Реферат: Н. В. Берёза алгоритм принятия решения выбора рыночной стратегии для субъектов рынка Информационных услуг

Информатика, вычислительная техника и инженерное образование. – 2011. − № 5 (7)

РАЗДЕЛ III. НОВЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ


УДК 338.242


Н.В. Берёза


алгоритм принятия решения выбора рыночной стратегии для субъектов рынка Информационных услуг1


В работе представлены алгоритм и модель принятия решения о выборе рыночной стратегии и определения состава оказываемых информационных услуг на основе нечёткой логики. Критериями выбора услуг являются: показатели информатизации, финансовое состояние субъекта и этап жизненного цикла услуги. Этап жизненного цикла определяется на основании экспертных оценок. Предложена методика оценки многопродуктовых программ на основе рентабельности бизнес-портфеля.

Жизненный цикл товара, рынок информационных услуг, нечёткие множества.


N.V. Bereza


^ ALGORITHM OFDECISION-MAKINGSTRATEGY FOR THE MARKET SUBJECTS OF THE INFORMATION SERVICES’S MARKET


The paper presents an algorithm and decision-making model for choosing a marketing strategy and determine the composition of information services based on the fuzzy logic. The criterions for selection of the services are: information measures, the financial condition of the subject and stage of life cycle services. Stage of the life cycle is determined on the basis of the expert assessments. Was propose a method of estimating multi-product programs based on profitability of the business portfolio.

The product life cycle, the market of the information services, fuzzy sets.


Введение


В современных условиях в связи с усложнением экономических и социальных систем становятся все более актуальными интеллектуальные системы управления. Разработка таких систем строится на основе работпо стратегическому менеджменту в различных отраслях экономики. Теоретические основы разработки стратегий поведения рассматриваются в работах отечественных и зарубежных ученых, таких как Грушенко В.И., Чернов В.Г., Ансофф И., Портер М., Хофер Ч., Лиддс А. и др.

Существующие на сегодняшний день ERP-системы достаточно дороги, с трудом поддаются интегрированию с используемым программным обеспечением и ориентированы на крупных корпоративных клиентов. На практике у малых предприятий чаще всего выбор происходит интуитивно. Также сложным моментом является отсутствие и неполнота информации. Имеют место, так называемые, НЕ-факторы Нариньяни [8] − неопределенность, неоднозначность и неясность.

В моделях разработки стратегий Бостонской консультативной группы, Мак Кинзи и Хофера-Шенделя [5] критериями принятия решения выступают конкурентная позиция (или относительная доля рынка) и этап жизненного цикла товара (ЖЦТ) (долгосрочная привлекательность рынка или темпы роста рынка). К сожалению, эти модели сложно применить, если субъект только собирается выйти на рынок. В этом случае для выбора стратегии можно предложить достаточно близкие критерии. В качестве замены доли рынка и конкурентной позиции (для субъектов, не работающих в данный момент на рынке) может выступать показатель финансового состояния субъекта. Что же касается второго критерия (этап жизненного цикла услуги), на рынок информационных услуг большое влияние оказывает наличие так называемого «цифрового разрыва». Суть в том, что в один и тот же момент времени на разных рынках одна и та же услуга может переживать различные этапы жизненного цикла, и сам жизненный цикл может иметь разную длительность. Поэтому необходимо, помимо этапа ЖЦТ, ввести еще один показатель − индекс информатизации.

Индексы информатизации могут служить показателями, отражающими спрос на услуги и состояние рынка в целом. Эти индексы отражают уровень квалификации, образования, подготовку, доступность и обеспеченность основными видами информационных услуг, уровень дохода населения и прочие параметры потенциального рынка.

Введение индекса информатизации в состав входных критериев позволит оценить не только стадию ЖЦТ (а значит и долгосрочную привлекательность рынка), но и мобильность рынка, а также определить стратегию для нескольких рынков с различным уровнем информатизации общества.

Важным критерием выбора также является величина финансовых затрат. В зависимости от категории затрат: «высокие», «средние» и «низкие», поведение субъекта будет значительно отличаться. В данной работе рассматривается модель выбора услуг, требующих значительных финансовых и временных затрат. В противном случае выбор определяется исключительно конъюнктурой рынка и предпочтениями субъекта.

