مبحث 3.1. فناوری های هوشمند در پیش بینی

در حال حاضر مدیریت استراتژیک جزء غالب توسعه موفق یک سازمان در بلند مدت است. هنگام تدوین یک استراتژی و متعاقبا برای اجرای موفقیت آمیز تغییرات استراتژیک، مدیر باید تجزیه و تحلیل کاملی از محیط داخلی و خارجی سازمان، به ویژه شاخص های مختلف خرد و کلان اقتصادی، جنبه های اجتماعی-اقتصادی، سیاسی و حقوقی سازمان انجام دهد. توسعه دولت و جامعه در یک دوره معین.

موضوع به دست آوردن اطلاعات تحلیلی که بر اساس آن پارامترهای توسعه یک سازمان و تدوین استراتژی در یک محیط خارجی دائماً در حال تغییر است، بسیار مهم و در بسیاری از موارد تعیین کننده می شود. این موضوع به ویژه در شرایط مدرن اطلاعاتی شدن جامعه، زمانی که اطلاعات آنقدر زیاد است و از نظر محتوا و جنبه تجربی آنقدر متنوع است که دستیابی به اطلاعات لازم بسیار پیچیده به نظر می رسد و مستلزم هزینه های هنگفت نیروی کار کارکنان است، اهمیت پیدا می کند. زمان کار

برای به دست آوردن اطلاعات تحلیلی و پیش‌بینی توسعه محیط داخلی و خارجی، سازمان‌ها در حال حاضر از فناوری‌های اطلاعاتی مبتنی بر تکنیک‌هایی برای استخراج دانش در مورد موضوعات تجزیه و تحلیل از بدنه کلی اطلاعات استفاده می‌کنند.

امروزه دو نوع اصلی فناوری اطلاعات وجود دارد:

1. فن آوری اطلاعات سنتی (کلاسیک).

2. فناوری های اطلاعاتی غیر سنتی (به آنها فناوری های هوشمند نیز گفته می شود).

فناوری‌های اطلاعات سنتی مبتنی بر روش‌های رسمی استخراج دانش و الگوریتم‌های پیش‌بینی رسمی (روش‌های رگرسیون، روش‌های آماری و اقتصادسنجی، روش‌های باکس جنکینز، ARIMA، ARMA) هستند.

با این حال، فن‌آوری‌های اطلاعات سنتی عمدتاً در سطح عملیاتی و تا حدی در سطوح مدیریت تاکتیکی مؤثر هستند، جایی که، به طور معمول، اطلاعات تجزیه‌وتحلیل شده مجموعه‌ای مرتب از داده‌های نسبتاً آسان رسمی‌شده است که مقدار آن کم است. . در سطح مدیریت استراتژیک، یک مدیر یا گروهی از کارشناسان، که ممکن است شامل مدیران ارشد، برنامه‌ریزان، اقتصاددانان و کارکنان بخش توسعه باشد، معمولاً با حجم عظیمی از اطلاعات از حوزه‌های کاملاً متفاوت سروکار دارند که در این زمینه وجود دارد. اشکال مختلف به عنوان مثال، یک مدیر به طور شهودی پیامدهای تغییر مسیر سیاسی در منطقه، یک فناور - پارامترهای فرآیند تولید، یک برنامه ریز - وابستگی شاخص ها به یکدیگر را احساس می کند. اینها فقط چند عامل هستند. اما مشکل این است که عوامل و اطلاعات زیادی بر تولید تأثیر می گذارد که در عمل واقعی بسیاری از عوامل کنار گذاشته می شوند. این امر به ناچار منجر به عدم دقت و خطا می شود و باعث می شود که مسیر استراتژی از کوتاه ترین فاصله خود منحرف شود. این به نوبه خود منجر به افزایش هزینه ها و کاهش نتایج مالی می شود. بنابراین، توجه کافی به بیشترین تعداد عوامل و اطلاعات می تواند به سازمان اثر اقتصادی قابل توجهی بدهد.

فقط در موارد دشوار رسمی کردن اطلاعات، داده های تجربی ناکافی، تعداد زیادی متغیر با عدم قطعیت و فرآیندهای چند عاملی در یک محیط خارجی دائما در حال تغییر، از فناوری های اطلاعات هوشمند استفاده می شود که مبتنی بر مفهوم فکری فرآیندهای تحلیل و پیش بینی است.

روشنفکری به معنای انتقال سازمان و روش های تفکر مشخصه انسان ها به حوزه فنی است.

می‌توان گفت که فناوری‌های هوشمند در مورد کارهایی که فردی با تفکر توسعه‌یافته مشخصه‌اش برتر از آن‌ها باشد، بر فناوری‌های نرم‌افزاری و سخت‌افزاری سنتی برتری دارند.

در حال حاضر، چهار نوع اصلی فناوری اطلاعات هوشمند وجود دارد:

1. سیستم های خبره (منطق فازی).

2. الگوریتم های ژنتیک.

3. دینامیک غیرخطی (نظریه آشوب).

4. شبکه های عصبی مصنوعی.

سیستم‌های خبره مبتنی بر منطق فازی از مدل‌های شهودی-تجربی عملکرد یک سازمان استفاده می‌کنند که توسط یک متخصص یا گروهی از متخصصان در قالب قوانین استنتاج منطقی شرطی مانند «اگر، سپس» گردآوری شده‌اند. و یک پایگاه دانش را تشکیل می دهد که بر اساس آن سیستم این یا آن تصمیم را می گیرد. به عنوان مثال، در شرایط عدم اطمینان در مورد مقدار محصولات تولید شده، بر اساس داده های مربوط به شرایط بازار و قوانین خروج معرفی شده، به مدیر توصیه کنید که حجم بیشتری از محصولات را تولید کند. معایب قابل توجه چنین سیستم هایی عبارتند از: ماهیت ذهنی قوانین تعیین شده توسط متخصص و دشواری زیاد در تغییر قوانین استنتاج منطقی مشروط در هنگام تغییر محیط خارجی.

فناوری‌های اطلاعات هوشمند مبتنی بر الگوریتم‌های ژنتیک و اصول انتخاب، بهتر با شرایط متغیر محیطی سازگار می‌شوند، اما فرآیند ایجاد آنها بسیار پیچیده است و در شرایط عملیاتی واقعی یک شرکت، یافتن متخصص در این زمینه مشکل‌ساز است، که به همان اندازه اعمال می‌شود. به دینامیک غیرخطی پیچیده

فناوری بهینه هوش مصنوعی که برای استفاده در فرآیند توسعه و اجرای استراتژی یک سازمان در نظر گرفته شده است، شبکه های عصبی مصنوعی هستند، زیرا در اصل آنها نیازی به ساخت مدل ندارند، بلکه خودشان آن را تنها بر اساس اطلاعات ارائه شده می سازند. به همین دلیل است که شبکه های عصبی در حال حاضر ابزارهای ضروری برای مدیریت مؤثر یک سازمان هستند، جایی که حل مشکلات رسمی دشوار در شرایط عدم اطمینان قابل توجه در فرآیندهای در حال وقوع ضروری است.

