Главная  Статьи  Менеджмент знаний  Основные публикации по менеджменту знаний

Еще со школы нас учат разбивать проблему на части, а мир – на фрагменты. Хотя в результате сложные задачи становятся более легкими для управления, мы платим за это потерей целостности из-за рассечения взаимодействующих частей единой системы. Кроме того, мы часто не можем видеть завтрашние последствия наших сегодняшних действий, поскольку процессы обратной связи проходят с задержкой: сегодняшние проблемы и возможности есть порождение вчерашних решений. В противоположность аристотелевскому подходу развитое системное мышление позволяет видеть совокупность взаимосвязей, а не только отдельные линейные цепочки причинно-следственных связей, позволяет видеть процессы изменений, а не статичные состояния.

Большую практическую помощь в реализации системного мышления, в том числе и в его развитии [Кужель С.С., Кужель О.С., Информационные…, 2002], оказывает определенный комплекс методов и программных средств – технология динамики систем [Форрестер Дж. Основы …, 1971].

Системы с обратной связью характеризуются тем, что оператор, выполняющий некоторые действия, позднее подвергается воздействию в зависимости от результатов своих действий. В реальной жизни многие люди не замечают, что они являются частью многих различных сложных социальных, экономических и организационных систем с обратной связью. Чем длиннее временная задержка внутри цикла и менее ясны следствия, тем сложнее распознать существование обратной связи. Именно такие сложные системы с большим числом циклов и составляют предмет изучения динамики систем.

Динамическая сложность – обязательный атрибут современного динамичного мира. «Обычные методы прогнозирования, планирования и анализа непригодны для работы с динамической сложностью. Динамически сложной является ситуация, в которой ближайшие и отдаленные последствия какого-либо действия оказываются принципиально различными. Либо когда местные последствия какого-либо действия оказываются противоположными по влиянию на отдаленные части системы. С динамической сложностью мы сталкиваемся, когда в результате очевидных действий получаем весьма неожиданные последствия» [Сенге П. Пятая …, 1999].

Системная динамика представляет собой совокупность принципов и методов анализа динамических управляемых систем с обратной связью и их применения для решения производственных, организационных и социально-экономических задач.

Философия системной динамики базируется на предположении, что поведение (или история развития во времени) организации главным образом определяется ее информационно-логической структурой. Другой аспект философии системной динамики заключается в предположении, что организация более эффективно представляется в терминах лежащих в ее основе потоков, нежели в терминах отдельных функций. Потоки людей, денег, материалов, заявок и оборудования, а также интегрированных потоков информации могут быть выявлены во всех организациях. Направленность на потоковую структуру заставляет аналитика естественным образом преодолевать внутриорганизационные границы.

Основными элементами динамики систем являются дискретные или аналоговые переменные: потоки, фонды (накопители ресурсов), преобразователи переменных и коннекторы. Если переменная не изменяется в зависимости от изменения других переменных системы, она называется экзогенной, т.е. внешней для системы. Переменная, значение которой изменяется в зависимости от изменения других переменных внутри системы, называется эндогенной.

Значения всех переменных, входящих в имитационную модель, вычисляются в каждый момент модельного времени. Затем, через определенный интервал, на основе старых значений вычисляются новые значения переменных, и т.д. Таким образом, имитационная модель “развивается” по определенной траектории в течение заданного отрезка модельного времени.

Преимущества компьютерной модели, сконструированной и используемой для поддержки принятия решений, состоят в следующем:

Она заставляет лицо, принимающее решение, (ЛПР) точнее и полнее формулировать словесные описания причин возникновения проблемы, которые он неизбежно хранит в своей голове.

В процессе формального построения модели аналитик вскрывает и устраняет многочисленные внутренние противоречия и сомнения, имеющиеся в его предположениях о модели.

Когда производится “прогон” модели, становится возможным логическое “тестирование”. С помощью модели легко оцениваются следствия из многообещающих, но умозрительных решений. Наблюдения за поведением модели способствуют появлению новых гипотез о структуре реального объекта.

