavaliselt:

Infofond (andmebaas);

Infofondi moodustamise allikad, andmete vastuvõtmise voogud ja meetodid;

Infofondi moodustavate andmete kogumise, salvestamise, ajakohastamise ja otsimise meetodid;

Andmete ringluse meetodid, põhimõtted ja reeglid süsteemis;

Meetodid andmete usaldusväärsuse tagamiseks nende kogumise ja töötlemise kõigis etappides;

Meetodid teabe analüüs ja süntees;

Majandusandmete üheselt vormistatud kirjeldamise meetodid.

Seega on prognoosimisprotsessi rakendamiseks vaja järgmisi põhikomponente:

Juhtimis- ja raamatupidamissüsteemidel põhineva siseinfo allikad;

Välise teabe allikad;

Spetsialiseeritud tarkvara, mis rakendab prognoosimisalgoritme ja tulemuste analüüsi.

Lisaks nendele komponentidele tuleks kasutada asjakohaseid tehnoloogiaid teabe salvestamiseks, vahetamiseks ja esitamiseks.

Prognoosimise kvaliteedi kinnitus

Arvestades prognoosimisprobleemi lahendamise olulisust turuüksuste jaoks, on soovitatav kontrollida pakutavate meetodite ja algoritmide ning ka tehnoloogiate kvaliteeti spetsiaalselt valitud (testi) lähteandmete abil. Sarnast kontrolliteed on pikka aega kasutatud ka mittelineaarse optimeerimise jaoks mõeldud matemaatiliste tööriistade piisavuse hindamisel, näiteks Rosenbrocki ja Powelli funktsioonide abil.

Prognoosimistehnoloogia kvaliteedi ja toimivuse kinnitamine (või kontrollimine) viiakse tavaliselt läbi, kui võrrelda a priori teadaolevaid mudeli andmeid nende ennustatud väärtustega ja hinnata prognoosi täpsuse statistilisi omadusi. Vaatleme seda tehnikat olukorras, kus protsessimudelid on Tt trendi, hooajaliste (harmooniliste) ja juhuslike komponentide aditiivne kombinatsioon.

Joonisel fig. 1 on aditiivse mudeli trendi illustreerimiseks toodud teise järgu paraboolne trend, joonisel fig. 2 - protsessi hooajaline komponent perioodiga 12 kuud ja joonisel fig. 3 - juhuslik komponent. Protsessi tegeliku rakendamise võrdlus selle prognoosiga, mis viidi läbi lühiajalise prognoosimise metoodika raames, on toodud joonisel. 4. Absoluutseid vigu on illustreeritud joonisel fig. 5. Tehnoloogia kvaliteeti hinnatakse prognoosihinnangute vigade statistiliste näitajate järgi.

Praktika ja väljavaated prognoosimise väljatöötamiseks paljundatud ja ettevõtte süsteemides

Praegu on laialt levinud mitmesugused tarkvaravahendid, mis pakuvad ühel või teisel määral teabe kogumist ja analüütilist töötlemist. Mõnes neist, näiteks MS Excelis, on sisseehitatud statistilised funktsioonid ja programmeerimisvahendid. Teised, eriti odav raamatupidamine ja juhtimisarvestus, neil pole selliseid võimalusi või analüüsivõimalusi ei rakendata neis piisavalt ja mõnikord valesti. Kuid kahjuks on see omane ka mõnele võimsamale ja multifunktsionaalsemale ettevõtte juhtimissüsteemile, mida kinnitasid ka varasemad näitused "Apteek 2001" (november-detsember 2001) ja "Raamatupidamine ja audit 2002" (jaanuar 2002). Seda olukorda selgitab ilmselt arendajate madal analüüs oma valitud prognoosimisalgoritmide omaduste ja kriitilise rakenduse kohta. Näiteks olemasolevate allikate põhjal otsustades põhinevad ennustavad algoritmid sageli nulljärjekorras eksponentsiaalsel silumisel. See lähenemisviis kehtib aga ainult siis, kui uuritavas protsessis puudub suundumus. Tegelikult on majandusprotsessid mittestatsionaalsed ja prognoosimine hõlmab keerukamate mudelite kasutamist kui pideva suundumusega mudelid.

Vaadeldava teema vaatenurgast on huvitav jälgida kodumaise automatiseeritud arengutee pangandussüsteemid... Esimesed pangandussüsteemid põhinesid jäigal tehnoloogial, mis nõudis pidevalt muudatusi või täiendavat tarkvara. See ajendas finantstarkvara arendajaid järgima avatuse, mastaapsuse ja paindlikkuse põhimõtteid, tööstusliku DBMS-i kasutamist. Need DBMS-id iseenesest osutusid aga sobimatuks kõrgetasemeliste analüütiliste probleemide, sealhulgas prognoosimise probleemi lahendamiseks. Selleks oli vaja kasutada andmeladude ja operatiivse analüütilise töötluse lisatehnoloogiaid, mis tagasid finantsasutuste otsetoetussüsteemide toimimise ja prognooside tegemise. Sama lähenemist kasutatakse ka keerukates ettevõtte juhtimissüsteemides.

