Спросить
Войти
2020, №1
ISSN 2411-2550
УДК 658
Чернышевского, г. Саратов, Россия 2Саратовский государственный технический университет имени Ю.А. Гагарина,
г. Саратов, Россия
Автоматизация управленческих решений как новый фактор повышения эффективности менеджмента организации
Статья описывает теоретические и практические аспекты применения современных технологий для автоматизации управленческих решений. Рассмотрена история разработки и внедрения систем поддержки принятия решений. Представлены наиболее распространенные на сегодняшний день виды используемых технологий в области автоматизации процессов разработки, принятия и внедрения управленческих решений. В работе приведены актуальные примеры использования современных информационных технологий для автоматизации принятия решений. Проведен анализ положительных и негативных сторон влияния автоматизации управленческих решений на эффективность менеджмента организации. Произведена оценка возможности замещения управленческих кадров автоматизированными механизмами по управлению организациями.
Образец цитирования: Индустриев М.А., Игнатьев М.А. Автоматизация управленческих решений как новый фактор повышения эффективности менеджмента организации // Гуманитарный научный журнал. 2020. №1. с.68-76 DOI: https://doi.org/10.24411/2078-9661-2020-10010
Статья опубликована на условиях лицензии Creative Commons Attribution License (CC-BY 4.0)._
Industriev M.A., Ignatev M.A. Automation of management decisions as a new factor in increasing the effectiveness of organization management
This article describes theoretical and practical aspects of application of modern technologies for automation of management decisions. The history of development and implementation of decision support systems is considered. The most common types of technologies for automating the processes of development, adoption and implementation of management decisions are presented.
The paper provides current examples of using modern information technologies to automate decision-making. The analysis of positive and negative aspects of the influence of automation of management decisions on the effectiveness of the organization&s management is carried out. The possibility of replacing management personnel with automated mechanisms for managing organizations was assessed.
For citation: Industriev M.A., Ignatev M.A. Automation of management decisions as a new factor in increasing the effectiveness of organization management // Humanitarian scientific journal. 2020. №1. p.68-76 (In Russ.) DOI: https://doi.org/10.24411/2078-9661-2020-10010 This is an open access article distributed under the terms of Creative Commons Attribution License (CC-BY 4.0).
ISSN 2411-2550
На протяжении всего своего существования человек сталкивается с необходимостью принимать решения. Данный процесс лежит в основе любой его целенаправленной деятельности. В зависимости от сферы деятельности человека можно выделить такие виды решений, как правовые, инженерно-технические, инвестиционные, личные (частные) и т.д. В качестве особого вида решений, принимаемых человеком или группой лиц, выделяют управленческие решения. Управленческому решению свойственно то, что характерно всем видам принимаемых человеком решений, так и свои отличительные черты, обусловленные спецификой процесса управления. Для выявления данных черт, сопоставим управленческие решения с одним из наиболее распространенных видом принимаемых человеком решений - частными. В таблице 1 рассмотрены основные отличия управленческих решений от частных решений [1, с. 305].
Таблица 1. Отличия частных решений от управленческих решений Table 1. Differences between private solutions and management decisions
Характеристика решения Частные решения Управленческие решения
Цели Принимаются исходя из собственных потребностей Принимаются в целях решения проблем управляемого объекта
Масштаб влияния Влияют на собственную жизнь человека, могут повлиять на немногих близких ему людей Влияют на жизнедеятельность многих людей. Масштаб зависит от типа управляемого объекта (предприятие, населенный пункт, регион, государство)
Разделение труда Самостоятельное принятие и реализация решений Менеджеры принимают решения, исполнители отвечают за их реализацию
Профессионализм Человек принимает решения в силу своего интеллекта и опыта Принятие решений в организации требует наличие специальной профессиональной подготовки
Итак, исходя из представленных выше характеристик, можно сделать вывод, что управленческое решение представляет собой выбор альтернативы, осуществлённый уполномоченным на данное действие человеком (или группой лицей) для достижения целей управляемого объекта. В процессе разработки и принятия управленческих решений могут применяться различные методики и технологии. От корректности выбора технологий и методик напрямую зависит эффективность процесса разработки управленческих решений и их качество. В условиях усиления конкуренции и ускорения научно-технического прогресса, проявляющегося в виде массовой автоматизации производственных
процессов на предприятиях, высокую актуальность приобретает проблема изучения возможностей автоматизировать, в том числе, и подготовку управленческих решений. Таким образом, целью данной работы выступает исследование возможностей по автоматизации разработки и принятия управленческих решений в организациях на современном этапе.