Когда достигнут приемлемый уровень надежности, становятся возможными формальные эксперименты по выработке управленческой политики, быстро раскрывающие вероятные следствия из различных управленческих альтернатив. На модели легко могут быть исследованы ситуации типа “что, если...”.

Формально операционная модель завершена всегда, но в содержательном смысле никогда не завершена до конца. В отличие от многочисленных методов планирования, которые обычно используются эпизодически и время от времени (они обеспечивают поддержку решения только в момент подготовки отчета, но не раньше и не позже), модель органична и интерактивна. Модель доступна в любой момент времени и предоставляет средства для лучшего понимания проблемы.

Анализ устойчивости модели – это та область, обсуждение которой подводит эмпирическое исследование к важным вопросам. Если истинные значения многих параметров неизвестны (это обычное явление при корпоративном стратегическом планировании), то первое, с чего следует начать исследование, это анализ поведения модели при колебаниях значений параметров.

Операционная модель может служить средством коммуникации между людьми, которые не участвовали в ее построении. При изменении управленческой политики и модельных параметров и последующем анализе результатов этих изменений, эти люди могут лучше понять динамику развития реальных систем.

Экономический эффект моделирования: исправление ошибки на стадии проектирования стоит в 2 раза, на стадии тестирования – в 10 раз, а на стадии эксплуатации – в 100 раз дороже, чем на стадии анализа. Поэтому особый интерес представляют методы и средства, позволяющие с минимальными затратами «проиграть» сценарии развития ситуации и создать действующий, хотя несовершенный по своим характеристикам, макет будущего проекта.

Для наиболее передовых предприятий технологии Business Intelligence стали инструментами управления, непосредственно влияющими на эффективность корпораций, которые сейчас завершают революцию, начатую реинжинирингом бизнес-процессов (BPR) в 90-х годах.

Одним из путей снижения неопределенности и уменьшения рисков для обеспечения успешного функционирования и развития компаний в таких условиях является комплексное применение информационных технологий (ИТ) непосредственно в контурах стратегического и оперативного управления.

Как и во всякой новой области, терминология еще не устоялась и для близких категорий используются такие термины как: BPM (Business Performance Management, Управление эффективностью бизнеса), CPM (Corporate Performance Management), EPM (Enterprise Performance Management). Но процесс реализации данного направления уже происходит быстрыми темпами, в частности, аналитики отмечают всплеск слияний ряда зарубежных специализированных компаний.

Усиление конкуренции и растущая динамичность рыночной среды приводят к тому, что «в обозримом будущем многие пользователи установят огромное количество разнообразных и разрозненных BI-технологий – большей частью реализованных в виде приложений» [Связывая стратегию с исполнением: Введение в управление эффективностью корпорации, 2002]. Следует отметить, что в последнее время за рубежом разработчики корпоративных информационных систем внедряют новую категорию систем поддержки принятия решений. Поставщики средств бизнес аналитики (Business Intelligence, BI) называют такую технологию управлением эффективностью бизнеса (Business Performance Management, BPМ), они обещают, что такие решения обеспечат "аналитическое представление" обо всем предприятии в целом и объединят стратегию с деловой активностью.

Реинжиниринг бизнес-процессов (business-process reengineering, BPR), до сих пор остается незавершенным, потому что модели цепочек не могут предоставить полное, стратегически целостное представление о бизнесе. Так как деятельность предприятия охватывает многочисленные процессы, образующие своеобразную мозаику, нужно поддерживать всеобъемлющий анализ на уровне всего предприятия. Реинжиниринг бизнес-процессов, разбивающий сложные процессы в обозримые последовательности действий и динамическое моделирование, интегрирующее предприятие и его бизнес-среду в целостную картину, соотносятся между собой как левое и правое полушарие мозга, и столь же необходимо дополняют друг друга.

Управленцу нужно объединить несколько многомерных функциональных пространств своего предприятия и взаимодействующих организаций. Более того, нужно «держать перед глазами» всю эту синтезированную картину и уметь оперировать ею.

