6Системы поддержки принятия решения как составная часть ис. Компоненты системы поддержки принятия решения

Система поддержки принятия решений (СППР)(англ.Decision Support System, DSS) —компьютернаяавтоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческихинформационных системисистем управления базами данных.

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск,интеллектуальный анализ данных,поиск знаний в базах данных,рассуждение на основе прецедентов,имитационное моделирование,эволюционные вычисления и генетические алгоритмы,нейронные сети, ситуационный анализ,когнитивное моделированиеи др. Некоторые из этих методов были разработаны в рамкахискусственного интеллекта. Если в основе работы СППР лежат методыискусственного интеллекта, то говорят обинтеллектуальной СППР, или ИСППР.

Близкие к СППР классы систем — это экспертные системыиавтоматизированные системы управления.

Современные системы поддержки принятия решения (СППР) представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения(ЛПР). С помощью СППР может производиться выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.

СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных,искусственного интеллекта, интерактивных компьютерных систем, методовимитационного моделирования.

Как справедливо отмечено, «… с момента появления первых разработок по созданию СППР, не было дано четкого определения СППР…».

Ранние определения СППР (в начале 70-х годов прошлого века) отражали следующие три момента: (1) возможность оперировать с неструктурированнымиилислабоструктурированными задачами, в отличие от задач, с которыми имеет делоисследование операций; (2) интерактивные автоматизированные (то есть реализованные на базе компьютера) системы; (3) разделение данных имоделей. Приведем определения СППР: СППР — совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений, основанная на использованиимоделей.

СППР — это интерактивные автоматизированные системы, помогающиелицу, принимающему решения, использовать данные имоделидля решения слабоструктуризированных проблем.

СППР — это система, которая обеспечивает пользователям доступ к данным и/или моделям, так что они могут принимать лучшие решения.

Последнее определение не отражает участия компьютера в создании СППР, вопросы возможности включения нормативных моделей в состав СППР и др.

В настоящее время нет общепринятого определения СППР, поскольку конструкция СППР существенно зависит от вида задач, для решения которых она разрабатывается, от доступных данных, информации и знаний, а также от пользователей системы. Можно привести, тем не менее, некоторые элементы и характеристики, общепризнанные, как части СППР:

СППР — в большинстве случаев — это интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.

СППР обладает следующими четырьмя основными характеристиками:

1. СППР использует и данные, и модели;

2. СППР предназначены для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;

3. Они поддерживают, а не заменяют, выработку решений менеджерами;

4. Цель СППР — улучшение эффективности решений.

Идеальная СППР:

1. оперирует со слабоструктурированными решениями;

2. предназначена для ЛПР различного уровня;

3. может быть адаптирована для группового и индивидуального использования;

4. поддерживает как взаимозависимые, так и последовательные решения;

5. поддерживает 3 фазы процесса решения: интеллектуальную часть, проектирование и выбор;

6. поддерживает разнообразные стили и методы решения, что может быть полезно при решении задачи группой ЛПР;

7. является гибкой и адаптируется к изменениям как организации, так и ее окружения;

8. проста в использовании и модификации;

9. улучшает эффективность процесса принятия решений;

10. позволяет человеку управлять процессом принятия решений с помощью компьютера, а не наоборот;

11. поддерживает эволюционное использование и легко адаптируется к изменяющимся требованиям;

12. может быть легко построена, если может быть сформулирована логика конструкции СППР;

13. поддерживает моделирование;

14. позволяет использовать знания.

Рассмотрим кратко историю создания СППР.

Классификации СППР.

Для СППР отсутствует не только единое общепринятое определение, но и исчерпывающая классификация. Разные авторы предлагают разные классификации.

На уровне пользователя Haettenschwiler (1999) делит СППР на пассивные, активные и кооперативные СППР. Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять. Активная СППР может сделать предложение, какое решение следует выбрать. Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.

На концептуальном уровне Power (2003) отличает СППР, управляемые сообщениями (Communication-Driven DSS), СППР, управляемые данными (Data-Driven DSS), СППР, управляемые документами (Document-Driven DSS), СППР, управляемые знаниями (Knowledge-Driven DSS) и СППР, управляемые моделями (Model-Driven DSS). СППР, управляемые моделями, характеризуются в основном доступ и манипуляции с математическими моделями (статистическими, финансовыми, оптимизационными, имитационными). Отметим, что некоторые OLAP-системы, позволяющие осуществлять сложный анализ данных, могут быть отнесены к гибридным СППР, которые обеспечивают моделирование, поиск и обработку данных.

Управляемая сообщениями (Communication-Driven DSS) (ранее групповая СППР — GDSS) СППР поддерживает группу пользователей, работающих над выполнением общей задачи.

СППР, управляемые данными (Data-Driven DSS) или СППР, ориентированные на работу с данными (Data-oriented DSS) (также известные как Business Intelligence) в основном ориентируются на доступ и манипуляции с данными. СППР, управляемые документами (Document-Driven DSS), управляют, осуществляют поиск и манипулируют неструктурированной информацией, заданной в различных форматах. Наконец, СППР, управляемые знаниями (Knowledge-Driven DSS) обеспечивают решение задач в виде фактов, правил, процедур.

На техническом уровне Power (1997) различает СППР всего предприятия и настольную СППР. СППР всего предприятия подключена к большим хранилищам информации и обслуживает многих менеджеров предприятия. Настольная СППР — это малая система, обслуживающая лишь один компьютер пользователя. Существуют и другие классификации (Alter, Holsapple и Whinston, Golden, Hevner и Power). Отметим лишь, что превосходная для своего времени классификация Alter‘a, которая разбивала все СППР на 7 классов, в настоящее время несколько устарела.

В зависимости от данных, с которыми эти системы работают, СППР условно можно разделить на оперативные и стратегические. Оперативные СППР предназначены для немедленного реагирования на изменения текущей ситуации в управлении финансово-хозяйственными процессами компании. Стратегические СППР ориентированы на анализ значительных объемов разнородной информации, собираемых из различных источников. Важнейшей целью этих СППР является поиск наиболее рациональных вариантов развития бизнеса компании с учетом влияния различных факторов, таких как конъюнктура целевых для компании рынков, изменения финансовых рынков и рынков капиталов, изменения в законодательстве и др. СППР первого типа получили название Информационных Систем Руководства (Executive Information Systems, ИСР). По сути, они представляют собой конечные наборы отчетов, построенные на основании данных из транзакционной информационной системы предприятия, в идеале адекватно отражающей в режиме реального времени основные аспекты производственной и финансовой деятельности. Для ИСР характерны следующие основные черты:

- отчеты, как правило, базируются на стандартных для организации запросах; число последних относительно невелико;

- ИСР представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и т. п.;

- как правило, ИСР ориентированы на конкретный вертикальный рынок, например финансы, маркетинг, управление ресурсами.

СППР второго типа предполагают достаточно глубокую проработку данных, специально преобразованных так, чтобы их было удобно использовать в ходе процесса принятия решений. Неотъемлемым компонентом СППР этого уровня являются правила принятия решений, которые на основе агрегированных данных дают возможность менеджерам компании обосновывать свои решения, использовать факторы устойчивого роста бизнеса компании и снижать риски. СППР второго типа в последнее время активно развиваются. Технологии этого типа строятся на принципах многомерного представления и анализа данных (OLAP).

При создании СППР можно использовать Web-технологии. В настоящее время СППР на основе Web-технологий для ряда компаний являются синонимами СППР предприятия.

Архитектура СППР представляется разными авторами по-разному. Приведем пример. Marakas (1999) предложил обобщенную архитектуру, состоящую из 5 различных частей: (a) система управления данными (the data management system — DBMS), (b) система управления моделями (the model management system — MBMS), (c) машина знаний (the knowledge engine (KE)), (d) интерфейс пользователя (the user interface) и (e) пользователи (the user(s)).

Decision Support Systems (DSS) является классом компьютеризированных информационных систем, которые поддерживают деятельность по принятию решений.

Это определение, по мнению автора, мало что проясняет и абсолютно не дает возможности идентификации в широком перечне классов информационных систем. Иногда, в данного типа определениях присутствует фразы: «система должна облегчать принятие решений», «… анализировать данные и представлять их в удобной для принятия решений форме» и т.п.

Дэниель Пауэр (Daniel Power) в 2002 году идентифицировал пять типов DSS-систем как систем, оперирующих связями, данными, документами, знаниями и моделями.

Вот его определение:

DSS-система — это интерактивная компьютерная система, предназначенная для помощи лицу, принимающему решения, в использовании связей, данных, документов, знаний и моделей для идентификации и решения проблем и формирования решений.

Это уже, по крайней мере, конструктивно, хотя под данное определение попадают опять очень многие классы систем: ERP, GIS, DocFlow, Business Modeller, SCADA/ DCE, Project Management и др.

А вот еще одно определение (Bonczek, Holsapple & Whinston, 1981):

DSS-система должна помогать лицу, принимающему решение, в решении непрограммируемых, неструктурированных (или полуструктурированных) проблем; DSS-система должна предлагать возможности формирования интерактивных запросов в естественном языке, близком к предметному и легко изучаемому.

Это определение, безусловно, сужает область идентификации.

И, наконец, еще одно:

DSS-система помогает менеджеру или лицу, принимающему решение, использовать и манипулировать данными, использовать проверки и эвристики, а также строить и использовать математические модели.

В данном определении ссылка на «математические модели» — наиболее сильное место, но это противоречит высказанному ранее требованию легкости формирования языка запросов.

