К.е.н. Калабухова С.В.

ДВНЗ «Київський національний економічний університет імені В. Гетьмана», Україна

Нейромережева технологія як інструмент аналітичного забезпечення управління підприємством

Сучасні дослідження в галузі економіки характеризуються по-перше, впровадженням сучасних математичних методів, по-друге, появою новітніх комп’ютерних технологій, що зробили можливим дослідження складних явищ і процесів. Аналіз стану автоматизації підприємницької діяльності в Україні показав, що рівень інформаційних технологій і систем, що використовуються вітчизняними підприємствами та організаціями є різним. Це пов’язано з тим, що підприємства мають різні потреби й можливості автоматизації, хоча економічний сектор підприємницької діяльності розвивається інтенсивно й змінюється постійно.

Проблема проектування систем управління динамічними об'єктами характеризується переходом від концепції адаптивного управління до концепції інтелектуального управління підприємством. Це викликано як безперервним ускладненням об'єктів управління та умов їх функціонування, так і різким підвищенням вимог до ефективності процесів управління в умовах суттєвої апріорної та апостеріорної невизначеності. Використання технологій штучного інтелекту дозволяє знаходити оптимальні рішення при здійсненні процесу управління в умовах сучасних вимог до їх точності та швидкодії.

Необхідно підкреслити, що в умовах повністю автоматизованої системи бухгалтерського обліку на підприємстві проблема взаємозв’язку аналітичної інформації та процесу прийняття управлінських рішень набуває особливо гострого характеру. Вирішенням цієї проблеми може стати використання нейромережевої технології у становленні комунікацій між роботою аналітичної служби та апарату управління підприємством.

Свій шлях на світовий ринок нейронні мережі почали з фінансово-кредитної сфери, де зацікавлені у вдосконаленні аналітичної роботи банки стали інтенсивно включати нейронні мережеві технології до складу фінансових додатків.

Нейронні мережі, засновані на принципах функціонування їх біологічних аналогів, спроможні розв’язувати значне коло задач ідентифікації, кластеризації, прогнозування, оптимізації та управління складними об’єктами. Особливо ефективним є використання нейронних мереж тоді, коли “правильне рішення” залежить від великої кількості факторів. Найціннішою властивістю нейромереж є здатність навчатися на множині прикладів у тих випадках, коли невідомі закономірності і немає залежності між вхідними і вихідними даними. У таких випадках неефективними виявляються як традиційні статистичні методи, так і експертні системи. Отже, проблема забезпечення організацій сучасними інформаційними технологіями підтримки управлінської діяльності у формі нейромережевих технологій і впровадження сучасних інформаційних систем є актуальною.

Варто зауважити, що нейромережеві технології полегшують фахівцю процес прийняття важливих рішень в умовах невизначеності, дефіциту часу й обмеженості інформаційних ресурсів. При цьому навчальною інформацією може бути перелік всіх функцій управління на підприємстві, визначення відділів, служб чи структурних підрозділів, які здійснюють відповідні функції, результати їх аналітичного дослідження за рівнем управління та адресами користувачів інформації.

Необхідною умовою ефективних комунікацій в системі управління суб’єктів господарювання є забезпечення надійного зворотного зв’язку. Нейромережеві комунікації можуть повністю автоматизовано здійснювати зворотний зв'язок з користувачами інформації за допомогою програмного забезпечення, в якому після отримання інформації адресату задається запитання щодо суті та інших параметрів повідомлення. Це дозволяє контролювати, чи відбулася конкретна дія з боку адресата.

Найбільш важливою особливістю нейромережевої технології є можливість передачі саме тієї інформації, яка потрібна конкретному користувачеві. А саме, нейромережеві технології дозволяють забезпечити автоматичний розподіл обробленої аналітиками інформації між різними ієрархічними рівнями управління підприємством для прийняття рішень, тобто одноразово зібрана аналітичною службою інформація завдяки нейромережевій технології автоматично розподіляється для прийняття виробничих, технологічних, фінансових, інвестиційних та стратегічних рішень. Процес розподілу інформації відбувається за допомогою комп’ютерного моделювання.

Для реалізації нейромережевої технології мають бути виконані наступні умови: наявність IBM РС або сумісного комп'ютера, миші, MS Windows 3.1 або вище, 4 Мбайт RAM (оперативної пам'яті).

