Брусакова И.А., Косухина М.А.
Механизмы управления адаптивными бизнес-процессами
Адаптивный бизнес-процесс – это бизнес-процесс, основные события (транзакты) которого связаны с организацией настройки ключевых показателей эффективности по всем профилям BSC (финансы, кадры, производство, внутренние бизнес-процессы развития). Адаптивность бизнес-процесса означает способность применяемых для его описания алгоритмов настроить итеративно показатели BSC в зависимости от меняющихся по составу и (или) содержанию корпоративных знаний [1].
Для процессного подхода к описанию деятельности организации характерно выделение следующих шагов:
- выявление процессов, необходимых для системы менеджмента качества, применение их внутри организации;
- определение последовательности этих процессов и их взаимосвязей;
- определение критериев и методов, необходимых для оценки результативности этих процессов и управление ими;
- анализ этих процессов;
- реализация мероприятий, необходимых для достижения запланированных результатов и постоянного улучшения этих процессов.
Внедрение модулей управления эффективностью бизнеса (Buseness Performance Management, BPM-систем), управления мастер-данными (Master Data Management, MDM-систем), методов измерения эффективности ведения бизнеса, систем сбалансированных показателей (Balanced Score Cards, BSC-систем) позволяют эффективно управлять жизненным циклом предприятия с использованием современных информационных технологий (Continue Acqusition and Life cycle Support, CALS-технологий).
Понятие ИТ-сервиса включает в себя услуги по сбору, обработке, хранению, представлению и передаче информации, сопровождению технических средств, обеспечиваемые автоматизированными системами и ИТ-инфраструктурой в интересах и в соответствии с потребностями функциональных подразделений и клиентов корпорации.
Управление изменениями (Change Management) – изменение системы ИТ-сервисов в соответствии с требованиями бизнеса наиболее экономически эффективным способом и с минимальным негативным воздействием на пользователя.
Использование идеи метризации бизнес-процессов, т.е. выделение множества показателей, позволяющих описывать бизнес-процессы в динамике и в статике, позволяет определять качество управления бизнесом, получать достоверные решения, обеспечивать решения оценками надежности.
Возрастающая роль бизнес-аналитики для прогнозирования состояния и развития корпорации, управления эффективностью бизнеса обусловила необходимость формирования семантических слоев информационных систем для обеспечения такого инструментария коллективной работы, который позволил бы работать в условиях Интернет-взаимодействий в едином «семантическом поле». Формирование семантических слоев как инструментов принятия решений по оценке эффективности бизнеса реализуется поэтапно: от инфологического моделирования данных и знаний – к датологическому моделированию данных и знаний с использованием конкретных моделей описания взаимосвязей.
Под корпоративными знаниями (КЗ) предлагается понимать необходимые знания для описания конкретного множества реализаций основных, вспомогательных, сквозных, внутренних бизнес-процессов корпорации на множестве реализаций внешних бизнес-процессов корпорации и множестве моделей условий проведения мониторинга показателей эффективности.
В определенном смысле корпоративные знания, в отличие от априорных, можно называть апостериорными, обработанными и накопленными знаниями. Процесс преобразования, трансформации априорных знаний корпорации в апостериорные корпоративные знания осуществляется в несколько этапов:
1. Этап идентификации задач корпоративного управления посредством анализа деятельности корпорации (собрать априорную информацию, априорные корпоративные знания). Для идентификации при проведении, например, метризации ИТ-услуг с обязательной оценкой показателей эффективности деятельности корпорации необходимо располагать априорной информацией обо всех составляющих корпоративных знаний.
2. Этап формализации корпоративных знаний для
процедур принятия решений об эффективности деятельности
корпорации, заключающийся в
описании инфологической (информационной) модели представления корпоративных
знаний с формализацией K понятий , их свойств
, значений свойств
, взаимосвязей между понятиями, между свойствами, между
значениями свойств типа:
где под понимаются
составляющие корпоративных знаний;
– взаимосвязи между
свойствами, значениями свойств и понятиями (параметрами бизнес-процессов)
соответственно.
Любое понятие КЗ можно структурировать с помощью высказывания типа:
где под понимаются знания обо
всех N составляющих
корпоративных знаний.
Таким образом, – сцепленный
номинальный признак, полученный в результате описания взаимосвязи между
всеми N составляющими корпоративных
знаний;
– m-е свойство для i-й составляющей корпоративных знаний;
– l-е значение i-го свойства для j-й
составляющей корпоративных знаний.