بیایید به فناوری های هوشمند با جزئیات بیشتری نگاه کنیم.

سیستم های خبره

پیاده سازی سیستم های خبره اغلب در قالب برنامه های کامپیوتری ارائه می شود که فرآیندهای تفکر یک متخصص را در یک حوزه موضوعی خاص تقلید می کند. نمونه‌هایی از سیستم‌های خبره شامل تصمیمات تجاری و وظایف حرفه‌ای از تشخیص پزشکی گرفته تا اکتشاف نفت و پیکربندی سیستم کامپیوتری است.

سیستم های خبره مبتنی بر آزمایش های آزمایشگاهی هستند که تعیین می کنند یک متخصص در یک موقعیت معین چه کاری انجام می دهد و سپس این دانش را به عنوان مجموعه ای از قوانین ثبت می کند. سیستم‌های خبره روش‌های پردازش اطلاعات را از خود اطلاعات جدا می‌کنند و به توسعه‌دهندگان نرم‌افزار اجازه می‌دهند برنامه‌هایی ایجاد کنند که اطلاعات را به روش‌های مختلف پردازش می‌کنند، که برای بسیاری از انواع مشکلات مفید است.

شرکت های مختلف الزامات خاص خود را برای ایجاد بودجه دارند. این ویژگی ها توسط سازندگان محصولات نرم افزاری در نظر گرفته شده است. بیایید به معروف ترین و گسترده ترین محصولات نرم افزاری نگاه کنیم.

Hyper Pillar یک سیستم بزرگ و پیشرفته است که بودجه بندی را کاملاً خودکار می کند. برای شروع کار، هزینه های برنامه ریزی شده و درآمدهای پیش بینی شده را وارد می کنید. نتیجه محاسبات یک مدل پویا از شرکت با مدل‌های مسئول هر سطح و فناوری ساده برای ایجاد تغییرات در آن است. برنامه Hyper Pillar به خوبی با سایر محصولات شرکت ادغام شده است: Enterprise، Essbase OLAP Server، Reporting.

برنامه ریز شرکتی یک برنامه بودجه بندی است که بر اساس درخت هزینه ساختاری شرکت ساخته شده است. گره های درخت - مقادیر برنامه ریزی شده، واقعی و انحرافات بین آنها. گره ها با فرمول به هم متصل می شوند. فایل ها را می توان از طریق ODBC وارد کرد. Corporate Planner در شرکت های کوچک استفاده می شود و از کارهای توزیع شده پشتیبانی نمی کند.

Adaytum Planning یک صفحه گسترده سه بعدی با عملکردهایی برای ساخت برش های مختلف است. جداول شامل داده های مختلف (زمان، مالی و غیره) برای هر بخش از شرکت است. تابعی برای خلاصه کردن بودجه تلفیقی برای یک تاریخ انتخابی وجود دارد. Adaytum Planning محصولی مقرون به صرفه برای ایجاد بودجه اندک از طریق استفاده از تعدادی ابزار تحلیلی است.

"جید" یک محصول نرم افزاری با هدف استفاده در شرکت های بزرگ با ساختار هلدینگ است. موقعیت میانی بین پردازش کامپیوتری و کاغذی اسناد و مدارک را اشغال می کند و دارای یک روش مناسب برای تصویب بودجه است. این برنامه حتی با داده های ناکافی آماده کار می کند. داده های اولیه، بودجه های بخش های هلدینگ است که باید در یک بودجه هلدینگ ترکیب شوند. "یشم" بر اساس صفحات گسترده ایجاد می شود.

"Red Director" یک سیستم بودجه بندی است که برای شرکت های کوچک و متوسط ​​طراحی شده و رابط کاربری ساده ای دارد. این برنامه مبتنی بر پایگاه داده بدون امکان ادغام با سایر محصولات نرم افزاری است.

برنامه ریزی نوع خاصی از فعالیت های علمی و عملی است که شامل توسعه تصمیمات استراتژیک (در قالب پیش بینی ها، پروژه ها، برنامه ها، طرح ها)، ارائه چنین اهداف و استراتژی هایی برای رفتار اشیاء مدیریتی، اجرا می شود. که عملکرد موثر آنها را در دراز مدت و سازگاری سریع با شرایط خارجی تغییر یافته تضمین می کند.

برنامه Project Expert از Pro-Invest-Consulting به کاربران اجازه می دهد تا مشکلات زیر را حل کنند:

· تشریح و طراحی فعالیت های هر شرکتی با در نظر گرفتن تغییرات پارامترهای محیطی (تورم، مالیات، نرخ ارز).

· برنامه ای برای توسعه یک شرکت یا اجرای یک پروژه سرمایه گذاری، یک استراتژی بازاریابی و یک استراتژی تولید که استفاده منطقی از منابع مادی، انسانی و مالی را تضمین می کند.

· تعیین طرح تامین مالی شرکت؛

· سناریوهای مختلف را برای توسعه یک شرکت آزمایش کنید، مقادیر عواملی که می توانند بر نتایج مالی آن تأثیر بگذارند را تغییر دهید.

· تهیه صورتهای مالی (صورت جریان نقدی، ترازنامه، صورت سود و زیان، گزارش استفاده از سود) و یک طرح تجاری برای یک پروژه سرمایه گذاری، کاملاً مطابق با الزامات بین المللی، به زبان روسی و انگلیسی.

· انجام یک تجزیه و تحلیل جامع از شرکت (پروژه)، از جمله تجزیه و تحلیل کارایی کلی، تجزیه و تحلیل حساسیت، تجزیه و تحلیل جریان نقدی برای هر شرکت کننده در پروژه، تجزیه و تحلیل وضعیت مالی و سودآوری شرکت با استفاده از سه دوجین شاخص محاسبه شده خودکار.

ماژول تبادل ویژه Project Expert به شما امکان می دهد اطلاعات را با فرمت های *.txt و *.dbf وارد و صادر کنید. داده های جداول خلاصه و اطلاعات متنی را می توان آزادانه از طریق کلیپ بورد ویندوز در Word، Excel و سایر برنامه های کاربردی ویندوز کپی کرد. Project Expert همچنین با معروف ترین سیستم های برنامه ریزی و مدیریت ارتباط برقرار می کند: MS Project، Primavera، Project Planner و Sure Truck. داده ها در قالب نمودار شبکه GANTT با شرح مراحل، روابط آنها و غیره وارد و صادر می شوند.

به عنوان هسته مجموعه ای از برنامه های تحلیل و طراحی مالی، Project Expert قادر است به طور خودکار اطلاعات مربوط به وضعیت شروع شرکت را از برنامه تحلیل مالی Audit Expert و داده های برنامه عملیاتی بازاریابی را از برنامه Marketing Expert "آپلود" کند. .

