авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ



Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |
-- [ Страница 1 ] --

МИНИСТЕРСТВО ОБР АЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕР АЦИИ

ГОСУДАРСТВЕННОЕ ОБР АЗОВАТЕЛЬНОЕ УЧРЕ ЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО О БР АЗОВАНИЯ

«САНКТ-ПЕТЕРБУРГСКИЙ

ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ЭКОНОМИКИ И ФИНАНСОВ»

КАФЕДР А ИНФОРМАТИКИ

ИНФОРМАЦИОННЫЕ ТЕХНОЛО-

ГИИ

В БИЗНЕСЕ

МАТЕРИАЛЫ 7-Й МЕЖДУНАРОДНОЙ НАУЧНОЙ КОНФЕ-

РЕНЦИИ

15–17 июня 2011 г. Санкт-Петербург

Conference of St.-Petersburg State University of Economics and Finance Information Technology in Business Под редакцией проф. В.В. Трофимова, В.Ф. Минакова И3ДАТЕЛЬСТВО САНКТ-ПЕТЕРБУРГСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА ЭКОНОМИКИ И ФИНАНСОВ 2011 2 УДК [004.78:33] (075.8) ББК 65 ф.я73.81 И 74 И 74 Информационные технологии в бизнесе. Материалы 7-й между народной научной конференции. 15–17 июня 2011 г. Санкт-Петербург.

Conference of St.-Petersburg State University of Economics and Finance.

Information Technology in Business / Под ред. проф. В.В. Трофимова, В.Ф. Минакова. – СПб. : Изд-во СПбГУЭФ, 2011. – 194 с.

ISBN 978-5-7310-2676- Представлены доклады участников 7-й международной научной кон ференции «Информационные технологии в бизнесе», которая состоялась 15–17 июня 2011 г. в Санкт-Петербурге.

Материалы конференции посвящены проблемам применения инфор мационных технологий и формирования информационных ресурсов в раз личных областях. В сборнике представлены результаты совместных иссле дований и опыт применения информационных технологий, полученные в университетах Германии (Берлин, Бернбург), Белоруссии (Полоцк), Украи ны (Харьков), России (Санкт-Петербург, Барнаул, Владимир, Екатеринбург, Новосибирск, Норильск, Сатка).

Это издание будет полезно бакалаврам, студентам и магистрантам, обучающимся по любым направлениям и специальностям экономического блока, при написании рефератов, эссе, курсовых, бакалаврских, дипломных работ и магистерских диссертаций, а также специалистам, работающим в ИТ-области.

УДК [004.78:33] (075.8) ББК 65 ф.я73. Рецензенты: д-р экон. наук, проф. С.Г. Светуньков д-р экон. наук, проф. В.В. Щербаков д-р экон. наук, проф. Е.В. Песоцкая ISBN 978-5-7310-2676- © СПбГУЭФ, ОГЛАВЛЕНИЕ ПРЕДИСЛОВИЕ..................................................................................................................... РАЗДЕЛ I. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ.... Трофимов В.В. КОНВЕРГЕНЦИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ............. Золотарева И.А., Ходыревская А.В. РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ ЭФФЕКТИВНОСТИ ИНФОРМАЦИОННОЙ СИСТЕМЫ......................................... Нечеухина Н.С. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В КОНТРОЛЛИНГЕ...... Авдеева Е.С., Чернов В.Г. НЕЧЕТКАЯ МОДЕЛЬ ОЦЕНКИ РИСКОВ ПРОЕКТА ВНЕДРЕНИЯ КИС С УЧЕТОМ ФАКТОРОВ РИСКА............................. РАЗДЕЛ II. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЭКОНОМИКЕ........................ Helena Lindskog, Staffan Brege, Per-Olof Brehmer. PUBLIC PROCUREMENT AND SMALL AND MEDIUM ENTERPRISES................................ Глухов Д.О., Матюш М.В. ПРОГРАММНЫЕ РЕШЕНИЯ СИСТЕМ ДИСТАНЦИОННОГО БАНКОВСКОГО ОБСЛУЖИВАНИЯ.................................... Цхай А.А. ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ФИНАНСОВО-ЭКОНОМИЧЕСКОГО МОНИТОРИНГА ДЕЯТЕЛЬНОСТИ СЕЛЬХОЗТОВАРОПРОИЗВОДИТЕЛЕЙ..................................................................... Дорохов А.В., Чернов В.Г., Дорохова Л.П. РАЗРАБОТКА КОМПЬЮТЕРНЫХ СРЕДСТВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ФАРМАЦЕВТИЧЕСКИХ ОРГАНИЗАЦИЙ НА ОСНОВЕ НЕЧЕТКОГО МОДЕЛИРОВАНИЯ........................ Чернов В.Г., Ремезова Е.М., Соколова А. АНАЛИЗ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ НА ОСНОВЕ НЕЧЕТКИХ МНОЖЕСТВ ВТОРОГО ПОРЯДКА......... Фомичева С.Г., Бутырин А.А. АНАЛИЗ СПЕКТРА ФРАКТАЛЬНЫХ СИНГУЛЯРНОСТЕЙ ФИНАНСОВЫХ РЯДОВ.......................................................... Минаков В.Ф. КЛАССИФИКАЦИЯ ПОКАЗАТЕЛЕЙ ИННОВАЦИОННЫХ ПРОЕКТОВ НА ОСНОВЕ АНАЛОГОВОГО И ДИСКРЕТНОГО ПРЕДСТАВЛЕНИЯ.......................................................................................................... Минаков В.Ф. МЕТОД ОЦЕНКИ И ОТБОРА ИННОВАЦИОННЫХ ПРОЕКТОВ НА ОСНОВЕ АНАЛОГОВЫХ И ДИСКРЕТНЫХ ПОКАЗАТЕЛЕЙ......................... Карпова В.С. ЭФФЕКТИВНЫЕ КОММУНИКАЦИИ В ПРОЕКТЕ.

