Литература

1. Железко Б.А., Морозевич А.Н. Теория и практика построения информационно-аналитических систем поддержки принятия решений. - Минск: Армата-Маркетинг, Менеджмент, 1999.

Рассмотрена методология функционирования и проектирования информационных систем поддержки принятия решений. Приведены конкретные примеры.

2. Edwards С., Ward J., Bytheway A. The Essence of Information Systems. -Prentice Hall, 1995.

Солидная книга, в сжатом виде обобщающая современный опыт использования информационных технологий и систем в менеджменте.

3. Kroenke D.M. Management Information Systems. - McGrow Hill, 1993.

Фундаментальная книга, обобщающая опыт использования информационных технологий и систем в менеджменте. Подробно рассмотрены организации и соответствующие информационные системы. Содержит многочисленные примеры и контрольные вопросы.

4. Laudon, Kenneth С. Essential of Management Information Systems: organization and technology. - New Jersey: Prentice-Hall, 1997.

Фундаментальная книга, обобщающая современный опыт использования информационных технологий и систем в менеджменте. Подробно рассмотрены организации и соответствующие информационные системы. Содержит многочисленные примеры и контрольные вопросы.

5. Martin E. Wainright. Management Information Technology: What Managers Need to Know. -New Jersey: Prentice-Hall, 1999.

Фундаментальная книга, обобщающая современный опыт использования информационных технологий в менеджменте. Содержит многочисленные примеры и контрольные вопросы. Не случаен ее подзаголовок: "Что должны знать менеджеры".

Глава 3. Анализ данных о рынке и о положении фирмы

Цель маркетинга - сделать усилия по

сбыту ненужными. Его цель - так

хорошо познать и понять клиента,

что товар или услуга будут точно

подходить последнему и продавать

себя сами.

П. Дракер

3.1. Попытка разобраться в ворохе данных

Всю информацию, которую использует менеджер в принятии решений о деятельности фирмы, можно условно разделить на три категории:

• формализованная;

• частично формализованная;

• неформализованная.

В зависимости от степени формализации информации определяются типы решений: структурированные, частично структурированные, неструктурированные. От этого зависит и степень участия в принятии решений компьютера и человека (см. гл. 2,8). Но даже в случае формализованных данных возникают некоторые трудности. Попробуем осмыслить суть этих проблем.

Формализованные данные

Если информация представлена в виде чисел, то, казалось бы, все достаточно просто: нужно ввести данные в компьютер, выбрать соответствующую программу, и пусть компьютер считает. Но нужных данных в чистом виде практически никогда не бывает.

Полезную информацию приходится вылавливать из громадного количества ненужной. Поэтому не случайно, что появившееся новое направление переработки данных в англоязычной литературе называется Data Mining, что означает переработку руды данных.

Полезная информация может быть настолько глубоко спрятана, что возникает опасность так называемых смещенных оценок, когда на исследуемый объект оказывал влияние совсем не тот фактор, на который обращалось внимание. Рассмотрим пример из медицинской области. Известно, что сердечно-сосудистые заболевания связаны с содержанием в организме человека холестерина, наличие которого зависит от количества потребляемых жиров. Но при проведении обследования в одном из небольших американских городов исследователи обнаружили, что население потребляет (по традиции своих европейских предков) больше жиров, чем среднестатистический американец, а сердечно-сосудистых заболеваний у них было значительно меньше. Тщательное обследование показало, что большее влияние на здоровье этих жителей оказывало отсутствие стрессов, присущих жителям крупных городов и оказывающих большее негативное влияние, чем жирная пища.

Информация часто бывает зашумлена, т.е. на исследуемый объект, помимо известных факторов, почти всегда действует ряд неизвестных. Классическим является часто приводимый пример из биологии. В процессе проведения эксперимента исследовалось влияние препарата на поведение подопытных крыс. Дозировка ежедневно менялась, и все условия тщательно фиксировались. В один из дней реакция далеко выходила за прогнозируемые пределы. При повторной проверке она не подтвердилась. И только после длительного расследования удалось установить, что в тот день реакция животных была обусловлена не дозой препарата, а тем, что лаборантка поссорилась со своим кавалером.

Ошибочные прогнозы очень часто встречаются не только в экономике, но и в политике, и в других областях. Не случайно, что у статистики, которая занимается обработкой данных, помимо классического определения "наука о наблюдениях", есть еще два полярных: "бог, который знает все" и "особая форма лжи". Истина где-то посередине, и хотелось бы, чтобы менеджер, с одной стороны, знал о возможностях статистической обработки данных, с другой стороны, понимал, что существует опасность ошибки.

Серьезной проблемой также считается выявление, какая именно информация является полезной.

При наличии достаточно достоверных формализованных данных появляется возможность применения оптимизационных методов нахождения решений с помощью компьютеров.