برنامه Project Expert در دو تغییر ارائه می شود: Base و Professional. Project Expert Professional دو ویژگی اضافی را در اختیار کاربران خود قرار می دهد:

1) به روز رسانی داده ها و نظارت بر اجرای پروژه (طرح). با پیشرفت پروژه، کاربر این فرصت را دارد که داده های واقعی را برای همه ماژول های پروژه وارد کند و شاخص های به روز شده جریان نقدی واقعی را محاسبه کند و همچنین اختلاف بین جریان نقدی واقعی و برنامه ریزی شده را نظارت کند.

2) کار با گروهی از پروژه ها. یک ماژول ویژه Project Integrator به شما امکان می دهد چندین پروژه (تشکیلات) را در یک گروه ترکیب کنید و شاخص های عملکرد یکپارچه را برای گروه به عنوان یک کل محاسبه کنید و همچنین نسخه های مختلف یک پروژه را با توجه به هر شاخصی با یکدیگر مقایسه کنید.

برنامه Biz Planner از Pro-Invest-Consulting اصلاح شده از Project Expert است و برای برنامه ریزی و تجزیه و تحلیل اثربخشی سرمایه گذاری در مشاغل کوچک و متوسط ​​طراحی شده است.

برنامه Audit Expert از Pro-Invest-Consulting ابزاری موثر برای تجزیه و تحلیل جامع وضعیت مالی و عملکرد یک شرکت است. آوردن صورت‌های مالی به استانداردهای بین‌المللی به شما امکان می‌دهد داده‌های صورت‌های مالی شرکت‌ها برای سال‌های مختلف را به جداول تحلیلی که الزامات استانداردهای بین‌المللی حسابداری را برآورده می‌کنند، تبدیل کنید.

برنامه Marketing Expert از Pro-Invest-Consulting یک سیستم پشتیبانی تصمیم در تمام مراحل توسعه برنامه های بازاریابی استراتژیک و تاکتیکی و نظارت بر اجرای آنها است.

برنامه Forecast Expert از Pro-Invest-Consulting یک سیستم پیش‌بینی کاربردی جهانی است و برای ساخت یک پیش‌بینی سری زمانی با استفاده از یک مدل اتورگرسیو و میانگین متحرک یکپارچه (ARISS، ARIMA، ARIMA، Box-Jenkins) طراحی شده است. Forecast Expert به شما امکان می دهد داده های موجود را تجزیه و تحلیل کنید و یک پیش بینی ایجاد کنید که مرزهای فاصله اطمینان را برای مدت زمانی که از دوره مشاهده سری اصلی تجاوز نمی کند ایجاد کنید. این مدل میزان تأثیر عوامل فصلی را تعیین می کند و آنها را هنگام ایجاد یک پیش بینی در نظر می گیرد.

برنامه MS Project از مایکروسافت توسعه ای در زمینه مدیریت پروژه سرمایه گذاری بر اساس نظریه گراف و برنامه ریزی شبکه است.

سالائوا اینگا، کوستیونینا داریا

کار پژوهشی تصویری تاریخی و تشخیصی از کیفیت پیش‌بینی مدرن ارائه می‌کند و فناوری پیش‌بینی با استفاده از Excel را نشان می‌دهد. گزارش تحقیق در فایل پیوست ارائه شده است. محصول فعالیت های پروژه - در پورتال مدرسه

دانلود کنید:

پیش نمایش:

کنفرانس بین المللی پژوهشی آزاد برای دبیرستان و دانش آموزان «آموزش. علم. حرفه"

بخش

فناوری اطلاعات

موضوع

فناوری کامپیوتر و پیش بینی

کوستیونینا داریا

سالائوا اینگا

موسسه آموزشی

موسسه آموزشی شهرداری سالن ورزشی شماره 39 "کلاسیک"

سرپرست علمی:

اوسیپووا سوتلانا لئونیدوونا، معلم علوم کامپیوتر از بالاترین رده

اوترادنی

بیان مشکل.پیش بینی فروش بستنی فصلی

داده های اولیهحجم فروش محصول بر اساس فصل

الگوریتم حل

1. داده های فروش بستنی را بر اساس فصل به شکل جدول ارائه دهید.
2. روند مشخص می شود، بهترین تقریب داده های واقعی (در این مسئله این یک روند چند جمله ای است)

نتیجه گیری

مدل چند جمله ای وابستگی را با اطمینان بیشتری توصیف می کند، زیرا ضریب تعیین آن R 2 نزدیکتر به 1. نزدیکتر R 2 برای وحدت، مدل با موفقیت بیشتری ساخته می شود.

مدل به دست آمده فروش بستنی فصلی را به خوبی پیش بینی می کند. اما پیش‌بینی فروش در فصل‌های بعدی دشوار است، زیرا هنگام برون‌یابی، دوری از منطقه آزمایشی توصیه نمی‌شود. با این حال، ممکن است متوجه شوید که فروش بستنی تابستانی (به ویژه در ماه های ژوئن و جولای) بالا خواهد بود.

1. محاسبه همبستگی ها

وابستگی های بین کمیت ها که هر کدام در معرض پراکندگی کاملاً غیرقابل کنترل هستند، وابستگی همبستگی نامیده می شوند.

وظیفه:

بیان مشکل. تعیین وابستگی عملکرد تحصیلی دانش‌آموزان دبیرستانی به دو عامل: تأمین کتابخانه مدرسه با کتاب‌های درسی و تأمین رایانه در مدرسه.

داده های اولیهنتایج حاصل از اندازه گیری هر دو عامل در 11 مدرسه مختلف.

الگوریتم حل

1. داده های به دست آمده را در قالب جدول ارائه دهید.
2. ضریب را با استفاده از فرمول همبستگی محاسبه کنید. دراکسل یک تابع برای این وجود دارد CORREL ، که بخشی از گروه استتوابع آماری

نتیجه گیری

ضرایب همبستگی خطی برای هر دو وابستگی به دست آمد. همانطور که از جدول مشاهده می شود، همبستگی بین ارائه کتاب های درسی و عملکرد تحصیلی قوی تر از همبستگی بین پشتیبانی کامپیوتر و عملکرد تحصیلی است. می‌توان نتیجه گرفت که کتاب همچنان منبع دانش مهم‌تری نسبت به رایانه است.

1. برنامه ریزی بهینه

اهداف برنامه ریزی می تواند انواع سیستم ها باشد: فعالیت های یک شرکت فردی، یک صنعت یا کشاورزی، یک منطقه، و در نهایت، یک دولت. همچنین می تواند یک وضعیت سلامتی یا شرایط آب و هوایی باشد. فرمول مسئله برنامه ریزی به شرح زیر است:

1. برخی از شاخص های برنامه ریزی شده وجود دارد: x، y و دیگران؛
2. برخی منابع وجود دارد: R1، R2 و سایرین که از طریق آنها می توان به این اهداف دست یافت. این منابع تقریباً همیشه محدود هستند.
3. بسته به ارزش ها یک هدف استراتژیک مشخص وجود دارد x، y و سایر شاخص های برنامه ریزی شده که برنامه ریزی باید بر آنها متمرکز شود.