Наиболее подходящей для создания модели является теория нечётких множеств, так как она позволяет оперировать с лингвистическими значениями показателей и переводить их в количественные (с учетом специфики предприятия), а также с успехом принимать решения в условиях недостатка информации, что позволит повысить эффективность и адекватность модели.

Также к преимуществам нечётких моделей относятся возможность моделировать субъективность и неопределённость человеческого языка и человеческих оценок. Нечёткая логика позволяет автоматизировать процесс оценки системы и проанализировать эволюцию ее составляющих.


^ Процесс принятия решения о выборе услуг


На основании таких критериев как финансовое состояние субъекта, индекс развития информационно-коммуникационных технологий (ИКТ), этап жизненного цикла информационных продуктов и услуг (ИП и ИУ) предлагается механизм принятия решения о выборе вида деятельности для производителей услуг и посредников информационного рынка.

Этапы алгоритма принятия решения рассматривается в 4. Схема алгоритма принятия решения представлена на рис. 1.

Процесс принятия решения о выборе услуг выглядит следующим образом.

Этап 1. Оценка собственного финансового состояния. На сегодняшний день наиболее полным и объективным является использование не единого показателя, а целой системы финансовых коэффициентов, позволяющих всесторонне оценить деятельность предприятия.

Методика формирования комплексной оценки на основе нечёткой логики подробно описана в [6]. Она во многом сходна с методикой V&M [9], но по ряду показателей ее превосходит. Итоговое значение комплексной оценки зависит от значения 16 нечётких переменных xi, которые, в свою очередь, объединяются в 4 группы финансовых показателей, на основании принадлежности которых и определяется нечёткое значение финансового состояния (рис. 2).





^ Рис. 1. Блок-схема алгоритма выбора вида информационных услуг

Нечёткая иерархическая система в данном случае моделирует зависимость

φ1= f(λ1, λ 2, λ 3, λ 4)

λ1= x1x2x3,

λ2= x4x5x6,

λ3= x7x8x9x10x11,

λ4= x12x13x14x15x16,

φ1= λ1λ 2λ 3λ 4,

где φ – выходная переменная комплексной оценки финансового состояния, λi –исходящая переменная финансового показателя, x1,…,x16 – нечёткие параметры, описывающие значения финансовых коэффициентов.

Каждый из этих параметров является нечётким множеством с функцией принадлежности x(t), где t – множество допустимых значений критерия.

В результате комплексная оценка финансового состояния принимает значение φ1, для которого определены 5 лингвистических термов: «благополучное», «устойчивое», «удовлетворительное», «неудовлетворительное», «критическое», и для этих термов определяются функции принадлежности.

Далее, в зависимости от полученных результатов, необходимо выбрать интервал, в котором находится показатель финансового состояния хозяйствующего субъекта, и определить его чёткое значение.

^ Этап 2. Оценка состояния рынка информационных услуг – расчет индекса информатизации. Здесь также существует достаточно большой выбор, однако в международной практике все большее значение приобретают индекс развития ИКТ(IDI) и индекс ценовой корзины ИКТ. Эти показатели являются взаимно обратными. Если в качестве основного показателя выбрать IDI, то далее необходимо выбрать интервал, в котором находится показатель анализируемого региона. В ежегодных отчетах Международного союза электросвязи (МСЭ) выделяется «очень высокое», «высокое», «среднее» и «низкое» значения IDI 1,2. Также в результате проведения исследований отмечалось, что чем выше значение IDI, тем быстрее происходит смена поколений техники, и, следовательно, короче жизненный цикл товара (услуги). Имеется обратная зависимость между величиной IDI и этапом жизненного цикла: чем выше IDI, тем ближе к этапу зарождения должна быть выбираемая услуга, так как нет смысла вкладывать деньги в вид услуг, который скоро уйдет с рынка.





^ Рис. 2. Состав комплексного показателя финансового состояния субъекта

Состояние рынка информационных услуг, определяется с помощью показателей индекса информатизации и этапа жизненного цикла услуги.

Рассмотрим более подробно порядок формирования и приведения к нечёткости каждого показателя.