IT-põhiste prognoosimeetodite tänapäevase rakendusliku kasutamise teine \u200b\u200bvaldkond on paljude turundusprobleemide lahendamine. Näitena võib tuua telekommunikatsioonitarkvara SAS Churn Management Solution. See on ette nähtud teja võimaldab selle arendajate sõnul ehitada ennustavaid mudeleid ja nende abiga hinnata teatud kategooriate klientide ärritumise tõenäosust. Selle tarkvara tuumaks on Scalable Performance Data Serveri hajutatud andmebaasiserver, tööriistad andmeladude ja andmekaartide loomiseks ja haldamiseks, Enterprise Mineri andmekaevandustööriistad, SAS / MDDB Serveri otsuste tugisüsteem ja abivahendid. Uute fikseeritud CRM-süsteemide konkurentsivõime tagamiseks sisaldab nende täiustatud võimaluste loend, aga ka automatiseeritud pangandussüsteemide puhul aruandefunktsioonid, mis kasutavad OLAP-tehnoloogiaid ja võimaldavad teatud määral prognoosida turunduse, müügi ja klienditeeninduse tulemusi.

Spetsialiseerunud on palju tarkvaratootedarvandmete, sealhulgas üksikute prognoosielementide statistilise töötlemise pakkumine. Nende toodete hulka kuuluvad SPSS, Statistica jne. Nendel tööriistadel on nii eeliseid kui ka puudusi, mis oluliselt piiravad nende ulatust praktilise rakendamise... Siinkohal tuleb märkida, et spetsiaalse matemaatika- ja statistikatarkvara sobivuse hindamine prognoosiprobleemide lahendamiseks spetsiaalsete väljaõppeta tavakasutajate poolt nõuab eraldi tõsist uurimist ja arutelu.

Väikeste ja keskmise suurusega ettevõtete tarbijate prognoosimisprobleemide lahendamine võimsate ja kulukate infosüsteemide ja tehnoloogiate abil on aga praktiliselt võimatu, peamiselt rahalistel põhjustel. Seetõttu on väga paljutõotav suund olemasolevate ja laialt levinud odavate raamatupidamis- ja juhtimisarvestussüsteemide analüütiliste võimete arendamine. Välja töötatud täiendavatel aruannetel, mis põhinevad konkreetsetel äriprotsessidel ja sisaldavad konkreetse kasutaja jaoks vajalikku analüütilist teavet, on kõrge efektiivsuse ja kulu suhe.

Mõni tarkvaraarendaja loob terve rea analüütilisi tööriistu. Näiteks pakub Parus Corporation Parus-Analytica ja Triumph-Analytica lahendusi paljudele väikestele ja keskmise suurusega ettevõtetele. Prognoosiva teabe analüütilise töötlemise keerukamad ülesanded integreeritakse Paruse süsteemi nn olukorrakeskuse näol. Tiraažilahenduste väljatöötamise juhi Dmitri Sudarevi sõnul otsustati 1997. aastal välja töötada ja juurutada tarkvaratooteid, mis võimaldaksid ettevõtte tegevuses liikuda lihtsalt faktide arvestuselt teabe analüüsile. Samal ajal oli plaanis minna üle raamatupidajate ja keskastmejuhtide töö automatiseerimiselt teabe töötlemisele tippjuhtide jaoks. Võttes arvesse võimalikku tarbijate ringi, ei sea Parus-Analytica ja Triumph-Analytica riist- ja tarkvarakeskkonnale erinõudeid, kuid Triumph-Analytica lahendus on rakendatud MS SQL Serveri baasil, mis annab sellele rohkem võimalusi uuritavate protsesside prognoosimiseks. , eriti võetakse arvesse prognooside harmoonilist komponenti.

Prognoosi väärtus suureneb mitu korda, kui seda kasutatakse otseselt ettevõtte juhtimisel. Seetõttu on oluline suund ennustussüsteemide integreerimine selliste süsteemidega nagu Kasatka, MS Project Expert jne. Näiteks on SBI Kasatka tarkvara paigutatud turundusosakonna juhi ja spetsialistide jaoks automatiseeritud tööjaamana ning mõeldud juhtimise, turunduse ja arendustegevuse arendamiseks. strateegiline planeerimine. See tähis määrab kindlaks vajaduse tuvastada pikaajalised suundumused ja neid planeerimisel arvesse võtta. Sellisel juhul määratakse prognoosimishorisont organisatsiooni asjakohaste eesmärkide põhjal.

Järeldus

Prognoosimistehnoloogia ja selle rakendamise viiside valimine peaks toimuma vastavalt konkreetse tarbija eesmärkidele ja eesmärkidele, võtma arvesse teabetoetuse taset, kasutaja kvalifikatsiooni ja mitmeid muid tegureid. Need põhjused nõuavad varem loodud spetsiaalse tarkvara individuaalset arendamist või kohandamist.

