Тема 3.1. Интеллектуальные технологии в прогнозировании

Сейчас стратегическое управление является доминантной составляющей успешного развития организации в долгосрочной перспективе. При разработке стратегии, а в дальнейшем — и для успешного осуществления стратегических изменений руководителю необходимо проводить тщательный анализ внутренней и внешней среды организации, в частности различных микро- и макроэкономических показателей, социально-экономического, политического и правового аспектов развития государства и общества в данный период.

Чрезвычайно актуальным, а во многих случаях - и определяющим становится вопрос получения аналитической информации, на основе которой осуществляются прогнозирование параметров развития организации и выработка стратегии в условиях постоянно изменяющейся внешней среды. Особенно актуальным данный вопрос становится в современных условиях информатизации общества, когда информации настолько много и она настолько разнообразна как в содержательном, так и в эмпирическом аспекте, что получить необходимые сведения представляется делом архисложным и требующим колоссальных трудовых затрат рабочего времени сотрудников.

Для получения аналитической информации и прогнозирования развития внутренней и внешней среды организации в настоящее время используют информационные технологии, основанные на приемах извлечения знаний об объектах анализа из общей совокупности информации.

На сегодняшний день существует два основных типа информационных технологий:

1. •традиционные (классические) информационные технологии;

2. •нетрадиционные информационные технологии (их еще называют интеллектуальными технологиями).

Традиционные информационные технологии базируются на формальных методах извлечения знаний и формальных алгоритмах прогнозирования (регрессионные методы, статистические и эконометрические методы, методы Бокса—Дженкинса, ARIMA, ARMA).

Однако традиционные информационные технологии эффективны в основном на операционном и в меньшей степени — на тактическом уровнях управления, где, как правило, анализируемая информация представляет собой упорядоченный набор относительно легко формализуемых данных, количество которых невелико. На уровне стратегического управления руководитель или группа экспертов, в число которых могут входить топ- менеджеры, плановики, экономисты, сотрудники отдела развития, как правило, имеют дело уже с огромным количеством информации из совершенно разных областей, которая существует в различных формах. Например, руководитель интуитивно чувствует последствия смены политического курса в регионе, технолог — параметры производственного процесса, плановик — зависимости показателей один от другого. Это малая толика факторов. Но проблема заключается в том, что влияющих на производство факторов и информации настолько много, что в реальной практике многие факторы отбрасываются. Это неизбежно ведет к неточностям и ошибкам, из-за чего траектория стратегии отклоняется от своего кратчайшего расстояния. Это приводит, в свою очередь, к увеличению затрат и снижению финансового результата. Таким образом, адекватный учет наибольшего числа факторов и информации способен дать организации существенный экономический эффект.

Как раз в случаях трудно формализуемой информации, недостаточности эмпирических данных, большого числа переменных при неопределенности и многофакторности протекающих процессов в условиях постоянно изменяющейся внешней среды применяют интеллектуальные информационные технологии, которые основаны на концепции интеллектуализации процессов анализа и прогнозирования.

Интеллектуализация означает перенос организации и приемов мышления, свойственных человеку, в техническую область.

Можно сказать, что интеллектуальные технологии превосходят традиционные программные и аппаратные технологии в случае тех задач, в решении которых их превосходит человек со свойственным ему развитым мышлением.

На данный момент существуют четыре основных типа интеллектуальных информационных технологий:

1. Экспертные системы (нечеткая логика).

2. Генетические алгоритмы.

3. Нелинейная динамика (теория хаоса).

4. Искусственные нейронные сети.

Экспертные системы на базе нечеткой логики используют интуитивно-эмпирические модели функционирования организации, составляемые экспертом или группой экспертов в виде правил условного логического вывода типа «Если., то.» и образуют базу знаний, исходя из которой система принимает то или иное решение. Например, в условиях неопределенности сведений о количестве производимой продукции рекомендовать руководителю, исходя из данных о конъюнктуре рынка и введенных правилах вывода, выпустить больший объем продукции. Существенными недостатками таких систем являются: субъективный характер правил, задаваемых экспертом, и большие сложности в изменении правил условно-логического вывода при изменениях внешней среды.

Интеллектуальные информационные технологии, основанные на генетических алгоритмах и принципах селекции, лучше приспосабливаются к изменяющимся условиям внешней среды, однако процесс их создания является чрезвычайно сложным, и в реальных условиях работы предприятия найти специалиста в этой области проблематично, что в равной мере относится и к сложной нелинейной динамике.

Оптимальной технологией искусственного интеллекта, предназначенной для использования в процессе разработки и реализации стратегии организации, являются искусственные нейронные сети, так как они в принципе не нуждаются в построении модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети уже являются незаменимыми инструментами эффективного управления организацией, где необходимо решать трудно формализуемые задачи в условиях существенной неопределенности происходящих процессов.

Рассмотрим интеллектуальные технологии более подробно.

Экспертные системы

Реализация экспертных систем чаще всего представляется в виде компьютерных программ, имитирующих процессы мышления эксперта в конкретной предметной области. Примеры экспертных систем включают в себя и бизнес-решения, и профессиональные задачи от медицинской диагностики до разведки нефти и конфигурирования компьютерных систем27.

Экспертные системы основываются на лабораторных опытах, которые определяют, что эксперт сделает в данной ситуации, и затем записывают эти знания как набор правил. В экспертных системах методы обработки информации отделены от самой информации, позволяя разработчикам программного обеспечения создавать программы, обрабатывающие информацию несколькими различными путями, что полезно для многих типов задач.