Очевидно, что для анализа такого рода сцепленного
номинального признака необходимо применять методы анализа признаков, измеренных
в номинальных измерительных шкалах, так как каждый из них представлен либо
аналитической формой, либо высказыванием. Целесообразно называть поэтому КЗ сцепленным вектором номинальных признаков
(свойств) – . Для анализа такого рода сцепленного номинального
признака необходимо применять методы анализа признаков, измеренных в
номинальных измерительных шкалах, так как каждый из них представлен либо
аналитической формой, либо высказыванием. Корпоративные знания, по сути,
представляются вектором в информационном пространстве признаков на множестве их
значений.
Представим составляющие корпоративных знаний в виде сцепленного иерархически упорядоченного номинального признака, полученного, например, с использованием онтологического подхода и интерпретирующего составляющие корпоративных знаний в виде:
КЗ = КЗВнутр_БП & КЗВнешн_БП & КЗСквозн_БП & &
& КЗБизнес-функции &
где КЗВнутр_БП – корпоративные знания о внутренних
безнес-процессах; КЗВнешн_БП
– корпоративные знания о внешних бизнес-процессах; КЗСквозн_БП – корпоративные знания об особенностях
организации сквозных бизнес-процессов (изменения последовательности выполнения
функций, появление новых и устранение старых функций, реорганизации отдельных
подразделений); КЗБизнес-функции
– корпоративные знания об особенностях бизнес-функций (возможные изменения в
документообороте корпорации – типовые и ранее не используемые документы
компании, изменения реквизитор состава документов, изменение места хранения
документов; возможные изменения в ответственных за выполнение функций,
изменения владельцев бизнес-процессов, изменения хода выполнения функций); – корпоративные знания об изменении моделей условий
реализации деятельности корпорации (выбор другой SOA-архитектуры, других
сервисов, другого банка, другого виртуального ядра, изменение конфигурации коммуникационных
сетей, переориентация на другого заказчика и потребителя, другой производимый
продукт, другую технологию производства и т.п.);
–
корпоративные знания о традиционно используемых и привлечению новых метрик
эффективности бизнеса.
Тогда для каждого сцепленного номинального признака необходимо определить теоретико-множественное признаковое пространства мер их ранжирования.
Для обеспечения приращения ценности результата деятельности
корпорации (цепочки добавочной стоимости, цепочки приращений , если
– это настраиваемый j-й параметр бизнес-процесса и его
изменение, соответственно) необходимо, чтобы корпоративные знания, которые
извлечены из информационной среды I
встраивались в следующую цепочку из отображений (O1-O6):
где вводится процедура выбора
оптимального (необходимого) состава корпоративных знаний КЗopt для обеспечения
максимизации прибыли по множеству
регулируемых бизнес-процессов NR.
В концепции представления структурированных данных под понимаются
соответственно оценки значений свойств и их возможные изменения (
, соответственно). Для получения оценок значений
свойств (показателей, метрик) необходимо реализовать имитационный эксперимент,
т.е. набрать выборочные данные, характеризующие эти метрики, и произвести
традиционную статистическую обработку.
Требования к проведению оценки бизнеса на временном интервале позволяют организовать имитационный эксперимент. Используя аппарат статистического анализа для количественных и (или) качественных данных, можно сформировать интегрированный показатель эффективности бизнеса q и решать далее задачу многоцелевой или многокритериальной оптимизации, что позволит конкретизировать управленческое решение.
Адаптивность ИТ-архитектуры корпорации с точки зрения менеджера подразумевает выбор необходимого состава компонент для оперативного управления, с точки зрения информационной системы – выбор необходимых составляющих для каждого слоя ИС.
Введение понятия архитектуры предприятия (Enterprise Architecture), которая объединяет корпоративную ИТ-архитектуру масштаба предприятия с бизнес-архитектурой, позволяет обеспечить достижение стратегических целей предприятия.
Архитектуру предприятия можно рассматривать как процесс трансформации новых бизнес-стратегий в основанные на информационных технологиях и реализуемые в масштабах всей организации решения, которые подкреплены принятыми принципами управления.
Для управления эффективностью бизнеса в сервисно-ориентированных КИС как сложного объекта управления (СОУ) необходимо разработать адаптивную автоматизированную систему управления (АСУ) сложными системами (СС), параметрическая модель которой представлена на рис. 2 [4]. Концепция решения проблемы состоит в том, что предлагается применить адаптивную модель распознавания образов (РО) в подсистеме идентификации состояния объекта управления и адаптивную модель принятия решений (ПР) – в подсистеме выработки управляющих воздействий.
