Управление на основе данных представляет собой новую технологию в управленческой деятельности. Её носителями становятся эксперты, консультанты и аналитики, управленцы и государственные служащие, отвечающие за непосредственное принятие решений. Данные используются для прогнозирования и приёма управленческих решений, однако постоянное увеличение объёма информации, имеющей разнообразный состав и поступающей из различных источников, требует применения новых технологий обработки и анализа. Такими технологиями выступают Big Data, использование которых позволяет эффективно обрабатывать огромные объёмы неструктурированной информации и обнаруживать в них нетривиальные закономерности.
При цифровой трансформации управленческой деятельности с применением передовых цифровых технологий необходимо принимать в расчёт, что вся совокупность современных структур управления базируется на фундаментальном принципе парности категорий «управление» и «информация». Любой управленческий аппарат должен уделять большое внимание информационной системе, которая при принятии конкретного управленческого решения способна предоставить информацию о текущем состоянии деятельности объекта управления, причинах этого состояния, влиянии всех обнаруженных законов и закономерностей на поведение и развитие объекта управления, а также прогнозируемом поведении объекта при реализации различных мероприятий.
Информационная система должна быть релевантна отображаемой реальной действительности, адекватна функциям и методам решения управленческих задач, иначе компания может столкнуться с проблемой отсутствия результативности. Решения, принятые менеджером на основе дефектной информации, приводят предприятие к снижению конкурентоспособности на рынке и потере прибыли.
При выработке качественных управленческих решений большое значение имеют статистические данные, являющиеся результатом отображения реальной действительности в форме системы статистических показателей. Данная система лежит в основе построения информационных моделей, от степени совершенства которых зависят объёмы информативной, разъяснительной, эвристической и прогностической функций. Для реализации этих функции в максимальном объёме при принятии управленческих решений требуется формировать статистическую информацию на основе высокоразвитого методологического и теоретического фундамента.
Для обработки больших объёмов данных в цифровой экосистеме применяются следующие инструменты:
- Платформы открытых данных (open data), изменяющие структуру хозяйственных связей и процессы принятия управленческих решений. Они стимулируют появление и распространение инновационных бизнес-моделей.
- Облачные вычисления. Применяются в корпоративном менеджменте для экономии на приобретении, обслуживании и модернизации физической ИТ-инфраструктуры. Помимо этого, облака отличаются более оперативным развёртыванием инфраструктуры и сервисов, быстрым масштабированием ресурсов и значительной скоростью обработки данных, что позволяет сократить сроки вывода новых продуктов на рынок. Также в облаках располагаются дата-центы.
- Управленческие платформы и экосистемы, функционирующие в соответствии с единой бизнес-моделью (Customer Relationship Management (CRM) и Enterprise Resource Planning (ERP). В таких экосистемах участники производственной цепочки взаимодействуют в единой цифровой среде, что снижает транзакционные издержки и позволяет эффективно отслеживать систему разделения труда.
- Планировщики (SAP R/3). Представляют собой пакеты программного обеспечения, предназначенные для планирования ресурсов предприятия. Они отражают оперативный статус наличия и распределения ресурсов и проводят анализ динамики ресурсных потоков, что облегчает процесс принятия решений.
Одним из наиболее применимых цифровых инструментов при принятии управленческих решений являются Big Data – обширные информационные массивы неразделённых качественных и количественных данных с различной степенью организации, сопоставимости и формализации. Данные массивы могут попадать в базу из таких источников, как архивы, документы, приложения, медиа, социальные сети, публичные сайты, а также с помощью датчиков и сенсоров, используемых человеком в повседневной деятельности. В зависимости от масштабов и контекста анализа речь идёт о петабайтах информации (1015 байт) и более. Для извлечения ценности из больших данных, необходимо пройти следующие этапы их жизненного цикла: определение проблемы, сбор данных, их подготовка и очистка, выбор алгоритмов, построение моделей, тестирование и представление результатов. Особое внимание следует уделить этапу подготовки и очистки, на котором данные тщательно проверяются на наличие несоответствий, ошибок и дубликатов. Удаляются избыточные, дублированные, неполные и неверные данные. Цель этапа состоит в том, чтобы иметь чистую и пригодную для использования информацию.
Большие данные формируют и поддерживают прозрачность бизнес-процессов, сегментируют деятельность организаций для разработки планов действий по каждому из направлений, создают пространство для экспериментов, поиска решений и повышения результативности, позволяют внедрять инновации в бизнес-моделях и продуктах, заменяют либо поддерживают решения, принимающиеся для снижения риска ошибки и увеличения скорости принятия решений.
