Технология дублирования информации как средство повышения качества принятия решений
Вашко Т. А.
доцент кафедры менеджмента факультета экономики и управления Красноярского государственного торгово-экономического института,
кандидат технических наук
В статье рассмотрена проблема достоверности и чрезмерной объемности социально-экономической информации и её влияние на качество принимаемых управленческих решений. Предложена технология, позволяющая найти компромисс между исключением «шумовой» информации и сохранением качества решений в условиях искажения входных данных
Ключевые слова: информация, достоверность информации, объем информации, качество принимаемого решения, дублирование информации
информация достоверность управленческий искажение
Современные организации живут в эпоху достаточно жесткой конкуренции и высоких темпов информатизации общества. И от того, насколько быстро руководство умеет реагировать на изменение окружающей среды и своевременно отследить и проанализировать необходимую информацию, зависит качество принятия решений и достижение поставленных целей.
В настоящее время менеджеру нужно не только располагать своевременной и точной информацией, но уметь осмысливать ее, делать необходимые выводы и результативно воплощать в управленческие решения. Тот руководитель, который способен грамотно использовать характеристики информации, имеет возможность создать первоклассный информационный ресурс своей организации.
Управленческая информация -- это часть данных, несущих в себе новизну и полезность для принятия специалистом обоснованного решения. Она представляет собой важнейший элемент информационной среды управления. Информационная среда в виду ее важности является объектом управления наряду с персоналом, финансами, производством и др. Поэтому задача субъекта управления заключается в том, чтобы отделить ценную информацию от «шумов»; выделить из информации наиболее важную часть, позволяющую анализировать текущее состояние объекта управления и выработать правильное решение. На данный момент наука располагает существенными возможностями в области компьютерной обработки массовых данных статистики, основанными, например, на средствах теории распознавания образов, кластерного анализа, дискриминантного анализа и др., но проблема достоверности информации продолжает оставаться открытой.
В данной работе в качестве альтернативного решения предложена технология, которая может войти в категорию мер, позволяющих оградить статистические выборки от внесения в них неумышленно искаженной информации и, тем самым, повысить точность вычислений в процессе прогнозирования результата или решения задач классификации. Основная цель предложенной работы -- это разработка технологии повышения качества принятия управленческих и экономических решений в условиях искажения информации во входных данных.
В последние десятилетия как в нашей стране, так и во всем мире увеличивается объем социальной и особенно экономической деятельности, растет число объектов и субъектов хозяйствования, углубляются и расширяются экономические связи, происходят качественные изменения в структуре производства, возрастает его динамичность, усиливается централизация управления. Неизбежным следствием этих процессов и одновременно их необходимым условием становится быстрое увеличение объема социально-экономической информации, усложнение информационной сети и структуры собираемых данных. При этом обоснованность и оперативность принимаемых решений становится все более зависимой от качества информационного обеспечения процессов принятия решений и все больше ужесточаются требования к оперативности и глубине анализа информации.
Проблема контроля качества как управленческой, так и экономической информации должна рассматриваться как комплексная. С одной стороны, бессмысленно оценивать полезность информации, если она ошибочна, поэтому опасно принимать решения на основании данных, достоверность которых неизвестна; с другой -- мощный поток достоверной информации лишь «затопит» руководителя бесполезными, не представляющими для него интереса сведениями, если не организован отбор наиболее ценных сообщений. С учетом того, что достоверность информации является важнейшим показателем качества принятия управленческих решений, знание о том, что этот показатель снижается в результате дезинформирования и под действием помех, заставляет постоянно возвращаться к поиску путей повышения точности входящей информации. Вопросу достоверности информации традиционно уделяется большое внимание в теории и практике управления социально-экономическими системами. Она в той или иной степени встает в процессе любого динамического анализа. Понятийное осмысление достоверности информации и, в частности, управленческой и финансовой отчетности как основного источника данных о деятельности организации, ее имущественном положении и финансовых результатах, уходит корнями в глубокую древность. С древних времен достоверность информации в отчетных документах является предметом исследований представителей различных научных школ и направлений. Анализ эволюции подходов к исследованию достоверности позволяет раскрыть логику их формирования в рамках различных концептуальных платформ, а также выявить ресурсы активизации исследования данной проблемы в современных условиях.