В качестве индикатора состояния информационного рынка будем рассматривать индекс развития ИКТ (IDI):

φ2= f(х17),

где φ2 – выходная переменная состояния рынка информационных услуг и продуктов, x17 – нечёткое значение индекса информатизации IDI, описывающего спрос на услуги, уровень квалификации, образования, подготовку, доступность и обеспеченность основными видами информационных услуг, уровень дохода населения и прочие параметры потенциального рынка, а также скорость смены поколений техники.

В ежегодных отчётах МСЭ выделяется «очень высокое», «высокое», «среднее» и «низкое» значение IDI 1,2. Соответственно, индекс информатизации IDI принимает значение φ2, для которого определены 4 лингвистических терма: «очень высокое», «высокое», «среднее», «низкое», и для этих термов определяются функции принадлежности.

В результате, на основании данных отчёта по информатизации за 2010 год, функция принадлежности будет иметь вид, изображенный на рис. 3.

^ Этап 3. Определение области пересечения на диаграмме. Показатель «этап жизненного цикла» является качественным и достаточно трудно поддается формализации. В настоящее время отсутствует единый показатель, позволяющий оценить стадию жизненного цикла услуги или продукта. В хозяйственной практике чаще всего он определяется интуитивно одним или несколькими экспертами. Оценка стадии ЖЦТ может выполняться на основании изменения косвенных параметров рынка и продукта, подобно тому, как, в модели Хофера-Шенделя [7] была выполнена оценка жизненного цикла рынка.

Для определения стадии жизненного цикла рынка в качестве отличительных параметров в модели Хофера-Шенделя были использованы шесть переменных: темпы роста рынка, темпы технологических изменений продукта, темпы технологических изменений процесса, изменения в росте рынка, сегментация рынка и функциональное значение




^ Рис. 3. Приведение к нечёткости значения IDI


К сожалению, не все параметры адаптируемы для услуг. Например, технологические изменения в конструкции продукта и темпы их изменения, в большей степени касаются продукции, а не услуг. Как правило, информационный продукт уже попадает на рынок в нескольких модификациях, рассчитанных на разные сегменты, и дальнейшее его изменение требует значительных трудовых и финансовых затрат. Также следует иметь в виду, что основные организационные проблемы можно выделить только в том случае, если субъект уже осуществляет производство продукции и оказание услуг.

Поэтому выбираем для определения жизненного цикла услуги три переменных: темпы роста рынка, изменения в росте рынка и количество сегментов рынка.

В данной системе будем рассматривать 6 лингвистических термов, соответствующих стадиям ЖЦ: «зарождение», «начало роста», «поздний рост», «стабилизация», «сокращение», «разложение». В качестве экспертов могут привлекаться: представитель руководства фирмы, потенциальный потребитель и маркетинговый аналитик.

^ Примерная анкета для экспертов


Как вы оцениваете темпы роста потребления данных услугза последние 12 месяцев?

- низкие (до 15 %) …

- высокие (от 15 до 25%) …

- очень высокие (выше 25 %) …

- примерно соответствуют темпам роста ВВП …

- отрицательные …

- нулевые …

Как бы вы охарактеризовали изменения в росте объема потребления данных услугза последние 12 месяцев?

- небольшие …

- быстроеускорение …

- быстрое замедление …

- медленное замедление …

- значительное сокращение …

- очень низкие …

Как вы оцениваете количество сегментов рынка потребления данных услуг в настоящее время?

- очень мало (1-3) …

- среднее количество (4-10) …

- быстро увеличивается …

- очень много (более 10) …

- быстро уменьшается …

- очень мало (3 и менее) …

Какой стадии жизненного цикла соответствует, по вашему мнению, стадия жизненного цикла данной услуги?

- зарождение, …

- начало роста …

- поздний рост …

- стабилизация …

- сокращение …

- разложение …

Каждая отметка соответствует одному баллу. По каждому вопросу допускается только один вариант ответа. Данные опроса экспертов сводятся в табл. 1, и по каждому эксперту определяется этап ЖЦ услуги (он соответствует строке с максимальным значением баллов). Последний вопрос является проверочным.


