По мере эволюции задач создавались системы управления — механизмы, дающие возможность принимать скоординированные и эффективные решения.
В таблице 1 «Эволюция управленческих систем» последовательная смена задач рассмотрена с точки зрения трех характеристик нестабильности: степени привычности, темпа изменений и предсказуемости будущего.
До начала 50-х годов прошлый опыт представлял ценное руководство для будущего. Распознавая знакомые ситуации, экстраполируя привычные тенденции, фирма могла ясно видеть будущее. Острой потребности в предвидении нового тогда не было, так как перемены проходили достаточно медленно, чтобы подготовить продуманные решения.
Но, начиная с 50-х годов перемены уже нельзя было связывать с прежними тенденциями. Они случались все быстрее и являлись все менее предсказуемыми. В 80—90-х годах некоторые тенденции еще можно предсказывать, опираясь на анализ глубинных процессов, но многое из того, что останется скрытым от глаз сложностью видимых условий, может обнаружить себя внезапным ударом по интересам фирмы, как стратегическая неожиданность. В начале 21 века нестабильность резко возросла по масштабам и стала проявляться в форме участившихся кризисов.
Рассмотрено 4 вида управления:
1. Управление на основе контроля за исполнением (постфактум).
2. Управление на основе экстраполяции, когда темп изменений ускоряется, но будущее еще можно предсказывать путем экстраполяции прошлого.
3. Управление на основе предвидения изменений, когда начали возникать неожиданные явления и темп изменений ускорился, однако не настолько, чтобы нельзя было вовремя предусмотреть будущие тенденции и определить реакцию на них.
4. Управление на основе гибких экстренных решений, которое складывается в настоящее время, в условиях, когда многие важные задачи возникают настолько стремительно, что их невозможно вовремя предусмотреть.
При высоких уровнях нестабильности появляется необходимость готовить решение еще тогда, когда из внешней среды поступают слабые сигналы. Например, мировой финансовый и экономический кризис 2008 г. мог быть спрогнозирован за год до его наступления по начавшемуся еще тогда ипотечному кризису США
В условиях непостоянства внешней среды необходим новый подход к управлению, концентрирующий свое внимание на предсказании (прогнозе), сложности внешней среды и самоорганизации (адаптации) организации, то есть «Упреждающее управление +Моделирование + Самообучающиеся предприятия».
Подход к управлению путем адаптации организации рассмотрен в рамках дисциплины «Инвариантные технологии инновационных проектов» и освещен в монографии «Емельянов С.Г., Кабанов В.А., Кужель С.С., Корольков И.А. Теоретические основы и инструменты управления инновациями. Изд-во: ТНТ, Старый Оскол, 2010. – 184 с.».
Здесь предложен другой новый подход к управлению – упреждающий. В основе упреждающего управления лежит мощный прогнозный блок, который выделяется в отдельную функцию управления, предваряющую функцию планирования.
К основным принципам упреждающего управления относят: проактивность (в отличие от реактивности), поддержание процессов самообучения организации, мотивацию творчества и др.
Управление эпохи индустриального развития общества реактивно по своей сути. Принцип реактивности управления является прямым следствием широко распространённого представления об управлении как процессе регулирования траектории функционирования объекта управления. Согласно такому представлению (см. Рис.1), траектория функционирования управляемого объекта, оцениваемая по вектору выходных параметров Y={y1,y2,y3,...,yn}, складывается под влиянием входного материально-финансово-информационного потока X={x1,x2,x3,...,xn}, непосредственно воздействующего на объект управления вектора внешних возмущений P={р1,р2,р3,...,pn} и управляющего воздействия, параметры которого M={м1,м2,м3,...,мn} определяются как функция от входа и выхода объекта.
Рис.1. Схема традиционной модели управления
Траектория функционирования оценивается субъектом управления на основании той информации, которая "снимается" с объекта управления на его входе и выходе. Если результаты анализа этой информации о фактической траектории отличаются от заданной, то становится очевидным негативное влияние изменений в окружении организации, и субъект управления разрабатывает управляющее воздействие на объект управления с целью выравнивания траектории его функционирования. Таким образом, управление выглядит какреакция на отклонение от заданной траектории. Ориентация на обеспечение стабильности и сохранение защиты организации - вот что составляет основу реактивного управления.
Суть упреждающегоуправления (см. Рис.2) состоит в том, чтобы и объект, и субъект управления организации были сориентированы на внешние окружение и старались уловить возникающие в нем тенденции. На основе анализа этих тенденций проектируется управляющее воздействие с целью внесения изменений в исходные условия функционирования объекта.Воздействие P на субъект управления – это и есть моделирование.
Рис.2. Схема упреждающего управления
Выбор той или иной стратегии принятия решения должен опираться на объективную информацию, прогнозные оценки и аналитические выводы.