ОРГАНИЗАЦИЯ ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ УЧАСТНИКОВ ПРОЕКТА В ИСУП (ПО ORACLE PRIMAVERA).......................... Сотавов А.К. ФОРМАЛИЗАЦИЯ ПРАВИЛ ИЗВЛЕЧЕНИЯ ЗНАНИЙ О РЫНОЧНОМ СЕГМЕНТИРОВАНИИ ИННОВАЦИЙ........................................... Кортиков Ф.С. ОЦЕНКА СИСТЕМЫ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА СТРОИТЕЛЬНОЙ ОРГАНИЗАЦИИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ........... Кортиков Ф.С. ПОСТРОЕНИЕ СИСТЕМЫ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА В СТРОИТЕЛЬНОЙ ОРГАНИЗАЦИИ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ............................................................... Никитин А.В. ОПТИМИЗАЦИЯ ЛОГИСТИЧЕСКИХ ЗАТРАТ И ОПЕРАЦИОННОЙ ПРИБЫЛИ ПРЕДПРИЯТИЯ ЛОГИСТИЧЕСКОГО АУТСОРСИНГА............................................................................................................... Богоносцев А.Л., Папкова М.Д. ПРОЦЕССНЫЙ ПОДХОД КАК ОСНОВА ПЕРЕХОДА К САМОРЕГУЛИРУЕМОЙ ОРГАНИЗАЦИИ............................................. Горячева Е.А. ВЛИЯНИЕ ФАКТОРОВ ВНЕШНЕЙ СРЕДЫ ПРИ ОПРЕДЕЛЕНИИ РИСКА ЛИКВИДНОСТИ КОММЕРЧЕСКОГО БАНКА.................................................. Фрянцева К.В. ОБ ОДНОЙ МЕТОДИКЕ ОЦЕНКИ РИСКОВ КРЕДИТНЫХ СДЕЛОК РЕГИОНАЛЬНОГО БАНКА.......................................................................... Фаргер А., Аванесов Г.М. РОЛЬ И ПЕРСПЕКТИВЫ НЕМЕЦКОГО ПРЕДПРИЯТИЯ НА РОССИЙСКОМ РЫНКЕ В СФЕРЕ РОЗНИЧНОЙ ТОРГОВЛИ НА ПРИМЕРЕ METRO AG....................................................................... Кирххофер E., Аванесов Г.М. РАЗВИТИЕ РОССИЙСКО-ГЕРМАНСКИХ ОТНОШЕНИЙ В СФЕРЕ АВТОМОБИЛЬНОЙ ПРОМЫШЛЕННОСТИ НА ПРИМЕРЕ КОНЦЕРНА «VOLKSWAGEN»........................................................... Мотышина М.С., Мотышина Е.В. ИНФОРМАЦИОННЫЕ СИСТЕМЫ В УПРАВЛЕНИИ ЧЕЛОВЕЧЕСКИМИ РЕСУРСАМИ............................................... РАЗДЕЛ III. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ОБРАЗОВАНИИ.................. Бройдо В.Л., Ильина О.П. ФОРМИРОВАНИЕ КОМПЕТЕНЦИЙ В ИНФОРМАЦИОННОЙ КУЛЬТУРЕ.......................................................................... Назарова Л.В. ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ИНФОРМАЦИОННЫХ И КОММУНИКАТИВНЫХ ТЕХНОЛОГИЙ В ПРЕПОДАВАНИИ ИНОСТРАННЫХ ЯЗЫКОВ...................................................... Барабанова М.И. ПРОБЛЕМЫ РАЗВИТИЯ ДИСТАНЦИОННЫХ ФОРМ ВЫСШЕГО ОБРАЗОВАНИЯ.......................................................................................... Власовец А.М. ИСПОЛЬЗОВАНИЕ СИСТЕМ ТЕСТИРОВАНИЯ В ВУЗЕ............... Карпушинский А.М., Павловская Т.А. РАЗРАБОТКА ТЕСТОВ ДЛЯ ПРОГРАММ С НЕЯВНЫМ ПОТОКОМ УПРАВЛЕНИЯ................................ Смирнов А.И. ПРОГНОЗИРОВАНИЕ ЗНАНИЙ СТУДЕНТОВ НА ОСНОВЕ МОДЕЛИ Г. РАША........................................................................................................ РАЗДЕЛ IV. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЙ СФЕРЕ............................................................. Путькина Л.В. ПРИМЕНЕНИЕ ЭЛЕКТРОННЫХ УСЛУГ В СОЦИАЛЬНО-КУЛЬТУРНОЙ СФЕРЕ.................................................................... Подяконова А.С. ГОТОВНОСТЬ ЛИЧНОСТИ К ИСПОЛЬЗОВАНИЮ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ..................................................................... Шайкина В.Н., Дубовикова А.Н. АНАЛИЗ ЭФФЕКТИВНОСТИ ИНТЕРНЕТ-МАРКЕТИНГА ТУРОПЕРАТОРОВ И ТУРАГЕНТОВ ЧЕЛЯБИНСКОЙ ОБЛАСТИ......................................................................................... РАЗДЕЛ V. СОВЕРШЕНСТВОВАНИЕ ИНСТРУМЕНТАРИЯ НА БАЗЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ....................................................... Нестерук Л.Г. ПОВЫШЕНИЕ ОПЕРАТИВНОСТИ ИНКРЕМЕНТНЫХ КЛАССИФИКАТОРОВ В СОСТАВЕ АДАПТИВНЫХ СРЕДСТВ ЗАЩИТЫ ИНФОРМАЦИИ............................................................................................................. Щадилов А.Е., Исаев В.И., Швецов Е.А. СОЦИАЛЬНЫЕ СЕТИ КАК БИЗНЕС-СРЕДА.................................................................................................... Ушкина Е.А., Украинец Е.В. RESEARCH OF STRUCTURE SOCIAL NETWORKS` REVENUE............................................................................................... Новгородцев А.С., Турутин В.В. СОЗДАНИЕ СИСТЕМЫ ВИДЕОНАБЛЮДЕНИЯ................................................................................................ Скобочкин Н.Э. ВКЛЮЧЕНИЕ РАБОЧИХ СТАНЦИЙ СРЕДСТВАМИ ПРОГРАММЫ MAGIC W.O.L...................................................................................... РАЗДЕЛ VI. ЗАМЕТКИ..................................................................................................... Beloded D. INTERNET PIRACY: NEGATIVE IMPACT ON THE ECONOMY........ Газуль С.М. БИЗНЕС И ОБЛАКА................................................................................ Мельникова Е.Ф. УПРАВЛЕНИЕ ПРОЕКТАМИ В СФЕРЕ ЭНЕРГЕТИЧЕСКОГО ИНЖИНИРИНГА НА БАЗЕ PRIMAVERA........................................................................ Alexeyev O.A., Nazarova L.V. COST EFFICIENCY ANALYSIS OF E-COMMERCE WEBSITE....................................................................................... Vishnevskaya A.V. INVESTMENT RISKS IN THE RUSSIAN FEDERATION.......... Kudryashova O.A., Afonina I.S. SOCIAL AND ECONOMIC PROBLEMS OF ICT IMPLEMENTATION IN RUSSIAN HOUSEHOLDS...................................... Khanykova V. RUSSIAN RAILWAYS: THE EXPERIENCE OF A STATE-OWNED JOINT-STOCK-COMPANYING IT.............................................. Kiselev A.A. INTERNATIONAL FINANCIAL CENTRES: PROSPECTS OF DEVELOPMENT IN THE RUSSIAN FEDERATION............................................ Ваганов П.С. ПОСТРОЕНИЕ ПОДСИСТЕМЫ УПРАВЛЕНИЯ РИСКАМИ В ИСУП (НА БАЗЕ ПО ORACLE PRIMAVERA)................................. Kovalev D.S. OPTIMIZATION OF BUSINESS PROCEESSES FOR INTEGRATED DESIGN OF UNIQUE INDUSTRIAL FACILITIES.

.................. Пичугина П.А. ПРОБЛЕМЫ ОБЕСПЕЧЕНИЯ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ В БАНКОВСКИХ ИНФОРМАЦИОННЫХ СИСТЕМАХ........ Степочкина И.Ю., Стрекалов С.Д. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, ЭКОНОМИЧЕСКИЕ ПОЛЮСНЫЕ СИСТЕМЫ И МАТРИЦЫ, ОТОБРАЖАЮЩИЕ ИХ................................................................................................ Милхина О.В., Румянский Д.А. РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО СБОРА ОТЧЕТНОЙ ИНФОРМАЦИИ НАЦИОНАЛЬНОГО КОМИТЕТА МЕЖДУНАРОДНОЙ НЕКОММЕРЧЕСКОЙ ОРГАНИЗАЦИИ............................................................................................................. Трофимова Е.В. НАПРАВЛЕНИЯ СОВЕРШЕНСТВОВАНИЯ УПРАВЛЕНИЯ В БАНКОВСКИХ СИСТЕМАХ НА ОСНОВЕ ИНТЕРНЕТ-ТЕХНОЛОГИЙ......... Панкова Д.А. ОСНОВНЫЕ ПРОБЛЕМЫ ВНЕДРЕНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ВИРТУАЛЬНЫЕ ПРЕДПРИЯТИЯ..................................................... Панкова Д.А. УПРАВЛЕНИЕ ЗНАНИЯМИ В ВИРТУАЛЬНОМ ПРЕДПРИЯТИИ............................................................................................................. Захарова Е.Я., Милхина О.В. ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ В ОБЛАСТИ ИНФОРМАЦИОННЫХ СИСТЕМ И ТЕХНОЛОГИЙ............................................... Маслобоев А.В. ИНФОРМАЦИОННАЯ ПОДДЕРЖКА ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ В КОНТЕКСТЕ ОБЕСПЕЧЕНИЯ ГЛОБАЛЬНОЙ БЕЗОПАСНОСТИ РЕГИОНАЛЬНОГО РАЗВИТИЯ................................................. Прокопенко Н.Ю., Власенко Д.В. ИНТЕГРИРОВАНННАЯ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ РЕГИОНАЛЬНОГО УПРАВЛЕНИЯ................................ ПРЕДИСЛОВИЕ Настоящий сборник включает материалы докладов 7-й международной научной конференции «Информационные технологии в бизнесе», проходившей 15-17 июня 2011 года в Санкт-Петербургском государственном университете экономики и финансов.

Материалы конференции посвящены проблемам применения информаци онных технологий и формирования информационных ресурсов в различных об ластях. В сборнике представлены результаты совместных исследований и опыт применения информационных технологий, полученные в университетах Герма нии (Берлин, Бернбург), Белоруссии (Полоцк), Украины (Харьков), России (Санкт-Петербург, Барнаул, Владимир, Екатеринбург, Новосибирск, Норильск, Сатка).

В материалах сборника освещены как теоретические вопросы (конвер генция информационных технологий, разработка модели оценки эффективно сти ИС, ИТ в контроллинге, нечеткая модель оценки рисков проекта внедрения КИС), так и практические результаты использования информационных техно логий в экономике (банковская деятельность, логистика, инвестиционные и ин новационные проекты, строительные организации, фармацевтическая промыш ленность и др.), социально-культурной сфере (электронные услуги в социо культурной сфере, готовность личности к использованию ИТ и др.) и образова нии (формирование компетенций в информационной культуре, ИТ в препода вании информационных языков, развитие дистанционных форм образования, тестирование в вузе, прогнозирование знаний студентов и др., формирование компетенций), а также совершенствание интрументария на базе ИТ.

Это издание будет полезно бакалаврам, студентам и магистрантам, обу чающимся по любым направлениям и специальностям экономического блока, при написании рефератов, эссе, курсовых, бакалаврских, дипломных работ и магистерских диссертаций, а также специалистам, работающим в ИТ-области.

Заведующий кафедрой информатики Санкт-Петербургского государственного университета экономики и финансов, заслуженный деятель науки РФ, доктор технических наук, профессор В.В. Трофимов РАЗДЕЛ I. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ Трофимов В.В.

КОНВЕРГЕНЦИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ (СПбГУЭФ, Санкт-Петербург) Конвергенция (от английского convergence – схождение в одной точке) означает не только взаимное влияние, но и взаимопроникновение (диффузию) технологий, когда границы между отдельными технологиями стираются, а мно гие интересные результаты возникают именно в рамках междисциплинарной работы на стыке областей. С ее помощью в настоящее время стали описывать темпы развития научно-технического прогресса (НТП). В 2002 г. Михаил Роко и Уильям Бейнбридж подготовили под эгидой Всемирного центра оценки тех нологий (WTEC) отчет «Конвергирующие технологии для улучшения природы человека» (Converging Technologies for Improving Human Performance), в кото ром авторы обосновали и подробно описали картину радикального расширения человеческих возможностей с помощью таких областей как генная терапия, продление жизни, социальные технологии, нейрофизиология, биоинформатика, компьютерно-мозговые интерфейсы, искусственный интеллект и фундамен тально новые производственные процессы. Проанализировав более миллиона научных статей в тысячах специализированных журналах, исследователи обна ружили взаимное цитирование в этих статьях. С помощью кластерного анализа они выделили журналы, где такие взаимосвязи были сильнее всего. В результа те анализа ими выявлены четыре основных кластера: Nano, Bio, Info и Cogno, которые они сокращенно назвали NBIC-технологии. В отношении NBIC технологий можно даже говорить об ожидаемом частичном слиянии этих об ластей в единую научно-технологическую область знания.

