Internet-сервис экспресс-анализа экономического состояния предприятия

Размещено на http://www.allbest.ru/

Internet-сервис экспресс-анализа экономического состояния предприятия

Т.В. Афанасьева

А.Г. Игонин

А.А. Романов

Е.В. Суркова

В.В. Шишкина

Н.Г. Ярушкина

Достоинства интеллектуальных методов и нечетких моделей для анализа и лингвистической интерпретации нелинейных зависимостей в исходных данных определяют перспективность их реализации в виде Internet-сервиса экспресс-анализа экономических показателей предприятий на основе временных рядов. В статье рассматривается решение данной проблемы, которое нацелено на развитие национального сектора информационно-телекоммуникационных технологий.

За последние пять лет согласно ежегодному рейтинг-листу, составленном Economist Intelligent Unit, рейтинг России не превышает 48-го места из 64 государств мира по степени деловой привлекательности, с точки зрения готовности к использованию передовых методов интернет-экономики. В тоже время развитие национального сектора информационно-телекоммуникационных технологий на основе востребованных Internet-сервисов может стать хорошей платформой для формирования диверсифицированной экономики, ориентированной на внедрение инноваций. экономический интеллектуальный internet

Среди новых задач, которые появились на рынке Internet-сервисов, оценка эффективности деятельности предприятия рассматривается в качестве важного средства удержания позиций бизнеса. Исследование изменения основных показателей деятельности экономического субъекта, их сопоставление с тенденциями развития отрасли, является важнейшей составляющей экспресс-анализа предприятия. Осуществляя регулярно экспресс-анализ динамики экономического состояния, менеджер любого уровня решает в первую очередь задачу по обнаружению “болевых” точек деятельности предприятия, имевших место качественных изменениях в структуре средств и их источников, а также о тенденциях этих изменений. Вместе с тем, нередко имеет место ситуация, когда управленцам недостает ни времени, ни соответствующей подготовки для проведения серьезных аналитических процедур. Выходом из ситуации может стать такая автоматизация процедур экспресс-анализа и прогноза временных рядов основных показателей деятельности предприятия, которая будет быстро генерировать результаты, выраженные в лингвистических терминах на понятном менеджеру языке.

Использование статистических методов для решения поставленной задачи анализа тенденций и прогноза экономических показателей предприятий в рамках экспресс-анализа, удовлетворяющего новым требованиям, имеет существенные ограничения, так как они обладают высокой сложностью и низкой интерпретируемостью.

Объекты экспресс-анализа предприятия обладают объективной неопределенностью, которая может быть соотнесена с нечеткостью, поэтому для анализа тенденций и прогноза экономических показателей применимы и используются экспертные знания, интеллектуальные методы и нечеткие модели [Борисов и др., 2007]. Данные методы обладают свойствами накопления, обработки, извлечения и интерпретации знаний, обучения, адаптации и имеют несомненные достоинства для дальнейшего использования в системах поддержки принятия решений.

Так, например, состояния экономических показателей могут быть описаны на основе нечетких качественных характеристик «удовлетворительные», «хорошие», «плохие», а изменения экономических показателей могут быть выражены нечеткими множествами «рост», «падение», «стабильность» характеризующими тенденцию изменения. Использование нечеткого логического вывода позволяет связать лингвистические описания экономических показателей с числовыми значениями и на этой основе осуществить их анализ конечным пользователем или экспертной системой.

Однако проблема автоматизации извлечения знаний из баз данных (Data Mining) о качественных оценках состояния и тенденциях изменения экономических показателей предприятий для дальнейшего анализа и принятия решений еще не получила удовлетворительного решения.

1. Описание решаемых проблем, поставленной задачи и предлагаемых подходов к её решению

Современные интеллектуальные системы часто строятся на основе «мягких» вычислениях, сочетающих в себе преимущества использования лингвистических переменных, нечеткого вывода, нейронных сетей и генетических алгоритмов. Многие объекты экономического анализа обладают объективной неопределенностью, что требует дальнейшего расширения инструментария прогностики. Все чаще используются интеллектуальные методы, которые расширяют классическую классификацию прогностических методов и представляют сочетание формализованных процедур обработки информации, полученной по оценкам специалистов-экспертов.