Kirjandus

Sõnastik

Prognoosimine (majanduse planeerimisel) - majanduse planeerimise protsessi teaduslik ja analüütiline etapp. Majanduskavade väljatöötamisel on prognoosimise põhiülesanded: sotsiaalsete, majanduslike, teaduslike ja tehniliste protsesside ja suundumuste teaduslik analüüs, sotsiaalmajanduslike nähtuste objektiivsed seosed konkreetsetes tingimustes, hetkeolukorra hindamine ja majandusarengu põhiprobleemide väljaselgitamine; nende suundumuste arengu hindamine tulevikus ning uute majandusolukordade ja nende lahendamist vajavate uute probleemide prognoosimine; võimalike arenguvariandide väljaselgitamine ühe või teise võimaluse mõistlikuks valimiseks ja optimaalse otsuse langetamine.

Juhtimisautomaatika - ettevõtte automaatse töötlemise meetodite ja tehnikate kasutamine ettevõtte juhtorganite poolt, sealhulgas optimaalsete majandusotsuste väljatöötamiseks. Juhtimise automatiseerimine on seotud majanduslike ja matemaatiliste meetodite ning IT juurutamisega.

Süsteemi teabetugi - süsteemis oleva teabe valimise, klassifitseerimise, säilitamise, otsimise, ajakohastamise ja töötlemise meetodite ja vahendite kogum. Teabetugi hõlmab järgmist: teabe koostis (teabeüksuste või agregaatide loetelu); teabe struktuur ja selle muutmise mustrid; teabe liikumise omadused; teabe kvaliteedi omadused; teabe töötlemise meetodid. Infotuge saab iseloomustada funktsionaalsete, struktuuriliste, ümberkujundavate ning organisatsiooniliste ja metoodiliste aspektidega. Teisendusaspekti objektideks on keele teisendamine majanduse juhtimine teabe edendamise tasemete ja etappide kaupa süsteemis.

Lag lag - ajavahemik hetkest, mil süsteem reageerib (mõjule) talle rakendatud tegevusele, ja selle rakendamise hetk. Sotsiaalmajanduslikes süsteemides mängivad mahajäämuse suurused planeerimisel ja juhtimisel olulist rolli. Eriti olulised on viivitused investeeringutasuvuses.

Trend (ennustatud protsessi deterministlik alus) - dünaamilise rea (protsessi) muutuste üldine, peamine suundumus piisavalt pika vaatlusperioodi jooksul. On üldtunnustatud, et trendi määrab pidevalt toimivate tegurite mõju.

Prognoositud protsessi harmooniline komponent - komponent, mille toime määravad perioodilist laadi tegurid. Erijuhtum on hooajaline komponent, mille määravad peamiselt kliimatingimused ja sotsiaalsed traditsioonid.

Prognoositud protsessi juhuslik komponent - tegelike protsessiväärtuste kõrvalekalded prognoositutest, mille põhjuseid pole kindlaks tehtud ja neid ei saa vastuvõetud mudeli raames tuvastada.

Majanduslikud ja matemaatilised meetodid - majanduse ja matemaatika ristumiskohas asuva teadus- ja rakendusalade kompleksi tavapärane nimetus. Need hõlmavad järgmisi teadusharude rühmi: majanduslikud ja statistilised meetodid; ökonomeetria; majandustegevuse uurimine; majanduslik küberneetika.

Eksperthinnangud - otseselt mõõdetavate protsesside või nähtuste hindamine. Eksperthinnangutel on otsustamisel oluline roll, sealhulgas prognoositakse alternatiive ja nende tagajärgi.

Heuristiline prognoosimeetod - valdkonna ekspertide arvamuse kasutamine; Seda kasutatakse protsesside ennustamiseks, mida ei saa prognoosimise ajal vormistada. See on eksperthinnangu meetodi sünonüüm.

Matemaatilised prognoosimismeetodid jaotatud tinglikult arenguprotsesside modelleerimise meetoditeks ja ekstrapoleerimise meetoditeks. Need põhinevad matemaatilistel tööriistadel.

Loogilised ennustus- ja analüüsimeetodid on peamiselt seotud kursuse järjepidevuse ja prognoositavate tulemuste analüüsiga. Toimib ennustussüsteemis tagasisidena. Lisaks võimaldavad loogilised analüüsimeetodid seda lahendada iseseisvad ülesandednäiteks morfoloogiliste mudelite konstrueerimine, mida kasutatakse edaspidi ka vormistatud (matemaatiliste) prognoosimudelite baasil.

Kombineeritud prognoosimeetodid - heuristiliste ja matemaatiliste prognoosimismeetodite ühine kasutamine, et ühendada nende olemuslikud eelised ja kompenseerida puudused.

Intervalliprognoos - väärtuste vahemik, millesse prognoositud väärtus langeb antud tõenäosusega koos teadaolevate protsessi parameetritega.

Kvaliteedikriteeriumide prognoosimine - peamine kvaliteedikriteerium on prognoosi täpsus. Lisaks saab kasutada tõhususe, usaldusväärsuse jms kriteeriume.