Таблица 1

^ Определение этапа жизненного цикла услуги экспертом




^ Темп роста

рынка

Изменения в

росте рынка

Количество

сегментов

рынка

Этап

жизненного

цикла услуги

Итоговый

балл

Эксперт 1

низкие

1

небольшие




очень мало

1

зарождение

1

3

высокие




быстрое ускорение

1

среднее количество




начало роста




1

очень

высокие




быстрое замедление




быстро увеличивается




поздний рост




0

равен темпу роста ВВП




медленное замедление




очень много




стабилизация




0

отрицательные




значительное сокращение




быстро уменьшается




сокращение




0

нулевые




очень низкие




очень мало




разложение




0

Итоговый этап ЖЦ (с максимальным количеством баллов)

зарождение

3


В дальнейшем будем рассматривать 4 этапа: «зарождение», «начало роста», «поздний рост», «стабилизация». Дальнейшие этапы рассматривать не будем, так как услуги с этапами «сокращение» и «разложение» не имеют перспектив на рынке.

Таким образом, каждый из k экспертов определяет для данной услуги этап жизненного цикла. Данная оценка является бинарной и обозначается . Данные по каждому эксперту сводятся в табл. 2.


Таблица 2

^ Формирование экспертной оценки этапа ЖЦТ




^ Оценка экспертом каждого этапа ЖЦТ

зарождение

начало этапа роста

поздний рост

стабилизация

Эксперт 1

b11

b12

b13

b14

…

…

…

…

…

Эксперт k

bk1

bk2

bk3

bk4

µ(t)














По результату опроса экспертов степень принадлежности нечёткому множеству tj рассчитывается следующим образом:



Итоговое значение этапа ЖЦТ определяется по максимальному значению функции принадлежности maxµ(t):


φ3= f (bij),


где φ3 – выходная переменная этапа ЖЦТ, bij – нечёткое значение переменной, полученное методом экспертных оценок.


^ Этап 4. Оценка соответствия этапа ЖЦТ области пересечения на диаграмме. Выбор номенклатуры услуг производится исходя из личных предпочтений руководства организации, а также по результатам проведения маркетинговых исследований.

Для выбора стратегии необходимо объединить показатели информатизации и финансового состояния в единую систему. По оси X в порядке убывания расположено значение IDI, а по оси Y – финансовое состояние субъекта также в порядке убывания от «благополучного» к «критическому». На диаграмме также следует добавить график жизненного цикла товара от этапа зарождения до зрелости.

Оказание радикально новых видов услуг и освоение новых рынков является инновационным процессом, связанным с риском. И риск, и первоначальные затраты тем выше, чем более инновационным является товар (ИУ). То есть, чем лучше финансовое положение субъекта, тем больше может быть величина затрат, и тем более инновационные виды услуг он может оказывать.

На диаграмме этап зарождения соответствует наиболее оптимистичному варианту финансового положения. Чем хуже финансовое положение, тем ближе к этапу насыщения должна быть услуга (чтобы снизить затраты и уровень риска). Если этап жизненного цикла попадает в зону с минимальным риском, то переходим к следующему этапу, в противном случае рассматриваем варианты с альтернативными услугами, которые находятся ближе к этапу зрелости (например, предыдущая или более дешевая версия программного продукта). При наличии таких услуг возвращаемся к этапу 3, если услуги являются инновационными или по каким-то причинам оказание альтернативных услуг невозможно, то субъекту следует рассмотреть возможность привлечения заемных средств (переход на этап 5). Если использование заемных средств невозможно, следует отказаться от данной идеи (переход на этап 7).

Полученная в результате иерархическая система нечёткого вывода представлена на рис. 4.




^ Рис. 4. Система нечёткого вывода


Результатами выполнения блоков являются нечёткие множества, полученные путем пересечения нечётких множеств, описывающих входящие критерии:

Y= φ1φ2φ3,

где Y – выходная переменная, определяет обоснованность вложения капитала и может принимать лингвистические значения «оптимальный», «напряжённый», «рисковый».

Определение принадлежности производится на основании базы правил. Графическая интерпретация базы правил представлена на рис. 5. Фрагмент базы правил для системы нечёткого вывода представлен в табл. 3.

