Бизнес-информатика, 2019 (2 Vol.13) http://bijournal.hse.ru ru-ru Copyright 2019 Fri, 28 Jun 2019 14:52:25 +0300 Моделирование самоорганизующихся команд в научной среде https://bijournal.hse.ru/2019--2 Vol.13/290638256.html       В статье представлены результаты исследований, целью которых является моделирование и анализ эффективности работы научно-технического центра. Основное внимание уделено процессу самоорганизации проектной команды (группы соавторов) в ходе выполнения проекта (написания научной статьи), при котором инициатива создания команды исходит от одного из ее членов. В работе описана формальная модель указанного процесса на основе компетентностного подхода, учитывающая типы решаемых задач и наличие у сотрудников необходимых умений и навыков. Представлены результаты имитационного моделирования в среде AnyLogic, а также перечислены открытые вопросы.      Профиль компетенции каждого сотрудника описан в виде вектора, в котором каждая координата характеризует уровень его владения соответствующим навыком. Вектор, описывающий профиль компетенций команды, получается в результате простого сложения профилей компетенций участников. Предложенная модель предполагает, что каждая задача требует определенного набора компетенций. При этом в качестве критериев, на основе которых сотрудник принимает решение о присоединении к команде, выступают список компетенций и профессиональный опыт. Логика принятия решений на разных этапах формирования команды моделируется функциями. Очередность, в которой выбираются сотрудники для применения следующего шага алгоритма, реализуется вероятностно. Для калибровки профиля компетенций члена команды были использованы внутренние данные о квалификации сотрудников научно-технического центра «Газпромнефть НТЦ».      Построенная модель является основой для дальнейших исследований процесса образования и функционирования проектных команд в научной среде, а также разработки методики оценки эффективности деятельности научных коллективов. Она позволяет прогнозировать потребность в кадрах с теми или иными компетенциями, планировать мероприятия по повышению квалификации сотрудников и укреплению связей в коллективе. Определение ресурсов на восстановление системы вычислительных комплексов с элементами разной значимости https://bijournal.hse.ru/2019--2 Vol.13/290640317.html       Большие распределенные информационные системы (БРИС) являются основой цифровизации технологических процессов в промышленности, на транспорте и в государственном управлении. Организация технического обслуживание таких систем и, в первую очередь, оперативное восстановление при отказах является актуальной темой научных исследований. БРИС состоят из вычислительных комплексов, в состав которых входят как основные элементы, так и вспомогательные. В современной литературе нет решения задачи определения ресурсов на техническое обслуживание (РТО) с учетом разной значимости элементов вычислительных комплексов. Впервые эта задача поставлена и решена в данной статье.      Для решения поставленной задачи применен метод динамики средних. Применение этого метода обусловлено тем, что он дает возможность получить систему дифференциальных уравнений для описания изменения во времени средней численности элементов, находящихся в различных состояниях в процессе эксплуатации БРИС.      Анализ решения полученной системы дифференциальных уравнений динамики средних позволил найти аналитические выражения для определения численности персонала и количества запасных элементов, при которых математическое ожидание численности исправных вычислительных комплексов достигает максимума. Результаты применимы при расчете РТО реальных БРИС. Они также могут служить в качестве начальных приближений к оптимальному объему РТО при необходимости учета выявленных особенностей эксплуатации конкретных систем с помощью имитационного моделирования. Численное решение полученной системы дифференциальных уравнений дает возможность определить среднее количество исправных элементов БРИС и в том случае, когда на обслуживание выделяется меньше ресурсов, чем это необходимо для достижения максимального значения среднего количества исправных элементов. Это позволяет решать задачи оптимизации ресурсов на обслуживание БРИС по экономическим критериям тогда, когда доход от функционирования вычислительных комплексов и затраты на оплату персонала сопоставимы. Отбор признаков для нечеткого классификатора с использованием алгоритма паукообразных обезьян https://bijournal.hse.ru/2019--2 Vol.13/290643041.html       В статье рассмотрены вопросы построения нечетких классификаторов. Определены три этапа построения нечеткого классификатора: формирование базы нечетких правил, отбор информативных признаков, оптимизация параметров функций принадлежности нечетких правил. Генерация структуры нечеткого классификатора выполнялась алгоритмом формирования базы правил по минимальным и максимальным значениям признаков в каждом классе. Применение такого алгоритма позволяет сформировать базу с минимальным числом правил, равным количеству меток классов в исходном классифицируемом наборе данных. Отбор признаков проводился методом обертки бинарным алгоритмом паукообразных обезьян. Отбор признаков, как метод предварительной обработки данных, может способствовать не только повышению эффективности алгоритмов обучения, но и повышению способности обобщения.В процессе отбора информативных признаков проведено исследование динамики изменения точности классификации по итерациям при различных параметрах бинарного алгоритма, выявлено влияние параметров бинарного алгоритма на скорость сходимости.Для оптимизации параметров антецедентов нечетких правил используется другой алгоритм обезьян, работающий с непрерывными числовыми данными. Эффективность нечетких классификаторов, построенных на правилах и признаках, отобранных с помощью указанных алгоритмов, проверена на наборах данных из репозитория KEEL.Проведены сравнения с алгоритмами-аналогами, протестированными на тех же наборах данных. Результаты сравнения показали, классификаторы могут быть разработаны с минимальным количеством правил и существенно сокращенным количеством признаков при статистически неразличимой точности с классификаторами-аналогами. Разработка подхода для ранжирования инновационных ИТ-проектов https://bijournal.hse.ru/2019--2 Vol.13/291051232.html       Цифровая трансформация бизнеса – актуальная задача для многих компаний. Ее неотъемлемой частью является применение «прорывных» технологий. Сегодня между понятием «инновации» и «информационные технологии» часто ставится знак равенства, поскольку именно ИТ способны обеспечить реализацию инновационной стратегии и цифровую трансформацию бизнеса.      