Кластер Nano характеризуется изучением технологий создания супер мелких объектов, которые достигают размеров в несколько нанометров (10 -9) и строиятся из отдельных молекул, количество которых может достигать 20.000 и более. Отметим, что наноконструирование опирается на процессы самооргани зации на уровне наномасштабов и использует синергийное управление процес сами микромира, базирующееся на Info-технологиях. Активное управление со бытиями микромира – это один из ключевых методологических принципов Nano-технологий.

Кластер Bio изучает возможности использования живых организмов, их систем или продукты их жизнедеятельности для решения технологических за дач, а также возможности создания живых организмов с необходимыми свойст вами методом генной инженерии. Этот термин относится и к более широкому комплексу процессов модификации биологических организмов для обеспече ния потребностей человека, начиная с модификации растений и одомашненных животных путем искусственного отбора и гибридизации. С помощью совре менных методов традиционные биотехнологические производства получили возможность улучшить качество пищевых продуктов и увеличить продуктив ность живых организмов. Биотехнология основана на генетике, молекулярной биологии, биохимии, эмбриологии и клеточной биологии, а также прикладных дисциплинах – химической и информационной технологиях и робототехнике.

Конвергенция Nano-Bio затрагивает, прежде всего, здравоохранение и ме дицину. Например, в сети «Nano2Life», был прведен онлайновый опрос экспер тов по поводу будущих перспектив Nano-Bio-технологии, который показал, что наибольшее значение имеют такие технологии, как «лаборатория на чипе»;

«самосборка» материалов и устройств;

биосенсоры;

биодетекторы, а также та кие направления как безопасность, окружающая среда, сельское хозяйство и потребительская продукция. Наиболее актуальными являются разработки нано структурированных биоматериалов, биомолекулярные двигатели, самогенере рующие искусственные системы, чипы с биомолекулами, чипы на ДНК и про теинах и другие.

Кластер Info характеризуется трансформацией философской категории существования через изменение «информационного» взгляда на объекты. Так, если нет разницы между физическим существованием объекта и существовани ем информации о нм (компьютерная симуляция или восстановление объекта по косвенной информации о нм), то важно ли физическое существование но сителя информации? Если неважно, то тогда можно говорить о существовании информационном. Тамким образом, рассмотрение этих вопросов приведт к ис чезновению определнности относительно того, что есть существование. Осо бенностью Info-кластера является то, что ИТ выступают катализатором разви тия как отдельных кластеров, так и конвергенции технологий всех кластеров в целом.

Кластер Cogno характеризует междисциплинарное научное направление, объединяющее теорию познания, когнитивную психологию, нейрофизиологию, когнитивную лингвистику и теорию искусственного интеллекта. В когнитоло гии совместно используются компьютерные модели, взятые из теории искусст венного интеллекта, и экспериментальные методы, взятые из психологии и фи зиологии высшей нервной деятельности, для разработки точных теорий работы человеческого мозга. Когнитология во многом обязана своим появлением уче нию о ноосфере. Ключевым техническим достижением, сделавшим когнитоло гию возможной, стали новые методы сканирования мозга. Томография и другие методы впервые позволили заглянуть внутрь мозга и получить прямые, а не косвенные данные о его работе. Важную роль сыграли и вс более мощные компьютеры. Наблюдаемый сейчас прогресс в когнитологии, как полагают учные, позволит «разгадать загадку разума», то есть описать и объяснить про цессы в мозгу человека, ответственные за высшую нервную деятельность чело века. Это позволит создать системы так называемого сильного искусственного интеллекта, который будет обладать способностями к самостоятельному обуче нию, творчеству, свободному общению с человеком.

Конвергенция Info-Cogno характеризуется появлением искусственного интеллека у различных информационных систем, в том числе и у человека. В рамках инфо-когно направлений наблюдается рост сложности систем. Сейчас одной из актуальных проблем информатики является именно обеспечение воз можности разработки сложных систем, таких как операционные системы и др.

Вероятно, те наработки, которые появятся в ближайшее десятилетие (програм мирование без ошибок, системы с гарантированной наджностью, методы про ектирования сложных программ, новые эволюционные алгоритмы и др.) лягут в основу первых шагов к сверхсложным системам.

Таким образом, рассматривая описание темпов развития НТП, можем от метить, что на первых этапах изучения природы происходила дифференциация наук (из естествознания выделялись: физика, химия, биология, прихологи и т.д., затем специализация углублялась и появились: кристаллография, механика, микро-биология, молекулярная биология цитология и т.д.). В настоящее время наблюдается процесс интеграции наук, который получил название конверген ция технологий. Наблюдая этот процесс можно увидеть, что конвергенция идет по пути от простого к сложному. Так, можно видеть, что живое – это просто очень сложное неживое (Nano-Bio), а разумное – просто очень сложное нера зумное (Info-Cogno). Продолжая эту аналогию, можно только догадываться, что конвергенция этих направлений (Nano-Bio и Info-Cogno) может привести к изу чению духовного.

Конвергенция технологий Таким образом, конвергенция технологиий базируется на принципе реф лексивной сложности (complexity, Э. Кастельс), основой которой являются процессы возникновения самоорганизующихся структур, эмерджентные, нели нейные и динамические системы и т.д. В этом смысле теория сложности пере растает в новую науку об организованной сложности. Эта наука является сим биозом идей кибернетики, системного подхода, нелинейной физики и кванто вой механики.

Золотарева И.А., Ходыревская А.В.

РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ ЭФФЕКТИВНОСТИ ИНФОРМАЦИОННОЙ СИСТЕМЫ (Харьковский национальный экономический университет, Украина) Внедрение и эксплуатация корпоративных информационных систем со пряжены с рисками, которые обусловлены наличием ряда заранее не предви денных факторов неопределенности. Проект внедрения корпоративной инфор мационной системы (КИС) характеризуется последовательно-параллельным осуществлением нескольких этапов;

при этом результаты отдельных этапов влияют как на реализацию системы в целом, так и на осуществление после дующих этапов. Таким образом, отрицательные последствия проявления рисков в процессе реализации инвестиций могут возникать несколько раз, тем самым увеличивая потери от их реализации.

Анализ литературных источников не позволили выявить общепринятой ме тодологии оценки эффективности инвестирования в информационные технологии (ИТ). Поэтому нами была предпринята попытка формализовать данный процесс путем построения модели оценки эффективности инвестирования в ИТ [1].

Модель позволяет разбивать проект на правильные этапы и быстро полу чать результаты. Таким образом, можно в короткие сроки создать хранилище данных и обеспечить выпуск простых отчетных форм, а затем последовательно расширять состав данных, собираемых в хранилище, и достраивать функцио нальность для выпуска более сложных отчетов. Модель поможет реально оце нить сроки исполнения каждого этапа ИТ-проекта.

Также использование модели помогает выстраивать проект в зависимости от бизнес-целей предприятия, структурировать его по бизнес-направлениям.

Для реализации модели оценки эффективности ИТ-проекта необходимо определить:

показатели коммерческой эффективности, которые учитывают финансо вые последствия реализации проекта для его непосредственных участников;

показатели бюджетной эффективности, отражающие финансовые послед ствия осуществления проекта для бюджетов различных уровней;

показатели экономической эффективности, учитывающие результаты и затраты, связанные с реализацией инвестиционного проекта, выходящие за пределы интересов участников проекта и допускающие стоимостное измере ние.

Для оценки эффективности проекта автоматизации необходимо рассмот реть два состояния системы управления [2].

Первое состояние, начальное – это состояние в настоящий момент време ни (состояние «как есть»), пока проект еще не начался. Начальное состояние характеризуется набором показателей эффективности системы управления и их уникальных значений. Важным моментом является наличие функционирующей на предприятии сбалансированной системы показателей.

Второе состояние, конечное – это состояние после завершения предпола гаемого проекта (состояние «как должно быть»). Оно имеет тот же набор пока зателей эффективности, что и начальное состояние. Иначе говоря, в ходе про екта мы получаем изменения показателей эффективности, и тем самым при ближаемся к установленным целям, которые характеризуются своими значе ниями показателей эффективности.

Дальнейший анализ эффекта от автоматизации может быть произведен разными способами. Можно сравнивать разность между значениями показате лей эффективности конечного и начального состояния, либо анализировать, на сколько предприятие приблизилось к поставленным целевым значениям пока зателей эффективности в результате проекта, либо оценивать отклонения фак тически достигнутых значений показателей эффективности от запланирован ных (план-фактный анализ).

С точки зрения конечных бизнес-эффектов, на самом высоком уровне оцен ки потенциальных экономических выгод выделяются обобщенные, значимые на правления, определяющие экономическую эффективность любых инвестиций, на зываемыми ключевыми факторами экономической эффективности [3, 4]:

минимизация упущенного дохода или формирование новых источников;

снижение текущих производственных (эксплуатационных) затрат;

снижение административно-управленческих затрат;

минимизация налоговых и других обязательных выплат, снижение штрафных санкций и прочих внереализационных расходов;

снижение потребности в капитальных затратах;

увеличение оборачиваемости текущих активов.

В качестве интегрального показателя доходной части инвестиционного проекта по внедрению информационных технологий для оценки коммерческой эффективности проекта целесообразно рассматривать приведенный показатель суммарного денежного потока, выраженного в элементах чистого дохода, ос тающейся в распоряжении организации, который является интегральным вы ражением всех значимых эффектов, обеспечиваемых реализацией рассматри ваемого проекта. После этого для заказчика (инвестора) можно выполнить рас чет любого устраивающего его показателя оценки эффективности (ROI, NPV, IRR, PP, др.).

Основной сложностью при оценке результативности инвестиций в ИТ проекты является ограниченная применимость финансовых методов оценки в связи с необходимостью учета нефинансовых выгод ИТ-проекта [2, 3, 4].