تعیین ارزش شاخص های برنامه ریزی شده با در نظر گرفتن منابع محدود، مشروط به دستیابی به هدف استراتژیک ضروری است. این طرح بهینه خواهد بود.

نتیجه گیری

پیش بینی بخشی جدایی ناپذیر از هر حوزه ای از زندگی است، مانند مدیریت یا اقتصاد، ریاضیات یا هواشناسی.

در حین کار بر روی پروژه، متوجه شدیم که پیش بینی با کیفیت بالا فرآیندهای مختلف فعالیت های انسانی بدون فناوری های رایانه ای مدرن امکان پذیر نیست. برای این منظور، قابلیت‌های پردازشگر صفحه گسترده MS Excel را برای ایجاد مدل‌های کامپیوتری مورد استفاده در پیش‌بینی بررسی کردیم. بسیاری از وظایف انسانی در مدیریت، برنامه ریزی و پیش بینی را می توان به کامپیوتر منتقل کرد.

قبل از ظهور فناوری اطلاعات مدرن، فرصت های گسترده ای برای استفاده مستقیم از مدل های اقتصادی و ریاضی موثر در فرآیند فعالیت اقتصادی وجود نداشت. علاوه بر این، استفاده از مدل‌های پیش‌بینی موجود برای اهداف تحلیلی، چنین تقاضاهای بالایی را برای پشتیبانی اطلاعاتی آن‌ها ایجاد نکرد.

مبانی فن آوری های پیش بینی

هنگام ساختن یک سیستم پیش بینی از ابتدا، لازم است تعدادی از مسائل سازمانی و روش شناختی حل شود. اولی شامل:

• - آموزش کاربران در روش های تجزیه و تحلیل و تفسیر نتایج پیش بینی.
• - تعیین جهت حرکت اطلاعات پیش بینی شده در شرکت، در سطح بخش ها و کارکنان فردی، و همچنین ساختار ارتباطات با شرکای تجاری و مقامات.
• - تعیین زمان و دفعات رویه های پیش بینی.
• - توسعه اصولی برای پیوند پیش بینی با برنامه ریزی بلندمدت و روش انتخاب گزینه ها برای نتایج به دست آمده هنگام تهیه برنامه توسعه شرکت.

مشکلات روش شناختی ساخت یک زیر سیستم پیش بینی عبارتند از:

• - توسعه ساختار داخلی و مکانیسم عملکرد آن؛
• - سازمان پشتیبانی اطلاعات؛
• - توسعه نرم افزارهای ریاضی

اولین مشکل سخت ترین است، زیرا برای حل آن نیاز به ساخت مجموعه ای از مدل های پیش بینی است که دامنه آن سیستمی از شاخص های مرتبط است. مشکل نظام‌بندی و ارزیابی روش‌های پیش‌بینی در اینجا به عنوان یکی از اصلی‌ترین روش‌ها ظاهر می‌شود، زیرا برای انتخاب یک روش خاص، لازم است تحلیل تطبیقی ​​آنها انجام شود. گونه‌ای از طبقه‌بندی روش‌های پیش‌بینی، با در نظر گرفتن ویژگی‌های سیستم دانشی که زیربنای هر گروه است، می‌تواند به صورت کلی به شرح زیر ارائه شود: روش‌های ارزیابی کارشناسان. روش های مدل سازی منطقی؛ روش های ریاضی

هر گروه برای حل طیف خاصی از مسائل مناسب است. بنابراین، تمرین الزامات زیر را برای روش‌های مورد استفاده پیش‌بینی می‌کند: آنها باید بر روی یک شی پیش‌بینی خاص متمرکز شوند، باید بر اساس اندازه‌گیری کمی از کفایت باشند، و با دقت تخمین‌ها و افق پیش‌بینی متمایز شوند.

وظایف اصلی که در فرآیند ایجاد یک سیستم پیش بینی ایجاد می شود به دو دسته تقسیم می شوند:

• - ایجاد سیستمی از فرآیندها و شاخص های پیش بینی شده؛
• - توسعه یک دستگاه برای تجزیه و تحلیل اقتصادی و ریاضی فرآیندها و شاخص های پیش بینی شده.
• - تعیین روش ارزیابی های کارشناسی، شناسایی شاخص های بررسی و اخذ ارزیابی های کارشناسی از برخی فرآیندها و شاخص های پیش بینی شده.
• - پیش‌بینی شاخص‌ها و فرآیندهایی که فواصل اطمینان و دقت را نشان می‌دهند.
• - توسعه روش هایی برای تفسیر و تجزیه و تحلیل نتایج به دست آمده.

کار بر روی اطلاعات و پشتیبانی ریاضی برای سیستم پیش بینی مستحق توجه ویژه است. فرآیند ایجاد نرم افزار را می توان در مراحل زیر نشان داد:

• - توسعه یک روش برای شناسایی ساختاری یک شی پیش بینی.
• - توسعه روش هایی برای شناسایی پارامتریک یک شی پیش بینی.
• - توسعه روش هایی برای پیش بینی روندها؛
• - توسعه روش هایی برای پیش بینی اجزای هارمونیک فرآیندها.
• - توسعه روش هایی برای ارزیابی ویژگی های اجزای تصادفی فرآیندها.
• - ایجاد مدل های پیچیده برای پیش بینی شاخص هایی که یک سیستم به هم پیوسته را تشکیل می دهند.

ایجاد یک سیستم پیش بینی نیازمند یک رویکرد یکپارچه برای حل مشکل پشتیبانی اطلاعاتی آن است که معمولاً به عنوان مجموعه ای از داده های اولیه مورد استفاده برای به دست آوردن پیش بینی ها و همچنین روش ها، روش ها و ابزارهایی که جمع آوری، انباشت، ذخیره سازی را تضمین می کند، درک می شود. ، بازیابی و انتقال داده ها در طول عملیات سیستم پیش بینی و تعامل آن با سایر سیستم های مدیریت سازمانی.

پشتیبانی اطلاعات سیستم معمولاً شامل موارد زیر است:

• - صندوق اطلاعات (پایگاه داده)؛
• - منابع تشکیل صندوق اطلاعات، جریان ها و روش های دریافت داده ها.
• - روش های انباشت، ذخیره سازی، به روز رسانی و بازیابی داده هایی که صندوق اطلاعات را تشکیل می دهد.
• - روش ها، اصول و قوانین برای گردش داده ها در سیستم؛
• - روش هایی برای اطمینان از قابلیت اطمینان داده ها در تمام مراحل جمع آوری و پردازش آنها.
• - روش های تجزیه و تحلیل و ترکیب اطلاعات؛
• - روش هایی برای توصیف رسمی و بدون ابهام از داده های اقتصادی.