Под автоматизацией принятия управленческих решений в рамках данной работы будем понимать комплекс мероприятий, направленных на разработку и внедрение программной платформы, позволяющей повысить эффективность деятельности и принятия решений за счет освобождения от рутинных задач и более грамотного использования времени [2]. Первые разработки в данном направлении начали осуществляться в конце 1950-х годов в технологическом институте Карнеги. Работники института проводили теоретические исследования по разработке первых систем поддержки принятия решений (СППР). На практике первые подобные системы начали внедряться с середины 80-х годов XX века. В частности, в 1987 году компания Texas Instruments разработала для United Airlines Gate Assignment Display System. Это позволило значительно снизить убытки от полетов и отрегулировать управление различными аэропортами, начиная от Международного аэропорта O&Hare в Чикаго и заканчивая Stapleton в Денвере, штат Колорадо [3].
На современном этапе развития применяют следующие виды СППР:
Управленческие информационные системы: Management Information Systems (MIS). В данных системах компьютер осуществляет сбор, хранение и обработку оперативной, учетной и отчетной информации, создавая новую информацию для различных отделов и подразделений организации. MIS выступает основой построения моделей управленческих решений и самих решений. Таким образом, MIS обслуживают функции планирования, управления подразделениями и службами, контроля и поддержки решений на управленческом уровне. Данный вид информационных систем позволяет также усовершенствовать планирование штата главных менеджеров [4, с. 2];
системы знаний: Knowledge Work Systems (KWS). Данные системы включают в себя массивные базы данных, широкий набор инструментальных средства моделирования и анализа, а также удобное для пользования программное обеспечение. Системы знаний являются интерактивными и разработаны таким образом, чтобы пользователь мог управлять входными и выходными данными. Как правило, KWS играют важную роль на протяжении всех основных этапов управленческого решения, позволяя моделировать и имитировать возможные сценарии развития организации и/или ее подразделения и своевременно получать новую информацию [4, с. 3-4]. Являются одними из самых популярных видов систем по автоматизации управленческих решений;
ISSN 2411-2550
Системы поддержки и принятия решений, основанные на интеллектуальных технологиях. К ним относят экспертные системы и нейронные сети [5, с. 14-19].
Экспертные системы - один из методов интеллектуальных технологий, направленный на решение достаточно трудных для экспертов задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Достоинство применения экспертных систем заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее не определен и формируется по исходным данным в виде цепочки рассуждений из базы знаний.
Искусственные нейронные сети - обобщённое название группы математических методов и их программной реализации. Отличительной особенностью данных технологий является способность обучаться на представленных примерах, впоследствии определяя черты встреченных образцов и ситуаций. Основным преимуществом данного метода является высокая скорость работы.
В таблице 2 представлены основные свойства технологий, используемых для автоматизации принятия управленческих решений [6, с. 36-50].