По мнению Стейси Маккаллоу, аналитика по вопросам бизнес приложений компании Forrester Research: «ERP системы способны значительно снизить затраты, сократить сроки оплаты счетов и ускорение возврата от инвестиций. Но они достигли своих пределов в том, что касается обеспечения конкурентных преимуществ. Автоматизировать работу компании с помощью системы ERP можно, но оптимизировать — нет. Несмотря на многие сильные стороны, система ERP не в состоянии подготовить компанию к работе в быстро меняющихся условиях» [Маккалоу С., Автоматизация …, 2000].

В компаниях полагают, что добиться поставленных целей: уменьшения расходов, увеличения производительности и сокращения продолжительности производственного цикла и т.п., можно вооружив своих сотрудников инструментами аналитики, объединив работу с корпоративной стратегией, а также воспользовавшись технологиями прогнозирования и добавив средства аналитики в операционные системы, которые работают в реальном или близком к нему режиме времени. По мнению SAS Institute, BPM системы направлены на обеспечение интеграции возможностей стратегического и операционного управления и предназначены для того чтобы "питать" стратегии высокого уровня результатами операционного моделирования и прогнозирования.

Основными чертами нового направления являются возможности расширенного управления и анализа данных, меняющихся во времени, в том числе и функцию прогнозирования, основанного на моделировании. Знание временного измерения и возможность управлять моделями и историческими данными в свою очередь позволяет применять "прогнозирующую аналитику", допуская определение различных сценариев "что – если" для обнаружения и предупреждения угроз.

Так как участие менеджеров в контурах управления признано обязательным, то задача автоматической оптимизации управления заменяется задачей поиска лучших решений менеджерами с автоматизацией наиболее трудоемких операций при разработке управленческих решений.

В статье [Связывая стратегию с исполнением: Введение в управление эффективностью корпорации, 2002], делается вывод о том, что «понимание неразрывности всех аспектов CPM – залог процветания компании: предприятия, которые успешно развернут CPM-решения, окажутся "первыми среди равных". На протяжении последних 10 лет наблюдается бум методик управления эффективностью функционирования. Эти методики часто видятся удивительно простыми. Но методики сами по себе без инструментов не могут удовлетворить потребностям предприятия в управлении эффективностью функционирования.

«Общение с корпоративными работниками, ответственными за формулирование BI-стратегии, выявило следующий факт: большинство их понимает преимущества технологии CPM, однако не знает, с чего начать. Существует соблазн, попытаться определить окончательную CPM-стратегию, но это чревато уходом в область "чистой теории": BI-специалист будет стремится описать каждый показатель, процесс и методику, необходимую компании. Вместо этого для успешного развертывания CPM-решений рекомендуется выявить бизнес-проблемы и установить, как можно использовать существующие BI-приложения в качестве CPM-решения».

К наиболее эффективным интеллектуальным информационным технологиям (кроме нейронных сетей и Date mining, которые также предлагаются к применению в Центре стратегического управления) относится имитационное моделирование на базе динамики систем.

Появление хороших и простых математических моделей в сложных областях не исключено, но маловероятно, так как все «простое» уже сделано. Поэтому дальнейшая математизация сложных областей, прежде всего, социально-экономических, будет развиваться по пути создания имитационных моделей.

Мотивация в применении моделирования растет. Приведем несколько примеров. Компания Nokia, недавно понесла убытки в десятки миллионов долларов [Инфо-бизнес №16, 2003], столкнувшись на рынке мобильных телефонов с архетипом ситуации описанным в известной «Пивной игре» [П.Сенге, Пятая дисциплина.., 2000], который относительно легко распознается и управляется («разруливается») с помощью динамической модели.

Группа разработки и внедрения новых моделей в компании Harley-Davidson приятно поразила себя и других тем, что очередная модель мотоцикла была запущена в производство точно в срок, без обычных в таких случаях стрессов, суеты и неразберихи. Это было достигнуто благодаря начатой за несколько лет до того работы над изменением политики компании и поведения людей. Профессор системной динамики МТИ Нелсон Репеннинг и директор программного управления компании Harley-Davidson Дон Киффер с помощью большого числа инженеров и менеджеров разработали несколько серий системных диаграмм, на которых наглядно изобразили игру сил, мешавших совершенствованию процессов разработки и внедрения новой продукции. Эти модели системной динамики, базирующиеся на опыте движения за качество в компаниях Harley-Davidson, Ford и AT&T , представляют собой превосходную отправную точку для начала экспериментов в любой компании и могут оказать бесценную помощь линейным менеджерам, стремящимся к изменениям.