بنابراین، اجزای اصلی زیر برای اجرای فرآیند پیش‌بینی مورد نیاز است:

• - منابع اطلاعات داخلی که مبتنی بر سیستم های مدیریت و حسابداری است.
• - منابع اطلاعات خارجی؛
• - نرم افزار تخصصی که الگوریتم های پیش بینی و تجزیه و تحلیل نتایج را پیاده سازی می کند.

با توجه به اهمیت حل مسئله پیش‌بینی برای نهادهای بازار، توصیه می‌شود کیفیت روش‌ها و الگوریتم‌های پیشنهادی و همچنین فناوری‌ها به طور کلی با استفاده از داده‌های منبع (آزمایشی) انتخاب شده ویژه بررسی شود. یک روش تأیید مشابه برای مدت طولانی برای ارزیابی کفایت ابزارهای ریاضی طراحی شده برای بهینه‌سازی غیرخطی، به عنوان مثال، با استفاده از توابع روزنبراک و پاول، استفاده شده است.

تأیید (یا تأیید) کیفیت و عملکرد فناوری پیش بینی معمولاً با مقایسه داده های مدل شناخته شده قبلی با مقادیر پیش بینی شده آنها و ارزیابی ویژگی های آماری دقت پیش بینی انجام می شود. بیایید این تکنیک را در شرایطی در نظر بگیریم که مدل‌های فرآیند ترکیبی از مولفه‌های روند Tt، فصلی (هارمونیک) و تصادفی هستند.

در حال حاضر، انواع ابزارهای نرم افزاری گسترده شده اند که تا حدی، جمع آوری و پردازش تحلیلی اطلاعات را فراهم می کنند. برخی از آنها، به عنوان مثال MS Excel، مجهز به توابع آماری داخلی و ابزارهای برنامه نویسی هستند. برخی دیگر، به ویژه برنامه های حسابداری ارزان قیمت و حسابداری مدیریت، چنین قابلیتی را ندارند و یا قابلیت های تحلیلی به اندازه کافی و گاه نادرست در آنها پیاده سازی شده است. با این حال، متأسفانه این امر در برخی از سیستم های مدیریت سازمانی قدرتمندتر و چند منظوره نیز ذاتی است. ظاهراً این وضعیت با یک تحلیل سطحی از سوی توسعه‌دهندگان از ویژگی‌های الگوریتم‌های پیش‌بینی که انتخاب کرده‌اند و کاربرد غیرانتقادی آنها توضیح داده می‌شود. به عنوان مثال، با قضاوت بر اساس منابع موجود، هموارسازی نمایی مرتبه صفر اغلب به عنوان مبنایی برای الگوریتم های پیش بینی استفاده می شود. با این حال، این رویکرد تنها در صورت عدم وجود روند در فرآیند مورد مطالعه معتبر است. در واقع، فرآیندهای اقتصادی غیر ثابت هستند و پیش‌بینی شامل استفاده از مدل‌های پیچیده‌تر از مدل‌های با روند ثابت است.

از منظر موضوع مورد بررسی، ردیابی مسیر توسعه سیستم های بانکی خودکار داخلی جالب توجه است. سیستم های بانکی اولیه مبتنی بر فناوری سفت و سخت بود که دائماً به تغییرات یا نرم افزار اضافی نیاز داشت. این امر توسعه دهندگان نرم افزار مالی را بر آن داشت تا از DBMS های صنعتی با پیروی از اصول باز بودن، مقیاس پذیری و انعطاف پذیری استفاده کنند. با این حال، خود این DBMS ها برای حل مشکلات تحلیلی سطح بالا، که شامل مشکل پیش بینی می شود، نامناسب بودند. برای انجام این کار، استفاده از فناوری های اضافی برای ذخیره سازی داده ها و پردازش تحلیلی عملیاتی ضروری بود که عملکرد سیستم های پشتیبانی تصمیم گیری برای موسسات مالی و تهیه پیش بینی ها را تضمین می کرد. همین رویکرد در سیستم های مدیریت سازمانی پیچیده استفاده می شود.

جهت دیگر استفاده کاربردی مدرن از روش های پیش بینی مبتنی بر فناوری اطلاعات، حل طیف گسترده ای از مشکلات بازاریابی است. یک تصویر راه حل مدیریت SAS Churn برای نرم افزار مخابرات است. این برای اپراتورهای مخابراتی در نظر گرفته شده است و همانطور که توسعه دهندگان آن ادعا می کنند اجازه می دهد تا مدل های پیش بینی بسازند و با کمک آنها احتمال ریزش دسته های خاصی از مشتریان را ارزیابی کنند. اساس این نرم افزار سرور پایگاه داده توزیع شده Scalable Performance Data Server، ابزارهای ساخت و مدیریت انبارها و داده های مارت، ابزارهای داده کاوی Enterprise Miner، سیستم پشتیبانی تصمیم SAS/MDDB Server و همچنین ابزارهای کمکی است.

برای اطمینان از رقابت پذیری سیستم های CRM جدید، لیست قابلیت های توسعه یافته آنها و همچنین برای سیستم های بانکی خودکار، شامل عملکردهای گزارش دهی است که از فناوری های OLAP استفاده می کند و تا حدودی امکان پیش بینی نتایج بازاریابی، فروش و مشتری را فراهم می کند. خدمات

محصولات نرم افزاری تخصصی زیادی وجود دارد که پردازش آماری داده های عددی، از جمله عناصر فردی پیش بینی را ارائه می دهند. چنین محصولاتی عبارتند از SPSS، Statistica و غیره. این ابزارها هم مزایا و هم معایبی دارند که دامنه کاربرد عملی آنها را به میزان قابل توجهی محدود می کند. در اینجا لازم به ذکر است که ارزیابی تناسب ابزارهای نرم افزاری تخصصی ریاضی و آماری برای حل مسائل پیش بینی توسط کاربران عادی بدون آموزش خاص نیاز به تحقیق و بحث جدی جداگانه دارد.

با این حال، حل مشکلات پیش‌بینی برای مصرف‌کنندگان از کسب‌وکارهای کوچک و متوسط ​​با استفاده از سیستم‌ها و فناوری‌های اطلاعاتی قدرتمند و گران قیمت، عمدتاً به دلایل مالی، تقریباً غیرممکن است. بنابراین، یک جهت بسیار امیدوارکننده، توسعه قابلیت های تحلیلی سیستم های حسابداری و حسابداری مدیریت کم هزینه موجود و گسترده است. گزارش‌های اضافی توسعه‌یافته، بر اساس فرآیندهای تجاری خاص و حاوی اطلاعات تحلیلی لازم برای یک کاربر خاص، دارای نسبت کارایی به هزینه بالایی هستند.