В некоторых определениях упоминается возможность: включения в состав DSS-системы функциональных возможностей искусственного интеллекта.

Ну, в искусственный интеллект, наверное, так сразу лучше не лезть — как минимум, интуитивно понятного языка, близкого к естественному, там нет или нет в большинстве задач.

Упоминаются также как необходимые возможности графического представления данных.

Мало чему помогает в смысле той же идентификации.

Существует связное понятие — Business Intelligence Tools (инструментальные средства бизнес-интеллекта) — программное обеспечение, которое дает возможность пользователям наблюдать и использовать большие объемы сложных данных.

Выделяют три типа таких инструментальных средств:

1. Средства многомерного анализа — также известные как OLАР (On-Line Analytical Processing) — программное обеспечение, которое дает пользователю возможность наблюдать данные в различных измерениях, направлениях или сечениях.

2. Инструментальные средства запросов (Query Tools) — программное обеспечение, позволяющее формировать запросы к данным по содержанию или образцу.

3. Инструментальные средства поиска данных (Data Mining Tools) — программное обеспечение, которое осуществляет автоматический поиск важных образцов (моделей), или зависимостей в данных.

Под приведенное определение Пауэра это попадает и, наверное, к рассматриваемой теме относится. Но давайте пока отвлечемся от прикладной лингвистики. К ней мы вернемся позже — после рассмотрения целей, назначения и конкретных реализаций, которые должны прояснить дело.

Цели, назначение, практика.

Что можно считать предметом для систем класса DSS? В качестве такого предмета на основании анализа уже сложившейся практики можно назвать:

• финансовый анализ и прогнозирование;

• маркетинг реализации и закупок;

• анализ стереотипов клиентского поведения и выявление скрытых закономерностей;

• анализ рисков;

• управление активами.

Каким образом данные задачи соотносятся с общей задачей информационного обслуживания бизнеса? К информационному обслуживанию бизнеса можно отнести:

• увязку стратегических задач бизнеса и ИТ;

• распределение и контроль прикладного программного обеспечения;

• оперативную поддержку пользователей; а также управление:

• проектами;

• производственными мощностями;

• изменениями;

• проблемами;

• издержками;

• непредвиденными ситуациями;

• вспомогательными службами;

• взаимоотношениями с клиентами;

• взаимоотношениями с поставщиками.

Более укрупнено можно говорить о том, что информационные технологии сосредоточены на обслуживании процессов, связанных с:

• людьми;

• процессами;

• стратегиями;

• технологиями.

Как можно видеть, в сферу приложения систем DSS попадает почти половина структурных задач, возлагаемых на ИТ-службы. Это находит подтверждение при анализе рынка прикладных информационных систем. Так, мировой рынок, например, ERP-систем оценивается в настоящее время оборотами порядка 25 млрд. долларов. Рынок DSS-cистем, который возник только в середине 90-х годов, сейчас оценивается суммой порядка 10 млрд. долларов и растет существенно большими темпами, чем рынок корпоративных систем управления. Его рост порядка 30% в год против 10-15% роста ERP-рынка, и можно предположить, что в течение ближайших пяти лет можно ожидать достижения паритета. С другой стороны, если рынок систем DSS в настоящее время в основном связан с финансовым сектором, крупноформатной торговлей и телекоммуникациями, то можно ожидать постепенной ассимиляции функциональных возможностей DSS-систем в существующие системы ERP-класса, что, по-видимому, приведет к оживлению процессов обновления версий ERP-систем в корпоративном секторе.

Анализируя тенденции развития функциональности ERP-систем, можно уверенно говорить о том, что этот процесс уже идет. Так, практически во всех ведущих ERP-системах уже имплементированы функциональные возможности прогнозирования с использованием разнообразных статистических методов. Представляется очень перспективным развитие подходов DSS-систем в управлении активами, в частности, в организации эксплуатации и ремонтов оборудования. Это связано с постепенной миграцией подходов, а именно, от управления ремонтами по состоянию, к управлению на основе прогнозирования будущего состояния производственных мощностей. В Украине в данной сфере еще превалируют календарные подходы и управление эксплуатацией на основе учета наработки. Эти подходы были присущи промышленности развитых стран мира в 80-е годы и являются избыточными по издержкам содержания производственных мощностей.

Рассматривая деятельность корпораций в конкурентном окружении, Майкл Портер, например, выделяет следующую шестифакторную модель (см. рис. 6.1).

Диаграмма сравнительной конкурентоспособности по Майклу Портеру. Можно быть уверенным, что в усилении данных конкурентных позиций и лежит основной предмет DSS-систем. Существенным фактором их развития является то, что к настоящему времени в транзакционных системах управления оперативной деятельностью компаний накоплен огромный объем данных, значение которых в настоящее время во многом не осознано и не используется.

Крупноформатная торговля. Крупноформатная торговля и компании электронной коммерции (B2C, B2B) явились первыми институциональными заказчиками на DSS-системы. Основными задачами, решаемыми в данном секторе, являются:

• анализ ассортимента (селективный маргинальный доход, оборачиваемость запасов, статистическое управление запасами, фондоотдача);

• распределение площадей, раскладка;

• анализ эффективности деятельности менеджеров и мотивация персонала;

• планирование и анализ эффективности рекламы, акций, распродаж и т.п.;

• управление ценообразованием.

В части управления раскладкой можно привести известный пример с корреляцией покупок пива и памперсов. Или так называемая «ловушка на кассе» — это мелкие товары, которые выкладываются непосредственно в кассовой зоне. Площадь этой зоны ограничена. Что туда положить? Опять «нет ничего практичнее хорошей теории» — нужен анализ потребительских предпочтений, который, в частности, дает многомерный статистический анализ чеков.

Рисунок 6.1 – Диаграмма сравнительной конкурентоспособности по Майклу Портеру

В мелкооптовой торговле ситуация проще, т.к. там потребитель идентифицирован и учтен в базе данных торговой компании, что позволяет непосредственно анализировать клиентское поведение. В розничной торговле покупатель анонимный, хотя многие компании изначально это исключают, например, METRO Cash & Carry.

Вообще основная тенденция развития прикладных информационных систем в последние пять лет — это ассимиляция систем управления взаимоотношениями с клиентами, возникших в качестве самостоятельных, в контур ERP, причем обе при этом только выигрывают.

Банки и финансовые компании. Рынок DSS-систем в финансовых институтах сейчас самый емкий. Сфера применения DSS-систем в банках касается, прежде всего:

• банковского ритейла (платежные пластиковые карты и чеки);

• анализа рисков;

• предотвращения мошенничества (прежде всего с пластиковыми картами);

• анализа потребительского поведения и проектирования новых финансовых услуг.

Последнее, прежде всего, основано на анализе и формировании потребительских групп, которые характеризуются сходным поведением. Результатом этой работы являются проекты, например, молодежных жилищных кредитов, условия овердрафтов, VIP-программы клиентского обслуживания. При этом надо отвечать на вопросы: что такое «молодежь»?, кто такой VIP-клиент? и т.д.

Предотвращение мошенничества — это перспективная зона использования методов искусственного интеллекта, которая никогда не будет исчерпана, как никогда не будет исчерпано воображение у мошенников.

В страховых компаниях DSS-системы еще не имеют такого широкого распространения, но это только подчеркивает потенциальную перспективность данного рынка.

Телекоммуникации. В телекоммуникационных компаниях, прежде всего мобильной связи, роль DSS-систем связана с проектированием новых услуг, которое основано на выявлении устойчивых клиентских групп и преимущественного клиентского поведения. Этот рынок по времени жизни можно считать неисчерпаемым.

Промышленность. В промышленности к сферам применения DSS-систем можно отнести:

• управление взаимоотношениями с клиентами;

• статистическое управление запасами;

• финансовое и бюджетное планирование и управление;

• анализ и управление рисками.

Какие изменения в парадигме управления промышленностью произошли за последние 50 лет? До 60-х годов промышленное производство развивалось главным образом за счет развития технологии, что выражалось тезисом: «производить и продавать». В тот период, безусловно, предложение явно формировало спрос. При этом основные производственные фонды были преимущественно материальными: здания, сооружения, оборудование, за которым стояли патентованные технологии.

К концу 20-го века признанным тезисом, выражающим рациональное рыночное поведение, стала парадигма «воспринимать и реагировать». Темп появления новых революционных технологий замедлился, технологии в основном находятся на этапе эволюции. А фронт конкурентной борьбы переместился в область проектирования новых продуктов и услуг. При этом превалирующим стали намерения и пожелания клиентов: явно или неявно выраженные. В качестве примеров можно привести практически полный переход на заказное конфигурирование автомобильной промышленности, постоянно возрастающий спектр предложений услуг в сфере телекоммуникаций при том же самом оборудовании и т.д.

Все большее и большее значение приобретает информация и методы работы с ней. Это тем более актуально в развитых странах мира на фоне сохраняющейся тенденции переноса непосредственно материального производства в развивающиеся страны с низкой стоимостью рабочей силы, энергетических и сырьевых ресурсов. Концепция DSS-систем прямо соответствует задаче информационного обеспечения данной парадигмы.

Каковы сегодня основные промышленные тенденции? Это:

• глобализация;

• укрупнение;

• специализация (для средних компаний);

• интеграция в поставочные сети;

• фокусировка на разработке новых продуктов и услуг;

• необходимость одновременно конкурировать как по качеству, так и по цене.

Промышленность сегодня фокусируется на:

• разработке новых продуктов;

• коммерциализации;

• использовании преимуществ консолидации и интеграции в поставочные сети;

• управлении людскими ресурсами.