Как правило, стратегическое планирование сводится к прогнозированию: на основании текущих показателей доходов и прибыли с помощью экстраполяции вычисляют значения тех же показателей через квартал, год и т.п. Такая методология планирования базируется на представлении, что будущее подобно прошлому, только впереди всего будет больше. Стремясь точнее представить будущее, люди сразу сталкиваются с затруднениями. Типичный стратегический план основан на десятках неявных предположений относительно потребностей рынка, динамики отраслевых и общеэкономических факторов, влияния на них самой компании. Невозможно сформулировать все эти предположения в явном виде, не говоря уже о проверке их применимости или обоснованности. В этой игре участвует слишком большое число «взаимозависимых и неизвестных факторов».

Вот почему в процессе принятия корпоративной стратегии так много элементов «магии». После того как рынок отделит проигравших от победителей (скажем, FedEx, Microsoft, Schwab, Intel), последние сами выбирают факторы, определившие их успех (задачи— видение—ценности—стратегия). Никто никогда не подвергал углубленному анализу действия проигравших и потому не знаем, сколь многие из них имели тот же «выигрышный» набор.

Для исследования разных стратегических альтернатив можно использовать компьютерное моделирование и «микромиры» на базе динамики систем. Задачей компьютерного моделирования является не нахождение «верной» стратегии, а формулирование предположений, лежащих в основе каждого стратегического решения. Аналитикам надо дать возможность спокойно и детально просчитать и проанализировать последствия предлагаемых стратегических решений в приемлемые сроки (на компьютерное моделирование нескольких лет развития достаточно пары часов машинного времени).

Например, когда менеджеры чрезвычайно успешной программы Ford Explorer разработали метод «микромиры» для анализа стратегий сбыта автомобилей за рубежом, они постепенно пришли к выводу, что их базовая стратегия в принципе нереализуема, потому что основывается на противоречивых предположениях относительно величины и динамики спроса разных сегментов рынка на легкие грузовики . «Микромиры» не «сказали» (да и не могли сказать), что же им делать. Но, по свидетельству менеджера программы Дейва Боургера, «это безусловно ускорило процесс и прояснило наши стратегические идеи» [П.Сенге. Танец перемен: новые проблемы самообучающихся организаций, 2003].

П. Сенге дает ряд рекомендаций:

• Используйте сценарный подход для исследования «слепых зон» и сигналов неожиданных событий.
• В рамках сценарного подхода анализируйте задачи организации.
• Делайте проверку гипотез, на которые опирается ваша стратегия.
• Базовым инструментом, позволяющим перевести управление на качественно новый уровень, является динамика систем.

Поэтому наибольшее значение имеет не то, что использование некоторых инструментов позволяет более эффективно делать то, что уже делается, а то, что инструменты позволяют сделать то, что без них сделать невозможно. Так проблемно-ориентированные интерактивные системы, к которым относятся динамические системы поиска оптимальных решений, предоставляют возможность разрабатывать модели сложных процессов, ранее недоступных технологии математического моделирования.

В частности, динамические системы поиска оптимальных решений в качестве Dynamic Planning and Simulation, предоставляют возможность осуществлять не только мониторинг баланса целей между собой, но и в отличие от обычных (не динамических) систем Balanced Scorecard, оптимизировать соответствие этих целей с ресурсами разных видов. Dynamic Planning and Simulation предоставляют функциональность для поддержки интегрированного стратегического и оперативного планирования деятельности предприятия. Эта функциональность включает в себя: создание динамических моделей, моделирование различных сценариев, планирование сценариев и их оценку с учетом бизнес-рисков, перераспределение всех ресурсов как часть планирования деятельности предприятия, планирование и динамическое прогнозирование деятельности предприятия.

Для сложных, в особенности социально-экономических явлений именно процесс изменения моделей и есть процесс изучения данного явления, предоставляемый проблемно-ориентированной интерактивной системой и невозможный, если таковой системы нет [Павловский Ю.Н. Имитационные модели и системы, М., ВЦ РАН, 2000].