В том случае, если Y принимает значение «оптимальный», что характеризует наилучшее сочетание риска, будущей прибыли и долгосрочных перспектив на рынке, услуга может быть выбрана. В случае, если Y принимает значение «напряжённый», требуется проведение дополнительного исследования рынка (наличие конкуренции, демографические факторы и др.). Если обстановка благоприятна, то услуга также может быть выбрана. «Рисковый» вариант вложения капитала предполагает отказ от услуги – в этом случае субъекту лучше переключить свое внимание на услуги, требующие меньших финансовых затрат или рассмотреть возможность привлечения заёмных средств.




^ Рис. 5. Диаграмма выбора стратегии поведения на рынке информационных услуг.


Таблица 3

База правил для системы нечёткого вывода (фрагмент)




Финансовое состояние субъекта рынка

Значение индекса информатизации

Этап жизненного цикла услуги

Вариант вложение капитала в освоение новой услуги

1

благоприятное

очень высокое

зарождение

оптимальный

2

благоприятное

очень высокое

начало этапа роста

оптимальный

3

благоприятное

очень высокое

поздний рост

напряженный

…

…

…

…

…

80

критическое

низкое

стабилизация

напряженный


^ Этап 5. Составление альтернативных многопродуктовых программ. На основании полученных данных субъектом составляется один или несколько вариантов продуктовой программы. При этом основными критериями могут служить: прибыльность деятельности (желаемый уровень рентабельности, уровень затрат не выше допустимого, период окупаемости), хорошие маркетинговые показатели (востребованность услуги и наличие перспектив, возможность оказания смежных услуг, лидирующее положение на рынке) или иные в зависимости от целей субъекта.

В данной работе будем рассматривать в качестве критерия некоторый желаемый уровень рентабельности, в этом случае нужно определиться с составом и структурой услуг и рассчитать возможные затраты и прибыль по каждому из планируемых видов услуг. В 3 предлагается методика оценки портфеля НИОКР на основе рентабельности портфеля:

,

где Ri − средняя рентабельность i-го портфеля, Пj – прибыль по j-му виду услуг, Зj– затраты по j-му виду услуг. Подобную методику можно использовать и в данном случае. На основании полученной рентабельности портфелей и желаемого уровня рентабельности принимаем или отклоняем бизнес-портфель.

Если уровень Riбольше или равен желаемому, то принимаем портфель, в противном случае отклоняем или корректируем состав и структуру услуг до достижения желаемого результата.

^ Этап 6. Анализ устойчивости (чувствительности) подразумевает создание сигнальных механизмов с целью повышения гибкости и адаптивности системы и определения границ саморегулируемости системы. В том случае, если система соответствует выбранным критериям устойчивости, то алгоритм завершен, в противном случае производится корректировка программы (возврат на этап 4) до получения удовлетворительного результата.

^ Этап 7. Конец.


Выводы


В работе представлена модель системы поддержки принятия решения на основе нечётких множеств, нечёткого вывода и экспертных систем. Применение данной системы позволит повысить качество и обоснованность принимаемых решений субъектов малого бизнеса при выборе состава услуг с учетов трех основных параметров – финансового состояния, индекса информатизации и этапа жизненного цикла услуги. Это сделает возможным в будущем создание программного продукта для принятия решений и выбора стратегии управления бизнесом для субъектов информационного рынка на базе описанной модели.


^ БИБЛИОГРАФИЧЕСКИЙ СПИСОК


Measuring the Information Society – The ICT Development Index, 2010 ITU International Telecommunication Union, Place des Nations CH-1211 Geneva, Switzerland

Measuring the Information Society – The ICT Development Index, 2009 ITU International Telecommunication Union, Place des Nations CH-1211 Geneva, Switzerland

С.Д. Ильенкова, Л. М. Гохберг, С. Ю. Ягудин и др. / Под ред. проф. С. Д. Ильенковой. Инновационный менеджмент: Учебник для вузов. 2-е изд., перераб. и доп. – М.: ЮНИТИ-ДАНА, 2003. – 343 с.

Берёза Н.В. Процесс принятия решения о выборе рыночной стратегии и состава оказываемых услуг для субъектов информационного рынка // Вестник Адыгейского государственного университета. – 2011. − № 2г.

Грушенко В.И. Стратегия управления бизнесом. От теории к практической разработке и реализации: монография / В.И. Грушенко. – М.: ЮНИТИ-ДАНА: Закон и право, 2010. – 295 с.