برخی از توسعه دهندگان نرم افزار خطوط کاملی از ابزارهای تحلیلی را ایجاد می کنند. به عنوان مثال، شرکت Parus راه حل های Parus-Analytics و Triumph-Analytics را برای طیف وسیعی از کاربران از مشاغل کوچک و متوسط ​​ارائه می دهد. وظایف پیچیده‌تر پردازش تحلیلی اطلاعات پیش‌بینی در قالب یک مرکز به اصطلاح موقعیتی در سیستم Parus ادغام می‌شود. به گفته دیمیتری سودارف، مدیر توسعه راه حل های گردش، تصمیمی برای توسعه و پیاده سازی محصولات نرم افزاری گرفته شد که به ما امکان می دهد از ثبت واقعیت های ساده در فعالیت های شرکت به تجزیه و تحلیل اطلاعات حرکت کنیم. در همان زمان، انتقالی از خودکارسازی کار حسابداران و مدیران میانی به پردازش اطلاعات برای مدیریت ارشد برنامه ریزی شد. با در نظر گرفتن طیف احتمالی مصرف کنندگان، Parus-Analitika و Triumph-Analytika هیچ نیاز خاصی برای محیط نرم افزاری و سخت افزاری ندارند، با این حال، راه حل Triumph-Analytika بر اساس MS SQL Server پیاده سازی شده است که به آن ارائه می دهد. قابلیت های بیشتر برای پیش بینی فرآیندهای مورد مطالعه، به ویژه، مؤلفه هارمونیک پیش بینی ها در نظر گرفته شده است.

ارزش پیش بینی زمانی که مستقیماً در مدیریت سازمانی استفاده می شود چندین برابر افزایش می یابد. بنابراین، یک حوزه مهم ادغام سیستم های پیش بینی با سیستم هایی مانند Kasatka، MS Project Expert و غیره است. به عنوان مثال، نرم افزار Kasatka از SBI به عنوان یک ایستگاه کاری خودکار برای مدیر و متخصصان بخش بازاریابی قرار گرفته است و برای توسعه مدیریت، بازاریابی و برنامه ریزی استراتژیک. این هدف نیاز به شناسایی روندهای بلندمدت و در نظر گرفتن آنها را هنگام برنامه ریزی از پیش تعیین می کند. افق پیش بینی بر اساس اهداف مربوطه سازمان تعیین می شود.

1

مطالعه ای در مورد جهت گیری ها و مشکلات اصلی ورود فناوری های نوین اطلاعات و ارتباطات به فعالیت های عملی سازمان ها انجام شد. مشکلات و مسیرهای ایجاد یک فضای اطلاعاتی یکپارچه مشخص می شود. تجزیه و تحلیل شرایط و پیش نیازهای مدل سازی عملی انجام شد و ویژگی های ساخت مرحله به مرحله مدل های پیش بینی فعالیت های سازمان ها مورد تجزیه و تحلیل قرار گرفت. شرح مختصری از ویژگی‌های استفاده از مدل‌های مختلف پیش‌بینی ارائه شده است و بر اهمیت بررسی کفایت مدل‌های پیش‌بینی تأکید شده است. مروری بر فناوری‌های نوین اطلاعاتی و تحلیلی برای پیش‌بینی فعالیت‌های سازمان‌ها انجام شد. توصیه هایی برای استفاده از نتایج حاصل از پیش بینی شاخص های کلیدی یک سازمان در عمل ارائه شده است.

فناوری های اطلاعاتی و تحلیلی

مدل سازی فعالیت

تحلیل کفایت مدل

پیش بینی فعالیت های سازمان

1. Golichev V.D., Golicheva N.D., Gusarova O.M. و دیگران سرزمین اسمولنسک و جمعیت آن (بررسی تاریخی و آماری در ارقام و حقایق). – اسمولنسک: اسمولگورتیپوگرافی، 2013. – 152 ص.

2. گوسارووا O.M. مدل سازی به عنوان راهی برای برنامه ریزی و مدیریت نتایج کسب و کار // پیشرفت در علم مدرن. – 2014. – شماره 11. – ص 88–92.

3. گوسارووا O.M. مدل سازی در تصمیم گیری مدیریت // علم و آموزش: مشکلات و چشم انداز توسعه: مجموعه مقالات علمی بر اساس مواد کنفرانس بین المللی علمی و عملی. – Tambov: Ukom, 2014. – صص 41–42.

4. گوسارووا O.M. مشکلات ادغام تئوری و عمل مدل سازی نتایج کسب و کار // اقتصاد و آموزش: چالش ها و جستجوی راه حل: مجموعه مقالات علمی بر اساس مواد کنفرانس علمی و عملی دوم همه روسی (مکاتبات) (یاروسلاول، 15 آوریل، 2014) - یاروسلاول: صدراعظم، 2014. - صفحات 78–82.

5. گوساروا او.ام. ارزیابی رابطه بین شاخص های منطقه ای توسعه اجتماعی و اقتصادی (بر اساس مواد منطقه فدرال مرکزی روسیه) // مشکلات مدرن علم و آموزش. –2013. – شماره 6. (مجله الکترونیکی).

6. Gusarova O.M., Zhuravleva M.A. تجزیه و تحلیل و بهبود فعالیت های شرکت های سهامی // فناوری های مدرن مبتنی بر علم. – 2014. – شماره 7–3. – صص 10–12.

7. گوسارووا O.M. روش ها و مدل های پیش بینی فعالیت های سیستم های شرکتی // مسائل نظری و کاربردی آموزش و علم: مجموعه مقالات علمی بر اساس مواد کنفرانس بین المللی علمی و عملی. – Tambov: Ukom, 2014. – صص 48–49.

8. گوسارووا O.M. فناوری های رایانه ای برای مدل سازی فرآیندهای اجتماعی و اقتصادی // رشد اقتصادی و رقابت روسیه: روندها، مشکلات و اولویت های استراتژیک: مجموعه ای از مقالات علمی بر اساس مواد کنفرانس علمی و عملی بین المللی. – M.: Unity-Dana, 2012. – P. 102–104.

9. گوسارووا O.M. بررسی کیفیت مدل های کوتاه مدت پیش بینی شاخص های مالی و اقتصادی. - م.: 1999. - 198 ص.

10. Orlova I.V., Turundaevsky V.B. تحلیل آماری چند متغیره در مطالعه فرآیندهای اقتصادی. مونوگراف. – م.: MESI، 2014. – ص 190.