Существует много определений понятия достоверности информации. В одних источниках под «достоверностью информации» понимают степень (или уровень) адекватного отображения ею реальных событий или процессов. В других -- достоверность выступает как свойство не иметь скрытых ошибок. Чаще всего «достоверность информации» определяется как свойство информации быть правильно воспринятой, что достигается: указанием времени свершения событий, сведения о которых передаются; сопоставлением данных, полученных из различных источников; своевременным вскрытием дезинформации; исключением искаженной информации и др.
На практике выделяют ряд правил обеспечения достоверности информации, а именно: подтверждение ее из двух независимых источников; сопоставление полученной информации с уже известной по тематике. Кроме того, достоверность подтверждается и проверкой незаинтересованных лиц и наличием у них информационного содержания. К правилу установления достоверности информации относится и проверка достоверности полученной информации у авторитетных источников. В реальной жизни, в условиях жесткой конкуренции гипотетическая лживость полученной информации грозит серьезными последствиями как для репутации компании, так и для получения реальных результатов деятельности. Для оценки достоверности на сегодняшний момент широко используют такие частные показатели как: достоверность сообщения в смысле отсутствия ложных сведения и данных; разборчивость речи; вероятность ошибочного или неискаженного приема дискретной единицы (бита, символа, цифры, буквы, слова).
Для количественной оценки достоверности сообщения применяются различные качественно-количественные способы и шкалы, в том числе так называемая схема Кента. В соответствии с ней диапазон возможных изменений достоверности разбивается на 7 интервалов, и достоверность конкретной информации оценивается в шансах:
-- достоверная (вероятность отсутствия ложной информации близка к 1);
-- почти определено, что информация достоверна (9 шансов против одного);
-- имеется много шансов, что информация достоверна (3 шанса против одного);
-- шансы примерно равны (1 за, 1 против);
-- имеется много шансов, что информация недостоверна (3 шанса против одного);
-- почти определено, что информация недостоверна (за 9 шансов против одного);
-- недостоверная информация (вероятность ложной информации близка к 1).
Достоверность информации в смысле отсутствия в ней элементов дезинформации зависит от надежности источника, которая может оцениваться, например, по качественной шкале с уровнями: совершенно надежный; обычно надежный; довольно надежный; не всегда надежный; ненадежный; надежность не может быть определена.
Источниками недостаточной достоверности и точности экономической информации могут быть ошибки фиксации и организации сбора первичной информации, нечеткость определений и классификации данных, влияние времени, округление и выравнивание данных. Значительную проблему несут большие объемы данных низкой информативности и высокой зашумленности, а также необходимость выявления и обработки фальсифицированной информации.
Выделяются следующие основные причины искажения данных [2].
1. Несовершенство структуры системы обработки информации (сюда относятся, и недостатки технологического процесса обработки данных, и недостатки модели объекта управления);
2. Несовершенство алгоритмов, ошибки в программах, которые обрабатывают запросы на выдачу определенных сообщений;
3. Ненадежность работы оборудования;
4. Ошибки человека-оператора.
Практически все авторы работ по проблеме достоверности информации единодушно отмечают, что основным источником ошибок является человек-оператор. По данным [5], [6] и [7] на этапе сбора, подготовки и ввода сообщений вносятся от 61% до 98% всех ошибок. Проблема достоверности и точности информации поднималась и обсуждалась экономистами и историками еще советского периода. В научном арсенале решения проблемы достоверности информации преобладают статистические методы, простые модели анализа межотраслевых связей, с использованием вероятностных методов и методов теории информации. Однако, несмотря на достаточно высокий уровень подобного рода решений, эта проблема достоверности социально-экономической информации не может считаться в достаточной мере исследованной и решенной.