Сильнова С.В., Полюдова Г.Р., Пузырникова Е.А. Поддержка принятия решений при управлении предприятием на основе нечетких моделей // Вестник компьютерных и информационных технологий. – 2009. − № 11. – С. 33-41.

Ефремов В.С. Классические модели стратегического анализа и планирования: модель HOFER/SCHENDEL Электронный ресурс. − Режим доступа http://www.intalev.ru/index.php?id=3973 (дата обращения − 26.04.2011г.)

Халов Е.А. Систематический обзор чётких одномерных функций принадлежности интеллектуальных систем // Информационные технологии и вычислительные системы. – 2009. − № 3. − С. 60-74.

Недосекин А.О., Максимов О.Б. Новый комплексный показатель оценки финансового состояния предприятия Электронный ресурс // Консультационная группа «Воронов и Максимов». − Режим доступа http://www.vmgroup.ru/publications/public4.htm(дата обращения - 26.04.2011г.)




Берёза Наталья Викторовна

Южно-Российский государственный университет экономики и сервиса.

346500, г. Шахты, Ростовской области, ул. Шевченко,147

Е-mail: nvbereza@bk.ru.

Тел.: 89281794421.


Bereza Natalya Viktorovna

The South Russia State University of Economics and Service.

147, Shevchenko street, Shakhty, Rostov region, The Russian Federation, 346500.

Е-mail: nvbereza@bk.ru.

Phone: +79281794421.

УДК 681.3.016


О.С. Коваленко


Обзор состояний, проблем и перспектив хранения и Анализа данных в «облаке»


В статье осуществлен обзор состояний, проблем и перспектив облачного хранения данных. Рассмотрены возможности и методы применения интеллектуального анализа данных в облачных хранилищах данных. Описываются преимущества и недостатки облачного хранения данных, а также преимущества и недостатки аналитики как сервиса.

База данных; хранилище данных; облачное хранилище данных; интеллектуальный анализ данных.


^ O.S. Kovalenko


review of states, problems and aspects about data warehouse and data mining in cloud


The article reviewed states, problems and aspects about cloud filing. It was considered the scope and methods of application for Data Mining in cloudy Data Warehouses. Advantages and disadvantages of cloudy Data Warehouses and BIaas were analyzed.

Key words: database; data warehouse; cloud data warehouse; Data Mining; BI.


Введение


В конце 2008 года четыре крупнейшие интернет-корпорации – Microsoft, Google, IBM и Apple – практически синхронно объявили о намерениях запустить в 2009 году сервисы, предназначенные для хранения больших объемов пользовательских данных. Предполагалось, что это будут не просто хранилища, но одновременно будет обеспечена их интеграция и с другими сервисами [1,2].

Облачное хранилище данных – модель онлайн-хранилища, в котором данные хранятся на многочисленных, распределённых в сети серверах, предоставляемых в пользование клиентам, в основном третьей стороной. В противовес модели хранения данных на собственных, выделенных серверах, приобретаемых или арендуемых специально для подобных целей, количество или какая-либо внутренняя структура серверов клиенту, в общем случае, не видна. Данные хранятся, а равно и обрабатываются, в облаке, которое представляет собой, с точки зрения клиента, один большой, виртуальный сервер. Физически такие сервера могут располагаться весьма удалённо друг от друга географически, вплоть до расположения на разных континентах [3].


^ Облачное хранение данных


Облачное хранение данных сегодня предлагает целый ряд компаний, среди которых Box.net, Live Mesh, JungleDisk, DropBox, SkyDrive [4]. Некоторые из них предлагают не просто хранить данные, но также синхронизировать папки и файлы между несколькими устройствами. В [4] проводится аналогия между данными, хранящиеся в «облаках» и деньгами, хранящимися на банковских счетах.

Сервисы хранения данных демонстрируют многообразие преобразований архитектур управления данными, а на горизонте видно еще больше новых архитектур. Специалисты предвидят, что многие будущие приложения, ориентированные на обработку данных, будут опираться на облачные сервисы данных [5].