Анализируя причины отставания США в промышленном развитии, Комиссия Министерства внешней торговли США считает, что для подъема конкурентоспособности, в частности, необходимо (автор приводит только те пункты рекомендаций, которые имеют отношение к предмету рассмотрения, сам исходный перечень немного шире):

• уделять больше внимания стратегическому планированию и больше инвестировать в исследования и разработки;

• изучать стратегию иностранных конкурентов и совершенствовать собственную;

• уделять больше внимания производственной функции и больше инвестировать в оборудование и кадры;

• устранить коммуникативные барьеры в пределах организации;

• признать ценность развития информационных связей с поставщиками и потребителями.

Информационная поддержка реализации вышеперечисленных рекомендаций со стороны DSS-систем может выглядеть следующим образом:

• «уделять … внимание стратегическому планированию…» — анализировать исторические данные по структуре себестоимости, динамике цен;

• «изучать стратегию иностранных конкурентов» — анализировать динамику рынков;

• «уделять больше внимания производственной функции» — анализировать затраты по управлению активами, динамику тарифов, эффективность использования оборудования и фондоотдачу;

• «устранить коммуникативные барьеры» — анализировать исторические данные по параметрам реализации внутренних бизнес-процессов и эффективность результатов;

• «признать ценность развития информационных связей» — анализировать исторические данные взаимоотношений с клиентами и поставщиками.

Эффективное решение данных задач требует углубленного анализа как рыночного окружения, так и динамики использования всех внутренних ресурсов.

Особое значение в конкурентной борьбе при практически равной ситуации по возможности доступа к технологиям приобретает персонал и подходы к управлению. В развитых странах мира персонал, по крайней мере, ведущий в стратегическом планировании, переместился из категории «Затраты» (Cost) в категорию «Фонды» — первые надо неуклонно сокращать, а вторые надо развивать и инвестировать.

Также следует отметить, что в настоящее время в мире действует общая глобальная тенденция преимущественного развития рынка услуг по сравнению со сферой непосредственно производства. Экономика все более и более становится информационной, а не материальной.

Рассматривая корпоративный рынок, очень показательным является анализ того, что могут и чего не могут наследуемые системы, прежде всего типов ERP и Project Management.

Оборона. В оборонной области аналитические системы класса DSS развиваются в решении задач:

• планирования и управления операциями;

• планирования и управления эксплуатацией.

Так, по результатам первой войны в Ираке экономический эффект от использования систем искусственного интеллекта был оценен в сумму порядка 100 млн. долларов. Это привело приблизительно к трехкратному увеличению ассигнований на развитие данных информационных технологий в интересах Министерства обороны США. Сегодня в данной области ассигнования уже оцениваются суммами в миллиарды долларов.

Государство. В области государственного строительства роль DSS-систем пока невелика. Потенциально их область использования связана с оценкой эффективности государственных и муниципальных программ. Это связано, прежде всего, с тем, что государственные и муниципальные программы не сводятся к экономическому эффекту как таковому. Развитие информационных систем в данной сфере в большой мере зависят от философского осмысления роли и места государства в будущем мире, т.е. основополагающую роль в данном процессе имеет выработка критериев и подходов к их оценке.

Предложения. Обобщенный портрет DSS-систем можно составить на основе краткого анализа предложений компаний Cognos, SAS, Hyperion, Oracle. Так как данная статья носит вводный характер, автор не ставил перед собой целью сравнительный анализ продуктов — это тема других работ.

Прежде всего, следует обратить внимание на то, что перечень ключевых игроков на рынке DSS-систем не совпадает с лидирующим списком производителей систем ERP. Присутствие компании Oracle в приведенном списке отражает явно выраженное намерение компании Oracle развивать данное направление, наличие действительно развитого инструментального набора для выполнения подобных проектов, последние приобретения компании в данной области. С этой точки зрения в анализируемый список можно было бы добавить и IBM с Microsoft, но эти производители все-таки больше относятся к инструментальной области и платформам, чем к прикладной.

В основной функциональный наборDSS-систем входят:

• финансовое планирование и бюджетирование;

• формирование консолидированной отчетности (до 200 преднастроенных отчетов);

• создание информационной системы стратегического управления на основе ключевых показателей деятельности(Balance Scorecards) с преднастроенными библиотеками показателей (до 500);

• анализ взаимоотношений с клиентами и поставщиками;

• анализ рыночных тенденций;

• функционально-стоимостный анализ (ABC-Costing);

• функционально-стоимостное управление (Activity Based Management, ABM);

• система постоянных улучшений (Kiezen Costing);

• многомерный анализ данных (OLAP);

• выявление скрытых закономерностей (Data Mining);

• выявление моделей (структур) данных;

• статистический анализ и прогнозирование временных рядов;

• событийное управление бизнесом (Event-driven BI);

• анализ рисков;

• формирование преднастроенных запросов (до 500-600);

• интеллектуальный поиск (по неполным данным и неформальным запросам);

• бизнес-моделирование и анализ эффективности выполнения бизнес-процессов;

• референтные отраслевые модели.

Количество преднастроенных областей анализа достигает 30-40.

Событийное управление бизнесом связано с обнаружением преднастроенных событий вида:

• уведомления об определенном состоянии;

• исполнение;

• операционные события.

Информационной платформой являются хранилища данных(Data Warehouse).

Инструментальная среда — интеграционные системы, основанные на открытых стандартах. Эти системы соответствуют требованиям:

• информационной безопасности;

• масштабируемости;

• открытости;

• многомерного и многовариантного представления данных;

• интеллектуального интерфейса;

• интегрируемости с основными платформами и бизнес-приложениями, интеграция данных из разнообразных источников, сетевая интеграция (прежде всего web);

• обеспечивают сервис по «очистке» данных при их загрузке в хранилища.

Техническое обеспечение связано с:

• обработкой данных;

• надежным хранением данных и обеспечением целостности;

• архивацией и восстановлением данных;

• сетевым и телекоммуникационным обеспечением;

• криптографическим обеспечением;

• управлением доступом пользователей;

• загрузкой данных, в том числе с использованием средств интеллектуального интерфейса (распознавание образов: текста, речи, изображений).

Отличительной особенностью рассматриваемых продуктов является значительная большая, чем в случае с ERP-системами, готовность к немедленной работе (значительно меньшие циклы внедрения при наличии наследуемых баз данных).

Целевые результаты. Результаты выполнения проектов целевым образом соответствуют предоставлению возможности получения ответов на вопросы:

• здоров ли бизнес?

• кто мой лучший клиент?

• какой мой лучший продукт или услуга?

• какого поставщика мне выгодно выбрать и почему?

• где мы типично не укладываемся в сроки и почему?

• какова эффективность деятельности нашего персонала?

• какая дочерняя компания внесла наибольший (наименьший) вклад в результат?

• что показывает анализ фондоотдачи оборудования?

• какой сценарий и подход выбрать при слиянии (реструктуризации) компаний?

Контрольные вопросы

1. Что представляют собой современные системы поддержки принятия решения (СППР)?

2. Какие технологии можно использовать при создании СППР?

3. Дайте определение DSS-систем. Каковы сферы применения DSS-систем?

4. Инструментальные средства бизнес-интеллекта и их типы.

5. ERP-системы и тенденции их развития.

6. Диаграмма сравнительной конкурентоспособности по Майклу Портеру.

Рекомендуемая литература

1. Данилевский Ю. Г. Информационная технология в промышленности / Ю. Г. Данилевський,И. А. Петухов, B. C.Шибанов. - Л. : Машиностроение, 1988. – 452 с.

2. Устинова Г. М. Информационные системы менеджмента / Г. М. Устинова. – СПб : Изд-во «ДиаСофт ЮП», 2000. – 368 с.

3.Громов Г. Р. Очерки информационной технологии / Г. Р. Громов. - М. : ИнфоАрт, 1992. – 452 с.

4. Информационные системы в экономике / Под ред. В. В. Дика. - М. : Финансы и статистика, 1996. – 358 с.

5. Иванов П. Управление информационными системами: базовые концепции и тенденции развития / П. Иванов // Открытые системы. - №4. – 1999. - С.37-43.

6. Глущенко И. И. Стратегическое управление инновационной деятельностью / И. И. Глущенко. – М. : ТОО НЦП «Крылья», 2006. – 356 с.

7 Аналитические системы многомерного анализа данных. Интеллектуальный анализ данных: технология Data Mining, системы автоматизированной подготовки отчетов, панели ключевых индикаторов эффективности бизнеса, сбалансированы системы показателей, экспертные системы

Классификация типовых задач анализа и статистических методов их решения.

В настоящем разделе будет приведена возможная классификация аналитических задач, возникающих в сфере бизнеса, финансов и управления и решаемых статистическими методами. Будет рассмотрена также классификация статистических методов, представленных в DSS-системах перечисленных выше компаний, и их применимость для решения различных классов аналитических задач.

Выделим следующие классы аналитических задач в области финансов, бизнеса и управления, требующих для своего решения использования различных статистических методов:

• горизонтального (временного) анализа;

• вертикального (структурного) анализа;

• трендового анализа и прогноза;

• анализа относительных показателей;

• сравнительного (пространственного) анализа;

• факторного анализа.

Далеко не все аналитические задачи из перечисленных выше являются в настоящий момент одинаково важными для каждой конкретной компании. В их повседневной деятельности еще велика доля рутинных бухгалтерских операций и много такого, что пока вовсе не требует никакого анализа. Однако необходимость повышения роли аналитического подхода начинают ощущать даже совсем малые фирмы.