در چارچوب اعمال تحریم‌های اقتصادی، تعدادی از شرکت‌های روسی به دنبال راه‌های موثری برای تضمین رقابت‌پذیری محصولات خود و افزایش کارایی سازمان هستند. در شرایط سخت اقتصادی، تصمیم گیری نه تنها با استفاده از تجربه عملی در سازماندهی یک کسب و کار در زمینه خاصی از فعالیت، بلکه با رویکردهای مدرن برای برنامه ریزی فعالیت های یک شرکت نیز ضروری است. معرفی گسترده به عمل فناوری اطلاعات و تحلیلی برای مدل‌سازی و پیش‌بینی شاخص‌های کلیدی کسب‌وکار، نظارت سریع بر نتایج کسب‌وکار و تدوین استراتژی توسعه سازمان را ممکن می‌سازد. استفاده از فناوری‌های اطلاعاتی و تحلیلی، ایجاد سیستم‌های یکپارچه برای مدیریت نتایج کسب‌وکار، بهینه‌سازی جریان‌های مادی و مالی، به حداقل رساندن هزینه‌های فعالیت‌های مالی و اقتصادی، به حداکثر رساندن سود شرکت و حل تعدادی از مشکلات دیگر را ممکن می‌سازد.

فرآیندهای اطلاع رسانی جامعه مدرن و فرآیندهای نزدیک به معرفی فناوری های اطلاعات و ارتباطات در تمام زمینه های کسب و کار با گسترش گسترده فناوری های اطلاعاتی و تحلیلی برای تجزیه و تحلیل فعالیت های سازمان ها در حوزه ها و اشکال مختلف مالکیت مشخص می شود. فناوری های اطلاعاتی مدرن امکان خودکارسازی تعدادی از زمینه های زیر را فراهم می کند: تحقیق در مورد ویژگی های یک سیستم (شیء)، نظارت بر پویایی توسعه شاخص های کلیدی در تمام زمینه های کسب و کار، بهینه سازی پارامترهای سیستم عملکرد، ایجاد سیستم های یکپارچه. برای نظارت و مدیریت سیستم، برنامه ریزی و پیش بینی چشم انداز توسعه سازمان.

هدف راهبردی ورود فناوری اطلاعات و ارتباطات در تمامی حوزه های فعالیت جامعه مدرن، ایجاد فضای اطلاعاتی یکپارچه است که برای حل طیف وسیعی از مسائل مربوط به دسترسی به پایگاه های اطلاعاتی یکپارچه، ارائه سریع گزارش های آماری و ایجاد اطلاعات طراحی شده است. سیستم های نظارتی یکپارچه برای حوزه های مختلف فعالیت. همه اینها به ایجاد فرصت های اساسی جدید برای توسعه فعالیت خلاق شناختی انسان کمک می کند: پژوهشی، سازمانی و مدیریتی، متخصص، کارآفرینی و غیره. ایجاد فضای یکپارچه اطلاعاتی به افزایش کارایی و کیفیت نظارت بر فعالیت های سازمان ها، تشدید تحقیقات علمی در حوزه های مختلف، کاهش زمان پردازش و ارائه اطلاعات، کارایی و اثربخشی مدیریت سیستم، یکپارچگی ملی کمک می کند. سیستم اطلاعاتی به سیستم های بین المللی دسترسی به منابع اطلاعاتی در زمینه علم، فرهنگ و تجارت و سایر حوزه های فعالیت.

معرفی فناوری اطلاعات و ارتباطات به فعالیت های عملی سازمان ها با تعدادی از زمینه ها و مشکلات مشخص می شود:

● تجهیزات فنی سازمان ها با فناوری اطلاعات و ارتباطات حاکی از دسترسی به نرم افزارهای مدرن و محدود به عوامل سازمانی و اقتصادی است. بنابراین، دسترسی به "اطلاعات کوچک" در برخی موارد بی اثر است و دسترسی به "بزرگ" گران است و بازدهی سریعی را ارائه نمی دهد.

● تربیت متخصصان در حوزه فناوری اطلاعات و ارتباطات به ویژه در حوزه فناوری های شبکه باید به یک وظیفه اولویت دار تبدیل شود که حل آن تعیین کننده اثربخشی فعالیت های سازمان در این راستا است. یک متخصص IT بسیار ماهر گاهی اوقات می تواند کار کل بخش یک سازمان را تکمیل کند. در این راستا لازم است رشته های مرتبط با فناوری اطلاعات بیش از پیش وارد فعالیت های سازمان های آموزشی شود و جهت گیری عملی آنها افزایش یابد. نظام آموزشی نوین باید بر بنیادی‌سازی آموزش در همه سطوح، استفاده گسترده از روش‌ها و فن‌آوری‌های آموزش نوآورانه، بهبود کیفیت و دسترسی به آموزش از طریق توسعه سیستم آموزش از راه دور و تجهیز فرآیند آموزشی به اطلاعات و اطلاعات مدرن تمرکز کند. فن آوری های ارتباطی

● ایجاد پایگاه های اطلاعاتی برای همه حوزه های فعالیت سازمان نیازمند تلاش است، اما حلقه مهمی در ادغام فناوری های اطلاعاتی سازمان در یک فضای اطلاعاتی واحد است.

یکی از زمینه‌های کنونی برای ورود فناوری‌های اطلاعاتی و تحلیلی به فعالیت‌های عملی سازمان‌ها، پایش عملیاتی شاخص‌های کلیدی کسب‌وکار و پیش‌بینی گزینه‌های جایگزین برای توسعه شرکت است. به طور کلی می توان مراحل زیر را در پیش بینی توسعه یک سیستم تحقیقاتی (شیء) تشخیص داد.

● تعیین اهداف و مقاصد مطالعه، رهنمودهای راهبردی و جهت گیری های تاکتیکی در مطالعه سیستم را تعیین می کند که در طی فرآیند تحقیق می توان آنها را روشن و مشخص کرد.

● تدوین مدل مفهومی یک سیستم شامل بررسی سیستم به منظور شناسایی خصوصیات، پویایی و روابط آن با عوامل محیط بیرونی و داخلی است. جمع آوری اطلاعات آماری در مورد ویژگی های سیستم مستلزم فرمول بندی بیشتر یک مدل توصیفی کلامی از سیستم است که مشروط به شفاف سازی و رسمی سازی است. فرمول‌بندی یک مدل مفهومی یک سیستم مستلزم فهرستی از سؤالات اساسی است که بر اساس یک حوزه تحقیقاتی معین فرموله شده‌اند که اهداف مطالعه را برآورده می‌کند، و مجموعه‌ای از فرضیه‌ها در رابطه با ویژگی‌ها و ویژگی‌های شی مدل‌سازی.

