Бизнес-информатика, 2018 (2 (44)) http://bijournal.hse.ru ru-ru Copyright 2018 Tue, 10 Jul 2018 13:13:44 +0300 Автоматизированное обнаружение геологических объектов в изображениях сейсмического поля с применением нейронных сетей глубокого обучения https://bijournal.hse.ru/2018--2 (44)/221374589.html Ф.В. Краснов - кандидат технических наук, эксперт ООО «Газпромнефть НТЦ»Адрес: 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д  E-mail: Krasnov.FV@gazprom-neft.ruА.В. Буторин - эксперт ООО «Газпромнефть НТЦ»Адрес: 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д  E-mail: Butorin.AV@gazpromneft-ntc.ruА.Н. Ситников - заместитель генерального директора по геологии и разработке месторождений ООО «Газпромнефть НТЦ»Адрес: 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д  E-mail: Sitnikov.AN@gazpromneft-ntc.ru      Бизнес-задача интерпретации данных сейсмических исследований всегда решалась только с помощью высокоуровневых экспертов. Для интерпретации данных сейсмических исследований авторы применили подход на основе компьютерного зрения. Экспертная задача интерпретации сейсмических данных стала частично автоматизированной при помощи методов машинного обучения для классификации изображений, примененных авторами. Для получения набора данных были использованы методы трансформации сейсмических трасс с помощью непрерывного вейвлетного преобразования. В предыдущих работах авторов были созданы методы спектральной декомпозиции, которые также легли в основу данного исследования.      Использование искусственных нейронных сетей глубокого обучения позволило авторам решить задачу классификации изображений. Важно отметить, что требования бизнеса в части режима распространения информации наложили определенные ограничения на объемы используемых вычислительных мощностей и количество размеченных данных. Найденное решение по использованию обученных искусственных нейронных сетей и аугментации изображений помогли успешно справиться с поставленной задачей, несмотря на ограничения.      Полученные результаты позволяют выявлять геологические объекты в сейсмических данных с точностью 90% по метрике F1-score. Это позволило внедрить в существующие бизнес-процессы компании «Газпромнефть НТЦ» автоматизированные процедуры, существенно сокращающие время обработки сейсмических данных.      Социально значимым результатом данного исследования авторы считают найденную возможность «оцифровки» и сохранения знаний лучших экспертов по интерпретации сейсмических данных, а также возможность использования бесконтактной экспертизы для обнаружения геологических объектов в сейсмических данных в периметре группы компаний «Газпром Нефть». Моделирование динамики онлайн-дискуссий в сети Интернет с использованием многоагентных систем https://bijournal.hse.ru/2018--2 (44)/221376628.html Э.А. Бабкин - кандидат технических наук, PhD in Computer Science, профессор кафедры информационных систем и технологий, Национальный исследовательский университет «Высшая школа экономики»Адрес: 603155, г. Нижний Новгород, ул. Большая Печерская, д. 25/20E-mail: eababkin@hse.ruТ.С. Бабкина - старший преподаватель кафедры информационных систем и технологий, Национальный исследовательский университет «Высшая школа экономики»Адрес: 603155, г. Нижний Новгород, ул. Большая Печерская, д. 25/20E-mail: tbabkina@hse.ruБ.И. Улитин - старший преподаватель кафедры информационных систем и технологий, Национальный исследовательский университет «Высшая школа экономики»Адрес: 603155, г. Нижний Новгород, ул. Большая Печерская, д. 25/20E-mail: bulitin@hse.ru      Совместный анализ общей структуры онлайн-дискуссий в Интернете и различных психолингвистических характеристик отдельных сообщений является актуальной исследовательской задачей в фундаментальном и прикладном аспектах. Несмотря на успехи алгоритмических методов автоматического анализа сообщений с помощью методов машинного обучения, остаются нерешенными проблемы моделирования динамики структуры дискуссий и характеристик отдельных сообщений при наличии группы автономных авторов. Авторами предлагается использовать для решения этих проблем методы многоагентного имитационного моделирования. В данной работе представлены две многоагентные модели дискуссии, которые позволяют в полной мере учесть характеристики отдельных сообщений и наличие группы авторов с индивидуальными моделями поведения, сформированными на основе анализа реальных онлайн-дискуссий в сети Интернет. Одна из моделей является централизованной в том смысле, что поведение всех авторов идентично и описывается единым блоком управления, зависящим от нескольких параметров. В отличие от централизованной модели, вторая модель является распределенной и характеризуется индивидуализированным поведением каждого автора. Поведение автора в данном случае задается посредством иерархической марковской цепи особой формы. Такая структура модели позволяет не только максимально приблизить процесс ее работы к реальному процессу создания дискуссий, но и обеспечивает возможность сравнения результатов работы моделей с фактическими данными онлайн-дискуссий в Интернете. Важной особенностью предлагаемого подхода к моделированию является активное использование предобработанных фактических данных реальных дискуссий на различных Интернет-площадках. Предобработка данных включает как методы экспертной оценки психолингвистических характеристик (интент- и контент-анализа), так и методы математического статистического анализа. Поэтому в целом исследование является удачным примером междисциплинарного похода к изучению феноменов Интернет-коммуникаций.Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований, проект № 16-06-00184 А «Разработка и исследование моделей online-дискуссии на материале обсуждения политических новостей»  Гибкая корпоративная информационная система: концептуальная модель, принципы проектирования и количественные метрики https://bijournal.hse.ru/2018--2 (44)/221377745.html Ю.А. Зеленков - доктор технических наук, профессор кафедры управления информационными системами и цифровой инфраструктуройНациональный исследовательский университет «Высшая школа экономики»Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: yzelenkov @hse.ru      Современная организация реагирует на непрерывные изменения во внешней среде, трансформируя свое поведение, операционные практики и бизнес-процессы. Трансформации бизнеса вызывают изменения в информационных системах, поддерживающих бизнес-процессы, и изменения в соответствующей ИТ-инфраструктуре. В некоторых случаях эти изменения могут затрагивать корпоративную информационную систему в целом. Основная особенность изменений в турбулентной внешней среде, а следовательно, и в корпоративных информационных системах – их непредсказуемость. Таким образом, с одной стороны, корпоративная информационная система должна обеспечивать эффективность текущей модели бизнеса, а с другой – обладать необходимым уровнем гибкости для реализации непредсказуемых изменений требований.      В статье предлагается концептуальная модель гибкой корпоративной информационной системы, которая определяется как работающая система, которая должна компенсировать инкрементальным изменением своих компонент наибольшее число разрывов, вызываемых внешними событиями. Предлагаемая модель разработана в рамках социотехнического подхода и описывает структурные характеристики гибкой корпоративной информационной системы (акторы, процессы, технологии и структура). Структурные параметры системы определяют ее операционные свойства, т.е. внешние измеряемые характеристики гибкости, к которым относятся время, стоимость, объем и надежность изменений. На основе теории аксиоматического дизайна обсуждаются способы построения гибких информационных систем, предложена модель оценки зрелости сервисов корпоративной информационной системы с точки зрения их гибкости. Также предложен набор методов для измерения времени, стоимости, объема и надежности изменений, что позволяет количественно оценить достигнутый уровень гибкости системы. Цифровое предприятие: трансформация в новую реальность https://bijournal.hse.ru/2018--2 (44)/221379493.html В.И. Ананьин - старший преподаватель кафедры управления бизнес-процессами, Российская академия народного хозяйства и государственной службы при Президенте РФАдрес: 119571, г. Москва, проспект Вернадского, д. 82, стр. 1E-mail:v.ananiin@gmail.comК.В. Зимин - главный редактор журнала Information Management, член правления Российского союза ИТ-директоровАдрес: 123056, Москва, ул. Селезневская, д. 34E-mail: konst.zimin@gmail.comМ.И. Лугачев - доктор экономических наук, профессор, заведующий кафедрой экономической информатики, Московский государственный университет им. М.В. Ломоносова; Научный руководитель корпоративного университета группы компаний IBSАдрес: 119991, г. Москва, ГСП-1, Ленинские горы, д. 1, стр. 46E-mail:mlugachev@gmail.comР.Д. Гимранов - начальник управления информационных технологий, ОАО «Сургутнефтегаз»; заведующий базовой кафедрой ОАО «Сургутнефтегаз», Сургутский государственный университетАдрес: 628415, г. Сургут, ул. Григория Кукуевицкого, д. 1, корпус 1E-mail: gimranov_rd@mail.ruК.Г. Скрипкин - кандидат экономических наук, доцент кафедры экономической информатики, Московский государственный университет им. М.В. ЛомоносоваАдрес: 119991, г. Москва, ГСП-1, Ленинские горы, д. 1, стр. 46E-mail:k.skripkin@gmail.com      В статье обсуждаются характерные изменения в практиках управления, появляющиеся в рамках цифровой трансформации бизнеса. Показаны взаимные связи этих изменений, а также связи с изменениями в организационной культуре организации. Среди новых практик управления рассмотрены практики управления, проявляющиеся как на уровне предприятия в целом (цифровые продукты, цифровые бизнес-модели, цифровое управление цепочками создания ценности, цифровые бизнес-процессы), так и на локальном уровне принятия управленческих решений – неограниченная информированность и управление предприятием в режиме реального времени (Real Time Enterprise). Показана необходимость формирования определенных культурных норм в организации, включая тотальное управление знаниями и ориентацию на быстрые изменения. Рассмотрены преемственность и качественные отличия традиционной автоматизации от цифровизации предприятий. Обсуждается возможность использования теорий и методов, связанных с таким понятием, как комплементарные активы, для исследования новых форм организации цифрового предприятия.      В статье также представлена исследовательская программа, проводимая в рамках программы цифровой трансформации деятельности ОАО «Сургутнефтегаз» Орбита 2.0. В данной исследовательской программе делается акцент на анализ проблемы устойчивости организации. Для того, чтобы организация была гибкой и изменчивой, она должна периодически оказываться в состоянии неустойчивости. В противном случае в ней будет возникать сильное сопротивление изменениям. Поиск принципов и форм организации, обеспечивающих управляемость неустойчивыми организациями, является важным направлением этих исследований. Оценка готовности ИТ-подразделения компании к цифровой трансформации бизнеса https://bijournal.hse.ru/2018--2 (44)/221380939.html Е.