Рассмотрим теперь классификацию методов статистического анализа. Все эти методы могут быть разделены на следующие классы:

• описательной статистики;

• проверки статистических гипотез;

• регрессионного анализа;

• дисперсионного анализа;

• анализа категориальных данных;

• многомерного анализа;

• дискриминантного анализа;

• кластерного анализа;

• анализа выживаемости; анализа и прогноза временных рядов;

• статистического планирования экспериментов и статистического контроля качества.

Аналитические методы в средствах разведки данных (Data Mining).

В настоящее время элементы искусственного интеллекта активно внедряются в практическую деятельность менеджера. В отличие от традиционных систем искусственного интеллекта, технология интеллектуального поиска и анализа данных или «добыча данных»(Data Mining - DM), не пытается моделировать естественный интеллект, а усиливает его возможности мощностью современных вычислительных серверов, поисковых систем и хранилищ данных. Нередко рядом со словами «Data Mining» встречаются слова «обнаружение знаний в базах данных» (Knowledge Discovery in Databases).

Data Mining - это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Data Mining представляют большую ценность для руководителей и аналитиков в их повседневной деятельности. Деловые люди осознали, что с помощью методов Data Mining они могут получить ощутимые преимущества в конкурентной борьбе.

В основу современной технологии Data Mining (Discovery-driven Data Mining) положена концепция шаблонов (Patterns), отражающих фрагменты многоаспектных взаимоотношений в данных. Эти шаблоны представляют собой закономерности, свойственные выборкам данных, которые могут быть компактно выражены в понятной человеку форме. Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборки и виде распределений значений анализируемых показателей. На рис. 7.1 показана схема преобразования данных с использованием технологии Data Mining.

Основой для всевозможных систем прогнозирования служит историческая информация, хранящаяся в БД в виде временных рядов. Если удается построить шаблоны, адекватно отражающие динамику поведения целевых показателей, есть вероятность, что с их помощью можно предсказать и поведение системы в будущем. На рис.7.2 показан полный цикл применения технологии Data Mining.

Важное положение Data Mining - нетривиальность разыскиваемых шаблонов. Это означает, что найденные шаблоны должны отражать неочевидные, неожиданные (Unexpected) регулярности в данных, составляющие так называемые скрытые знания (Hidden Knowledge). К деловым людям пришло понимание, что «сырые» данные (Raw Data) содержат глубинный пласт знаний, и при грамотной его раскопке могут быть обнаружены настоящие самородки, которые можно использовать в конкурентной борьбе.

Рисунок 7.1 – Cхема преобразования данных с использованием технологии Data Mining

Рисунок 7.2 – Полный цикл применения технологии Data Mining

Сфера применения Data Mining ничем не ограничена -технологию можно применять всюду, где имеются огромные количества каких-либо «сырых» данных.

В первую очередь методы Data Mining заинтересовали коммерческие предприятия, развертывающие проекты на основе информационных хранилищ данных (Data Warehousing). Опыт многих таких предприятий показывает, что отдача от использования Data Mining может достигать 1000 %. Известны сообщения об экономическом эффекте, в 10-70 раз превысившем первоначальные затраты от 350 до 750 тыс. долларов. Есть сведения о проекте в 20 млн. долларов, который окупился всего за 4 месяца. Другой пример - годовая экономия 700 тыс. долларов за счет внедрения Data Mining в одной из сетей универсамов в Великобритании.

Компания Microsoft официально объявила об усилении своей активности в области Data Mining. Специальная исследовательская группа Microsoft, возглавляемая Усамой Файядом, и шесть приглашенных партнеров (компании Angoss, Datasage, Epiphany, SAS, Silicon Graphics, SPSS) готовят совместный проект по разработке стандарта обмена данными и средств для интеграции инструментов Data Mining с базами и хранилищами данных.

Data Mining является мультидисциплинарной областью, возникшей и развивающейся на базе достижений прикладной статистики, распознавания образов, методов искусственного интеллекта, теории баз данных и др. (рис. 7.3). Отсюда обилие методов и алгоритмов, реализованных в различных действующих системах Data Mining. Многие из таких систем интегрируют в себе сразу несколько подходов. Тем не менее, как правило, в каждой системе имеется какая-то ключевая компонента, на которую делается главная ставка.

Рисунок 7.3 – Области применения технологии Data Mining

Можно назвать пять стандартных типов закономерностей, выявляемых с помощью методов Data Mining: ассоциация, последовательность, классификация, кластеризация и прогнозирование.

Ассоциация имеет место в том случае, если несколько событий связаны друг с другом. Например, исследование, проведенное в компьютерном супермаркете, может показать, что 55 % купивших компьютер берут также и принтер или сканер, а при наличии скидки за такой комплект принтер приобретают в 80 % случаев. Располагая сведениями о подобной ассоциации, менеджерам легко оценить, насколько действенна предоставляемая скидка.

Если существует цепочка связанных во времени событий, то говорят о последовательности. Так, например, после покупки дома в 45 % случаев в течение месяца приобретается и новая кухонная плита, а в пределах двух недель 60 % новоселов обзаводятся холодильником.

С помощью классификации выявляются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил.

Кластеризация отличается от классификации тем, что сами группы заранее не заданы. С помощью кластеризации средства Data Mining самостоятельно выделяют различные однородные группы данных.

Статистические пакеты. Последние версии почти всех известных статистических пакетов включают наряду с традиционными статистическими методами также элементы Data Mining. Но основное внимание в них уделяется все же классическим методикам - корреляционному, регрессионному, факторному анализу и другим.

Недостатком систем этого класса считают требование к специальной подготовке пользователя. Также отмечают, что мощные современные статистические пакеты являются слишком «тяжеловесными» для массового применения в финансах и бизнесе.

Есть еще более серьезный принципиальный недостаток статистических пакетов, ограничивающий их применение в Data Mining. Большинство методов, входящих в состав пакетов, опираются на статистическую парадигму, в которой главными фигурантами служат усредненные характеристики выборки. А эти характеристики при исследовании реальных сложных жизненных феноменов часто являются фиктивными величинами. Это чрезвычайно важное обстоятельство следует обязательно учитывать при анализе многомерных данных.

В качестве примеров наиболее мощных и распространенных статистических пакетов можно назвать SAS (компания SAS Institute), SPSS (компания SPSS), STATGRAPHICS (компания Manugistics), STATISTICA для WINDOWS, STADIA и другие. Эти пакеты с успехом могут применять небольшие и средние предприятия, а большие многопрофильные компании могут интегрировать их в общую корпоративную сеть.

Аналитические методы дают конечному пользователю возможность осуществить весь цикл работы с исходными данными, имеющими большие объемы и невыясненную статистическую структуру. Этот цикл называется разведкой данных (Data Mining) и состоит из нескольких этапов: выборка, исследование, модификация, моделирование, оценка результатов(Sample, Explore, Modify, Model, Assess).

Средства Data Mining дают возможность ставить и решать как традиционные, так и нетрадиционные задачи анализа. Например, традиционной является постановка задачи: «Определить, имеется ли статистическая связь между такими показателями, как объем производства товара и объем его реализации (продажи)».

Нетрадиционной же была бы следующая постановка задачи: «Имеется несколько десятков (или даже сотен) показателей деятельности предприятия, и необходимо определить, между какими из них следует искать статистические связи вообще, какого рода связи следует искать (считать ли показатели равноправными, или считать одни показатели независимыми, а другие зависимыми переменными), на каких объектах эти связи проявляются».

При работе приложения на этапе выборки происходит формирование подмножества наблюдений из исходных данных (отбор по критериям или случайный отбор). На этапах исследования и модификации могут быть осуществлены: фильтрация данных, отбрасывание данных с большими выбросами, преобразование исходных переменных. На этапе моделирования осуществляется построение регрессий и оптимизация подмножества переменных, принятие решений на основе методик нейронных сетей, реализующих различные алгоритмы обучения классификации объектов, построение классификационных деревьев для отбора оптимального набора переменных и оптимального разбиения множества объектов, кластеризация и оптимальная группировка объектов. Наконец, на этапе обзора и оценки результатов пользователь имеет возможность сопоставить различные результаты моделирования, выбрать оптимальные класс и параметры моделей, представить результаты анализа в удобной форме.

На этапе подготовки данных обеспечивается доступ к любым реляционным базам данных, текстовым и SAS-файлам. Дополнительные средства преобразования и очистки данных позволяют изменять вид представления, проводить нормализацию значений, выявлять неопределенные или отсутствующие значения. На основе подготовленных данных специальные процедуры автоматически строят различные модели для дальнейшего прогнозирования, классификации новых ситуаций, выявления аналогий. Данные приложения поддерживают построение пяти различных типов моделей — нейронные сети, классификационные и регрессионные деревья решений, ближайшие k-окрестности, байесовское обучение и кластеризацию.

Анализ математического обеспечения существующих систем поддержки принятия решений. Рассмотрим более подробно средства интеллектуального анализа данных (ИАД, Data Mining), применяемые в системах поддержки принятия решений.

В качестве первого направления развития средств ИАД следует выделить методы статистической обработки данных, которые можно разделить на четыре взаимосвязанных раздела:

• предварительный анализ природы статистических данных (проверка гипотез стационарности, нормальности, независимости, однородности, оценка вида функции распределения и ее параметров);

• выявление связей и закономерностей (линейный и нелинейный регрессионный анализ, корреляционный анализ);

• многомерный статистический анализ (линейный и нелинейный дискриминантный анализ, кластер-анализ, компонентный анализ, факторный анализ);

• динамические модели и прогноз на основе временных рядов.