Таблица 2. Основные свойства интеллектуальных технологий
Table 2. Main properties of intelligent technologies
Технологи я Представлени е знаний Формирование начальных знаний Принятие решения
Экспертные системы В явном виде С помощью экспертов в интерактивном режиме Обеспечивается путем явного сопоставления начальной задачи с категориями многоуровневой классификации, заданной иерархией продукционных правил или других представлений
Нейронные сети В неявном виде в архитектуре сети, параметров нейронов и связей На примере обучающей выборки с помощью алгоритмически х процедур Обеспечивается логической работой сети
Каждый из представленных видов СППР широко применяется на практике. В частности, классическим примером управленческих информационных систем (MIS) является пакет программ 1C, позволяющий автоматизировать ведение бухгалтерского учета, управлять номенклатурой товаров и услуг, предлагаемых организацией, а также автоматически
ISSN 2411-2550
сформировывать отчеты по финансовому состоянию деятельности организации и взаимодействию с ее контрагентами. Если перейти к рассмотрению применения на практике систем знаний (KWS), то здесь одним из наиболее ярких примеров выступает применение программ эконометрического моделирования. Под эконометрическим моделированием понимают описание экономических процессов и явлений в виде эконометрических моделей, представляющих собой экономико-математические модели, устанавливающие количественные взаимосвязи экономических объектов и процессов при помощи математических и статистических методов исследования [7]. В России лидирующие позиции в данной области занимают следующие программы:
- офисная программа Microsoft Excel: используется для обработки и анализа численной информации с помощью формул и встроенных пакетов «Анализ данных», «Поиск решения», позволяет строить простейшие эконометрические модели;
- эконометрическая программа Gretl, содержащая в себе широкий функционал для построения как простых, так и достаточно сложных экономико-математических моделей, оценки их достоверности и проведения анализа полученных результатов. Скриншот интерфейса данной программы представлен на рисунке 1.
tfj jretl
Файл Инструменты Данные Вид Добавить Выборка Пер ем ен h AaHHbie.gdt
№ 4 Название переменной * Описание
tl grell: показать данные
C3R_RATE
j/j gretl: тест на коинтеграцию
S a □ 0, : » 0
nuunici&paiuiuuua^ ^ci&fctuu —
MHK, использованы наблюдения 2000 :1-2013 : 4 (T = 76) Зависимая переменная: GDF
Коэффициент Ci. ошибка t-статистика Р-значение
UNEMPLOYMENT
Среднее зав. перемен Сумма кв. остатков R-квадрат
Лог. правдоподобие Крит. Шварца Параметр rho
-543,9258 Крит. Акаике
Шаг 7 : тестирование единичного корня для uhat
Рис. 1. Скриншот интерфейса эконометрической программы «Gretl» Fig. 1. Screenshot of the «Gretl» econometric program interface
Эконометрическое моделирование используется для построения моделей спроса и предложения на продукцию и услуги организаций, вычисления равновесной цены, прогнозирования ее финансового состояния, расчета окупаемости вложений в те или иные активы и многих других функций.
Применение интеллектуальных технологий на сегодняшний день является достаточно новым, но уже показавшим свою эффективность
направлением. Так, в последние десятилетия экспертные системы активно применяются в процессе управления проектами в крупных организациях с целью произвести оценку стоимости проекта и продолжительности его осуществления.
Более широкий спектр применения интеллектуальных технологий представляют собой в настоящее время нейросети. В последнее десятилетие крупный бизнес активно вкладывает денежные средства в их разработку и совершенствование. Одним из наиболее распространенных направлений применения нейросетей в управленческой деятельности сегодня является процесс найма персонала. В частности, данные технологии используются российским сотовым оператором МТС, китайской IT-компанией Baidu и некоторыми другими организациями.
Так, в 2017 году сотовый оператор МТС впервые опробовал искусственный интеллект для найма персонала. Оператор приобрел для тестирования специализированного робота, основанного на технологии самообучающейся нейросети, под рабочим названием Вера. За время испытательного срока Вера оценила более 100 тысяч резюме в 50 городах России и наняла в результате 69 сотрудников. После тестирования робот сосредоточится на поиске специалистов центров клиентского сервиса и специалистов по продажам услуг фиксированной связи, сообщает оператор. Оператор сотовой связи планирует, что число принятых на работу кандидатов, найденных роботом и прошедших первичное собеседование с Верой, будет составлять 200 человек ежемесячно [8].
Однако не всем организациям удается успешно применять современные технологии. В частности, в 2018 году компании Amazon пришлось временно отказаться от применения нейросети для найма персонала, потому что она в большинстве случаев предпочитала брать на работу мужчин, нежели женщин. Предполагается, что аналитики, разрабатывающие нейросеть, допустили ошибку в процессе отбора информации, отправив в базу искусственному интеллекту все резюме, присланные за десятилетний период. За счет того, что большинство присланных в корпорацию резюме приходили от мужчин, выборка получилась некорректной, что и послужило причиной неудачи в эксперименте по применению нейросети [9].