Из-за высокой скорости развития ИТ-рынка и появления новых технологий компании часто внедряют их без обоснованного отбора и ранжирования, что приводит к высокой доле провальных инновационных ИТ-проектов. Часто в результате реализации проекта компания не получает коммерчески успешный продукт или услугу, которые выделяются среди конкурентов с точки зрения потребителя. Основным подходом к оценке и ранжированию инновационных ИТ-проектов остается анализ финансовых показателей на основе ожидаемых результатов, при этом оценка стратегической согласованности проекта игнорируется.      В рамках исследования предложено решение для ранжирования инновационных ИТ-проектов в крупных компаниях. Подход заключается в комплексной оценке влияния предполагаемых результатов проекта на стратегический, окружающий, организационный и технологический аспекты компании. В основу подхода легла модифицированная модель принятия инноваций Фляйшера–Торняцки.      На первом этапе исследования определено понятие инноваций, выделены особенности инновационных проектов в сфере информационных технологий. На втором этапе проведен сравнительный анализ подходов к оценке инновационных проектов, выбрана и модифицирована модель принятия ИТ-инноваций, которая легла в основу предлагаемого подхода. На третьем этапе выполнена апробация подхода в крупной российской ИТ-компании в сфере интернет-технологий. По имеющимся данным, за два года применения подхода подтверждена его адекватность и предложены перспективы его развития. Готовность компании к цифровым преобразованиям: проблемы и диагностика https://bijournal.hse.ru/2019--2 Vol.13/291051803.html       Цифровая трансформация является одной из основных тенденций развития бизнеса в современной экономике. В статье рассматриваются основные проблемы, с которыми сталкиваются российские компании в ходе цифровых преобразований своей деятельности, и инструментарий предварительной диагностики готовности компании к таким преобразованиям.      На основе анализа и синтеза информации из отчетов российских и международных исследовательских и консалтинговых компаний, а также опираясь на результаты научных исследований российских и иностранных специалистов, авторами выявлено семь ключевых, наиболее типичных проблем, с которыми могут столкнуться большинство российских компаний на начальных этапах реализации проектов цифровой трансформации. Выявленные проблемы проранжированы по степени значимости для успешного осуществления цифровых преобразований.      Для эффективной реализации цифровой трансформации авторами предлагается использовать архитектурный подход в соответствии с рекомендациями стандарта TOGAF, позволяющий управлять изменениями комплексно, учитывая потребности, возможности и ограничения как бизнес-системы, так и ИТ-инфраструктуры.      В работе обоснована необходимость проведения диагностики готовности компании на начальной стадии цифровых преобразований. Такая диагностика позволяет выявить существующие внутренние ограничения, которые могут стать препятствием на пути достижения желаемого результата цифровой трансформации. Для определения основных неблагоприятных явлений, причин и проблем организаций с низким уровнем цифровой зрелости в работе реализован метод построения дерева текущей реальности – аналитический инструментарий для изучения причинно-следственных связей, имеющих нежелательные особенности. Даны практические рекомендации по классификации причин и проблем цифровой трансформации компании для проведения более детальной оценки ее готовности к преобразованиям и разработки плана перехода к желаемому состоянию бизнес-системы и ИТ-инфраструктуры.      Предложенный подход позволит организациям выявить свои проблемные зоны, опираясь на консолидированный опыт других компаний, а также определить возможность их корректировки для создания благоприятных условий для цифровых преобразований. Принципы управления развитием EPM-систем https://bijournal.hse.ru/2019--2 Vol.13/291052196.html       В настоящее время системы управления эффективностью предприятия (enterprise performance management, EPM) часто применяются на практике, обеспечивая поддержку принятия стратегических решений и способствуя повышению информационной прозрачности организаций. В то же время методологические вопросы, касающиеся управления развитием таких систем, представляются недостаточно исследованными и проработанными.      Цель исследования состоит в том, чтобы сформулировать и обосновать базовые принципы управления развитием EPM-систем. Данные принципы проистекают из объективных особенностей как самих EPM-систем, так и особенностей управления их развитием. В частности, к числу особенностей EPM-систем относятся сложный состав и модульная структура, крупномасштабный охват, долгосрочный характер планирования, мониторинга и анализа, использование агрегированной информации – как финансовой, так и нефинансовой. Среди особенностей управления развитием EPM-систем можно выделить неявный характер получаемых экономических выгод, влияние случайных факторов, а также наличие «сложных» проектов (с неоднозначным исходом, возможностью повторного выполнения и несколькими вариантами реализации).      В результате сформулированы основополагающие принципы управления развитием EPM-систем. К ним относятся принципы системности, непрерывности деятельности, соответствия бизнесу, ценности за деньги, программного управления, альтернативности, реалистичности, стохастичности, агрегирования ресурсов.      Значимость перечисленных принципов состоит в том, что они могут быть положены в основу комплексного процесса управления развитием EPM-систем. Они также представляются весьма полезными при формализации отдельных элементов процесса управления – оценке уровня зрелости EPM-систем, формирования потенциальных программ развития, имитационного моделирования реализации программ развития, принятия решений о выборе той или иной программы развития для непосредственной реализации.