Ennustusvead - erinevus ennustatud objekti praeguse vaatluse ja eeldatava väärtuse vahel. Prognoosimisvead on põhjustatud erinevatest põhjustest: tulevase olukorra ebakindlus; muutused prognoosimisobjektis endas; äsja esilekerkivate tegurite mõju jne.

Ennustamine - hinnang objekti tulevase seisundi kohta, mis on peamiselt subjektiivne.

Objekti mudeli prognoosimine - isomorfismi fenomeni (analoogia) kasutamine prognoosimise tegeliku objekti kirjeldamiseks matemaatiliste seoste ja loogiliste järelduste abil (harvadel juhtudel kasutatakse füüsikalisi mudeleid). Mudel kujutab endast teatavat abstraktsiooni tegelikkusest, võttes arvesse ainult originaali neid omadusi, mis pakuvad huvi või mõjutavad oluliselt selle arengut. Prognoositava objekti mudeli valimise raskused määravad mitmed tegurid: teave prognoositule sarnaste protsesside või objektide kohta; selle protsessi (objekti) kohta käiva teabe täpsus; selle teabe hulk. Praegu on prognoosimudelite liigitamine palju.

Ennustav süsteem - algandmete kogumise, teabe töötlemise ja nõutava kvaliteediga prognooside esitamise meetodite, meetodite ja vahendite kogum.

Allikad

Erinevatel ettevõtetel on eelarve koostamisel omad nõuded. Neid funktsioone arvestavad tarkvaratoodete loojad. Vaatleme kõige kuulsamaid ja laialt levinud tarkvaratooteid.

Hyper Pillar on suur ja arenenud süsteem, mis automatiseerib eelarve koostamise täielikult. Alustamiseks sisestage kavandatud kulud ja kavandatud laekumised. Arvutuste tulemuseks on ettevõtte dünaamiline mudel, kus on iga taseme eest vastutavad mudelid ja lihtne tehnoloogia selle muutmiseks. Hyper Pillar on hästi integreeritud ettevõtte teiste toodetega: Enterprise, Essbase OLAP Server, Reporting.

Ettevõtte planeerija on eelarvestamise programm, mis on üles ehitatud ettevõtte struktureeritud kulupuu põhjal. Puusõlmed - kavandatud, tegelikud väärtused ja nende vahelised kõrvalekalded. Sõlmed on seotud valemitega. Faile saab importida ODBC kaudu. Corporate Plannerit kasutatakse väikestes ettevõtetes ja see ei toeta hajutatud tööd.

Adaytumi planeerimine on 3D arvutustabel erinevate viilude ehitamise funktsioonidega. Tabelid sisaldavad erinevaid andmeid (aeg, rahandus jne) ettevõtte iga divisjoni kohta. Valitud kuupäevaks on konsolideeritud eelarve konsolideerimise funktsioon. Adaytumi planeerimine on kulutõhus toode väikese eelarve loomiseks, kasutades mitmesuguseid analüütilisi tööriistu.

"Nephrite" on tarkvaratoode, mis on mõeldud kasutamiseks valdusstruktuuriga suurtes korporatsioonides. See on vahepealne positsioon dokumentide arvuti- ja paberitöötluse vahel ning sellel on eelarve kokkuleppimiseks mugav protseduur. Programm töötab isegi ebapiisavalt ettevalmistatud andmetega. Esialgsed andmed on põllumajandusettevõtte osakondade eelarved, mis tuleks koondada ühte osaluseelarvesse. "Jade" põhineb arvutustabelitel.

"Punane direktor" on eelarve koostamise süsteem, mis on mõeldud väikestele ja keskmise suurusega ettevõtetele ning millel on lihtne liides. Programmi aluseks on andmebaas, millel puudub võimalus integreeruda teiste tarkvaratoodetega.

Planeerimine on teadusliku ja praktilise tegevuse eriliik, mis seisneb strateegiliste otsuste väljatöötamises (prognooside, projektide, programmide, plaanide kujul), nähes ette selliste eesmärkide ja juhtimisobjektide käitumise strateegiate edendamise, mille rakendamine tagab nende pikaajalise tõhusa toimimise, kiire kohanemise muutunud välised tingimused.

Pro-Invest-Consultingu programm Project Expert võimaldab kasutajatel lahendada järgmisi ülesandeid:

· Kirjeldage ja kavandage üksikasjalikult iga ettevõtte tegevust, võttes arvesse muutusi väliskeskkonna parameetrites (inflatsioon, maksud, vahetuskursid);

· Töötama välja ettevõtte arendamise või investeerimisprojekti elluviimise kava, turundusstrateegia ja tootmisstrateegia, mis tagaks materiaalsete, inim- ja finantsressursside ratsionaalse kasutamise;

· Määrata kindlaks ettevõtte rahastamisskeem;

· Katsetada ettevõtte arengu erinevaid stsenaariume, muutes ettevõtte finantstulemusi mõjutada võivate tegurite väärtusi;

Koostada finantsaruanded (aruanne liikumise kohta) raha, bilanss, kasumiaruanne, kasumi kasutamise aruanne) ja rahvusvahelistele nõuetele täielikult vastava investeerimisprojekti äriplaan vene ja vene keeles inglise;

Viige läbi ettevõtte (projekti) põhjalik analüüs, sealhulgas üldise efektiivsuse analüüs, tundlikkuse analüüs, rahavoogude analüüs iga projekti osaleja kohta, analüüs rahaline seis ja ettevõtte kasumlikkus, kasutades kolme tosinat automaatselt arvutatud näitajat.