Помимо найма персонала, нейросети стали активно использоваться в маркетинге. В частности, несколько лет назад производитель нижнего белья Cosabella расформировала отдел маркетинга, отдав организацию и проведение рекламных кампаний в полное распоряжение специализированной маркетинговой платформе полного цикла Albert [10].
Таким образом, на сегодняшний день Положительными сторонами автоматизированного принятия решений являются:
- Снижение затрат на получение, анализ и обработку информации;
- Уменьшение рисков получения ошибочных данных;
- Оптимизация рабочего времени сотрудников;
- Ускорение процессов разработки, принятия и реализации управленческих решений.
В свою очередь, негативными сторонами автоматизированного принятия решений выступают:
Отсутствие возможностей формализовать все имеющиеся факторы внешнего и внутреннего окружения организации;
Моделирование (в том числе и эконометрическое) зачастую не позволяет учесть рисков и шоков;
Наличие организационных и технологических проблем в процессе внедрения систем, позволяющих автоматизировать управленческие решения;
Затраты на внедрение систем, позволяющих автоматизировать управленческие решения, остаются достаточно высокими (особенно при рассмотрении нейросетей).
Одной из существенных проблем автоматизации в любой сфере человеческой деятельности является появление «технологической безработицы», что ведет к появлению негативных взглядов относительно внедрения современных технологий. Что касается управленческой деятельности, то в данном направлении внедрение методов по автоматизации процессов разработки, принятия и внедрения управленческих решений на сегодняшний день не ведет к существенному сокращению рабочих мест. Большинство используемых СППР не могут работать автономно, позволяя автоматизировать процесс принятия рутинных, однообразных решений, а также улучшить информационное обеспечение управленческого персонала. Таким образом, системы поддержки принятия решений не ведут к значительному сокращению численности управленческих кадров, а в значительной мере способствуют упрощению их работы и повышению эффективности использования рабочего времени.
Однако в будущем ситуация может существенно измениться за счет разработки СППР, основанных на технологии «гибридных сетей», под которыми следует понимать сети, сочетающие в себе как принцип экспертных систем, так и нейросетевой подход.
Ожидается, что данные системы будут использоваться не только в связке с лицами, принимающими решения, но и автономно, когда сами искусственные интеллектуальные системы начнут самостоятельно принимать решения. Это позволит повысить скорость принятия решений, исключить человеческий фактор в критических областях, а также персонализировать подход к каждому конкретному человеку. Подобные системы активно апробируются в области маркетинга путем
ISSN 2411-2550
предоставления клиентам организаций персонализированных рекламных предложений и акций. Со временем использование гибридных сетей может распространиться и на управление другими отделами организаций, а также на уровень государственного управления [11]. В случае активной популяризации столь высокотехнологичных СППР, ожидается более существенное сокращение численности управленческих кадров в организациях.
Итак, инструменты, позволяющие автоматизировать процессы разработки, принятия и реализации управленческих решений применяются практически во всех организациях. Наиболее распространенными инструментами являются управленческие информационные системы и системы знаний. На протяжении последнего десятилетия, руководители крупных организаций активно внедряют в управленческую практику использование нейросетей. Наиболее распространенными направлениями их применения на сегодняшний день являются автоматизация найма персонала и маркетинговой деятельности.
В целом, внедрение методов автоматизации управленческих решений оказывает значительное влияние на эффективность функционирования современных организаций. Проблема дальнейшей разработки технологий в данной области продолжает оставаться весьма актуальной для исследований.
Библиографический список
ISSN 2411-2550
Сведения об авторах:
Индустриев Максим Алексеевич, магистр кафедры экономической теории и национальной экономики, Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского, ул. Астраханская, д. 83, 410012, Саратов, Россия, maksind@yandex.ru
Игнатьев Максим Алексеевич, бакалавр кафедры технологий и систем управления в машиностроении, Саратовский государственный технический университет имени Ю.А. Гагарина, ул. Политехническая, д. 77, 410054, Саратов, Россия, ignatyev_maxim98@mail.ru