Данный аспект динамических систем поиска оптимальных решений, представляющих по сути интерактивную базу знаний предприятия и окружающей его бизнес-среды, предлагается использовать для Переноса системы управления (включая организационный реинжиниринг бизнес-процессов «Ассоциации Бизнес Сервис») на новые предприятия.

«В основе системного мышления лежит теория динамики сложных систем, позволяющая понять закономерности их внутреннего развития. Освоение таких инструментов и методов, как системные архетипы, обучающие лаборатории и моделирование, помогает постичь науку управления этими системами» [П.Сенге. Танец перемен: новые проблемы самообучающихся организаций, 2003].

Для сложных проблем системный анализ состоит из следующих этапов.

1. Идентификация симптомов.
2. Обнаружение проблемы.
3. Оценка актуальности проблемы.
4. Формулирование проблемы.
5. Определение целей.
6. Анализ ограничений проблемы.
7. Определение критериев.
8. Сбор информации.
9. Анализ существующей системы и ее дефектов
10. Разработка модели в виде уравнений, программ или сценариев.
11. Разработка максимально возможного количества альтернатив.
12. Оценка результата по каждой альтернативе.
13. Оценка затрат по каждой альтернативе.
14. Отбор нескольких вариантов.
15. Испытание чувствительности вариантов (параметрическое исследование)
16. Выбор одного решения.
17. Согласование решения
18. Обеспечение признания решения
19. Принятие решения (принятие формальной ответственности).
20. Запуск процесса реализации решения.
21. Управление процессом реализации решения.
22. Определение результатов реализации решения.
23. Оценка последствий реализации решения.
24. Обобщение результатов для базы знаний.

Просмотр и оценка большого числа альтернатив расширяет область поиска решений и увеличивает вероятность получения лучшего решения. Но просмотр большого количества альтернатив с оценкой последствий решений очень трудоемкий этап. Моделирование особенно необходимо для трудоемких, циклически выполняемых этапов 11,12, 13, а также для испытания чувствительности (этап 15). Объективность модели часто становится необходимой при согласования решений (поиске компромисса) заинтересованными сторонами и признания решения (этапы 17 и 18).

Процесс анализа чувствительности довольно трудоёмок, но использование вычислительной техники и специализированных программ упрощает задачу, делая процесс анализа более реализуемым. Варианты расчетов легко генерируются, а результаты – почти мгновенны.

Серьёзность ситуации, требующей прогнозирования, – единственный критерий того, насколько тщательно вы должны проверять «чувствительность» ваших выводов и какой объём анализа необходим.

Динамическое моделирование, являясь одним из ряда экономико-математических методов, имеет при этом значительные отличия от всех других.

Статическое моделирование отличается от динамического тем, что в нём не рассматриваются изменения во времени. Моделирование соотношений параметров происходит до определённого момента времени. В случае динамического моделирования параметры модели претерпевают непрерывные изменения во времени. Одной из важных черт динамического моделирования является разделение ресурсов на потоки и их накопления в так называемых накопителях (фондах), например, складах, банках и т. п., а также влияние скоростных характеристик изменений параметров на поведение социально-экономического объекта в целом.

В настоящее время в практике экономических расчётов широко используются статические методы, к которым относятся методы линейного и нелинейного программирования, балансовые методы и др. Как правило, они рассчитаны на получение удовлетворительного решения для некоторого фиксированного момента времени или краткого интервала. Вне этого момента (интервала) времени найденное решение неприемлемо. Это обусловлено тем, что статическая модель, «не зная» будущего, не резервирует ресурсов для его развития.

Метод динамического моделирования предназначен для изучения развивающихся во времени социально-экономических процессов. При этом в каждый момент все процессы и состояния зависят от структуры модели на данный момент и от всей предыстории объекта. Весьма важная особенность динамического моделирования – возможность реализации в модели непрерывных процессов. Статические методы не выявляют быстрых изменений параметров, что приводит к заметным ошибкам в результатах. Моделирование же непрерывных процессов обнаруживает скачкообразные изменения, а это повышает точность исследований.