Spetsiaalne vahetusmoodul Project Expert võimaldab teil teavet importida ja eksportida * .txt ja * .dbf vormingus. Kokkuvõtlikud tabeliandmed ja tekstiteave kopeeritakse Windowsi lõikelaual vabalt Wordi, Excelisse ja teistesse Windowsi rakendustesse. Projektiekspert peab sidet ka kõige kuulsamate planeerimis- ja juhtimissüsteemidega: MS Project, Primavera, Project Planner ja Sure Truck. Andmed imporditakse ja eksporditakse GANTT-võrgu vormingus koos etappide, nende seoste jms kirjeldusega.

Olles programmide kompleksi tuum finantsanalüüs ja disaini abil on projektiekspert võimeline auditieksperdi finantsanalüüsi programmist ettevõtte algseisundit iseloomustavat teavet ja turunduseksperdi programmist operatiivse turundusplaani andmeid automaatselt "alla laadima".

Project Expert on kahes versioonis: Base ja Professional. Project Expert Professional pakub oma kasutajatele kahte täiendavat funktsiooni:

1) andmete ajakohastamine ja projekti (kava) elluviimise jälgimine. Projekti edenedes on kasutajal võimalus sisestada kõigi projekti moodulite tegelikud andmed ja arvutada välja reaalse rahavoo uuendatud näitajad, samuti jälgida tegeliku ja kavandatud rahavoogude erinevusi.

2) Töö projektide rühmaga. Spetsiaalne Project Integrator moodul võimaldab teil ühendada mitu projekti (ettevõtet) gruppi ja arvutada integreeritud tulemusnäitajad kogu grupi jaoks, samuti võrrelda ühe projekti erinevaid võimalusi kõigi näitajate puhul.

Pro-Invest-Consultingu Biz Planneri programm on projektieksperdi muudatus ning see on mõeldud väikestesse ja keskmise suurusega ettevõtetesse tehtavate investeeringute kavandamiseks ja efektiivsuse analüüsimiseks.

Pro-Invest-Consultingu auditieksperdi programm on tõhus vahend ettevõtte finantsseisundi ja tulemuslikkuse igakülgseks analüüsimiseks. Finantsaruannete vastavus rahvusvahelistele standarditele võimaldab teil muuta ettevõtete erinevate aastate finantsaruanded nõuetele vastavateks analüütilisteks tabeliteks Rahvusvahelised standardid raamatupidamine.

Pro-Invest-Consultingu turundusekspertide programm on otsuste toetamise süsteem strateegilise ja taktikalised plaanid turustamine ja kontroll nende rakendamise üle.

Pro-Invest-Consultingu programm Forecast Expert on universaalne rakendusprognooside süsteem ja selle eesmärk on koostada aegridade prognoos, kasutades autoregressiivset mudelit ja integreeritud liikuvat keskmist (ARISS, ARIMA, ARIMA, Boxing-Jenkins). Prognoosiekspert võimaldab teil analüüsida olemasolevaid andmeid ja koostada prognoosi, mis näitab usaldusvahemiku piire ajavahemikuks, mis ei ületa algse seeria vaatlusperioodi. Mudel määrab mõju määra hooajalised tegurid ja võtab neid prognoosi koostamisel arvesse.

Microsofti programm MS Project on graafiteoorial ja võrgu planeerimisel põhinev areng investeerimisprojektide haldamise valdkonnas.

Uurimus rakendamise peamistest suundadest ja probleemidest 2007 praktiline tegevus kaasaegsete info- ja kommunikatsioonitehnoloogiate organisatsioonid. Tuvastatakse ühtse inforuumi loomise probleemid ja suunad. Tehakse praktilise modelleerimise tingimuste ja eelduste analüüs, analüüsitakse organisatsioonide tegevuse ennustavate mudelite järkjärgulise konstrueerimise tunnuseid. Dana lühikirjeldus erinevate prognoosimudelite kasutamise tunnused, rõhutatakse prognoosimudelite adekvaatsuse kontrollimise olulisust. Organisatsioonide tegevuse prognoosimiseks viiakse läbi kaasaegsete info- ja analüüsitehnoloogiate ülevaade. Annatakse soovitusi prognoosimistulemuste kasutamiseks praktikas. põhinäitajad organisatsioonid.

teabe- ja analüüsitehnoloogiad

tegevuse modelleerimine

mudeli adekvaatsuse analüüs

organisatsiooni tegevuse prognoosimine

1. Golichev V.D., Golicheva N.D., Gusarova O.M. Smolenski maa ja selle elanikkond (ajalooline ja statistiline ülevaade arvudes ja faktides). - Smolensk: Smallgortypography, 2013. - 152 lk.