Общей проблемой провайдеров облачных сервисов является потребность в компромиссе между функциональными возможностями и эксплуатационными расходами. В сегодняшних начальных сервисах данных обеспечиваются API, намного более ограниченные, чем в традиционных системах баз данных, с минималистским языком запросов и ограниченными гарантиями согласованности. Это затрудняет программирование приложений, но позволяет провайдерам облачных сервисов создавать более предсказуемые службы, в которых обеспечиваются соглашения об уровне обслуживания, трудно достижимые для полнофункциональных сервисов данных на основе языка SQL. Потребуется дополнительная работа и накопление опыта в нескольких направлениях для исследования непрерывного спектра подходов между ранними облачными сервисами данных и более развитыми с функциональной точки зрения, но, возможно, менее предсказуемыми альтернативами [5].

В облачных средах особенно важным качеством является управляемость. По сравнению с традиционными системами, достижение высокого уровня управляемости в облачных средах осложняется тремя факторами: ограниченным человеческим вмешательством, значительным разбросом диапазона рабочих нагрузок и разнообразием совместно используемых инфраструктур. В подавляющем большинстве случаев будут отсутствовать администраторы баз данных или систем, которые могли бы помочь разработчикам при создании приложений, основанных на облачных сервисах; администрирование платформ должно будет в основном производиться в автоматическом режиме. Системы всегда трудно настраивать при наличии смешанных рабочих нагрузок, которые в данном контексте, по-видимому, будут неизбежно возникать. Со временем может значительно изменяться рабочая нагрузка даже у одного и того же потребителя: эластичное обеспечение облачных услуг делает эти сервисы экономически целесообразными для пользователей, которым в короткие промежутки работы может потребоваться значительно больше ресурсов, чем обычно. При этом возможности настройки сервисов зависят от способа «виртуализации» совместно используемой инфраструктуры. Например, в Amazon EC2 для обеспечения программного интерфейса используются виртуальные машины аппаратного уровня. На другом конце спектра в salesforce.com реализуется хостинг с несколькими арендаторами одного ресурса («multi-tenant» hosting), когда с использованием одной СУБД поддерживается много независимых схем баз данных. Возможны и многие другие решения по виртуализации. В каждом из этих решений обеспечивается свой подход к контролю поддерживаемых рабочих нагрузок и используемых платформ. При наличии этих вариантов потребуется пересмотреть традиционные роли и распределение ответственности для многоуровневого управления ресурсами [5].

Потребность в управляемости делает более срочной разработку технологий самоуправления баз данных, которые исследовались в последнее десятилетие. Для обеспечения жизнеспособности этих систем потребуются адаптивные онлайновые методы, хотя наличие новых архитектур и API (включая гибкость, позволяющую отойти от традиционной семантики SQL и транзакций, когда это разумно) могут приводить к использованию подходов, подрывающих адаптивность [5].

Отдельной проблемой является абсолютный масштаб «облачных вычислений». Сегодняшние SQL-ориентированные системы баз данных не могут масштабироваться на тысячи узлов при размещении в облачном контексте. В области хранения данных непонятно, следует ли обходить эти ограничения с применением новых методов реализации транзакционности, или с использованием новой семантики хранения данных, или того и другого. В существующих облачных сервисах начинают применяться некоторые простые прагматические подходы, но для синтеза идей, описанных в литературе, в современных условиях облачных вычислений требуется дополнительная работа. При обработке и оптимизации запросов будет нереально производить исчерпывающий поиск в пространстве планов с учетом тысяч обрабатывающих узлов, потребуются ограничения, налагаемые на пространство планов или на поиск. Дополнительные исследования требуются для обеспечения понимания реальной масштабируемости «облачных вычислений» (как ограничений по производительности, так и требований приложений). Такое понимание должно помочь разработчикам осуществлять навигацию в возникающем пространстве проектных решений [5].

При совместном использовании физических ресурсов в облачной инфраструктуре требуется обеспечение безопасности и конфиденциальности данных, которые не могут гарантироваться за счет наличия физического разграничения машин или сетей. Следовательно, облачные сервисы обеспечивают плодородную почву для усилий по объединению и ускорению исследований, выполняемых сообществом баз данных в этих областях. Залогом успеха здесь будет ориентация на конкретные сценарии использования облачных сервисов, основанные на практических экономических стимулах для сервис-провайдеров и потребителей [5].