Экономическая эффективность внедрения информационной системы в компании может определяться:

разницей между заявленной и реальной трудоемкостью работы;

экономией ресурсов (простои людей, материальных запасов) в резуль тате оптимизации процесса обеспечения ресурсами;

изменением скорости прохождения событий на тех же ресурсах;

более оперативной реакции на события;

увеличением инвестиционной привлекательности за счет более строго го контроля за использованием ресурсов;

увеличением мотивации;

значительными вычислительными возможностями по обработке боль ших массивов информации;

более полным использованием бизнес-возможностей за счет монито ринга среды и эффективности процессов.

Эффективность информационной системы определяется ее наполнением и качеством реализации, т.е. результат внедрения ИС определяется качеством бизнес-модели [5].

Принципы экономической эффективности компании необходимо пере вести в плоскость конкретных показателей оценки экономической эффективно сти. Для этого формулируются требования к системе оценки экономической эффективности компании:

1. Система показателей должна включать как финансовые, так и нефи нансовые показатели с условием их взаимосвязи между собой, а также между организационными уровнями в компании. Число показателей должно быть ог раничено для своевременной их оценки и принятия решения.

2. Система показателей должна учитывать прошлое и текущее состояние бизнеса.

3. Показатели должны быть полезны для прогнозирования будущего ком пании, – стоимости или капитализации компании, прироста объема продаж и выручки.

4. Система показателей должна быть связана со стратегией компании и со стратегическими целями, в тоже время по мере изменения стратегии могут ме няться как значения показателей эффективности, так сама система.

5. Система показателей должна учитывать интересы и потребности заин тересованных сторон – акционеров, высшего руководства компании, потреби телей и др.

6. Система показателей должна быть значимой, адекватной, последова тельной и стабильной, т.е. содержать логическую последовательность в изме нении системы, чтобы сотрудники компании имели возможносит отслеживать изменения и адаптироваться. Краткосрочные показатели должны также соот ветствовать долгосрочным.

7. Должна существовать возможность объединения показателей в свод ные и детализация в более частные показатели.

8. Внедрения системы показателей не должно вызывать сложностей дос тупности информации для расчета и по дополнительным затратам.

Анализ источников META Group, Gartner Group, ISM позволил выделить основ ные категории эффектов от внедрения ИС (см. рисунок).

На уровне компании измеряется вклад ИТ в осуществление миссии ком пании, собираемая информация используется для разработки стратегических направлений развития.

На функциональном уровне предметом измерения является вклад ИТ в осуществление функций структурными подразделениями, собираемая инфор мация используется для повышения эффективности внутренних процессов. На этом уровне происходит анализ информации об эффективности проектов и про грамм и представление ее высшему руководству организации.

Основные категории эффектов от внедрения ИС Причины возможных низких результатов оценки эффективности работы ИТ-систем приведены в таблице [6].

Причины возможных низких результатов оценки эффективности работы ИТ-систем Возможные причины № низких результатов оценки Пояснение п/п эффективности работы ИТ-систем Отсутствие политической Проект внедрения должен идти в составе приоритет воли руководства ных проектов. Если руководство не требует постоянно данных по проекту внедрения, наиболее вероятен низ кий темп внедрения до полной остановки процесса Завышенные ожидания Отсутствие четко сформулированных целей и задач Окончание табл.

Возможные причины № низких результатов оценки Пояснение п/п эффективности работы ИТ-систем На протяжении внедрения Большинство организаций, работающих с подрядной ор не проводились замеры по- ганизацией по внедрению каких-либо процессов, ожида казателей и не выполнялась ют получить фиксированный проект с заранее оговорен корректировка проекта. ными сроками и суммой контракта. Однако на этапе об следования могут возникнуть особенности, которые не были учтены при составлении контракта. Вследствие это го должна быть предусмотрена возможность корректи ровки каких-либо положений контракта либо составление контракта должно происходить после обследования Завышенный объем проекта Заявлен объем работ, который фактически не может быть выполнен в течение проекта, например, в случае доработки существующего внутреннего проекта Оторванность инструмен- Первостепенная задача любого внедрения – это вы тов от процесса страивание процесса, второстепенная задача – это ав томатизация выстроенного процесса, что не всегда со блюдается. В таком случае желаемый эффект не будет достигнут, поскольку выбор инструментов решения должен происходить только при описании процесса Слишком резкое внедрение Резкое внедрение изменений может дестабилизировать проект, если было воспринято персоналом негативно.

Сотрудники могут потерять мотивацию, что помешает им справиться с необходимостью изучить и эффектив но применить полученные навыки. Чаще всего в таком случае принимается решение возврата к исходному со стоянию вместо детального анализа ситуации Неспособность к организа- Если проект не получает одобрения внутри организа ционным изменениям ции или была выбрана неверная стратегия внедрения, если организационные изменения происходят не управляемо или политические интересы становятся важнее производственного процесса и инструмента рия, то успешное завершение проекта маловероятно.

Как правило, данный фактор связан с недостаточной поддержкой со стороны руководства Неясность концепции Для того, чтобы внедрение получило прочный фунда мент, необходимо известить персонал о причинах не обходимости изменений в организации и возможных последствиях Выводы. Модель оценки экономической эффективности включает в себя иерархическое представление показателей эффективности, отражающих усло вия внешней и внутренней среды компании. В соответствии с данной моделью определяются показатели, от выполнения которых зависит достижение задан ной стратегической цели исследуемой компании.

Таким образом, применение предложенной модели оценки эффективности ИС позволяет значительно улучшить финансовые результаты проекта внедрения.

Литература 1. Лукин В.И. Минимизация последствий проявления рисков инвестиционных проектов внедрения корпоративных информационных систем путем кон троля критических переменных / В.И.Лукин // Журнал научных публикаций аспирантов и докторантов.в – 2009. – № 1. Электронный ресурс. – http://www.jurnal.org/articles/2009/ekon6.html 2. Целых А. Б. ООО КОРУС Консалтинг. Оценка эффективности IT-проектов.

Сбалансированный подход. Электронный ресурс. – http://quality.eup.ru/MATERIALY5/oe-it.htm 3. Кадушин А.И., Михайлова Н. Б. Методика оценки экономической эффек тивности ИТ-проектов // ИФ-Консалт, 07.07.2003. Электронный ресурс. – http://www.pmprofy.ru/content/rus/83/833-article.asp 4. Strassmann Paul A. Why ROI ratios are now crucial to IT investment? / Butler Group Preview. – September, 2002.

5. Марданов А.З. Экономические эффекты от внедрения CRM. // Корпоративный менеджмент, 12.05.2009. Электронный ресурс. – http://www.cfin.ru/itm/crm/effects.shtml 6. Новичков А. Оценка эффективности от внедрения и использования методоло гии и инструментальных средств IBM Rational // IBM developer Works, 11.12.2009. Электронный ресурс. – http://www.ibm.com/developerworks/ru/library/r-roi/index.html 7. Формирование модели оценки экономической эффективности генерирую щей компании. / Е.А. Негомедзянова // Журнал научных публикаций аспи рантов и докторантов. – 2007. – № 6. Электронный ресурс. – http://www.jurnal.org/articles/2007/ekon43.html 8. Рамперсад К. Хьюберт Универсальная система показателей деятельности:

Как достигать результатов, сохраняя целостность / Хьюберт К. Рамперсад;

Пер. с англ. – М.: Альпина Бизнес Букс, 2004.

9. Уолш К. Ключевые показатели менеджмента. Как анализировать, сравни вать и контролировать данные, определяющие стоимость компании. – М.:

Дело, 2000. – 360 с.

Нечеухина Н.С.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В КОНТРОЛЛИНГЕ (Уральский государственный экономический университет, Екатеринбург) В динамичных условиях жесткой конкуренции контроллинг выступает как одна из перспективных концепций менеджмента и в то же время эффектив ный метод рыночного хозяйствования пронизывает все сферы функционирова ния предприятия. Основу системы контроллинга составляет информация о дея тельности предприятия и состоянии рыночной среды его функционирования, регулярный и своевременный сбор которой, ее анализ и планирование приобре тают первостепенное значение в современных российских реалиях. В связи с этим возрастает интенсивность и насыщенность информационных потоков, требующих систематизации, унификации для обеспечения эффективности про цессов управления бизнесом.

Контроллинг на сегодня представляет собой один из лучших системати заторов масштабных потоков информации о движении экономической инфор мации в рамках промышленных предприятий с целью координации принимае мых управленческих решений.

Контроллинг нельзя отождествлять с контролем и ревизией. В системе контролинга выделяется оперативный контроль, который занимается вопросами учета и анализа затрат, результатов хозяйственной и финансовой деятельности.

Анализ базируется на данных бухгалтерской отчетности. Плановая служба представляет статистические выкладки, плановые данные и результаты сравне ния фактических значений показателей.

Задача контролера на базе анализа дать предложение (рекомендации) ру ководителю по сокращению затрат и увеличению прибыльности (рентабельно сти) производства и сбыта.

При сложном производстве контроллинг разбивается по технологической цепочке. Так, при наличии дочерних предприятий ответственность за конечные финансовые результаты и функции оперативного управления делегированы до черним предприятиям, а прибыль внутри разбивается по подразделениям (внут ренний хозрасчет). В ведении центров ответственности затрат находятся де нежные потоки, инвестиции, контроль за стратегическими целями предприятия, так как отдельные подразделения могут в своей деятельности расходиться со стратегическими задачами головного предприятия. Контроллинг начинается с анализа производственных и сбытовых затрат подразделениями – центрами от ветственности. Бухгалтер-контролер может обладать правом «вето» при приня тии многих управленческих решений, таких как: обоснование цены;

новые ин вестиции;

покупка и производство новых товаров и изделий;

формирование производственной ассортиментной структуры. Существенное внимание уделя ется подготовке информации руководителю, значимых показателей финансово го плана (бюджета) и разработке мероприятий для реализации заданных це лей.Особое место отводится конъюнктурным решениям вопроса, сведениям о конкурентах и т. д. С этой целью предоставляется прогнозная финансовая оцен ка мероприятий. Оперативно анализируются:

1. Ликвидность предприятия.