При використанні нейромережевої технології робота будується у декілька етапів. Розглянемо їх зміст і найважливіші процедури. Першим етапом є чітке визначення управлінської проблеми, тобто того, що користувач-аналітик збирається отримати від нейромережевої технології на виході. Це може бути деякий вектор, що характеризує систему або процес. Наприклад, крива прибутковості активів; ціна відсікання конкурентів; показник доцільності реструктуризації інвестиційного портфеля, точки беззбитковості і тому подібне.

Другим етапом є визначення і підготовка вихідних даних для реалізації нейромережевої технології. При цьому відбирається вся необхідна інформація, що адекватно і повно описує процес. Для найбільш успішного вирішення проблеми формування наборів інформації для подальшого прогнозування ситуацій рекомендується залучати обізнаних у даній конкретній області фахівців. Складність виконання другого етапу полягає в тому, що має бути дотриманим баланс між прагненням збільшити кількість вхідних параметрів і вірогідністю отримати погано навчану мережу, яка може спотворити очікувані прогнози. Річ у тім, що число днів ретроспективи і прогнозу, які залежать від властивостей досліджуваних даних, сильно впливають на точність прогнозу. Тому вибір значної кількості днів для прогнозу або їх мале число ретроспективи може призвести до того, що мережа буде не в змозі навчатися.

Введення даних в систему, підготовка даних, створення файлів для тренування і тестування можна вважати самостійним третім етапом. Основною метою роботи на цьому етапі є формування необхідного набору ситуацій, з якими доведеться працювати аналітикові, а потім розподіл вихідних даних по цих ситуаціях. При цьому нейромережева технологія автоматично реалізує завдання класифікації, в основі якої лежить нечітка логіка (fuzzy logic).

Вибір типу нейромережевої технології і методу її навчання можна виділити в самостійний етап. Мережа може бути побудована за допомогою Net Maker в інтерактивному режимі, користуючись його підказками, або створити файли Brain Maker, користуючись текстовим редактором. Для вирішення завдань розпізнавання образів і класифікації доцільно скористуватися мережевими технологіями Hopfield і Kohonen. Найбільш трудомістким процесом є налаштування нейромережі на навчальну вибірку даних, бо тут визначається оптимальна кількість параметрів, властивостей досліджуваних даних, оптимальне число днів ретроспективи і прогнозу.

Сучасні нейромережеві продукти дозволяють працювати як з числовими, так і з текстовими даними, тобто перетворювати набір символів (слово, фраза) в унікальний набір чисел. Ward System робить можливою також зворотну операцію, тобто представлення результатів роботи нейромережі у вигляді не лише чисел, але зв'язного тексту, що дозволяє генерувати результати у вигляді різних інформаційних повідомлень.

Останніми етапами можна вважати проведення тестування нейромережі і її запуск для здобуття прогнозу. Після завершення повного циклу рішення задачі можливі два шляхи: користуватися в подальшій роботі створеною системою, що прийнятно для одного фахівця, що вирішує певне коло завдань, або створити для кожного завдання незалежні додатки у вигляді окремого файлу, який може використовуватися іншими програмами.

Гнучкість і потужність нейронних мереж відкриває перед ними практично необмежені можливості застосування як аналітичних інструментів управління в таких погано формалізуємих і багатокритеріальних областях як аналіз операційної, фінансової, інвестиційної, маркетингової діяльності для прийняття виробничих, фінансових, інвестиційних, стратегічних рішень.

Серед перспективних напрямів використання нейромережевих технологій можна назвати створення комп'ютерних моделей поведінки клієнта для оцінки ризику або перспективності роботи з конкретними клієнтами. Наприклад, можна проаналізувати колишні операції і на цій основі оцінити вірогідність того, чи погодиться конкретний клієнт на ту або іншу пропозицію.

За умов використання нейромережевих технологій вважається за доцільне будувати інформаційну мережу ієрархічно за такими рівнями: на вищому рівні управління опрацьовується тільки інформація стратегічної аналітики, на середньому рівні – інформація фінансової аналітики, на нижчому рівні – інформація управлінської аналітики. При неможливості вирішення проблеми нижчим рівнем інформація про це подається вгору до наступного рівня.

На світовому ринку аналітичного програмного забезпечення представлено широкий спектр нейромережевих технологій, починаючи від систем, орієнтованих на суперкомп'ютери, вартість яких перевищує 50 тис. дол., до недорогих (декілька сотень доларів) нейропакетів, що працюють на платформі персональних комп'ютерів і робочих станцій. Це робить доступною технологію нейронних мереж для практично будь-якого рівня. Їх масове застосування – питання найближчого майбутнього.