Кроме того, прогнозируется появление каркасных приложений, способных свободно перемещаться между разнородными «облачными» средами, как следствие уменьшение роли ОС, поскольку значительную часть функций (например, по защите информации, по управлению ею) пользователь будет получать из «облаков» [6].

^ Анализ данных в облачных хранилищах


Методы бизнес-анализа и технологии их поддержки пребывают в сложном «диалектическом» взаимодействии – новые методы анализа данных стимулируют появление новых технологий и наоборот. Современный виток развития BI связан с появлением технологий «BI по запросу», или BIaaS. Этот качественный переход, прежде всего, связан с облачными технологиями [7].

Процессы управления бизнесом сложнее, чем любой технической системой, но и их условно можно представить в виде пяти основных этапов, цепочку которых можно рассматривать в контексте окружения для BI [7]:

обнаружение и детализация проблемы;

постановка задачи и идентификация данных, необходимых для ее решения;

анализ данных, в том числе пробный анализ (Exploratory Data Analysis, EDA), анализ, позволяющий построить гипотезы (Structured Data Analysis, SDA) и определить потоки данных, а также другие виды анализа;

Business Intelligence – толкование данных, подготовка отчетов, построение моделей и выработка рекомендаций, прогнозов и предсказаний;

принятие решений.

Таким образом, в цепочке обратной связи BI занимает место между различными методами анализа данных и принятием решений, из чего следует, что суть BI в преобразовании данных в информацию, которую уже можно использовать для принятия решений. Основная же задача BI состоит в агрегации, интеграции и интерпретации данных из разнородных источников, с тем, чтобы превратить их в удобную для принятия решений информацию. В этом контексте между данными и информацией отношения чрезвычайно просты: на входе BI – данные, на выходе – информация, в других случаях отношения могут быть иными, но при обсуждении роли BI в цепочке обратной связи, входящей в систему управления предприятием, этого достаточно. Таким образом, это важнейший компонент системы управления бизнесом [7].

^ BI и облака


Современные технологии хранилищ оказываются идеологически близкими к облакам (Табл. 1.), например, благодаря применению масштабируемых архитектур типа Shared Nothing. Облака и современные хранилища строятся как распределенные системы с независимыми узлами при обеспечении доступа к ним по модели повременной оплаты (pay-as-you-go). Сервисная модель обеспечила предприятиям среднего и малого бизнеса доступ к системам BI, ранее применяемым только крупными компаниями. BI по запросу дает таким предприятиям относительную простоту использования, существенное сокращение затрат и сокращение сроков внедрения с полутора-двух лет до нескольких недель [7].

Таблица 1

^ Компоненты облаков и хранилища

PaaS

Системы визуализации и анализа данных

SaaS

Хранилища данных, базы данных, системы интеграции данных

IaaS

Системы хранения данных и серверные пулы


Традиционно системы BI имели дело со структурированными данными из относительно ограниченного пула корпоративных данных, что существенно сужает область действия поиска информации для принятия решений. Очевидно, что решения, принимаемые в современном бизнесе, должны базироваться на более широком информационном поле, учитывающем не только многочисленные неструктурированные данные (текстовые документы, письма, мультимедиа и т.п.), но и хранилища и источники данных вне компаний. Однако для расширения сферы влияния BI на все доступное информационное поле одной какой-либо системы, даже корпоративного уровня, недостаточно. Возможно, технологии BIaaS позволят не только крупным, но и средним компаниям охватить и обработать все необходимые для бизнеса источники данных [7].

В качестве примера можно привести полное и открытое облачное решение в области BI предложенное, альянсом из четырех компаний – RightScale, Jaspersoft, Talend и Vertica. Решение, построенное на принципе оплаты по мере использования, может быть доступно по цене практически любому предприятию или организации. Это предложение подойдет, в первую очередь, небольшим компаниям или подразделениям корпораций, в которых нет полноценных средств BI [7,8].


^ Пример реализации BI в облаках


На рис. 1. Показано распределение функций между участниками союза по созданию открытого облачного bi-решения: компания rightscale предоставляет облачную платформу, компании talend, vertica и jaspersoft осуществляют сбор данных, работу с ними в хранилище и собст