Рисунок 2. Параметрическая модель адаптивной АСУ сложными системами
Под циклом управления понимается периодически повторяющийся цикл в АСУ, состоящий из измерения параметров текущего (исходного) состояния сложного объекта управления; идентификации состояния СОУ; прогнозирования поведения СОУ при условии отсутствия управляющего воздействия (изучение тенденций); выработки управляющего воздействия; оказания управляющего воздействия на СОУ. Моменты времени t изменяются дискретно: каждый момент времени соответствует определенному циклу управления.
Пусть состояние СОУ в момент времени t характеризуется вектором параметров , а состояние окружающей среды в этот же момент
времени – вектором параметров
.
Управляющие факторы,
воздействующие на поведение СОУ, разделим на две группы: воздействие окружающей
среды в момент времени t, не
зависящее от человека, ; воздействие управляющей подсистемы АСУ в момент
времени t, контролируемое человеком,
. Состояния СОУ в моменты времени t обозначим S(i, t), подмножество целевых состояний – T(i, t).
Синтез АСУ СС в основном сводится к разработке
математической модели СОУ, которая должна обеспечить генерацию такого набора
управляемых факторов , фактическое воздействие которых на СОУ в очередной
цикл управления с максимальной возможной вероятностью переведет его в заранее
заданное целевое состояние T(i, t).
При этом модель должна учитывать:
- текущее состояние СОУ и траекторию, по которой он перешел в это состояние (последовательность предыдущих состояний);
- влияние имеющихся и прогнозируемых неконтролируемых факторов среды на поведение СОУ (предпосылки и тенденции);
- предыдущий опыт реального влияния управляющих факторов на поведение СОУ, находящийся в тех или иных состояниях (адаптивность) и определенных внешних условиях.
Входные параметры X (рис. 2.3) подразделяются на следующие группы:
- характеризующие предысторию среды и объекта управления;
- характеризующие актуальное состояние среды и объекта управления;
- технологические (управляемые) параметры;
- неуправляемые параметры (не зависящие от человека).
Выходные параметры Y – это свойства объекта управления, зависящие от входных параметров (в т.ч. параметров, характеризующих среду): Y = Y(X).
В автоматизированных системах параметрического управления целью управления является получение определенных значений выходных параметров объекта управления. Однако в случае сложного объекта управления необходимо ввести понятие «состояние объекта управления», так как выходные параметры СОУ связаны с его состоянием сложным и неоднозначным способом: T = T(Y). Поэтому возможность параметрического управления сложными объектами является проблематичной и вводится более общее понятие «управление по состоянию СОУ». При этом в предельном случае, когда связь выходных параметров и состояний объекта управления имеет однозначный и детерминистский характер, управление по состояниям сводится к управлению по параметрам.
Задача идентификации состояния СОУ по его выходным параметрам решается подсистемой идентификации управляющей подсистемы, работающей на принципах системы распознавания образов. При этом классами распознавания являются состояния сложного объекта управления, а признаками – его выходные параметры.
Подсистема выработки управляющих воздействий, также основанная на алгоритмах распознавания образов, решает следующие задачи:
- прогноз развития окружающей среды;
- прогноз развития объекта управления;
- выбор управления X, переводящего объект управления в целевое состояние T.
Список литературы
1. Брусакова И.А. Метризация бизнес-решений когнитивной экономики. – Спб.: Изд-во Политехн. Унив-та, 2010.
2. Brusakova I., Kosuchina M. A REVIEW OF APPROACHES IN MODELING ADAPTIVE BUSINESS PROCESSES/Proceedings of 10th Conf. Of Open Innovations Association FRUCT, Tampere, Finland 7-11 November 2011/ C. 24-27.
3.
Кондратьев В.В.,
Лоренц В.Я. Проектируем корпоративную архитектуру. – М.: Эксмо, 2006. –
208 с.
4.
Симанков В.С.,
Луценко Е.В. Адаптивное управление сложными системами на основе теории
распознавания образов. – Краснодар: Техн. ун-т Кубан. гос. технол. ун-та, 1999.
– 318 с.
5.
Управление
эффективностью бизнеса. Концепция Business Performance Management. / У.Д. Духонин, Д.В. Исаев, Е.Л. Мостовой и др.:
Под ред. Г.В. Генса. – М.: Альпина Бизнес Букс, 2005. – 269 с.