В статье представлены результаты предварительного анализа существующей системы поддержки принятия решений одного из коммерческих предприятий г. Хабаровска, а также возможные пути ее актуализации с учетом современных инновационных технологий в области искусственного интеллекта.
Ключевые слова: процесс разработки управленческих решений, хозяйствующий субъект, математическая модель, индивидуальная модель, рыночные факторы, анализ показателей.
В соответствии с актуальными тенденциями развития управленческой науки и повсеместной цифровизации различных по уровню значимости бизнес-процессов коммерческих предприятий, одним из основных способов совершенствования процесса разработки и принятия управленческих решений сегодня стали системы поддержки принятия решений (далее — СППР). [2]
Как и следует из названия, данная система имеет своей целью упрощение процесса принятия решений на различных уровнях управления предприятием. Принцип работы таких систем достаточно прост с точки зрения его описания — это автоматизированный сбор информации о деятельности предприятия, который осуществляется, чаще всего, по набору заданных параметров. В действительности число таких параметров и уровень проводимого анализа для различных СППР отличается и может представлять как элементарный статистический отчет по динамике отдельного показателя, так и полноценный анализ с построением взаимосвязей между показателями, корреляция которых изначально была не очевидна. [1]
Между тем, современный мир не прекращает наращивать темпы своего развития и решение проблемы, актуальной вчера, сегодня становится недостаточно эффективным. Высокий уровень динамики развития социально-экономических процессов предопределяет соответствующий отклик и от сферы научно-технического прогресса.
Современные системы поддержки принятия решений таким образом разрабатываются с учетом возможности интеграции в аналитическую часть системы нейросетей, т. е. технологии искусственного интеллекта, либо, как их называют чаще, искусственных нейронных сетей (далее — ИНС).
В действительности, конечный продукт (аналитическая система) получается уникальным для каждого отдельного случая, поскольку такая СППР является самообучаемой, что влечет за собой как положительные, так и отрицательные аспекты. К числу последних, чаще всего, относят высокую стоимость подобной разработки. [3]
Между тем, в настоящее время существует достаточно большое число ИНС, доступных для интеграции с уже существующими СППР, значительная часть из которых строится вокруг статистических показателей, получаемых на основе бухгалтерской отчетности.
Так, анализируя деятельность одного из коммерческих предприятий г Хабаровска мы видим, что производительность труда увеличивается в 2021 году на 0,39 %, актуальная на тот момент СППР определяет данную тенденцию как индикатор для увеличения числа сотрудников предприятия, сообщая об этом ЛПР. На основе исключительно статистических данных ЛПР принимает данный вывод за действительный и увеличивает число сотрудников предприятия, в результате чего за 2022 год показатель снижается на 0,92 %.
При этом отметим, что результаты ведения хозяйственной деятельности анализируемого предприятия достаточно высоки. Так, на протяжении 2021–2022 гг. предприятием получен рост чистой прибыли в 10,2 раза за счет значительного увеличения товарооборота.
Возвращаясь к вопросу о возможности применения данных бухгалтерского учета для целей развития системы СППР и формирования модели обучения соответствующей ИНС отметим, что наиболее перспективным представляется включение в данную систему методов математического моделирования и прогнозирования результатов принятия того или иного решения в соответствующей хронологической перспективе относительно сложившейся динамики прочих рыночных факторов.
Рис. 1. Стадии процесса принятия управленческого решения
Здесь обратимся к модели процесса принятия управленческих решений анализируемого предприятия (рис.1).
Так, предлагаемый подход позволит снизить временные затраты на этапе определения критериев для принятия решения, поскольку исчерпывающий список всех критериев с долей их влияния сможет представить соответствующая СППР.
Также сам этап выявления проблемы, на решение которой будет направлено то или иное управленческое решение будет иметь скорее превентивный характер, поскольку обоснование проблемы будет подкреплено не интуитивными показателями, полученными на основе личного опыта руководителя (вне зависимости от уровня управления), а статистически подтвержденными измеримыми данными по соответствующим индикаторам. Разумеется, в данном случае речь идет о прогнозировании проблемы, а не об управлении уже сложившейся кризисной ситуацией.
Между тем, представляется логичным, что наступление в моделируемых условиях кризисной ситуации будет сформировано под влиянием внешних факторов, что также возможно использовать при формулировке системы обучения ИНС в условиях использования статистических показателей существующей СППР. [4]
Аналогичным образом, на этапе поиска альтернатив будет сформирована проработанная система вариантов, имеющая четко сформулированные измеримые и статистические достоверные в актуальном периоде показатели. Отметим, что в рамках настоящей статьи разбирать положительные аспекты каждого из контролируемых этапов принятия управленческого решения представляется излишним.
Таким образом, определим, что рассматриваемая возможность использования СППР на основе искусственных нейронных сетей представляется в значительной степени положительной и требует своего дальнейшего развития в рамках исследовательской деятельности автора.
Литература:
- Балашова, И. В. Системы поддержки принятия решений / И. В. Балашова, Т. А. Терещенко. — Текст: непосредственный // The Scientific Heritage. — 2021. — № 79–4. — С. 3–7.
- Метод нейронных сетей в моделировании финансовых показателей компании / И. П. Курочкина, И. И. Калинин, Л. А. Маматова, Е. Б. Шувалова. — Текст: непосредственный // Статистика и экономика. — 2017. — № 5. — С. 33–41.
- Тиханычев, О. В. О некоторых проблемах предметной области поддержки принятия решений / О. В. Тиханычев. — Текст: непосредственный // Программные продукты и системы. — 2016. — № 3 (115). — С. 24–28.
- Чупакова, А. О. Разработка и обучение модели искусственной нейронной сети для создания систем поддержки принятия решений / А. О. Чупакова, С. В. Гудин, Р. Ш. Хабибулин. — Текст: непосредственный // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. — 2020. — № 3. — С. 61–73.