При социально-экономическом моделировании использование статистической информации не всегда целесообразно, поскольку реально получаемая информация подчас единична не только по повторяемости, но и по совокупности порождающих причин. В таких случаях отсутствует репрезентативная информация о достаточном числе ситуаций одного порядка. Это объясняется тем, что в экономике и обществе в основном имеют место уникальные, неповторяющиеся и нестационарные процессы, следовательно, невозможно получить результаты статистически независимых экспериментов. Перенесение на будущее полученных статистическими методами взаимных связей параметров, наблюдаемых в прошлом, можно осуществить только лишь при выполнении анализа в границах постулатов математической статистики, которые гласят: 1) количество испытаний должно быть так велико, что их дальнейшее увеличение не изменит результатов, 2) все испытания должны выполняться в одинаковых условиях, 3) все испытания должны быть независимыми (проведение одного не должно влиять на результаты проведения остальных). Нарушение любого из постулатов математической статистики приводит к существенным ошибкам в результатах.

В связи со статическим подходом в экономическую практику широко вошли методы экстраполяции так называемых динамических рядов показателей. Для этого определяются значения показателей за ряд прошлых лет (месяцев, кварталов), а затем каким-либо формальным путём характер изменения этих показателей во времени продолжается в будущее. Использование такого приёма заключается в необоснованном допущении того, что данный показатель изменяется во времени сам собой без влияния на него других факторов, которые, в свою очередь подчиняются определённым закономерностям. Все попытки распространить существовавшие ранее процессы на будущее в большинстве случаев дают результаты, мало совпадающие с действительностью. И это естественно, поскольку нестационарная структура экономического объекта, породившая в прошлом статистически выявленные процессы, в будущем станет другой, непохожей на прошлую. Новая структура создаст качественно (или количественно) новый характер процессов, сохранятся только общие законы взаимовлияния факторов. Следовательно, статистика отражает состояние системы только в прошлые моменты времени. При экстраполяции известной траектории изучаемого параметра совершается двойная ошибка: во-первых, этим самым признаётся неизменность структуры объекта и постоянство мест приложения закономерностей в будущем, а, во-вторых, отвергается функциональная взаимосвязь между параметрами.

В большинстве случаев в современной экономике статистические данные используются не для раскрытия объективных законов, а для объяснения причин произошедших единичных процессов или состояний. Объяснения, предлагаемые на основе такого подхода, зачастую запаздывают и весьма редко отражают сущность. Вместе с тем раскрытие сущности прошлых взаимосвязей параметров объекта, независимых от времени, позволяет определить возможные закономерности этих связей. Тогда на основе раскрытых взаимосвязей можно построить корректные модели изучаемых объектов.

Таким образом, статистические способы прогнозирования не дают возможности получения корректных прогнозов развития экономических процессов, в то время как динамические модели позволяют решать такие задачи. Однако, ставя во главу угла детерминированные закономерности и алгоритмы хозяйственного механизма и понимая ограниченность статистических методов, не будем забывать о том, что формулирование используемых закономерностей можно получить только в результате статистического анализа прошлых событий и их причин.

Для этого используются другие инструменты из арсенала интеллектуальных информационных технологий, например, нейронные сети.

Самостабилизирующиеся системы сохраняют организационно-экономическую устойчивость в средах, в которых возмущения находятся в пределах диапазона их корректирующих воздействий, тогда как адаптирующиеся системы эволюционируют в более сложные и более жизнеспособные системы.

Поэтому в организации выделяются два больших блока.

Первый блок – Центр стратегического управления, объединяющий в себе высшее руководство, аналитическую службу, подразделение стратегического маркетинга, юридическую службу, отдел перспективного развития, — своеобразный «мозговой центр» и одновременно «центр активных мероприятий», который отвечает, прежде всего, за адаптацию организации к изменившимся/изменяющимся условиям.

Второй блок, включающий производство продукции (оказание услуг) и соответствующее управление, — своеобразная «группа стабильности», обеспечивающая предприятие финансовыми и прочими благами, отвечает за основную часть самосохранения системы.

Структура рабочего места управляющего функциональной стратегией

Версия для печати  |  Пользовательское соглашение