В основе предлагаемых методов Times Series Data Mining лежит понятие нечеткого временного ряда (НВР), построенного на базе уровней числового временного ряда или его первых разностей. При моделировании нечетких временных рядов необходимо определить носитель, объект исследования и решаемые задачи: сегментация, кластеризация, классификация, индексирование, резюмирование, обнаружение аномалий, частотный анализ, прогнозирование, извлечение ассоциативных правил [Batyrshin, 2007].

К сожалению, в основном данное направление развивается в трудах иностранных ученых, среди которых можно выделить работы К. Сонга и Б. Чиссома [Song, 1993], В. Дворака и В. Новака [Dvorak, 2004] и российских ученых, ныне живущего за рубежом И. Перфильевой [Perfilieva, 2006], И. Батыршина и Л. Шереметова [Batyrshin, 2007]. Среди отечественных ученых данной теме посвящены работы С. Ковалева [Ковалев, 2007], Ярушкиной Н.Г.[Ярушкина, 2004].

Несмотря на перечисленные работы, многие задачи анализа нечетких временных рядов остаются нерешенными, в частности задачи анализа такого объекта НВР, как нечеткая тенденция и задачи генерации правил распознавания тенденций. Принятие решений на основе логического вывода по правилам включает в себя в реальных ситуациях анализ временных рядов (ВР), в том числе нечетких. Сглаживающие свойства F-преобразования [Perfilieva, 2006] позволяют выделить тренд ВР, а распознавание нечетких тенденций [Ярушкина, 2004] - принять решение на основе правил о влиянии динамики рассматриваемого процесса на результат.

2. Обзор состояния в области методов анализа тенденций и прогноза экономических показателей на основе нечетких моделей временных рядов (НВР)

Теория нечетких множеств была изначально разработана для решения задач с использованием лингвистических терминов. Поскольку существующие статистические (количественные) методы анализа временных рядов (ВР) не могли эффективно анализировать временной ряд с малым количеством данных, с качественными значениями наблюдений, то есть с нечеткостью, обусловленной человеческими оценками параметров наблюдаемого объекта, то началась разработка нечетких методов для работы с временными рядами. Отметим, что применение нечетких множеств для представления временных рядов породило новое понятие - нечеткий временной ряд, при этом задачи анализа ВР оставались прежними: идентификация модели, параметрическая оптимизация, получение числового прогноза и оценка модели на основе критериев. В качестве критериев оценивания были использованы критерии относительной ошибки аппроксимации (MAPE). В 1993 году К. Сонг и Б. Чиссом [Song, 1993] предложили модели стационарных и нестационарных (time-invariant и time-variant) нечетких временных рядов первого порядка (fist-order) и применили разработанные модели для прогнозирования количества регистрирующихся студентов университета штата Алабама, фаззифицировав предварительно четкий временной ряд.

После этих работ началось всесторонне исследование предложенных моделей, и было разработано множество их расширений и выявлены проблемы.

В 2004 году Ярушкиной [Ярушкина, 2004] было введено понятие нечеткой тенденции для нечетких временных рядов моделирующей результаты экспертной деятельности при оценивании состояния и развития показателей качества, определены задачи и методы их решения. Данное направление связано с извлечением новых знаний, решением задач анализа НВР, построением математических моделей. Отличительной чертой данного направления является тот факт, что результаты решения задач анализа НВР могут быть представлены не только в числовой форме, но и в лингвистической, выражающей тенденции развития в прошлом и будущем. Указанное свойство особенно важно, так как создает возможность представлять результаты в терминах предметной области, понятной менеджеру.

В работе Т. Афанасьевой и Н. Ярушкиной [Афанасьева и др., 2009] рассмотрены возможности нечеткого оценивания, генерирования элементарной нечеткой тенденции и решение комплекса задач Data Mining временных рядов, в том числе задачи прогнозирования ВР.

3. Принципы разработки Internet-сервиса интеллектуального экспресс-анализа временных рядов экономических показателей предприятия

В настоящее время в Ульяновском Государственном техническом университете разрабатывается проект, нацеленный на создание Internet-сервиса экспресс-анализа экономических показателей, в основе которого лежат следующие принципы: автоматизация, интерпретируемость, интеллектуализация, надежность.

Принцип «Автоматизация» предполагает передачу интеллектуальных операций по выбору моделей и их преобразованию в экономические индексы для дальнейшего экспресс-анализа программному обеспечению Internet-сервиса. Показатели для экспресс-анализа рассчитываются на основе данных бухгалтерской отчетности (как правило, это Бухгалтерский баланс - Форма № 1 по ОКУД, и Отчет о прибылях и убытках - Форма № 2 по ОКУД), которые сгруппированы в следующие группы: показатели ликвидности и платежеспособности, показатели финансовой независимости, показатели рентабельности, показатели деловой активности.

Принцип «Интерпретируемость» обозначает использование и обработку в моделях Internet-сервиса естественно-языковых оценочных выражений и вывод результатов экспресс-анализа по временным рядам не только в числовой, но и в лингвистической форме, выражающих экономически значимый контекст и тенденции его изменения.

Принцип «Интеллектуализация» основан на использовании в Internet-сервисе экспресс-анализа интеллектуальных моделей временных рядов, таких как нейросетевые, нечеткие временные ряды, F-преобразование, нечеткие тенденции. Данные модели, имитирующие интеллектуальные операции человека, должны будут служить в качестве «интеллектуальных усилителей» его деятельности, повышающих качество принятия решений.

Принцип «Надежность» требует разработки математического аппарата метода анализа временных рядов, отвечающего за устойчивую работу. В рамках проекта для этих целей разработан интегрированный метод нечеткого моделирования и анализа нечетких тенденций и его приложение к такому объекту, как анализ экономического состояния предприятия на основе временных рядов показателей, но метод, являясь универсальным методом прогностики, может быть применен к анализу состояния любого объекта, если оно представлено временными рядами.

Рис.1. Пример результата работы Internet-сервиса.

Для реализации Internet-системы использовалась технология JSP (Java Server Pages). При разработке нового программного продукта в виде Internet-сервиса анализа экономических показателей предприятий было выбрано проектное решение, основанное на системном подходе и компонентно-ориентированной архитектуре. В результате, разработанный Internet-сервис представляет собой Internet-систему, состоящую из следующих структурных компонентов: системы управления, двух специализированных Internet-сервисов (или web-сервисов) и базы данных БД. Для взаимодействия системы управления с сервисами используется SOAP протокол (протокол обмена структурированными сообщениями в распределённой вычислительной среде).

Пример результата работы Internet системы приведен на Рис. 1.

Использование системы возможно под различными уровнями доступа: гости, зарегистрированные и привилегированные пользователи. В зависимости от уровня доступа пользователя различаются возможности системы.

Функциональные возможности Internet-сервиса по уровням доступа:

1) Для гостей:

- просмотр статичных страниц с информацией о назначении и возможностях системы;

- регистрация для доступа к закрытой части.

2) Для зарегистрированных пользователей:

- управление настройками профиля;

- ввод и редактирование экономических показателей предприятий;

- выполнение расчета и анализа показателей по представленным пользователем данным;

- формирование печатных форм с выводом прогнозных данных в лингвистическом и графическом виде.

3) Для привилегированных пользователей

- ввод и редактирование формул временных рядов с привязкой к статьям бухгалтерской отчетности;

- ввод и редактирование продукционных правил, используемых для резюмирования (вывода лингвистической интерпретации многоуровневого прогноза) состояния предприятия по данным экспресс-анализа.

4. Оценка эффективности Internet-сервиса для нечеткого моделирования и анализа временных рядов экономических показателей предприятий

Приведем характеристики информационной базы исследуемых временных рядов, среди которых основная часть - это временные ряды экономических показателей отдельно взятого предприятия:

Internet-cервис (tsas.ulstu.ru) представляет собой систему, реализующую интегральный метод нечеткого моделирования и анализа нечетких тенденций [Ярушкина и др., 2009]. Для конфиденциальной работы с сервисом требуется пройти процедуру авторизации. При тестировании Internet-cервиса на временных рядах из информационной базы данных получены следующие результаты. Так внутренние ошибки моделей ВР в распознавании нечетких тенденций в среднем составили 3,15%, что в 3 раза лучше признанных нечетких моделей и в 7 раз лучше нейросетевой модели. Ошибка внешних лингвистических оценок типов нечетких тенденций при краткосрочном прогнозе в среднем составила 0%, что лучше признанных нечетких моделей на 33,3% и нейросетевой модели на 34%.

Ошибка числовых оценок уровней ВР интегрального метода нечеткого моделирования ВР в среднем по внутреннему критерию МАРЕ составила 1,1% от нейросетевых моделей и лучше признанных нечетких моделей на 20% .

Ошибка числовых оценок уровней ВР интегрального метода нечеткого моделирования ВР при краткосрочном прогнозе по внешнему критерию МАРЕ составила 14,6% что превосходит признанные нечеткие модели и нейросетевую модель.

В заключении отметим, что целью создания нового программного продукта в виде Internet-сервиса является экспресс-анализ предприятий по временным рядам экономических показателей для получения более эффективных управленческих решений с минимальными затратами.

Рассмотренный в статье новый Internet-сервис - перспективный вид «электронного товара» для рынка электронных сервисов, ориентированный на требования пользователей-менеджеров, использование которого будет способствовать не только развитию национального сектора информационно-телекоммуникационных технологий, но послужит дальнейшему становлению инновационной экономики, основанной на знаниях.

Список литературы

1. [Афанасьева и др., 2009] Афанасьева Т.В., Ярушкина Н.Г. Нечеткое моделирование временных рядов и анализ нечетких тенденций. - Ульяновск: УлГТУ, 2009.

2. [Борисов и др., 2007] Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. - М.: Горячая линия. Телеком , 2007.

3. [Ковалев, 2007] Ковалев С.М. Гибридные нечетко-темпоральные модели временных рядов в задачах анализа и идентификации слабо формализованных процессов // Материалы IV-й международной научно-практической конференции "Интегрированные модели и мягкие вычисления в искусственном интеллекте". - Коломна. 2007.

4. [Ярушкина, 2004] Ярушкина Н.Г. Основы теории нечетких и гибридных систем. - М.: Финансы и Статистика, 2004.

5. [Ярушкина и др., 2009] Ярушкина Н.Г., Перфильева И.Г., Афанасьева Т.В. Интегральный метод нечеткого моделирования и анализа нечетких тенденций временных рядов// Сборник трудов всероссийской конференции «Проведение научных исследований в области обработки, хранения, передачи и защиты информации». Т.2. - Ульяновск: УлГТУ, 2009.

6. [Batyrshin, 2007] Batyrshin I., Sheremetov L. Perception Based Time Series Data Mining for Decision Making. /IFSA'07 Theoretical Advances and Applications of Fuzzy Logic. 2007.

7. [Dvorak, 2004] Dvorak A., Novak V.:Formal Theories and Linguistic Description. Fuzzy Sets and Systems. 2004. № 143.

8. [Perfilieva, 2006] Perfilieva I. Fuzzy transforms: Theory and applications // I. Perfilieva // Fuzzy Sets and Systems, 2006. № 157.

9. [Song, 1993] Song, Q., Chissom, B.S. Fuzzy time series and its models. Fuzzy Sets and Systems. (1993). № 54.

Размещено на Allbest.ru