Среди наиболее известных и популярных средств статистического анализа следует назвать пакеты Statistica, SPSS, Systat, Statgraphics, SAS, BMDP, TimeLab, Data-Desk, S-Plus, Scenario (BI), «Мезозавр».

Особое направление в спектре аналитических средств ИАД составляют методы, основанные на нечетких множествах. Их применение позволяет ранжировать данные по степени близости к желаемым результатам, осуществлять так называемый нечеткий поиск в базах данных. Однако платой за повышенную универсальность является снижение уровня достоверности и точности получаемых результатов. Поэтому число специализированных приложений данного метода по-прежнему невелико, несмотря на то, что на протяжении последних 35 лет математики прикладники проявляли к нему повышенный интерес.

Второе крупное направление развития составляют кибернетические методы оптимизации, основанные на принципах саморазвивающихся систем — методы нейронных сетей, эволюционного и генетического программирования.

Однако новые достоинства порождают и новые проблемы. В частности, решения, полученные кибернетическими методами, часто не допускают наглядных интерпретаций, что в определенной степени усложняет жизнь предметным экспертам.

К программным продуктам, использующим кибернетические методы ИАД, относятся системы PolyAnalyst, NeuroShell, GeneHunter, BrainMaker, OWL, 4Thought (BI).

Непосредственно к кибернетическим методам ИАД примыкают синергетические методы. Их применение позволяет реально оценить горизонт долгосрочного прогноза. Особенный интерес вызывают исследования, связанные с попытками построения эффективных систем управления в неустойчивых режимах функционирования.

К третьему крупному разделу ИАД следует отнести совокупность традиционных методов решения оптимизационных задач — вариационные методы, методы исследования операций, включающие в себя различные виды математического программирования (линейное, нелинейное, дискретное, целочисленное), динамическое программирование, принцип максимума Понтрягина, методы теории систем массового обслуживания. Программные реализации большинства этих методов входят в стандартные пакеты прикладных программ, например Math CAD и MatLab.

В четвертый раздел средств ИАД входят средства, которые назовем условно экспертными, т. е. связанными с непосредственным использованием опыта эксперта. К их числу относят метод «ближайшего соседа», который лег в основу таких программных продуктов, как Pattern Recognition Workbench или KATE tools.

Другой подход к выбору решения связан с построением последовательного логического вывода — дерева решений, в каждом узле которого эксперт осуществляет простейший логический выбор («да» — «нет»). В зависимости от принятого выбора, поиск решения продвигается по правой или левой ветви дерева и, в конце концов, приходит к терминальной ветви, отвечающей конкретному окончательному решению. Здесь процесс статистического обучения выведен за пределы программы и сконцентрирован в виде некоторого априорного опыта, заключенного в наборе ветвей-решений.

Одной из разновидностей метода деревьев решений является алгоритм деревьев классификации и регрессии, предлагающий набор правил для дихотомической классификации совокупности исходных данных. Данный метод обычно применяется для предсказания того, какие последовательности событий будут иметь заданный исход. На основе деревьев решений разработаны такие программные продукты, как IDIS, С5.0 и SIPINA.

К экспертным методам следует отнести и предметно-ориентированные системы анализа ситуаций и прогноза, основанные на фиксированных математических моделях, отвечающих той или иной теоретической концепции. Роль эксперта состоит в выборе наиболее адекватной системы и интерпретации полученного алгоритма. Достоинства и недостатки таких систем очевидны — предельная простота и доступность применения и расплата достоверностью и точностью за эту простоту. Примерами программных продуктов, отвечающих предметно-ориентированным системам в области финансов, являются Wall Street Money, MetaStock, SuperCharts, Candlestick Forecaster.

В завершение обзора экспертных методов ИАД следует упомянуть методы визуализации данных и результатов их анализа, позволяющие наглядно отображать полученные выводы для создания у предметных экспертов и/или руководителей проектов единой картины ситуации. К программным продуктам, позволяющим формировать предварительные отчеты и визуализировать результаты, следует отнести системы Mineset и Impromptu (BI). В частности, система Mineset содержит в себе такие инструменты, как ландшафтный визуализатор, визуализаторы дисперсии, деревьев, правил и свидетельств.

Формировать сложные нелинейные отображения средствами цветной графики позволяет новое направление визуализации результатов, основанное на идеях фрактальной математики.

Если говорить о практике внедрения рассмотренных систем и информационных технологий в Украине, то она находится в самом зачаточном состоянии. Основной целью настоящей статьи и являлось привлечь внимание, прежде всего функциональных руководителей соответствующих служб, к имеющимся возможностям, мировой практике использования систем и основным тенденциям их развития.

Опыт автора по проведению подготовительной работы к внедрению рассматриваемых продуктов показал, что, с одной стороны, на украинских предприятиях исторические данные недооцениваются, а имеющиеся базы данных часто очень «бедны» для извлечения из них значимой информации, т.к. разрабатывались для решения учетных, а не управленческих задач. С другой стороны, в Украине очень ограничены возможности извлечения знаний из данных вследствие большой скорости изменений законодательной базы, что очень сильно искажает временную статистику. Это приводит к необходимости использования, например, нелинейных методов, в развитии которых вместе с украинскими учеными активное участие принимает компания, возглавляемая автором.

Научные направления, имеющие отношение к рассматриваемому вопросу, практически остались за пределами настоящей статьи, как по причине ограниченности формата, так и потому, что относятся в основном к другой сфере знания — самой что ни на есть фундаментальной математике.

Контрольные вопросы

1. Приведите возможную классификацию типовых задач анализа и статистических методов их решения.

2. Перечислите аналитические методы в средствах разведки данных (Data Mining).

3. Что положено в основу современной технологии Data Mining?

4. Каковы области применения технологии Data Mining?

5. Анализ математического обеспечения существующих систем поддержки принятия решений.

Рекомендуемая литература

1. Данилевский Ю. Г. Информационная технология в промышленности / Ю. Г. Данилевський,И. А. Петухов, B. C.Шибанов. - Л. : Машиностроение, 1988. – 452 с.

2. Устинова Г. М. Информационные системы менеджмента / Г. М. Устинова. – СПб : Изд-во «ДиаСофт ЮП», 2000. – 368 с.

3. Информационные системы в экономике / Под ред. В. В. Дика. - М. : Финансы и статистика, 1996. – 358 с.

4. Компьютерно-интегрированные производства и CALS технологии в машиностроении. - М. : Федеральный информационно-аналитический центр оборонной промышленности. 1999. – 510 с.

8 Управляющие информационные системы и их базовые функции. Системы управления процессами бизнеса (Business-Process Management).

Автоматизированы системы управления процессами бизнеса (Work Flow)

Первые управляющие информационные системы (Management Information Systems - MIS) стали появляться в 70-х годах ХХ века с развитием вычислительной техники.

Такие ИС обслуживают управленческий уровень, обеспечивая менеджеров среднего и высшего звеньев текущей информацией о выполнении основных бизнес-процессов в компании и о некоторых изменениях во внешней среде. Они обеспечивают интерактивный доступ к показателям текущей деятельности фирмы, архиву отчетов и решений, приказам, распоряжениям, протоколам совещаний, отчетным формам.

Обычно такие системы ориентированы в основном на внутреннего пользователя и обслуживают функции планирования, управления подразделениями и службами, контроля и поддержки решений на управленческом уровне. Блок-схема типичной MIS приведена на рис. 8.1.

Приведем основные характеристики корпоративных управляющих систем. Такие системы:

• работают с формализованными и/или частично формализованными данными и поддерживают частично структурированные и слабоструктурированные решения в широком диапазоне на функционально-оперативном и управленческих уровнях, преобразуя формализованные данные в «MIS-файлы». Решения, поддержанные MIS, обязательны для исполнения на эксплуатационном уровне, пополняют «копилку» решений в KWS и транслируются посредством OAS;

Рисунок 8.1 – Схема обработки данных и подготовки информации в MIS

• ориентированы на обеспечение текущих бизнес-процессов управленческими решениями, на создание отчетов и контроль исполнения;

• задают правила формирования информационных потоков и пучков внутри информационного поля компании, информационные требования известны и устойчивы;

• имеют небольшие аналитические возможности, ограниченные рамками текущей деятельности на уровне подразделений;

• недостаточно гибки, но имеют возможности для адаптации в любом подразделении;

• помогают в принятии оперативных решений, используя прошлые и настоящие данные, при этом используется больше внутренних данных, чем внешних.

Автоматизированная информационная система управления деятельностью предприятия - это взаимосвязанная совокупность данных, процедур, процессов, стандартов, программно-аппаратных и телекоммуникационных средств, предназначенная для сбора, обработки, систематизации, распределения, хранения, доставки в автоматизированном режиме информации конечному пользователю в соответствии с требованиями, вытекающими из целей деятельности.

MIS, как правило, является одним из основных модулей общей корпоративной ИС; для его разработки, внедрения и интеграции требуется тщательный анализ процессов и идентификация параметров информационного поля организации.

В российских компаниях MIS обычно развивается на базе систем TPS и OAS, с которых часто начинается автоматизация рутинных процедур и процессов. Вследствие этого MIS постепенно превращается в автоматизированную информационную систему управления предприятием (не путать с АСУП – Автоматизированной Системой Управления Производством).