Стратегический анализ Big Data ориентирован на улучшение обнаружения и понимания закономерностей в данных для извлечения из них знаний, классифицирующихся и интерпретирующихся для повышения качества и обоснованности принятия решений. Технологии Big Data влияют на следующие направления процесса принятия управленческих решений:
- Среда принятия управленческих решений. Среда Big Data, в основе которой лежат облачные вычисления, влияет на процессы сбора данных для принятия решений, разработки планов, контроля их выполнения и оценки.
- Участники управленческого решения. Использование Big Data полностью меняет традиционную эмпирическую модель принятия решений, поскольку подразумевает передачу большей части процесса принятия решений от высшего руководства к непосредственным исполнителям. Помимо этого, привлекаются аналитики Big Data, которые специализируются на поиске закономерностей и извлечении полезных сведений из объемных массивов данных.
- Процесс принятия управленческих решений. Вследствие участия в процессе принятия решений всех сотрудников происходит перераспределение полномочий по принятию решений, изменение организационной структуры корпоративного управления и культуры принятия решений.
- Технологии принятия управленческих решений. В контексте Big Data информация в основном представлена в виде потоков данных. Для изучения потенциальной связи между фрагментами сведений и получения реальной информации необходимо применение технологий интеллектуального анализа.
Для обработки больших данных используются технологии Data Mining, осуществляющие сбор и интеллектуальный анализ данных, позволяющий обнаруживать неочевидные, объективные и ценные закономерности. В основе системы Big Data лежит работа с большими информационными полями, которые непрерывно пополняются новыми данными посредством следующих методик:
- краудсорсинг, обеспечивающий приём и перенаправление в дальнейшую обработку множественных информационных потоков из различных источников;
- система глубокого анализа, разбивающая получаемые данные на подгруппы согласно алгоритмам;
- прогнозирование, подразумевающее апробацию новых параметров и проверку их работы при получении больших данных;
- сплит-тестирование, основывающееся на сравнении состояний элементов и позволяющее определять факторы, оказывающие влияние на элементы;
- анализ сетевой активности, позволяющий дифференцировать аудиторию;
- машинное обучение, дающее возможность автоматически обрабатывать большие данные и применять их для обучения искусственного интеллекта.
Применение машинного обучения позволяет решать задачи различной направленности посредством таких методов, как задачи классификации, регрессии, ассоциации и кластеризации, анализ отклонений и последовательные шаблоны. Описательные задачи в рамках машинного обучения позволяют повысить качество понимания анализируемых данных, предсказательные – предсказать результаты принятия управленческих решений на основе построенной модели и полученных данных. Применение визуализации помогает быстрее, относительно многих классических методов, видеть структуру исходных данных, неочевидные в них связи и, как следствие, быстрее выходить на интерпретацию полученных результатов. Сегодня, чаще всего говорят о компьютерной визуализации, примерами которой являются различные формы таблиц, рисунков, графов и дашбордов, созданных с помощью программных продуктов. Основное преимущество визуализации состоит в том, что в наглядном виде информация воспринимается, обрабатывается и усваивается человеком в разы быстрее, чем в ином другом виде, что способствует более оперативному принятию управленческих решений.
Для ускорения процесса прогнозирования результатов принятия управленческих решений используются нейронные сети. Они позволяют эффективно обнаруживать в больших данных нужные сигналы и компилировать различные варианты и сценарии действий с учётом заданных условий. Это обеспечивает возможность мгновенного реагирования и проведения превентивного риск-менеджмента.
В качестве положительных результатов от использования Big Data в экономической среде можно выделить улучшение продвижения товаров и услуг, улучшение сервиса для покупателей, более точный расчет риска, связанного с выпуском нового продукта или услуги, а также повышение операционной эффективности предприятия. Однако следует учесть, что существуют и негативные аспекты в применении Big Data. Для их использования необходимы огромные вычислительные мощности. Такие ресурсы обходятся для компаний довольно дорого, поэтому считаются доступными только для крупных корпораций. Проблема приватности встает на первое место, хранение и обработка Big Data связаны с повышенной уязвимостью для кибератак и утечек, что может привести компанию к значительной потере прибыли в связи со скандалами и недоверием.
Таким образом, прогресс в методологических и технологических аспектах развития больших данных даёт значительные преимущества для увеличения производительности, создания новых бизнес-моделей и повышения качества принятия управленческих решений. Благодаря применению алгоритмов и методов, основанных на больших данных, в системах поддержки принятия решений можно достичь высокого качества анализа данных и обнаруживать в них сложные зависимости и закономерности. Это позволяет принимать более взвешенные управленческие решения, повысить конкурентоспособность, снизить операционные затраты и увеличить выручку.