А. Исаев - кандидат технических наук, профессор, заведующий кафедрой управления информационными системами и цифровой инфраструктурой, Национальный исследовательский университет «Высшая школа экономики»Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: eisaev@hse.ruН.Л. Коровкина - доцент кафедры управления информационными системами и цифровой инфраструктурой, Национальный исследовательский университет «Высшая школа экономики», Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: nkorovkina@hse.ruМ.С. Табакова - выпускник магистратуры, Национальный исследовательский университет «Высшая школа экономики», Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: mstabakova@edu.hse.ru       Цифровое преобразование бизнеса – первоочередная задача для российских компаний любой отрасли. Для полноценного развития компании в цифровой среде в ее состав должно входить ИТ-подразделение, способное обеспечивать потребности бизнеса. Оценка текущего состояния ИТ-подразделения с точки зрения цифровой трансформации позволит определить потенциал компании в дальнейшем развитии.        В статье представлено решение задачи оценки готовности ИТ-подразделения к цифровой трансформации бизнеса путем разработки количественной оценки соответствия уровня зрелости процессов ИТ-подразделения потребностям предприятия. Подход к решению данной задачи заключается в совместном использовании моделей оценки цифровой зрелости предприятия в целом и моделей оценки зрелости процессов ИТ-подразделения, что определяет научную новизну полученных результатов.       На первом этапе исследования, на основании анализа современных практик управления информационными и цифровыми технологиями, а также изучения подходов к оценке цифровой зрелости предприятия и процессов ИТ-подразделения разработаны требования к модели оценки зрелости ИТ-подразделения при цифровой трансформации бизнеса. В рамках исследования определены перспективы ИТ-подразделения, влияющие на его уровень зрелости, разработаны модель для количественной оценки каждой перспективы и модель расчета минимального уровня зрелости ИТ-подразделения для достижения ожидаемой оценки цифровой зрелости компании.      Для оценки готовности ИТ-подразделения к цифровой трансформации бизнеса построено регрессионное уравнение зависимости уровня зрелости ИТ-подразделения от перспектив (факторов), влияющих на уровень зрелости ИТ-подразделения. Представлены результаты апробации модели. Верификация требований к имитационной модели производственного предприятия https://bijournal.hse.ru/2018--2 (44)/221382056.html Т.К. Кравченко - доктор экономических наук, профессор, заведующая кафедрой бизнес-аналитики, Национальный исследовательский университет «Высшая школа экономики»Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: tkravchenko@hse.ruН.И. Голов - старший преподаватель кафедры бизнес-аналитики, Национальный исследовательский университет «Высшая школа экономики»Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: ngolov@hse.ruА.В. Фомин - старший преподаватель кафедры бизнес-аналитики, Национальный исследовательский университет «Высшая школа экономики»Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: afomin@hse.ruА.Ю. Липатников - выпускник магистратуры, Национальный исследовательский университет «Высшая школа экономики»Адрес: 101000, г. Москва, ул. Мясницкая, д. 20E-mail: lipatnikov94@gmail.com      Подготовка вариантов сценариев достижения производственным предприятием предпочтительного финансового состояния с использованием систем имитационного моделирования требует разработки и верификации требований к имитационной модели. Наличие вариантов сценариев позволяет заинтересованным лицам выбрать наиболее эффективный вариант решения. Верификацию выполняют бизнес-аналитики и ключевые заинтересованные лица для того, чтобы констатировать готовность требований к утверждению и то, что они предоставляют необходимую информацию для выполнения дальнейшей работы. Верификация включает проверку требований на соответствие стандартам предприятия в части проведения бизнес-анализа, проверку полноты модели, применение единой терминологии при описании требований. Понимание того, как выглядит желаемое решение, покрывающее требования заказчиков, является главным при проверке требований.      Для построения имитационной модели, необходимой для определения вариантов сценариев развития и охватывающей финансовые потоки типового производственного предприятия, определен перечень верифицируемых требований. В качестве критериев верификации требований предложены не только критерии приемки, но и фреймворк Graphical Requirements Analysis (GRA-фреймворк), используемый для верификации функциональных требований. В отличие от других нотаций, представление требований в нотации GRA позволяет понять их структуру и внутреннюю логику, а также выявить эмерджентные эффекты. Результатом выявления критериев верификации является построение матрицы верификации требований (Verification Cross Reference Matrix, VCRM), которая включает в себя все требования, методы и критерии. На заключительном этапе приведен пример диаграммы для одного из функциональных требований.      Верифицированные требования должны быть использованы на различных этапах построения имитационной модели, ориентированной на разработку вариантов сценариев достижения производственным предприятием предпочтительного будущего финансового состояния. Моделирование сценариев будущего развития предприятия типа «Что будет, если?» и «Что делать, чтобы достичь цели?» с использованием систем имитационного моделирования позволит существенно повысить качество принимаемых решений.