2. Отклонение плановых величин от факта, причины.

3. Прогноз развития событий.

4. Мероприятия по снижению затрат.

Для решения данных и других задач рекомендуется: разрабатывать сис тему внутренней отчетности и специальный программный продукт;

рассчи тать точку безубыточности;

произвести анализ зависимостей между объемом производства, себестоимостью, прибылью, трудовыми затратами и т. д. С этой целью ежемесячно составляется и представляется менеджеру отчетность, а именно:

статистика объемов выпуска;

расчет издержек производства и обращения;

исчисление финансовых результатов по различным схемам учета за трат;

расчет суммы покрытий (маржинального дохода);

расчет показателей рентабельности;

расчет ликвидности;

статистика движения и использования рабочей силы;

статистика движения запасов;

расчет денежных потоков;

инвестиционные расчеты и т. д.

Для успешного функционирования развития автоматизации учета в сис теме контроллинга необходимо выделить несколько этапов.

Первый этап – в группе учета данных службы главного контроллера соз дание автоматизированных рабочих мест контроллеров. На организационно функциональной стадии АРМ контроллера функционирует в автономном ре жиме с использованием локальной учетной базы данных.

Согласованную работу всех устройств ПЭВМ и их взаимодействие с кон троллером обеспечивает программное обеспечение АРМ контроллера, которое подразделяется на общее и функциональное. При создании АРМ контроллера, в качестве базовых используются программные средства:

для подготовки текстов – текстовые редакторы или текстовые процес соры;

для подготовки табличных документов – табличные процессоры или электронные ведомости;

для автоматизации работ по созданию и ведению учетных баз данных – системы управления базами данных.

Большое распространение получили интегрированные пакеты функцио нального программного обеспечения, включающие текстовый процессор, таб личный процессор, системы управления базами данных, а так же конкретный командный файл настройки программного обеспечения на конкретный вид и ре жим обработки информации. Это позволяет организовать работу контроллера на АРМ в режиме «non-stop» с максимальным учетом его профессиональных требо ваний.

АРМ контроллера на базе ПЭВМ является технико-технологическим средством освоения учетных информационных ресурсов предприятия, обу словливающим его способность успешного развития. В рамках АРМ кон троллера весь учетный информационный фонд предприятия функционирует в форме:

локальной учетной базы данных – фактографические данные о финан сово-хозяйственной деятельности предприятия;

базы знаний – подходы, принципы, методы и методика учета;

программных средств – инструмент автоматизированного исполнения учетных задач для информационного обслуживания разработки и принятия управленческих решений менеджерами предприятия.

Второй этап развития автоматизации учета в системе контроллинга – инте грационный. Данный этап обеспечивает интеграцию локальных АРМ контроллера в единую интегрированную информационную систему промышленного предпри ятия. Вопросы интеграции АРМ контроллера в единую информационную систему выявили следующие основные проблемы, связанные с неэффективностью функ ционирования информационных систем промышленных предприятий:

информационные системы промышленных предприятий не имеют науч но-методического обеспечения, вследствие чего отсутствует концепция по строения и развития, приводящая к отсутствию целостности;

информационные системы представляют собой набор малосвязанных между собой информаци онных ресурсов и процедур управления ими, что приводит к снижению эффек тивности управления предприятием;

использование многообразных информационных технологий обработки и передачи информации, отсутствие единых стандартов хранения данных, отли чие их от общемировых приводит к сдерживанию процессов интеграции ин формационных потоков между различными структурными подразделениями и уровнями управления предприятием;

невысокие уровни автоматизации информационного процесса в струк турных подразделениях предприятия приводит к несбалансированным управ ленческим решениям.

В ходе интеграции АРМ контроллера в информационную систему пред приятия отлаживается механизм функционирования информационных техноло гий, обеспечивающий корректность, актуальность, сохранность и санкциониро ванный доступ к учетной, плановой, статистической и другой информации о финансово-хозяйственной деятельности предприятия.

Третий этап – автоматизация учетных событий в системе контроллинга является перспективным, способным обеспечить правильное решение управ ленческой проблемы за счет прогнозирования и предвидения результата про гнозируемых управленческих событий в деятельности предприятия.

Автоматизация учетных событий в системе контроллинга с использова нием интегрированных в единую информационную систему предприятия авто матизированных рабочих мест контроллеров обладает рядом существенных особенностей. Они связаны как с объектом моделирования, так и с применяе мым аппаратом и средствами моделирования, а также с необходимостью опре делять количественные значения особо важных учетных событий в деятельно сти предприятия в режиме реального времени и по запросу.

Предложенный механизм функционирования задач учетного комплекса системы контроллинга основного производства консолидирует учетную ин формацию по изготовлению и выпуску продукции бизнес-процессами и ее пре доставление менеджерам для принятия своевременных управленческих реше ний по регулированию хода производства и обеспечению выпуска продукции в необходимых объемах и в установленные сроки.

Авдеева Е.С., Чернов В.Г.

НЕЧЕТКАЯ МОДЕЛЬ ОЦЕНКИ РИСКОВ ПРОЕКТА ВНЕДРЕНИЯ КИС С УЧЕТОМ ФАКТОРОВ РИСКА (Владимирский государственный университет) Наличие неопределенности при внедрении КИС влечет за собой различ ные риски [1]. Каждый риск проекта состоит из факторов, причем количество факторов в каждом риске может быть разным. Кроме того, один риск и его фак торы могут быть причиной другого риска, а в совокупности они влияют на об щие риски, т.е. изменяют основные показатели проекта: бюджет, сроки и каче ство. Рассмотренная в [2] экспертная модель оценки рисков имеет следующий недостаток – использование балльных оценок. В предлагаемой модели можно для оценки рисков проекта внедрения КИС и их факторов вместо числовых оценок использовать качественные оценки. Например, фактор риска исполне ния, связанный с командой внедрения – обучение группы внедрения [1], может иметь следующие оценки: низкое, ниже среднего, среднее, выше среднего, высокое.

Пусть по некоторому проекту внедрения КИС были идентифицированы риски r ri, i 1, N и соответствующие им факторы f i f ij, j 1, M, причем M. Кроме того, количество факторов в каждом риске будет разным.

N Имеются лингвистические оценки уровня проявления факторов риска с соответствующими функциями принадлежностями M fi L fi lf.

fij ij Оценка каждого риска проекта внедрения КИС ri может быть выполнена по одному из следующих вариантов:

1) если факторы риска fi некоторого i -го риска имеют низкие оценки, то реализация i -го риска минимальна (благоприятный вариант), следовательно, свертка нечетких множеств оценок уровня проявления факторов риска выпол няется через пересечения:

J ri f ij min [0,1]. (1) ri ( x), x f ij j 2) если факторы риска fi некоторого i -го риска имеют высокие оценки, то реализация i -го риска максимальна (неблагоприятный вариант), следова тельно, свертка нечетких множеств оценок уровня проявления факторов риска выполняется через операцию объединения:

J ri f ij max [0,1]. (2) ri ( x ), x f ij j Общий риск проекта внедрения КИС вычисляется в зависимости от того, как были определены частные риски проекта. Здесь также возможны два вари анта:

1) благоприятный вариант (через операцию пересечения):

I R ri min [0,1]. (3) R ( x), x ri i 2) неблагоприятный вариант (через операцию объединения):

I R ri max [0,1]. (4) R ( x), x ri i Еще один вариант определения общего риска проекта внедрения КИС R заключается в вычислении среднего между всеми рисками проекта:

I R [0,1], (5) R ( x ), x ri i i где – параметр или вес соответствующего нечеткого множества оценки риска i I проекта, причем [0,1] для всех i [1, I ] ;

1. Параметр можно вычис i i i i лить как, т. е. принять вес всех рисков одинаковым.

i I Следует отметить, что при использовании операции пересечения (1) в ре зультате может получиться пустое множество, что затруднит дальнейший ана лиз. В такой ситуации сначала необходимо объединить оценки уровня проявле ния факторов риска в такие группы, которые при пересечении дают непустые множества, а затем для получения оценки по каждому риску проекта применить операцию объединения.

Для принятия окончательного решения о том, насколько проект внедре ния КИС рискованный и стоит ли его реализовывать, вычисляется значение функции EffPeak нечеткого множества оценки общего риска проекта R, и за дается некоторый порог решения p, который выбирается в зависимости от ха рактера задачи и от важности последствий принимаемого решения. Обычно по рог решения принимается равным 0,5. Если значение функции EffPeak нечет кого множества оценки общего риска проекта R превышает порог решения p, то такой проект слишком рискованный и его реализация нежелательна. Если EffPeak p, то такой проект можно реализовывать. Продемонстрируем пред ложенную методику на примере. Пусть по некоторому проекту внедрения КИС было идентифицировано 4 риска r ri, i 1, 4 : 1) риск исполнения, связанный с командой внедрения;

2) риск перехода на новую систему;

3) риск, связанный с поддержкой руководства;

4) риск неправильного выбора системы. Для каждого риска имеются соответствующие ему факторы: f1 f1 j, j 1,6, f 3 j, j 1,3, f 4 f 4 j, j 1,5 [1].

f2 f 2 j, j 1, 4, f Рассмотрим благоприятный вариант, когда оценки уровня проявления факторов риска положительные, и реализация рисков минимальна.