Технология работы в компьютеризированной информационной системе строится так, чтобы ею могло одновременно пользоваться большое количество сотрудников. Пользователями MIS являются практически все менеджеры компании. Выходные данные - периодические результаты деятельности в виде сводок, резюме, отчетов, докладных записок, служебные расследования. В связи с тем, что часть такой информации может быть конфиденциальной, менеджеры обладают доступом различной степени. MIS имеет функциональную и обеспечивающую части (рис. 8.2).

Техническое обеспечение - комплекс технических средств, средств эксплуатационной поддержки и документация на эти средства и технологические процессы, внутренние стандарты предприятия. Это:

Рисунок 8.2 – Состав автоматизированной информационной системы управления (MIS)

• технические средства сбора, регистрации, накопления, обработки, отображения, размножения, доставки, сохранения и обеспечения безопасности информации;

• компьютеры любых моделей, мощные серверные и сетевые устройства, оргтехника;

• телекоммуникационная техника и средства связи;

• общесистемная документация, включающая государственные, отраслевые и корпоративные стандарты по техническому обеспечению;

• специализированная документация, содержащая методические материалы по всем этапам проектирования, разработки, внедрения, сопровождения и применения технических и технологических средств;

• нормативно-справочная документация для выполнения технического обеспечения.

Математическое обеспечение - совокупность математических методов, моделей, алгоритмов обработки информации, типовые задачи управления системами, теории массового обслуживания, теории игр и другие.

Программное обеспечение - комплексы программ, ориентированных на пользователей и предназначенные для решения типовых задач обработки информации. Они служат для расширения функциональных возможностей процессов контроля и управления. В программное обеспечение входят пакеты прикладных программ, которые реализуют экономико-математические модели разной степени адекватности, отражающие функционирование реального объекта.

Методическое и организационное обеспечение - совокупность методов, средств и документов, регламентирующих взаимодействие модулей ИС, технических и технологических средств, персонала в процессе разработки, внедрения и эксплуатации ИС.

Лингвистическое (онтологическое) обеспечение – набор согласованных правил, методик, словарей, алгоритмических языков высокого уровня, языков управления и манипулирования данными, позволяющий специалистам, разработчикам, пользователям и эксплуатационникам говорить на одном языке. Это средство общения с программным, техническим и информационным обеспечением, а также совокупность терминов, используемых в данной информационной системе.

Правовое обеспечение - федеральные законы и указы президента РФ, постановления государственных органов власти, приказы, отраслевые инструкции, нормативные акты налоговых органов и таможенной службы.

На этапе разработки ИС: нормативные акты, связанные с договорными отношениями разработчика и заказчика ИС, правовое регулирование споров, обеспечение этапов разработки и внедрения охраной прав интеллектуальной собственности.

На этапе функционирования ИС: определения статуса и сферы действия ИТ в конкретных органах управления и контроля, прав и обязанностей персонала, процедуры сбора и обработки информации, обеспечение прав доступа пользователям, нормативная документация о работе с информацией, содержащей секретные и конфиденциальные сведения.

Обучение персонала и сертификация систем и оборудования - набор требований к уровню подготовки специалистов и обслуживающего персонала, учебно-методическая и плановая документации подготовки и повышения квалификации. Требования и спецификации для подготовки разработанных систем для сертификации в отраслевых, государственных и международных сертифицирующих организациях (Госстандарт, Оборонсертифик, ISO, SEI и т. д.).

Функциональная часть MIS реализует назначение информационной системы. Здесь содержится модель управления организацией, отдельных ее составляющих и взаимосвязи.

В рамках функциональной части происходит трансформация целей и задач управления в функции, функций - в алгоритмы, алгоритмов - в конкретные управляющие воздействия на управляемый объект. Эти действия выполняются в подсистемах MIS, выделенных на каждом уровне управления в соответствии с предназначенной функцией (табл. 8.1).

Управление информационной средой корпорации. Архитектура Tivoli Enterprise.

Первоначально управляющая среда по версии Tivoli имела традиционную двухуровневую архитектуру: сервер (менеджер) и управляемые узлы (агенты). Ныне система Tivoli Enterprise реализует трехуровневую архитектуру,

Таблица 8.1 – Базовые функции управляющей информационной системы

Информационная подсистема маркетинга	Производственные подсистемы	Финансовые и учетные подсистемы	Кадровая и квалификационная подсистемы	Подсистемы высших менеджеров
Исследование рынка, сегментации, прогнозирование продаж	Планирование объемов работ, разработка календарных планов	Управление портфелем заказов и ценных бумаг	Анализ и прогнозирование потребностей в трудовых ресурсах	Элементы стратегического планирования. Реагирование на изменения во внешней среде
Управление закупками и продажами	Оперативный контроль и управление производственными процессами	Управление кредитной политикой	Кадровый учет, учет назначений и перемещений	Анализ стратегических и управленческих ситуаций
Рекомендации по изменению номенклатуры продукции	Анализ работы оборудования и потребности в обновлении	Разработка финансового плана	Ведение текущих и архивных записей о персонале	Выявление и решение тактических проблем
Анализ конъюнктуры и рекомендации по установлению цены	Участие в формировании заказов поставщиков	Финансовый анализ и прогнозирование. Контроль исполнения бюджета	Планирование повышения квалификации персонала	Обеспечение процесса выработки стратегических решений
Учет заказов, рекомендации по рекламной деятельности	Управление запасами и ресурсами	Бухгалтерский учет, расчеты и платежи	Контроль обучения персонала	Контроль деятельности фирмы

обеспечивающую более масштабируемое решение. Между управляющим сервером (Tivoli Management Server) и агентом (конечной точкой, еndpoint) помещается управляющий шлюз (gateway), который обеспечивает связь между определенной группой управляемых агентов и остальной средой Tivoli. Конечной точкой может быть любая машина (Unix-станция, персональный или мобильный компьютер, сетевое устройство), управляемая с помощью сервера Tivoli Management Region. Управляющий шлюз (он же управляемый узел) отвечает за все коммуникации с подчиненными ему конечными точками без дополнительных соединений с управляющим сервером.

В объектно-ориентированной архитектуре, которая лежит в основе Tivoli Enterprise, шлюз вызывает для выполнения методы объекта, описывающего конечную точку, или выполняет собственные методы для конечной точки. Конечная точка получает профили управления, выполняет задачи управления системой, мониторинг, посылает на управляющий шлюз события и т.д. Расположенный на самом верхнем уровне иерархии управления сервер TMR работает как диспетчер среды Tivoli, устанавливая и поддерживая отношения между конечными точками и соответствующими шлюзами.

Основное преимущество трехуровневой архитектуры - масштабируемость. Каждый шлюз может управлять тысячами конечных точек, а под управлением одного сервера TMR может быть до 200 шлюзов. Программное обеспечение управляемого агента (Tivoli Management Agent), установленное в конечной точке, имеет очень небольшой объем (1-2 Мбайт на диске), поэтому Tivoli Enterprise способен обеспечить полную управляемость машин, которые раньше не могли предоставить нужного количества ресурсов для загрузки управляющего кода. С другой стороны, перенос значительной части управляющих функций на шлюз сокращает требования к компьютерным мощностям сервера TMR.

Tivoli Management Framework. Система управления корпоративной информационной инфраструктурой Tivoli Enterprise включает в себя три основных компонента: базовую систему Tivoli Management Framework, управляющие приложения и инструментальные средства для добавления в стандартные приложения Tivoli новых возможностей и разработки собственных управляющих модулей с помощью стандартных API.

Рисунок 8.3 – Архитектура Tivoli Enterprise

Основа Tivoli Enterprise - открытая, масштабируемая, кросс-платформная технология Tivoli Management Framework (TMF), которая является уникальной разработкой компании. TMF позволяет унифицировать управление различными ресурсами - системами, сетями, базами данных, ресурсами Internet - в многоплатформной среде. Все приложения, которые включает в себя Tivoli Enterprise, используют TMF, которая представляет собой объектно-ориентированную архитектуру, построенную в соответствии со спецификацией CORBA. TMF рассматривает все управляемые ресурсы как сеть взаимодействующих объектов, информация о которых хранится в репозитарии объектов - объектно-ориентированной базе данных Tivoli Enterprise. Опора на CORBA-инфраструктуру обеспечивает интеграцию в среду любого размера и топологии - от локальных сетей до сложных гетерогенных инфраструктур. Объектный подход и широкая поддержка этой спецификации, позволяет управлять системами на разнообразных платформах: SunOS, Solaris, HP-UX, AIX, Windows 95/NT, OS/2, Novell NetWare.

TMF существует автономно от управляющих приложений Tivoli, но без этой системы не сможет работать ни одно из них, поскольку в нем заложены основные концепции управляющей среды и реализованы базовые возможности, необходимые для любого управляющего приложения. По сути дела TMF - это общий знаменатель для всех модулей среды Tivoli Enterprise, которые решают свои специфические задачи, а для выполнения стандартных служб обращаются к TMF. Эти службы - основа для взаимодействия системного администратора с базовой архитектурой и управляющими приложениями Tivoli Enterprise.

Основные компоненты TMF - графическая панель, объектно-ориентированные базы данных, базовые понятия и службы для управляющих приложений. Графический интерфейс позволяет администратору получить согласованное представление об управляемой среде Tivoli Enterprise и предоставляет доступ к управляющим приложениям. Объектно-ориентированные базы данных хранят информацию об управляемых ресурсах Tivoli Enterprise и специфические данные определенных приложений. Одна база данных распределена по всем машинам управляемой области Tivoli Management Region, на которых выполняется TMF.