Как показывает опыт экономически развитых стран, достижение высокой точности прогнозирования, и, следовательно, высокого качества упреждающего управления, невозможно без комплексного применения интеллектуальных информационных технологий (ИИТ). В последнее десятилетие этап компьютеризации сменяется этапом широкого внедрения ИИТ в экономику, финансы, бизнес. В США в настоящее время наблюдается бум в области прогнозирования, о чем свидетельствует большое число открытых вакансий прогнозистов в самых известных компаниях мира и уровень предлагаемой зарплаты. В СССР применение ИИТ сдерживалось запретом конгресса США (КОКОМ) на их распространение, как стратегического товара. Поэтому в России они, в основном, пока мало известны.
Практической основой упреждающего управления являются интеллектуальные информационные технологии: нейронные сети, генетические алгоритмы, эволюционное программирование, нечеткая логика, системная динамика, технический анализ, теория хаоса, самоорганизующиеся карты Кохонена, Data Mining, методы "виртуальной реальности", многоагентные модели.
Сферами применения ИИТ являются: инвестиционный и финансовый менеджмент, маркетинг, оптимизация реструктуризации предприятий, кредитная политика банков, работа на рынке ценных бумаг и др.
Одной из важнейших задач применения ИИТ является прогнозирование состояния предприятий и фирм, а также факторов, влияющих на это состояние. Эти прогнозы необходимы: банкам при выдаче кредитов, инвесторам, администрациям и самим предприятиям для упреждающих корректировок своей деятельности и т. д.
Нейросети хорошо справляются с двумя типами задач: с задачами классификации и предсказания на временных рядах. К задачам этого рода относятся большинство финансово-экономических задач, такие как: оценка рейтинга ценных бумаг, анализ займов, кредитное планирование, прогноз экономической активности на следующий месяц, формирование портфеля ценных бумаг, оценка кредитных рисков, прогноз финансовых показателей, биржевые прогнозы, анализ биржевых и рыночных тенденций, прогноз экономических и биржевых индикаторов, проверка подлинности кредитных карт, прогноз курсов валют, прогноз котировок фьючерсов, прогноз цен на целый спектр продукции, прогноз цен на недвижимость, прогноз ставок межбанковского кредита, прогноз остатков на корреспондентских счетах банков, прогноз цен на разные виды зерна по многим странам, прогноз макроэкономических показателей региона, области.
Одной из первых областей, в которой применение нейронных сетей дало заметный эффект, стала оценка платежеспособности клиентов, обращавшихся в банк за денежными ссудами. Располагая историческими данными обо всех таких клиентах, можно натренировать нейросеть таким образом, что на ее входе будут показатели клиента, а на выходе - прогнозируемая степень его платежеспособности. Данные каждого вновь поступившего клиента обрабатываются с целью сбора информации (всего информация собирается приблизительно по 80 показателям) и подаются на вход без перенастройки нейросети. В каждом банке подобные методики реализуются по-своему. Как правило, нейросетевые прогнозы сочетаются с экспертными оценками, которые представлены системой требований, предъявляемых банком к своим потенциальным заемщикам. Хорошим может считаться прогноз, сбывшийся на 80-90%.
Также нейросетевые технологий применяют для предсказания банкротства. Фактическое банкротство может наступить задолго до того, как бедственная ситуация станет очевидной. Сегодня самой модной экономической теорией является теория антикризисного управления, позволяющая быстро диагностировать грядущее банкротство тех или иных учреждений.
Как известно, банкротство обычно предсказывают по ряду показателей, например по коэффициенту альфа. Но лучше делать это не на основе формальных математических выражений, а на основе предыдущего опыта и статистики. И в этом случае нейронные сети могут оказать поистине неоценимую услугу - высветить признаки надвигающегося банкротства.
Рейтингование - еще одна задача, традиционно поручаемая нейронным сетям. Она немного отличается от предыдущих задач. Рейтингование - это ранжирование объектов в порядке их значимости по тем или иным критериям. Рейтинговые компании изобретают свои оригинальные расчетные формулы. В США относительно недавно был предложен следующий способ рейтингования: данные сотен фирм, представленных в многомерном пространстве признаков, были обработаны с помощью самообучающихся нейронных сетей (сетей Кохонена), которые произвели классификацию на основе стандартного кластерного анализа. Иными словами, все множество компаний, представленных в многомерном пространстве, было разложено на группы (кластеры) и тем самым проранжировано в определенном порядке без приложения каких бы то ни было принудительных критериев. Разумеется, нейросеть не выставляет рейтинги. Она всего лишь группирует объекты, и делает это хорошо.
Помимо указанных выше существует еще одна типичная для банковской деятельности задача классификации, - оценка и прогнозирование остатков на корреспондентских счетах.