Все факторы рисков сводятся в одну таблицу, и экспертным путем каж дому фактору риска выставляется лингвистическая оценка его уровня проявле ния L fi lf.

ij Лингвистические оценки уровня проявления факторов риска при внедрении КИС (благоприятный вариант) Факторы рисков Лингвистическая оценка Недостаточное обучение группы внедрения Низкий Неправильная структура команды внедрения Ниже среднего Отсутствие или несоответствие организационному плану вне Низкий дрения системы Низкая мотивация участников проекта Ниже среднего Смена или увольнение участников проекта Низкий Недостаточный опыт у руководителя проекта внедрения Низкий Слабое участие операционного персонала Ниже среднего Отсутствие или слабая информированность Ниже среднего Недостаточное участие руководства предприятия Низкий Недостаточное выделение ресурсов на проект Низкий Слабый контроль за выполнением проекта Ниже среднего Отсутствие целей и задач внедрения Низкий Отсутствие четко определенных требований к системе Ниже среднего Недостаточная квалификация и опыт консультанта Низкий Недостаточное участие консультанта (наоборот, слишком вы Средний сока доля выполняемых им функций) Лингвистические оценки факторов рисков проекта внедрения КИС зада ны с помощью соответствующих функций принадлежности, имеющих тре угольный вид, выбранный из соображения простоты. На рис. 1 представлены примеры используемых функций принадлежности.

Оценки уровня проявления факторов риска При благоприятном варианте значение каждого риска проекта внедрения КИС вычисляется через операцию пересечения (1).

При использовании операции пересечения в результате получились пус тые множества (рис. 2). Поэтому сначала выделим группы оценок факторов риска неправильного выбора системы, которые при пересечении дают непустые множества.

Через операцию объединения полученных групп оценок факторов риска определяется оценка соответствующего риска проекта внедрения КИС Общий риск проекта внедрения КИС определяется по формуле (3).

Значение функции EffPeak нечеткого множества оценки общего риска проекта R составляет 0,125.


Общий риск проекта внедрения КИС как среднее между всеми рисками проекта находится по формуле (5) при параметре i 0,25 (рис. 2):

Общий риск проекта внедрения КИС как среднее между всеми рисками проекта В данном случае значение функции EffPeak нечеткого множества оценки общего риска проекта R составляет 0, 179688.

Поскольку порог решения составляет p 0,5, то рассматриваемый проект внедрения КИС можно реализовывать и считать нерискованным, так как значе ние функции EffPeak, равное 0,125, меньше порога решения.

Литература 1. Авдеева Е.С. Исследование методов оценки рисков при внедрении корпора тивных информационных систем на предприятиях: монография // Авдеева Е.С., Градусов Д.А.;

Автоном. некоммерч. орг. высш. профес. образования Центрсоюза Рос. Федерации «Рос. ун-т кооперации», Владим. фил. – Влади мир, 2010. – 151 с.

2. Авдеева Е.С., Чернов В.Г., Градусов Д.А. Методика экспертной оценки рис ков при внедрении корпоративных информационных систем // Современные наукоемкие технологии. Региональное приложение. – Ивановский государ ственный химико-технологический. – Приложение к журналу, с 2004. – Электронный ресурс. – http://main.isuct.ru/ru/snt РАЗДЕЛ II. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЭКОНОМИКЕ Helena Lindskog, Staffan Brege, Per-Olof Brehmer PUBLIC PROCUREMENT AND SMALL AND MEDIUM ENTERPRISES (Linkping University, Linkping, Sweden) Abstract The public sector’s purchasing can have political and/or social goals besides the obvious goal to achieve the best possible outcome. In addition, public agencies must follow the specific public procurement legislation.

Small and Medium Enterprises (SMEs) are companies with a limited turnover or a limited number of employees (up to 250 people). Most countries have a great number of SMEs and they account for a considerable part of the total economy.

Many, especially newer, SMEs are at the forefront regarding innovations. There is a special focus on SMEs in the political agenda of many countries as well as in acade mia. One example is the Centre for Applied Management (CAM) for small and me dium-sized enterprises at Linkoping University. CAM describes itself on its web site as «This creates a mutual benefit, based on knowledge and experience, for both parts.

CAM brings the University closer to the companies, contributes to their growth and development, and raises the problems of the companies into the light of science – common profit for a prosperous region».

The European Commission and the member states recognize the importance of SMEs as an engine behind many innovations as well as being a considerable potential to increase the employment rate.

The public sector as the biggest buyer on national markets is an important client for all enterprises and for the SMEs in particular.

For the SMEs to be a tenderer for governmental contracts as well as for the public agencies to choose a SME as a supplier can give rise to considerable conse quences – both positive and negative. To become a supplier to the public sector means recognition and increase the opportunities for new contracts. The public agen cy can get an innovative and cost reducing solution. However, risks are also involved both for the SME and the public agency. By choosing an enterprise without previous documented records can put an agency in the situation of not fulfilling its obligations towards the general public and for the SME to go bankrupt.

This paper explores, investigates and analyses positive and negative conse quences of public procurement involving SMEs as well as reasons behind this situa tion.

Глухов Д.О., Матюш М.В.

ПРОГРАММНЫЕ РЕШЕНИЯ СИСТЕМ ДИСТАНЦИОННОГО БАНКОВСКОГО ОБСЛУЖИВАНИЯ (Полоцкий государственный университет, Республика Беларусь) Одной из важнейших предпосылок современного уровня развития рынка дистанционного банковского обслуживания (ДБО) в развитых странах стал, прежде всего, высокий уровень массового доверия граждан банковской систе ме, а также предлагаемым на рынке решениям в области дистанционного бан ковского обслуживания. Основными субъектами взаимоотношений при развер тывании систем дистанционного банковского обслуживания являются: банк, клиент, ритейл. Сама система ДБО является объектом и предоставляет сервис мобильных платежей, в рамках которого клиент совершает мобильные платежи и управляет средствами на счетах. Схема взаимоотношения субъектов и объек тов представлена на рис.

ДБО + дополнительные сервисы Операции по хранению и БАНК КЛИЕНТ управлению средствами Проведение мобильных Трата средств Получение платежей и ДБО, Процессинг в процессе поощрений при приобретения операций по счетам выполнении условий товаров и услуг Оператор CRM + ДБО Процессинг карт РИТЕЙЛ Оператор CRM Проведение электронных платежей за товары/услуги Рис. 1. Схема взаимоотношения и операции участников при развертывании систем ДБО Опираясь на схему, представленную на рис. 1, развертывание систем ДБО возможно по нескольким вариантам:

как программа лояльности для опорного банка (рис. 2, а);

интегрирование с процессингом банка и реализация программы ло яльности ритейлера (рис. 2, б);

в качестве собственной программы лояльности (рис. 2, в);

в качестве сервисного партнера банка (рис. 2,г).

Во всех перечисленных вариантах системы ДБО являются полноценными программными продуктами, которые используют инфраструктуру банка-партнера.

Существенно ускоренную сборку многоуровневых транзакционных бан ковских приложений предоставляет возможность выполнить технология Java.

Во-первых, Java представляет собой высокоуровневый объектно ориентированный язык программирования. Во-вторых, Java – это программная платформа, версии которой поставляются для различных аппаратных систем.

Java позволяет реализовать сложные системы с жесткими требованиями к гиб кости и скорости работы интерфейса пользователя. Имеет механизм сохранения сложного контекста на стороне клиента в период его работы, механизм выбо рочного кеширования информации, поддержку взаимодействия сразу с не сколькими серверами (надежность + масштабируемость).

средства на счетах, БАНК КЛИЕНТ БАНК КЛИЕНТ средства на счетах бонусы % за обслуживание % за обслуживание оплата товаров и услуг;

% по процессингу карт получение поощрений % по процессингу карт по программе лояльности;

% по мобильным платежам и операциям по счетам РИТЕЙЛ Система ДБО Система ДБО % по обслуживанию карт а) б) КЛИЕНТ БАНК КЛИЕНТ средства на счетах % за обслуживание % по мобильным платежам других сервисов % по процессингу карт и Абонентская плата по системе ДБО РИТЕЙЛ Система ДБО Система ДБО % по платежам в) г) Рис. 2. Варианты схем реализации систем ДБО Анализ эффективности предлагаемых архитектур на примере разработан ного в Полоцком государственном университете «Комплекса программ процес синга платежей» с другими системами дистанционного банковского обслужи вания показан в таблице.

Сравнение систем – достоинство и недостатки Достоинства разработанного Недостатки аналогичного программного «Комплекса программ процессинга платежей» обеспечения систем ДБО на рынке Грамотная стратегия выхода на рынок, Отсутствие просчитанной стратегии работы формирование мотивации клиентов на рынке Широкий набор услуг (банкинг, тикетинг, Сильно ограниченный набор платежей шопинг) Доступность регистрации пластиковых карт Добавление новых видов платежей и терри любых банков торий идет крайне медленно Доступность пользования вне зависимости Привязка к карточкам одного банка или от оператора мобильной связи и модели те- конкретному оператору мобильной связи лефона (линейка мидлетов) Соответствие международным стандартам Техническое несовершенство существую щих решений Литература 1. Информационные банковские технологии // Сайт кафедры «Прикладная ин форматика» Уральского государственного технического университета. Элек тронный ресурс. – http://capri.ustu.ru/banking_systems/%C3%EB%E0%E2%E0%201.htm 2. Обзор систем электронных платежей // Thalion Group. Электронный ресурс. – http://www.thalion.kiev.ua/idx.php/5/301/article/.

3. Введение в программирование на Java // developerWorks. Электронный ре сурс. – http://www.ibm.com/developerworks/ru/java/newto/.

4. Oracle сформировал экспертный совет для банковской отрасли // PCNews.

Электронный ресурс. – http://www.pcnews.ru/news/oracle-banking-industry strategy-council-allied-irish-banks-aib-barclays-bank-plc-ing-groep-210101.html Цхай А.А.

ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ФИНАНСОВО-ЭКОНОМИЧЕСКОГО МОНИТОРИНГА ДЕЯТЕЛЬНОСТИ СЕЛЬХОЗТОВАРОПРОИЗВОДИТЕЛЕЙ (Алтайская академия экономики и права, Барнаул) В настоящее время региональное управление экономической деятельно стью территориально-производственных комплексов большей частью носит весьма условный и приблизительный характер.

Одной из главных причин этому является неполнота и неточность исход ных данных, которые служат основой для принятия ответственных государст венных управленческих решений, в том числе о распределении бюджетных средств и аналогичных ресурсов.

Сбор информации налоговыми и статистическими органами ориентиро ван на свои, ведомственные цели. Как правило, наличие этих данных недоста точно для серьезного анализа развития отрасли.

Информация собственных территориальных подразделений зачастую – попросту недостоверна или отсутствует, что объясняется приоритетом решения текущих производственных вопросов над организацией квалифицированного контроля.

В результате происходит «распыление» государственных средств. Этот недостаток носит системный характер и, в принципе, не дает возможности ка чественных сдвигов в управлении регионом.

Таким образом, автоматизация социально-экономического мониторинга становится ключевой задачей модернизации экономики.

В Алтайской академии экономики и права разработана информационная система «РЕСПАК», в результате чего впервые в региональном управлении появляется возможность реального комплексного учета результатов деятель ности, а также многомерной экономической оценки эффективности использо вания бюджетных средств сельхозтоваропроизводителями административного региона.


Вместе с тем использование ГИС-инструментария дало возможность осуществить анализ показателей финансово-производственной деятельности предприятий в разрезе региона, округа или района, а также открыло возмож ность построения оригинальных тематических карт.

Подсистема экономического анализа данной системы построена на осно ве рейтинговых оценок. В процессе работы в среде ИС «РЕСПАК» совокуп ность сельхозтоваропроизводителей разбивается на группы по разным призна кам и характеру анализируемых свойств, что позволяет делать важные анали тические обобщения, оперативно выявлять проблемы в управлении территори ально-производственными комплексами.

Блок экономических оценок содержит возможность построения трх ви дов различных рейтингов предприятий: по экономическому потенциалу, эф фективности его использования и отраслевому рейтингу сельскохозяйственных организаций «АГРО-300».

Система позволяет автоматически оценивать рейтинги предприятий ре гиона, округа и района за выбранный временной период. Помимо итогового (интегрального) показателя пользователю доступны поля со значениями тех ве личин, на основе которых был рассчитан рейтинг, с возможностью сортировки итоговых результатов по конкретному полю. Данная возможность позволяет быстро оценивать влияние того или иного фактора на формирование итогового рейтинга.

Многомерная оценка показателей эффективности использования бюд жетных средств осуществляется на основе девяти критериев, отражающих клю чевые показатели производственно-финансовой деятельности сельскохозяйст венных организаций, на стимулирование которых направлена государственная поддержка: общий прирост производства продукции, прирост продукции рас тениеводства, прирост продукции животноводства, объм выручки, чистая при быль, объем капитальных вложений, уровень рентабельности, среднемесячная заработная плата, объем налоговых поступлений.

Результатом расчета является таблица, содержащая указанные характери стики каждого предприятия. Пользовательский сервис позволяет осуществлять ранжирование по каждому из указанных полей и интегрально, по заданной комбинации признаков.

На основе ГИС-подсистемы строятся тематические карты по выбранному признаку, например, можно автоматически построить карту распределения ва лового сбора сахарной свеклы в регионе эффективными налогоплательщиками за заданный временной период.

При разработке системы была создана форма «Карточка предприятия», отражающая накапливающуюся в базе данных информацию о каждом сельхоз товаропроизводителе региона. Данная форма сама по себе используется при анализе как отдельный источник информации. На нее имеются ссылки в табли цах финансово-экономического мониторинга ИС «РЕСПАК».

Также был создан инструмент выборки, позволяющий формировать спи сок предприятий, удовлетворяющих заданным условиям. Например, перечень всех предприятий, расположенных в Р-м районе К-го округа, за 2008 год, для которых посевная площадь зерновых составляет более 1000 га и валовой сбор зерновых больше 100 т. Данные наборов интересующих показателей, храня щиеся в базе данных, визуализируются графически.

ИС «РЕСПАК» – построена на базе Веб-технологий и обладает трехзвен ной архитектурой, представленной сервером баз данных, Веб-сервером и кли ентским приложением (любой Веб-браузер). В качестве исполняющей среды выступает интерпретатор PHP, что в свете его кроссплатформенности позволя ет использовать разработанную систему практически на любом Веб-сервере.

Система функционирует под управлением СУБД MS SQL SERVER 2005, в качестве Веб-сервера выступает Internet Information Services (IIS) версии 7.0.

Порядок работы с системой достаточно прост, чтобы быть реально ис пользованным в работе, прежде всего, лицами, принимающими решения. Поль зователи запускают на своем компьютере Веб-браузер, вводят в адресной стро ке адрес, по которому доступна система, в открывшемся окне указывают учет ные данные и после успешной аутентификации могут беспрепятственно рабо тать в ИС «РЕСПАК».

Создание представленной информационной системы открывает ряд но вых возможностей.

Во-первых, в региональном управлении становится возможным обеспе чить реальный контроль и повысить эффективность использования бюджетных субсидий.

Во-вторых, многомерная экономическая оценка открывает возможность анализа влияния того или иного порядка инвестирования на практически все стороны состояния и перспективы развития предприятий.

В-третьих, пользователю предоставлен удобный инструмент, позволяю щий получать информацию по каждому предприятию за любой промежуток времени, визуализировать изменения тех или иных показателей.

В-четвертых, картографический сервис системы становится в линейку инструментов пользователя подобно тому, к чему уже привыкли, например, по строению диаграмм и графиков в работе с исходной информацией.

Внедрение ИС «РЕСПАК» осуществлено в Главном управлении сельско го хозяйства Алтайского края.

Дорохов А.В., Чернов В.Г., Дорохова Л.П.

РАЗРАБОТКА КОМПЬЮТЕРНЫХ СРЕДСТВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ФАРМАЦЕВТИЧЕСКИХ ОРГАНИЗАЦИЙ НА ОСНОВЕ НЕЧЕТКОГО МОДЕЛИРОВАНИЯ (Харьковский национальный экономический университет, Владимирский государственный университет, Национальный фармацевтический университет, Харьков) В условиях конкурентного оптового рынка фармацевтической продукции в Украине управление бизнес-процессами на оптовых фармацевтических фир мах требует использования новых комплексных, эффективных, методически обоснованных подходов и средств. В частности, насущные задачи фармацевти ческой логистики, планирования, анализа деятельности оптовых предприятий при дистрибьюции лекарств и товаров медицинского призначения могут быть успешно решены только на основе комплексного применения соответствующих методов математического моделирования совместно с современными информа ционными технологиями.

Целью работы является развитие компьютерного моделирования и под держки инструментов поддержки принятия бизнес-решений для фармацевтиче ских организаций. Вообще принятие решений менеджментом оптовых фарма цевтических фирм осуществляется по трем основным направлениям – выпол нение логистических операций, организация маркетинговой деятельности, дру гие организационно-производственные задачи и функции.

Нами были рассмотрены и использованы различные методы моделирова ния (имитационное, нечетко-множественное, деревья решений, игровые мето ды, нейронные сети, генетические алгоритмы, цепи Маркова, сети Петри). Да лее, в качестве примера, приведем результаты решения ряда задач средствами нечеткого моделирования, в частности, с применением программы Fuzicalc.

Очевидно, что при выборе аптеками оптовиков (поставщиков лекарств) оценки уровня качества логистического обслуживания не всегда можно полу чить в прямой числовой форме. Часто менеджеры, принимающие решения от носительно закупок, способны только сравнить различных оптовиков по от дельным параметрам логистического обслуживания, высказать свое мнение в виде сравнительных суждений «лучше-хуже-одинаково». Определить относи тельную важность параметров обслуживания они также могут лишь приблизи тельно. Для такого случая предлагается модель многокритериального выбора, которая опирается на представление и анализ исходных экспертных оценок критериев логистического обслуживания в виде нечетких чисел. В результате их обработки с учетом весов критериев можно получить обобщенные оценки и коэффициенты, отражающие степень уверенности экспертов. Графически это отражается в ширине итоговых оценок. Расчеты (фрагмент) по такой модели, выполненные в среде нечеткой математики Fuzicalc, представлен на рис. 1.

Рис. 1. Обработка нечетких оценок качества логистического обслуживания Реализована модель SWOT-анализа состояния фармацевтической фирмы в нечеткой постановке (рис. 2). В отличие от широко известного классического под хода, такая модель позволяет учесть, формализовать, численно описать и проана лизировать факторы влияния в условиях нечеткости, разной степени неопреде ленности входных данных. Для каждого параметра SWOT-анализа построены функции принадлежности, далее рассчитаны соответствующие итоговые функ ции. Окончательные оценки вытекают из сравнения объединенных оценок (силь ные стороны и возможности) и (слабые стороны и угрозы). В приведенном случае положительные составляющие превышают негативные факторы.

В среде Matlab нами была также разработана нечеткая модель для анализа и мониторинга уровня коммерческой безопасности предприятия, в частности, фармацевтического (завода-производителя лекарственных средств, оптовых по среднических фирм, розничных аптечных предприятий и их сетей). Она позво ляет оценить состояние экономической безопасности фирмы по известным (предполагаемым) ее информационным, временным, экологическим, финансо вым потерям. Получаемые поверхности нечеткого вывода наглядно отражают влияние отдельных составляющих на общий уровень коммерческой безопасно сти.