2. Gusarova OM Modelleerimine kui äritulemuste planeerimise ja haldamise viis // Kaasaegse loodusteaduse edu. - 2014. - nr 11. - lk 88–92.

3. Gusarova OM Modelleerimine lapsendamisel juhtimisotsused // Teadus ja haridus: probleemid ja arenguväljavaated: teadusartiklite kogumik, mis põhineb rahvusvahelise teadusliku ja praktilise konverentsi materjalidel. - Tambov: Yukom, 2014. - lk 41–42.

4. Gusarova OM Ettevõtlustulemuste modelleerimise teooria ja praktika integreerimise probleemid // Majandus ja haridus: väljakutsed ja lahenduste otsimine: II ülevenemaalise (kirjavahetuse) teadusliku ja praktilise konverentsi (Jaroslavl, 15. aprill 2014) materjalidel põhinev teadusartiklite kogumik - Jaroslavl: kantsler, 2014. - S. 78–82.

5. Gusarova OM Sotsiaalmajandusliku arengu piirkondlike näitajate seose hindamine (Venemaa keskföderaalringkonna materjalide põhjal) // Teaduse ja hariduse tänapäevased probleemid. –2013. - nr 6. (elektrooniline ajakiri).

6. Gusarova O.M., Zhuravleva M.A. Tegevuste analüüs ja täiustamine aktsiaseltsid // Kaasaegsed kõrgtehnoloogiad. - 2014. - nr 7–3. - S. 10–12.

7. Gusarova OM Korporatiivsete süsteemide tegevuse prognoosimise meetodid ja mudelid // Hariduse ja teaduse teoreetilised ja rakendusküsimused: rahvusvahelise teadusliku ja praktilise konverentsi materjalidel põhinev teadusartiklite kogumik. - Tambov: Yukom, 2014. - S. 48–49.

8. Gusarova OM Arvutitehnoloogiad sotsiaalsete ja majanduslike protsesside modelleerimiseks // Venemaa majanduskasv ja konkurentsivõime: suundumused, probleemid ja strateegilised prioriteedid: teadusartiklite kogumik, mis põhineb rahvusvahelise teadusliku ja praktilise konverentsi materjalidel. - M.: Unity-Dana, 2012. - lk 102–104.

9. Gusarova OM Finants- ja majandusnäitajate lühiajaliste prognoosimudelite kvaliteedi uuring. - M.: 1999. - 198 lk

10. Orlova I.V., Turundaevsky V.B. Mitmemõõtmeline statistiline analüüs majandusprotsesside uurimisel. Monograafia. - M.: MESI, 2014. - S. 190.

Majanduslike sanktsioonide kehtestamise kontekstis otsivad mitmed Venemaa ettevõtted tõhusaid viise oma toodete konkurentsivõime tagamiseks ja organisatsiooni tõhususe parandamiseks. Keerulistes majandustingimustes on otsustamisel vaja kasutada mitte ainult praktilisi kogemusi ettevõtte korraldamisel teatud tegevusvaldkonnas, vaid ka kaasaegsed lähenemised ettevõtte tegevuse kavandamisse. Laialdane vastuvõtmine Äri põhinäitajate modelleerimise ja prognoosimise info- ja analüüsitehnoloogiate praktikas võimaldab äritulemuste operatiivset jälgimist ja organisatsiooni arengustrateegia sõnastamist. Info- ja analüüsitehnoloogiate kasutamine võimaldab luua integreeritud süsteeme äritulemuste haldamiseks, optimeerida materiaalset ja finantsvoogu, minimeerida finants- ja majandustegevuse kulusid, maksimeerida ettevõtte kasumit ja lahendada mitmeid muid probleeme.

Kaasaegse ühiskonna informatiseerimise protsesse ning tihedalt seotud info- ja kommunikatsioonitehnoloogia rakendamise protsesse kõigis ärivaldkondades iseloomustab teabe- ja analüütiliste tehnoloogiate massiline levik organisatsioonide tegevuse analüüsimiseks erinevates valdkondades ja omandivormid. Kaasaegsed infotehnoloogiad võimaldavad automatiseerida mitmeid järgmisi valdkondi: süsteemi (objekti) omaduste uurimine, kõigi ärivaldkondade põhinäitajate arengu dünaamika jälgimine, toimiva süsteemi parameetrite optimeerimine, süsteemi integreeritud juhtimis- ja juhtimissüsteemide loomine, organisatsiooni arengu väljavaadete kavandamine ja prognoosimine.