● رسمی سازی یک مدل شفاهی - توصیفی مستلزم ساخت یک مدل ریاضی و تعیین عددی پارامترهای آن است. نکته مهم در این زمینه، انتخاب صحیح روش ها برای تعیین پارامترهای یک مدل ریاضی است. هر سیستم با ویژگی‌های توسعه‌ای خاص خود مشخص می‌شود و ویژگی‌های مدل مانند کفایت، یعنی تا حد زیادی به انتخاب روش برای تعیین عددی پارامترهای مدل بستگی دارد. انطباق مدل رسمی شده با ویژگی های فرآیندهای واقعی که پویایی سیستم تحقیق را مشخص می کند. بسته به ویژگی های سیستم تحقیق، کلاس های مختلفی از مدل های پیش بینی را می توان از پیش انتخاب کرد، به عنوان مثال، منحنی های رشد که پویایی سیستم را در طول زمان مشخص می کند، مدل های اقتصادسنجی که رابطه بین ویژگی های مختلف داخلی سیستم را ایجاد و ارزیابی می کند. و تعدادی از عوامل خارجی، انواع مدل‌های تطبیقی ​​که برای سیستم‌های بسیار پویا با نوسانات فصلی و چرخه‌ای استفاده می‌شوند، از ساده‌ترین مدل‌ها تا مدل‌های اتورگرسیو با باقیمانده‌های همبسته و ناهمسان.

● به دست آوردن و تفسیر نتایج مدل سازی شامل بررسی تعدادی از ویژگی های مدل ریاضی، به ویژه بررسی کفایت و دقت مدل است. کفایت مدل، درجه نزدیکی ویژگی های مدل ساخته شده به ویژگی ها و ویژگی های شی (سیستم) واقعی را مشخص می کند. به دلایل متعددی مانند تعدادی از فرضیات که در طول مدل سازی اتفاق می افتد، عدم امکان در نظر گرفتن بسیاری از عوامل تعیین کننده پویایی توسعه موضوع مطالعه، تعدادی از خطاهای فنی در مرحله رسمی سازی مدل و تعدادی از نکات دیگر، طبیعتاً منجر به تفاوت در ویژگی های مدل و شی واقعی می شود. مهم این است که این تفاوت ها اساسی نبوده و در محدوده خاصی (انحرافات) قرار دارند. میزان انحرافات مجاز با ویژگی های پویایی سیستم تحقیق، دوره تجزیه و تحلیل ویژگی های سیستم و همچنین هدف تحقیق تعیین می شود. شاخص‌های دقت مدل، مانند انحراف استاندارد تعدادی از باقیمانده‌ها، میانگین خطای تقریب، و میانگین خطای نسبی، درجه تقریب داده‌های شبیه‌سازی‌شده را به مشاهدات واقعی به‌دست‌آمده در نتیجه جمع‌آوری اطلاعات آماری مشخص می‌کنند. در این مرحله، اصلاح و انتخاب نهایی مدل مورد استفاده در آینده برای ساخت پیش‌بینی انجام می‌شود. در این مورد، یک بررسی گسترده از کفایت مدل انجام می شود، از جمله، علاوه بر آزمایش فرضیه ها در مورد تحقق تعدادی از ویژگی های آماری جزء باقی مانده، مانند استقلال، تصادفی، برابری انتظارات ریاضی باقیمانده به صفر، تحقق قانون توزیع نرمال، ارزیابی تعدادی از ویژگی های مدل مانند ضریب تعیین، مشخص کردن سهم تغییرات مشخصه مورد مطالعه تحت تأثیر عوامل خارجی و داخلی، ضریب فیشر، که ارزیابی می کند. اهمیت آماری مدل حاصل بر اساس نتایج مقایسه ویژگی‌های کفایت و دقت، انتخاب نهایی مدل پیش‌بینی انجام می‌شود.

● ساختن پیش‌بینی‌ها با استفاده از یک مدل رسمی و استفاده از نتایج مدل‌سازی در مدیریت سیستم، مستلزم به دست آوردن پیش‌بینی‌های نقطه‌ای است که چشم‌انداز توسعه سیستم تحقیقاتی را مشخص می‌کند. علاوه بر آنها، پیش‌بینی‌های بازه‌ای نیز قابل ساخت هستند که احتمال بیشتری برای به دست آوردن فواصل زمانی دارند که در آن ویژگی‌های سیستم ممکن است نوسان داشته باشد. لازم به ذکر است که پیش‌بینی ماهیت احتمالی دارد و تنها در صورتی قابل اعتماد خواهد بود که در طول دوره پیشرو همان الگوهای توسعه مانند آنچه در مرحله تحقیق سیستم اتفاق افتاد عمل کند.

استفاده از نتایج پیش‌بینی در تصمیم‌گیری مدیریت یک فرآیند خلاقانه است و نه تنها به دانش نظری در یک حوزه خاص نیاز دارد، بلکه به تجربه عملی در کار با سیستم تحقیقاتی نیز نیاز دارد. در حال حاضر تحقیقات علمی پیشرفت زیادی در توسعه فناوری های اطلاعاتی و تحلیلی برای پیش بینی فعالیت های سازمان ها داشته است. به عنوان مثال، فناوری‌های پیش‌بینی شبکه‌های عصبی، منطق فازی، تعدادی از برنامه‌های تحلیل و پیش‌بینی چند منظوره تخصصی مانند Statistica، SPSS، Stadia، VSTAT، Project Expert و تعدادی دیگر از محصولات نرم‌افزاری شناخته شده‌اند. برای نظارت عملیاتی و پیش‌بینی نتایج عملکرد سیستم، و همچنین برای اهداف آموزشی، می‌توان از بسته MS Excel نیز استفاده کرد که تجزیه و تحلیل روند و رگرسیون را پیاده‌سازی می‌کند و همچنین بر اساس یک پردازشگر صفحه گسترده، امکان محاسبه تعدادی سیستم اضافی را فراهم می‌کند. ویژگی ها

بر اساس نتایج مطالعه یک سیستم مدیریت (شیء) با استفاده از اطلاعات و فناوری های پیش بینی تحلیلی، می توان توصیه هایی را برای بهبود فعالیت های سازمان (سیستم) تدوین کرد، به عنوان مثال، تمرکز بر دستیابی به مقادیر معینی از شاخص های کلیدی عملکرد. که استراتژی توسعه سازمان، بهینه سازی جریان های نقدی، توسعه حوزه های نویدبخش جدید فعالیت را اجرا می کند. استفاده از فناوری های نوین اطلاعاتی و تحلیلی برای مدل سازی و پیش بینی به بهبود کارایی عملیاتی در پرتو اجرای استراتژی و تاکتیک های توسعه سازمان کمک خواهد کرد.

پیوند کتابشناختی

گوسارووا O.M. اطلاعات و فن آوری های تحلیلی برای پیش بینی فعالیت های سازمان ها // مجله بین المللی تحقیقات کاربردی و بنیادی. – 2015. – شماره 12-3. – ص 492-495;
URL: https://applied-research.ru/ru/article/view?id=7962 (تاریخ دسترسی: 2019/04/26). مجلات منتشر شده توسط انتشارات "آکادمی علوم طبیعی" را مورد توجه شما قرار می دهیم.