Рассмотрим в качестве одного из решений поставленной проблемы технологию дублирования информации, суть которого заключается в поиске компромисса между сокращением количества входных данных (для исключения «шумовой» информации) и сохранение качества принятия решений в условиях возможных искажений входной информации. То есть добавление к минимальному набору признаков такого набора, который содержит в себе данные, полностью или частично дублирующие информацию из минимального набора.
Прежде, чем приступить непосредственно к описанию идеи, введем основные понятия. Для начала обратимся к понятиям прототип и дублер:
? ПРОТОТИП -- начальный, основной образец, источник.
? ДУБЛЕР -- это двойник, способный почти полностью компенсировать отсутствие прототипа.
Таким образом получаем, что ДУБЛЬ -- это набор дублеров, а ДУБЛИРОВАНИЕ -- это процесс замены прототипа(ов) соответствующим(ими) дублером(ами). И так как, предлагаемая Вашему вниманию технология можно отнести к категории контролирующих процесс формирования первичных данных, то его можно определить как ТЕХНОЛОГИЯ ДУБЛИРУЮЩЕГО КОНРОЛЯ.
Формальная постановка задачи
Пусть дана таблица данных, содержащая N записей, каждая из которых содержит M+1 поле. Обозначим значение i-го поля j-й записи через xij, где i=1,...,M, j=1,...,N. Обозначим через V(A,S) задачник, в котором ответы заданы в полях с номерами i?A, а входные данные содержатся в полях с номерами i?S. Множество А будем называть множеством ответов, а множество S -- множеством входных данных. Минимальное множество входных сигналов, полученное при обучении сети на задачнике V(A,S), обозначим через F(A,S). В случае, когда сеть не удалось обучить решению задачи будем считать, что F(A,S)=?. Число элементов во множестве A будем обозначать через |A|. Через T(A,S) будем обозначать сеть, обученную решать задачу предсказания всех полей (ответов), номера которых содержатся в множестве A, на основе входных сигналов, номера которых содержатся в множестве S.
Задача. Необходимо построить набор входных параметров, который позволяет надежно решать задачу V({0}, {1,...,M}).
Решение задачи будем называть множеством повышенной надежности и обозначать Sпн.
Для решения этой задачи необходимо определит набор параметров, дублирующих минимальный набор S1=F({0}, {1,...,M}). И так как подходов к определению дублирующего набора может быть несколько, то для начала обратимся к классификации дублей.
Классификация дублей
1. По объекту дублирования:
? дубль первого рода -- такой дубль позволяет дублировать все множество признаков из минимального набора в целом;
? дубль второго рода -- позволяет дублировать конкретный признак (прототип).
2. По способу определения:
? прямой дубль -- набор признаков, способный заменить определенный признак (или множество признаков) при получении ответа первоначальной задачи;
? косвенный дубль и набор признаков, позволяющий вычислить дублируемый признак (множество дублируемых признаков).
Исходя из предложенной классификации возможны четыре варианта дублей: прямой дубль первого рода, косвенный дубль первого рода, прямой дубль второго рода, косвенный дубль второго рода.
Рассмотрим последовательно алгоритмы получения дублей всех вышеперечисленных видов.
Прямой дубль первого рода
Для нахождения прямого дубля первого рода требуется найти такое множество признаков D из множества M``= M-M`, которое является минимальным для решения задачи прогнозирования результата. При этом в нашем случае необходимо выполнение условия, что существует сеть T({0},D) и S1|D=?. Решение этой задачи очевидно. Удалим из общего множества входных признаков те из них, которые вошли в первоначальное минимальное множество признаков S1. Найдем минимальное множество признаков среди оставшихся. Это множество и будет искомым дублем (рис. 1).