Info- ja kommunikatsioonitehnoloogia kasutuselevõtu strateegiline eesmärk kõigis kaasaegse ühiskonna valdkondades on luua ühtne inforuum, mis on kavandatud paljude ühtsetele andmebaasidele juurdepääsuga seotud probleemide lahendamiseks, kiireks statistiline aruandlus, integreeritud seiresüsteemide loomine eri suundades tegevused. Kõik see aitab kaasa põhimõtteliselt uute võimaluste loomisele kognitiivse loova inimtegevuse arendamiseks: uurimistöö, organisatsiooniline ja juhtiv, ekspert, ettevõtlik jne. Ühtse inforuumi loomine aitab kaasa organisatsioonide tegevuse jälgimise tõhususe ja kvaliteedi tõusule, teadusuuringute intensiivistumisele erinevates suundades, töötlemisaja ja teabe edastamise vähenemisele, süsteemihalduse tõhususele ja mõjususele, riikliku infosüsteemi integreerimisele teaduse, kultuuri, ettevõtluse valdkonna teaberessursside kättesaadavuse rahvusvahelistesse süsteemidesse. ja muud tegevusvaldkonnad.

Info- ja kommunikatsioonitehnoloogia kasutuselevõttu organisatsioonide praktilises tegevuses iseloomustavad mitmed valdkonnad ja probleemid:

● info- ja sidetehnoloogiaga organisatsioonide tehniline varustus tähendab juurdepääsu kaasaegsele tarkvara ning seda piiravad organisatsioonilised ja majanduslikud tegurid. Seega on juurdepääs "väikesele informatiseerimisele" mõnel juhul ebaefektiivne ja juurdepääs "suurele" - kallis ega anna kiiret tagasipöördumist.

● Info- ja kommunikatsioonitehnoloogia, eriti võrgutehnoloogia valdkonna spetsialistide koolitamine peaks saama prioriteetseks ülesandeks, mille lahendamisest sõltub organisatsiooni tegevuse tõhusus selles suunas. Kõrgelt kvalifitseeritud IT-spetsialist suudab mõnikord kogu organisatsiooni osakonna töökoormuse ära teha. Sellega seoses on vaja haridusorganisatsioonide tegevusse viia üha rohkem infotehnoloogiaga seotud erialasid ja suurendada nende praktilist suundumust. Kaasaegne süsteem haridus peaks keskenduma hariduse fundamentaalsele muutmisele kõigil selle tasanditel, uuendusliku hariduse meetodite ja tehnoloogiate laialdasele kasutamisele, hariduse kvaliteedi ja kättesaadavuse parandamisele kaugõppesüsteemi arendamise kaudu ning haridusprotsessi varustamisele kaasaegse info- ja kommunikatsioonitehnoloogiaga.

● Teabebaaside loomine organisatsiooni kõigi tegevusalade jaoks nõuab mõningaid jõupingutusi, kuid see on oluline lüli organisatsiooni infotehnoloogiate integreerimisel ühtsesse inforuumi.

Üks neist aktuaalsed suunad info- ja analüüsitehnoloogiate rakendamine organisatsioonide praktilises tegevuses on põhiliste ärinäitajate operatiivne jälgimine ja ettevõtte arengu alternatiivsete võimaluste prognoosimine. Üldiselt saab eristada järgmist uuringu süsteemi (objekti) arengu prognoosimise etappide järjestust.

● Uurimistöö eesmärkide ja eesmärkide väljatoomine määrab süsteemi uurimisel strateegilised suunised ja taktikalised suunad, mida uurimise käigus saab täpsustada ja konkretiseerida.

● Süsteemi kontseptuaalse mudeli sõnastamine hõlmab süsteemi uuringut, et teha kindlaks selle omadused, dünaamika ja seos väliste ja sisekeskkond... Süsteemi omaduste kohta statistilise teabe kogumine eeldab süsteemi verbaalse-kirjeldava mudeli edasist sõnastamist, mis sõltub täpsustamisest ja vormistamisest. Süsteemi kontseptuaalse mudeli sõnastamine eeldab loetelu selle uurimisvaldkonna jaoks sõnastatud põhiküsimustest, mis vastavad uuringu eesmärkidele, ning hüpoteeside kogumi modelleerimise objekti omaduste ja omaduste kohta.

● Verbaalse-kirjeldava mudeli vormistamine tähendab matemaatilise mudeli ehitamist ja selle parameetrite arvulist määramist. Oluline punkt on meetodite õige valik matemaatilise mudeli parameetrite määramiseks. Igat süsteemi iseloomustavad oma arenguomadused ja mudeli parameetrite arvulise määramise meetodi valik sõltub suuresti mudeli sellisest omadusest nagu adekvaatsus, s.t. vormistatud mudeli vastavus reaalsete protsesside tunnustele, mis iseloomustavad uurimissüsteemi dünaamikat. Sõltuvalt uurimissüsteemi eripärast saab eelnevalt valida erinevaid prognoosimudelite klasse, näiteks süsteemi dünaamikat ajas iseloomustavad kasvukõverad, ökonomeetrilised mudelid, mis loovad ja hindavad süsteemi erinevate siseomaduste ja seeria seoseid välised tegurid, kohanduvate mudelite sordid, mida kasutatakse sesoonsete ja tsükliliste kõikumistega ülidünaamiliste süsteemide jaoks, alates lihtsamatest kuni autoregressiivsete mudeliteni, millel on autokorreleeritud ja heteroskedastilised jäägid.