Надо отметить, что данные об управляемых ресурсах в Tivoli Enterprise могут храниться не только в собственной объектно-ориентированной базе, но и в традиционных реляционных базах данных - Sybase, Oracle, MS SQL Server, Informix или DB2. Для доступа к ним Tivoli Enterprise обеспечивает объектно-ориентированный интерфейс RDBMS Interface Module (RIM). Хранение информации о ресурсах в традиционных базах данных позволяет применять в процессе управления средства выдачи запросов и генерации сообщений этих баз данных. Благодаря интерфейсу RIM данные одного приложения становятся видимыми для другого. RIM обеспечивает возможность разделения данных между приложениями - множество приложений получают доступ к данным, собранным из различных источников и хранящихся в реляционной базе данных.

Управляемые ресурсы - одна из базовых концепций TMF, средство моделирования с помощью объектной технологии физических ресурсов реального мира, которыми управляют приложения Tivoli Enterprise. Ресурсы представляют элементы вычислительной среды предприятия - компьютеры или наборы правил для управления системой или множеством систем. Ресурсы, которые подчиняются определенным наборам правил - это управляемые ресурсы, а правила, заданные для их управления - политика, конкретное правило которой называется методом.

Политика управления позволяет администратору подчинить управляемые объекты заданному набору правил, определяющему поведение ресурса или приложения. В функции политики управления входит генерация определенных значений для вновь созданных ресурсов (default policy) и задание ограничений для тех случаев, когда администратор использует или модифицирует ресурс (validation policy). Примером политики, может быть, правило, согласно которому пользователь при входе в систему должен вводить имя длиной не более чем восемь символов. Администратор может создать сценарий, который по полному имени пользователя будет конструировать его login (default policy), а также написать сценарий для проверки длины входного имени (validation policy). Все операции управляющих приложений Tivoli Enterprise подчиняются определенным политикам.

В TMF все управляемые ресурсы, которые подчиняются общему множеству управляющих правил-политик, объединяются в область политики (policy region). Такая область представляет собой абстрактное построение, которое позволяет управляющей системе моделировать управление и организовывать распределенную вычислительную корпоративную среду. С физическими границами области управления TMF области политики никак не связаны.

Профиль или набор информации по системному ресурсу - это еще одно базовое понятие TMF. Профиль - это средство конфигурации удаленных систем в распределенной среде, которое позволяет создавать и распределять информацию о системе. Управляющие приложения Tivoli Enterprise создают абстрактные профили для управляемых ресурсов и служб, не зависящие от определенной архитектуры и платформы. Профиль описывает конфигурацию определенного ресурса, например, учетные данные пользователя в группе разработчиков или настройки принтера, установленного на первом этаже офисного здания.

Для хранения профилей используется централизованная база данных, из которой они могут распределяться по множеству узлов. Например, профиль для приложения Tivoli User Administration содержит имя пользователя, его идентификатор и группу. Для того чтобы создать группу логически связанных профилей, полностью описывающих определенный системный ресурс, и организовать их получение соответствующими системами (так называемыми подписчиками - subscriber), в TMF используются специальные менеджеры профилей (profile manager). Таким образом, профили являются базовым средством контроля и внесения изменений в конфигурации подчиненных им ресурсов.

Помимо определения политик управления и службы конфигурации ресурсов с помощью профилей, TMF обеспечивает управляющие приложения Tivoli Enterprise еще рядом общих сервисных возможностей. В структуру базовой технологии управляющей среды Tivoli входят:

• планировщик (scheduler), который позволяет планировать одноразовое или периодическое выполнение определенных задач, например, распределение профилей, на определенное время;

• средство сбора (collections), предоставляющее возможность организации произвольных, неоднородных ресурсов в логические группы;

• средство нотификации (notification), с помощью которого приложение сможет оповестить администратора о том или ином событии в ходе выполнения управляющих операций;

• библиотеки задач, которые позволяют администратору хранить некоторые стандартные автоматизированные процедуры управления. Администратор может один раз определить процедуру и затем выполнять ее на множестве машин.

Объектные принципы построения базовой архитектуры TMF делают ее достаточно мощной и гибкой. Все ресурсы информационной системы моделируются как объекты, а основные службы, которые используют все управляющие приложения, инкапсулируются как методы этих объектов. Все коммуникации между объектами, управляемыми из приложений Tivoli Enterprise, выполняются с помощью брокера запросов oserv, работающего на сервере TMR и на каждом клиенте из управляемой области. Реализация базовых методов управления определенным ресурсом скрыта от приложения путем инкапсуляции в объекте, моделирующем этот ресурс. Технология Tivoli Management Framework позволяет включить в процесс управления множество данных, методов и зависимостей от конкретной аппаратуры и организовать взаимодействие между ними.

Основные дисциплины управления и управляющие приложения. Вместе с СА-Unicenter TNG, HP OpenView и TransView и рядом других систем Tivoli Enterprise входит в тройку полномасштабных решений для управления сетями и системами, каждое из которых охватывает все обязательные дисциплины управления вычислительной средой:

• развертывание программного обеспечения;

• обеспечение доступности сетей и систем;

• автоматизация процессов;

• безопасность информационных ресурсов.

Развертывание ПО. Сюда относятся приложения, которые автоматизируют развертывание ПО в распределенной среде и обеспечивают возможность глобального управления изменениями конфигураций ПО.

Software Distribution - автоматизирует распространение, установку и обновление ПО по сети (рис. 8.4), реализуя адресное развертывание приложений и их поддержку на протяжении всего их жизненного цикла. Разработку приложений регламентируют спецификации управления приложениями. Планирование развертывания опирается на данные приложения Tivoli Inventory, которые позволяют получить информацию о состоянии предприятия, и механизм пользовательских ссылок для предоставления конечным пользователям возможности инициировать процесс развертывания. Система выполняет автоматическую генерацию списков дистрибуции.

Для развертывания приложений широко используются средства пакетирования:

• пакетирование файлов в клиент/серверной среде;

Рисунок 8.4 – Развертывание приложений по сети

• блоковое пакетирование файлов, которое позволяет избежать проблем при развертывании системы с использованием глобальных сетевых каналов с недостаточной полосой пропускания;

• автопакетирование для нераспределенных настольных приложений.

Используя технологию WAN-Smart, приложение Software Distribution позволяет выполнять развертывание прикладных систем в сколь угодно больших сетях. Технология WAN-Smart дает, в частности, возможность выполнить веерное развертывание приложений для параллельной доставки, обеспечивает сетевую настройку ширины полосы пропускания, размеров буферов дисков и памяти, поддерживает сжатие данных.

Inventory - просматривает и фиксирует аппаратные и программные компоненты, установленные на удаленных системах. Приложение автоматически сканирует и собирает информацию об аппаратных и программных конфигурациях разнородных систем в корпоративной среде и создает единый источник информации о конфигурации. Для получения исчерпывающих данных о конфигурации используется распределенная технология сканирования TIVScan. В глобальных сетях сбор информации осуществляется с применением технологии WAN-Smart, которая позволяет сэкономить полосу пропускания и повысить масштабируемость.

Обеспечение доступности сетей и систем. Приложения этого блока призваны обеспечить постоянную доступность ресурсов, использующих важнейшие корпоративные распределенные бизнес-приложения. Они собирают и распределяют информацию о ресурсах, добиваясь реализации управления с опережением событий - предотвращения проблемной ситуации прежде, чем она возникнет.

Tivoli Enterprise Console (TEC) собирает управляющие сообщения и предупреждения из различных источников, определяет взаимосвязи в информации для выяснения первопричины возникновения проблем и автоматизирует ответные действия. ТЕС обеспечивает интеграцию данных о событиях от любых источников реального мира, в том числе всех доступных адаптеров, EIF-инструментов, журнальных файлов и т.д. Данные о событиях обрабатываются для выполнения корреляции событий и поиска истинных причин возникших проблем. На стандартные события ТЕС генерирует автоматические ответы, высвобождая персонал и позволяя концентрироваться на разрешении сложных проблемных ситуаций. ТЕС - удобное и эффективное средство отслеживания событий и управления ресурсами в непрерывном режиме для сильно распределенных, крупных организаций.

Distributed Monitoring - распределенный мониторинг системных ресурсов и служб, автоматическое определение и корректировка потенциальных проблем. Эти возможности позволяют предотвратить возникновение критичных ситуаций. В функции приложения Distributed Monitoring входит удаленное конфигурирование, мониторинг и управление удаленными системами из единой точки. Управление из центрального узла позволяет изменять или устанавливать параметры мониторинга для множества сходных удаленных систем с помощью одной операции. При наступлении определенных условий на удаленных системах могут автоматически, без участия администратора, запускаться заранее заданные превентивные процедуры. По требованию в центральную точку управления передается информация о статусе системы. Кроме того, приложение Distributed Monitoring обеспечивает автоматическое извещение персонала о наступлении специфичных событий или превышении заранее заданных порогов.

NetView - мощное приложение сетевого управления на базе SNMP, доставшееся Tivoli в качестве приданого от IBM. NetView распознает сети ТСР/IP, отображает их топологию, собирает информацию о сетевых устройствах, выполняет корреляцию, управляет событиями и прерываниями SNMP, выполняет мониторинг состояния сети, собирает данные о производительности. Администратор большой сети через Web-браузер имеет возможность масштабирования системы управления, благодаря использованию такого компонента NetView, как MLM (Mid-Level Management Manager) - менеджер среднего уровня. NetView MLM выполняет управление ресурсами на базе политик, обработку и пересылку сообщений серверу NetView и определенные локальные действия, в то время как сервер NetView отвечает за задание политик управления и корреляцию событий. Опосредованное управление распределенной сетевой инфраструктурой с помощью MLM позволяет оптимизировать сетевой трафик. NetView интегрирована с консолью ТЕС, поэтому администратор сможет выбрать нужную позицию в журнале событий ТЕС и одним щелчком по соответствующей пиктограмме на топологической карте NetView перейти на узел - источник этого события.