Рис. 2. Нечеткий SWOT-анализ (фрагмент) Важно отметить, что имитационное моделирование и сети Петри целесо образно использовать для управления процессами обслуживания, где имеются разного рода заявки, требования, очереди, запросы на выполнение определен ных действий, которые появляются по вероятностными законами распределе ний или случайным образом.

Нечеткое моделирование эффективно при анализе недоопределенных, нечетких входных данных, недостаточной, недостоверной статистической ин формации, принятии решений на основе лигвистический оценок и правил.

Деревья решений позволяют вычислить наиболее ожидаемые результаты принятия многошаговых решений при наличии вероятностно информации по различным вариантам развития производственно-коммерческих ситуаций.

Игровые подходы позволяют смоделировать взаимодействие участников на конкурентном рынке, развитие самой рыночной ситуации по оптимистиче ским и пессимистическим сценариями.

Нейронные сети, генетические алгоритмы, цепи Маркова обеспечивают решение различных средне и долгосрочных задач прогнозирования.

Многокритериальный анализ альтернатив является необходимым при выполнении практически всех логистических функций, он позволяет получать оперативные, рациональные и обоснованные варианты бизнес-решений.

Литература 1. Мнушко З.М., Куценко С.А., Дорохова Л.П.. Напрямки логістичного моде лювання діяльності оптових фармацевтичних підприємств // Матеріали на ук.-практ. конф. "Економічна освіта та наука: досвід та перспективи розвит ку"(22-23 листопада 2007 р., м.Харків). – Х.: НФаУ. – 2007. – С. 321-322.

Чернов В.Г., Ремезова Е.М., Соколова А.

АНАЛИЗ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ НА ОСНОВЕ НЕЧЕТКИХ МНОЖЕСТВ ВТОРОГО ПОРЯДКА (Владимирский государственный университет) Инвестиционная деятельность в той или иной степени присуща любому предприятию, значение экономического анализа для планирования и осуществ ления которой трудно переоценить. При этом особую важность имеет предва рительный анализ, который проводится на стадии разработки инвестиционных проектов и способствует принятию разумных и обоснованных управленческих решений.

Принятие решений по вложению любого из видов инвестиций осложня ется следующими факторами:

множественностью доступных вариантов вложения капитала;

ограниченностью финансовых ресурсов для инвестирования;

риском, связанным с принятием того или иного решения по инвести рованию, и т. п.

В основе оценки эффективности ИП лежит система показателей, соизме ряющих полученный эффект от реализации ИП с его инвестиционными затра тами. Ключевым вопросом в этой связи является сопоставление денежных по токов, что обусловлено следующими факторами: временной стоимостью денег, нестабильностью экономической ситуации.

Для оценки эффективности долгосрочных инвестиционных проектов ис пользуются различные показатели, наиболее известные из которых:

Чистая текущая стоимость – NPV;

Индекс рентабельности –PI;

Период окупаемости с учетом дисконтирования – DPP;

Внутренняя норма рентабельности – IRR;

Модифицированная внутренняя норма рентабельности – MIRR.

Общим недостатком вышеперечисленных показателей эффективности ИП является требование определенности входных данных, которая достигается пу тем применения средневзвешенных значений входных параметров ИП, что, мо жет привести к получению значительно смещенных точечных оценок показате лей эффективности и риска ИП. Также очевидно, что требование детерминиро ванности входных данных является неоправданным упрощением реальности, так как любой ИП характеризуется множеством факторов неопределенности:

неопределенность исходных данных;

неопределенность внешней среды;

неопределенность, связанная с характером, вариантами и моделью реализации проекта;

неопределенность требований, предъявляемых к эффективности ИП.

Поэтому некоторыми зарубежными и отечественными исследователями [1-4] разрабатываются методы оценки эффективности и риска инвестиционных проектов на основе аппарата нечетких множеств первого порядка (НМ1). В данных методах вместо распределения вероятности применяется распределение возможности, описываемое функцией принадлежности нечеткого числа.

Методы, базирующиеся на теории нечетких множеств, относятся к мето дам оценки и принятия решений в условиях неопределенности. Их использова ние предполагает формализацию исходных параметров и целевых показателей эффективности ИП (в основном, NPV) в виде вектора интервальных значений (нечеткого интервала), попадание в каждый интервал которого, характеризует ся некоторой степенью неопределенности. Осуществляя арифметические и др.

операции с такими нечеткими интервалами по правилам нечеткой математики, эксперты и ЛПР получают результирующий нечеткий интервал для целевого показателя. На основе исходной информации, опыта, и интуиции эксперты час то могут достаточно уверенно количественно охарактеризовать границы (ин тервалы) возможных (допустимых) значений параметров и области их наиболее возможных (предпочтительных) значений.

Алгоритм анализа инвестиционного проекта на основе НМ1 содержит следующие этапы:

1. Получение экспертных прогнозов о денежных потоках.

2. Преобразование полученных данных в интервальную форму.

3. Выбор ширины интервала приближения для балансового уравнения денежных потоков.

4. Переход к математическому представлению балансового уравнения в виде системы.

5. Вычисление интервальных значений срезов IRR.

6. Восстановление функции принадлежности (для решения задач, возни кающих на этапах 5 и 6, используется описанный выше метод реше ния нечетких интервальных систем).

7. Дефазификация полученных нечетких результатов.

8. Представление полученного значения IRR в виде графической зави симости.

9. Выбор оптимального решения на основании компромисса между до пустимыми рисками и прогнозируемым доходом.

Довольно часто НМ1 не обеспечивают получение рациональных решений ввиду недостаточно обоснованного выбора параметров моделирования, а поиск эффективных решений сопровождается значительными временными затратами из-за необходимости выполнения многократных реализаций используемых ме тодов, моделей и алгоритмов с целью выбора наилучших параметров. Кроме того, при оценке экономической эффективности тех или иных инвестиционных проектов возникают различные неопределенности, которые не могут быть представлены соответствующим образом с помощью нечетких НМ1.

Данные недостатки НМ1 отмечают в своих работах Мендель, Фолджер и Клир и предлагают способ их устранения в виде задания степени принадлежно сти в виде нечеткого числа. Таким образом, функция принадлежности становит ся «размытой», что позволяет в дальнейшем получить более точный результат.

Вся совокупность значений ФП получила название след неопределенности. Этот новый тип представляет собой нечеткие множества второго порядка (НМ2).

Алгоритм анализа инвестиционного проекта на основе НМ2 выполняется в следующей последовательности;

1. Инициализация – выбор исходной совокупности инвестиционных проектов.

2. Задание исходных параметров инвестиционных проектов на основе экспертных оценок с преобразованием их в интервальную форму.

3. Выбор вида функции принадлежности.

4. Задание параметров функции принадлежности.

5. Расчет значений критериев оценки на основе интервальной матема тики для НМ2 [значения -срезов IRR).

6. Построение функций принадлежности для каждого ИП (строятся со ответствующие пары значений на основе функции random).

7. Дефаззификация полученных нечетких результатов.

8. Выделение области нахождения наилучшего решения (использование методов Mim и Мах).

9. Нахождение наилучшего решения из выбранной области на основании компромисса между допустимыми рисками и прогнозируемым доходом.

Использование НМ2 позволяет задать соответствие параметра продукто вого пакета определенному критерию в виде нечеткого числа или интервала.

Таким образом, все операции, проводимые при свертке правил и дефаззифика ции полученных результатов проводятся над границами интервала оценок.

Схема нечеткого вывода, используемая в продукционных системах вто рого типа выглядит следующим образом:

1. Определение параметров оценки продуктового пакета (критериев).

2. Определение правил в лингвистической форме.

3. Формализация правил через критерии.

4. Определение и оценка альтернатив продуктовых пакетов через НМ2.

5. Свертка правил с помощью логических операций над НМ2.

6. Выполнение импликации с учетом оценки следствий.

7. Пересечение всех ФП2 по каждой альтернативе.

8. Понижение степени множества и дефаззификация.

9. Сравнение и выделение альтернативы с лучшей оценкой.

Литература 1. Хил Лафуенте, А.М. Финансовый анализ в условиях неопределенности./ А.М. Хил Лафуенте. – Минск: Тэхнологiя, 1998.

2. Язенин И.А. О методах оптимизации инвестиционного портфеля в нечеткой случайной среде // Сложные системы: обработка информации, моделирова ние и оптимизация. – Тверь: ТГУ, 2002.

3. Недосекин А.О. Методологические основы моделирования финансовой дея тельности с использованием нечетко-множественных описаний: Дис. д-ра эконом. наук. – СПб., 2003.

4. Чернов В.Г. Модели поддержки принятия решений в инвестиционной дея тельности на основе аппарата нечетких множеств. – М.: Горячая линия – Те леком, 2007. – 313 с. – ISBN 5-93517-353-0.

Фомичева С.Г., Бутырин А.А.

АНАЛИЗ СПЕКТРА ФРАКТАЛЬНЫХ СИНГУЛЯРНОСТЕЙ ФИНАНСОВЫХ РЯДОВ (Норильский индустриальный институт) Получившая в последнее время широкое распространение гипотеза фрак тального рынка может быть подтверждена или опровергнута именно в данный период глобального финансового кризиса, когда теория эффективных рынков не дает корректных результатов при прогнозировании фондовых показателей.

В докладе представлен ряд проведенных авторами исследований по анализу динамики акций российских компаний металлургической отрасли, в достаточ ной мере подтверждающих фрактальное поведение финансовых трендов, и по зволивших авторам выявить фрактальные статистические структуры. Также представлена авторская методика выявления флагов фрактальной сингулярно сти, в основе которой лежат формализованные аналитические преобразования спектра фрактальных размерностей, реализованные в виде автоматизированной экспертной системы.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |
 



Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.