● Modelleerimise tulemuste hankimine ja tõlgendamine hõlmab mitmete matemaatilise mudeli omaduste kontrollimist, eelkõige mudeli adekvaatsuse ja täpsuse kontrollimist. Mudeli adekvaatsus iseloomustab konstrueeritud mudeli tunnuste läheduse astet reaalse objekti (süsteemi) omadustele ja omadustele. Mitmel põhjusel, nagu näiteks arvukad modelleerimisel aset leidvad eeldused, viib paljude uurimisobjekti arengu dünaamikat määravate tegurite arvessevõtmise võimatus, mitmed tehnilised vead mudeli vormistamise etapis ja mitmed muud punktid loomulikult mudeli ja tegeliku objekti omaduste erinevuse juurde. ... On oluline, et need erinevused poleks põhimõttelist laadi ja oleksid teatud piirides (kõrvalekalded). Lubatud kõrvalekallete suurus määratakse kindlaks nii uurimissüsteemi dünaamika tunnuste, süsteemi omaduste analüüsi perioodi kui ka uuringu eesmärgi järgi. Mudeli täpsuse näitajad, näiteks hulga jääkide standardhälve, keskmine lähendusviga ja keskmine suhteline viga, iseloomustavad simuleeritud andmete lähendamise astet tegelike vaatlustega, mis on saadud statistilise teabe kogumise tulemusena. Selles etapis viiakse läbi mudeli täpsustamine ja lõplik valik, mida kasutatakse tulevikus prognoosi koostamiseks. Sel juhul viiakse läbi mudeli adekvaatsuse laiendatud kontroll, mis hõlmab lisaks hüpoteeside testimisele jääkkomponendi mitmete statistiliste omaduste täitmise kohta, nagu sõltumatus, juhuslikkus, jääkide matemaatilise ootuse võrdsus nullini, normaaljaotusseaduse täitmine, paljude mudeli omaduste hindamine, näiteks määramise koefitsient, mis iseloomustab variatsiooni osa. uuritav omadus väliste ja sisemiste tegurite mõjul, Fisheri koefitsient, mis hindab saadud mudeli statistilist olulisust. Adekvaatsuse ja täpsuse tunnuste võrdlemise tulemuste põhjal tehakse prognoosimudeli lõplik valik.

● Prognooside koostamine vormistatud mudeli põhjal ja modelleerimistulemuste kasutamine süsteemihalduses hõlmab teadusüsteemi arenguväljavaateid iseloomustavate punktprognooside saamist. Lisaks neile saab koostada intervalliprognoose, mille puhul on suurem tõenäosus saada intervalle, milles süsteemi omadused võivad kõikuda. Tuleb märkida, et prognoosimine on tõenäosuslikku laadi ja usaldusväärne ainult siis, kui süsteemi uurimise etapis toimunud sissejuhataval perioodil on samad arengumustrid.

Prognoosimistulemuste kasutamine juhtimisotsuste tegemisel on loomeprotsess ja nõuab mitte ainult teoreetilisi teadmisi teatud valdkonnas, vaid ka praktiline kogemus teadussüsteemiga töötamise kohta. Praegu on teadusuuringud organisatsioonide tegevuse prognoosimiseks mõeldud teabe- ja analüüsitehnoloogiate väljatöötamisel kaugele jõudnud. Nii on teada näiteks närvivõrgu prognoosimise tehnoloogiad, hägune loogika, mitmed spetsiaalsed multifunktsionaalsed analüüsi- ja prognoosiprogrammid, nagu Statistica, SPSS, Stadia, VSTAT, Project Exspert ja mitmed muud tarkvaratooted. Operatiivseks jälgimiseks ja süsteemi toimimise tulemuste prognoosimiseks, samuti hariduslikel eesmärkidel, saab kasutada ka MS Exceli paketti, mis viib ellu trendi- ja regressioonanalüüsi ning võimaldab arvutustabeli protsessori põhjal arvutada ka mitmeid süsteemi täiendavaid omadusi.

Infosüsteemi ja analüütilisi prognoosimistehnoloogiaid kasutava juhtimissüsteemi (objekti) uuringu tulemuste põhjal saab formuleerida soovitusi organisatsiooni (süsteemi) tegevuse parandamiseks, näiteks keskenduda organisatsiooni arengustrateegiat rakendavate peamiste tulemusnäitajate teatud väärtuste saavutamisele, rahavoogude optimeerimisele, uute perspektiivikate väljatöötamisele tegevussuunad. Kaasaegsete info- ja analüüsitehnoloogiate kasutamine modelleerimiseks ja prognoosimiseks parandab tegevuse efektiivsust organisatsiooni arengu strateegia ja taktika rakendamise valguses.

Bibliograafiline viide