NetView обрабатывает информацию о статусе сетевых узлов на самых разных платформах - AIX, Solaris, DigitalUNIX, NT, специальное решение предоставляется для ОС мэйнфреймов - OS/390. Помимо управления по протоколу SNMP, который поддерживает большинство межсетевых устройств, NetView имеет возможность сбора данных от настольных систем, управляемых по стандарту Desktop Management Interface (DMI), и поддерживает спецификацию WBEM (Web-Based Enterpise Management). Корреляция событий выполняется на основе правил - выявляются правила, влияющие на множество событий и устройств, просматриваются прошедшие события и отслеживаются случаи превышения пороговых значений. NetView поддерживает автоматическое реагирование на стандартные события. Как показывает опыт, 80 % событий могут быть разрешены заранее известными способами, которые система автоматически реализует (пошлет сообщение по электронной почте, пейджер или выполнит заданный сценарий). Администратор получает возможность сосредоточиться на поиске решения более сложных проблем.

Decision Support - последнее слово в сфере управления информационной инфраструктурой: использование аналитических средств, позволяющих принимать оптимальные решения при возникновении проблем, более того, выявляя тенденции, предотвращать эти проблемы, управлять сетями и системами в контексте общих бизнес-задач.

Системы поддержки принятия решений, которые до сих пор широко использовались для управления деятельностью корпорации, приходят в системы управления информационными системами. В Tivoli Enterprise входит приложение Decision Support, которое накапливает банки данных об информационных ресурсах и преобразует эти данные в критичную для ведения бизнеса информацию. Decision Support может, например, оценить, сколько специалистов или сколько часов потребуется для полного развертывания ПО, когда потребуется провести обучение персонала, для того чтобы снизить число обращений в службу поддержки. Такого рода анализ позволяет администратору оперативно принимать решения о модификации своих систем, например, об установке нового приложения, заказе модернизации памяти для всей компании и т.д. Обобщенные данные по той или иной проблеме предоставляются в удобном, наглядном виде, что значительно упрощает и ускоряет процесс принятия решения.

Как и любое средство поддержки принятия решений, система Decision Support консолидирует и преобразует данные, выявляя в них скрытые схемы и естественные связи. Decision Support интегрирует данные их разрозненных источников, предоставляя ключевые параметры работы информационных систем и сетей. Реализованные в этом приложении возможности оперативной аналитической обработки позволяют исследовать данные в реальном времени с помощью различных методов и получать отчеты для анализа результатов и их влияния на бизнес. Специальные средства анализа предназначены для аккуратной оценки тенденций и принятия упреждающих решений. Decision Support поддерживает путеводители Decision Support Discovery Guides, которые обеспечивают логическую организацию информации по общим темам (например, путеводитель по активам, изменениям, системам телефонии и т.д.) и позволяют предварительно сформулировать вопросы, с помощью которых проще будет исследовать проблему. У пользователя есть возможность и для задания дополнительных вопросов без необходимости генерировать сложные запросы.

Приложение Decision Support интегрировано с технологией массовой рассылки PointCast Network, благодаря чему данные и обзоры, сгенерированные Tivoli Decision Support, могут распространяться через Internet-каналы PointCast.

Автоматизация процессов. Приложения этой группы автоматизируют действия, гарантирующие интегрированность и надежность функционирования информационной инфраструктуры.

Remote Control - реализует удаленное управление настольными системами, серверами и распределенными приложениями в локальных и глобальных сетях в реальном времени. Workload Scheduler - планирует, координирует и автоматизирует выполнение приложений, гарантируя согласованное и надежное выполнение их функций. Output Manager - обеспечивает доступ ко всем корпоративным ресурсам вывода информации, включая принтеры, электронную почту, факс-машины и Web. OPC - реализует управление нагрузкой. ADSM - реализует управление системами хранения информации

Безопасность информационных ресурсов. Эти приложения контролируют доступ пользователей к корпоративным ресурсам и обеспечивают безопасность этих ресурсов.

User Administration - управляет пользователями, группами и хостами. Имеется специальная версия этого приложения для администрирования пользователей на мэйнфреймах S/390, для которых доступ к ресурсам контролируется системой RACF (Resource Access Control Facility). Tivoli управляет более чем 100 атрибутами для пользователей RACF. User Administration реализует ряд концепций, имеющих ключевое значение для эффективного управления пользователями в распределенной, неоднородной среде: управление, основанное на политиках, управление по подписке, безопасное делегирование полномочий, платформно-независимый интерфейс.

Security Management - открытое решение для управления распределенными средствами защиты на базе ролей в масштабе предприятия. Security Management позволяет определять, исполнять и отслеживать политику безопасности для корпоративной вычислительной среды - от хранилищ данных на мэйнфреймах до настольных компьютеров. Security Management защищает системы, учетные пользовательские данные, приложения, брандмауэры, intranet, Web-серверы от несанкционированных манипуляций и вирусных заражений. Система обеспечивает регулирование доступа к ресурсам на основе ролей пользователей на предприятии, а также реализует возможность задания политики безопасности и средства аудита. Версия Security Management для ОS/390 управляет всеми сегментами системы контроля доступа к ресурсам на мэйнфреймах IBM RACF с помощью открытых и документированных интерфейсов. Кроме того, Security Management предоставляет возможность дополнительной настройки типов записей и типов конечных пользователей через Application Extension Facility. Система Security Management тесно интегрирована с приложением User Administration, а также допускает совместное использование со средством оценки сетевой безопасности Internet Scaner от компании Internet Security Systems (ISS) и антивирусным сканером IBM AntiVirus.

Помимо средств для управления непосредственно сетями и системами, Tivoli предлагает решение для управления ИТ-услугами - Service Desk. Этот прикладной уровень оптимизирует взаимосвязи между ИТ-отделами и потребителями их услуг в корпорации, проясняя зависимости между пользовательскими проблемами, корпоративными активами и изменениями в информационной инфраструктуре. Этими задачами занимаются три приложения, входящие в пакет Service Desk: Tivoli Asset Management (управление активами); Tivoli Change Management (управление изменениями); Tivoli Problem Management (управление проблемами).

Модуль Tivoli Problem Management позволяет контролировать взаимодействие с пользователями, отслеживать их запросы, решать проблемы с помощью современных технологий, поддерживать интеграцию с приложениями управления сетью и системными платформами, обеспечивать пользователей прямым доступом к корпоративным знаниям. По определению самой Tivoli - это центральное приложение системы Service Desk, краеугольный камень стратегии истинного управления службами.

Tivoli Change Management позволяет планировать изменения в информационной инфраструктуре корпорации и обеспечивает сквозное управление этим процессом. Tivoli Change Management обеспечивает полный контроль над процессом внесения любых изменений информационной инфраструктуры, таких как, обновление ПО, перемещение устройств и изменение в сети, которые влекут за собой эти события. Tivoli Change Management предоставляет исчерпывающие данные о последствиях любых модификаций. Это приложение способствует совершенствованию возможностей планирования изменений за счет учета полученного ранее опыта и понимания последствий изменений для вычислительной среды.

Tivoli Asset Management предоставляет полную и точную информацию об активах корпорации, связывая службу поддержки систем с инвентаризационными данными. С количественным ростом активов возрастает их сложность, поэтому Tivoli Asset Management дает общее представление об активах корпорации, поддерживая средства интеграции с системами инвентаризации от других поставщиков. Благодаря Tivoli Asset Management, корпорация может более эффективно управлять своими активами и сопровождать их в течение всего жизненного цикла.

Наконец, в Tivoli Enterprise входит еще одно важное приложение, которое позволяет управлять информационной инфраструктурой в контексте конкретных бизнес-задач. Global Enterprise Manager унифицирует управление кросс-платформными бизнес-приложениями, позволяя управлять сетями, системами, базами данных и стратегическими приложениями как единым объектом. По существу, Global Enterprise Manager-это реализация новой парадигмы управления приложения, так называемого системного бизнес-управления. Системное бизнес-управление позволяет держать под контролем группы связанных приложений, на которых базируются критические бизнес-функции компании: электронный бизнес или электронная коммерция, системы корпоративного планирования ресурсов или корпоративная электронная почта. Такие критичные бизнес-системы, как правило, устанавливаются как на централизованных, так и на распределенных системах, включают в себя множество взаимосвязанных компонентов, как коммерческого, так и внутреннего значения, используют различное промежуточное ПО, различные базы данных и различные операционные платформы. Global Enterprise Manager позволяет управлять всем этим многообразием из единой точки, ставя оценку состояния и контроль за работой приложений на службу глобальным задачам корпоративного бизнеса.

Управление приложениями - одна из основных функций администратора распределенной информационной среды. В Тivoli Enterpise имеется набор модулей для управления известными коммерческими прикладными системами. Используя эти управляющие модули, сетевой администратор имеет возможность из стандартного графического интерфейса Tivoli Enterpise распределять прикладную систему по сети, выполнять инсталляцию на удаленных платформах и поддерживать ее нормальную работу в распределенной среде.