Юрий Курносов - Аналитика: методология, технология и организация информационно-аналитической работы

Но вот бюджет принят! Программисты и аналитики закупают килограммы молотого кофе («чистая арабика»), и начинается «последний бой»:

22. Определение критических точек, приложение управляющих воздействий к которым способно привести к максимальным подвижкам в направлении достижения целей управления;

23. Проведение имитационного моделирования;

24. Оценивание эффективности отдельных управляющих воздействий;

25. Синтез комплексных стратегий управления, оценивание эффективности и сравнительный анализ стратегий;

26. Подготовка отчетной документации;

27. Сдача/приемка информационной продукции.

Все, финиш! Программисты и аналитики ходят с красными кроличьими глазами и подумывают об отдыхе… Руководство вновь и вновь перекладывает по кучкам выручку, подсчитывая коэффициент трудового участия.

Комментарии излишни… единственное, что следует подчеркнуть, — это то, что всякая технология является в некотором смысле несовершенной и может быть улучшена. Те пункты в перечне, которые, по мнению авторов, нуждаются в раскрытии, мы рассмотрим далее в этой главе (несмотря на то, что с методологической точки зрения читатель уже достаточно вооружен для того, чтобы самостоятельно сформулировать перечень методов, которые могут быть использованы для решения задач того или иного этапа).

Некоторым читателям термин «модельная информация» может показаться некорректным, однако на самом деле он несет существенную смысловую нагрузку. При осуществлении любой деятельности, сопряженной с ведением анализа ситуаций и выявлением неких аналогий с историческими прецедентами, аналитик оперирует набором эталонов, апробированных ранее. Такой эталон уже представляет собой не набор первичных данных, а их обобщение — модель. Именно этот тип информации мы и называем модельной информацией.

Первичная обработка имеющихся данных и анализа модельной информации является чрезвычайно ответственным этапом работы. Если этот этап не включен в общую схему работы, то может статься, что коллектив аналитиков примет ошибочное решение, которое со всей очевидностью проявится лишь на заключительном этапе работы. Ведь базовая модель (исходная гипотеза) на поверку может оказаться: устаревшей, не соответствующей решаемым задачам как по условиям (событийному контексту) рассматриваемого феномена, так по уровню детализации (не адаптированной к характеру поступающих данных), фрагментарной, либо вообще — ошибочной. Важность этапа анализа модельной информации заключается в том, что именно на нем устанавливаются все «белые пятна» в знаниях субъекта ИАР, выделяются «зоны особого внимания» и формулируются гипотезы об объеме трудозатрат, стоимости процедур сбора дополнительных данных, формулируются цели и задачи субъекта ИАР в рамках решения поставленной задачи. Более того, на этом этапе устанавливаются действительные потребности заказчика/потребителя информационной продукции и оценивается достижимость целей работы.

Каждый субъект ИАР на момент возникновения задачи/проблемы уже располагает некоторым массивом данных и моделей их интерпретации. Вопрос состоит в том, насколько имеющиеся знания применимы для решения данной конкретной задачи , могут ли они быть применены без модификации и каковы направления модификации моделей и пополнения информационных ресурсов. Как следствие, первичная обработка имеющихся данных и анализ модельной информации может проводиться по следующему сценарию:

— синтез общей классификации задач, когда-либо решавшихся субъектом ИАР;

— установление класса новой задачи и выявление задач, сходных с данной;

— анализ опыта решения аналогичных задач и считывание массивов данных и моделей, ассоциированных с ними;

— отбор из полученного массива данных и моделей тех, которые релевантны данной задаче;

— установление отличий данной конкретной задачи от ранее решавшихся;

— установление тех блоков данных и компонентов моделей, которые не могут быть применены для решения данной задачи;

— поиск методов адаптации существующих моделей и установление направлений исследований;

— восстановление сведений об источниках информации, привлекавшихся для получения данных при решении аналогичных задач, формирование гипотезы о направлениях информационно-поисковых мероприятий;

— анализ парка инструментальных средств проведения исследований и их доступности на текущий момент времени;

— анализ потребностей в развитии парка инструментальных средств и оценка финансовых затрат на его пополнение и возможностей повторного использования вновь приобретенных средств, определение стратегии финансирования (приобретение, лизинг, аренда);

— оценка трудоемкости отдельных операций и потенциальных трудозатрат на пополнение информационных ресурсов, необходимых для решения задачи;

— оценка стоимости информационной продукции, приобретаемой у сторонних субъектов ИАР в интересах решения данной задачи;

— установление факта достижимости поставленной цели ИАР/решения задачи;

— подготовка заключения о сроках и стоимости мероприятий по пополнению информационных ресурсов, парка инструментальных средств, методологического обеспечения в интересах решения задачи;

— передача документа, содержащего заключение заказчику.

Основными методами, используемыми на этом этапе, являются методы классификации, мозговых атак, структурирования массивов данных, анализа деревьев целей и задач .

Ресурсами , привлекаемыми для решения задачи, являются существующие архивы, массивы данных на электронных и иных носителях, принадлежащих субъекту ИАР, а также ресурсы библиотек, ГСТК Интернет и иные.

Продукцией , получаемой по завершении этапа, являются следующие блоки информационных продуктов/документов:

— для субъекта ИАР: оценка трудозатрат, стоимости и направлений исследований, направления пополнения информационных ресурсов и инструментального парка, направления расходования средств и оценка прибыли;

— для потребителя информационной продукции: заключение о возможности решения поставленной перед субъектом ИАО задачи, краткое описание содержания предстоящих работ, смета и технико-экономическое обоснование.

Задачи поиска, отбора и экспресс-анализа данных являются базисными для любой отрасли ИАР, требуют творчества от сотрудников и имеют, подчас, весьма нетривиальные решения. Причин тут масса — перечислим лишь основные: