Концепция больших данных как основа процесса принятия решений

DOI:

Мы живем в эпоху, когда наблюдаем массовое и непрерывное производство данных в различных форматах (видео, изображения, текст и т.д.) пользователями в социальных сетях, устройствах Интернета вещей, смарт-устройствах и других источниках. Можно сказать, что мы вступили в эпоху больших данных, когда большие данные все чаще становятся важной областью для дискуссий и исследований. Большое количество ученых и исследователей из многих дисциплин написали на эту важную тему. Большие данные приобрели такое значение из-за значительной ценности, которую можно извлечь из обработки и анализа этих данных [1].

Большие данные могут играть ведущую роль в принятии решений современной организацией. В настоящее время популярна идея о том, что большие данные позволяют компаниям создавать мощную основу для принятия более качественных, быстрых, подкрепленных фактическими данными и надежных решений [2]. В [3] указано, что применение больших данных в современном бизнесе обеспечивает понимание и бизнес-аналитику в режиме реального времени, например, тенденции и характеристики их клиентов, что позволяет компаниям быстро реагировать и оптимизировать процессы принятия решений, что, в свою очередь, может привести к повышению эффективности бизнеса и конкурентному преимуществу [3]. Аналогичным образом, в [4] отмечено, что если организациям удастся внедрить инструменты и методы работы с большими данными в свой бизнес для извлечения правильной и полезной информации из данных, они смогут поддерживать процесс принятия более быстрых и адекватных решений, ведущих к снижению затрат, разработке новых продуктов, созданию оптимизированных тендеров и появлению новых клиентов. о тенденциях рынка, таким образом, они могут создать устойчивое конкурентное преимущество [4]. Например, в [5] установлено, что компании, принимающие решения на основе данных, могут повысить производительность на 5-6%.

Данные являются стратегическим активом, но они бесполезны, если их не использовать конструктивно и надлежащим образом для получения ценных результатов [6]. Все современные организации стремятся использовать большие данные, в то время как об эффективном использовании аналитики больших данных при решении бизнес-задач или принятии решений известно очень мало [7]. В результате многие проекты с использованием больших данных, разработанные организациями, потерпели неудачу или не достигли поставленных целей. Например, в [8] указано, что 55% проектов с использованием больших данных дают разочаровывающие результаты, в то время как в [9] указано, что 60% проектов в области больших данных потерпели неудачу и были свернуты в течение 2017 г.

Несмотря на признание жизненно важной роли больших данных в поддержке принятия решений в организации, большинство исследований сосредоточены на технологических аспектах больших данных, игнорируя изучение аспекта принятия решений, который заключается в фактическом использовании больших данных. Исходя из этой задачи, основной исследовательский вопрос, который рассматривается, заключается в следующем: какие аспекты следует учитывать при разработке проекта с использованием больших данных, направленного на решение проблемы принятия решений в организации?

ТЕОРЕТИЧЕСКИЙ АНАЛИЗ

Большие данные предоставляют организациям беспрецедентную возможность принимать более быстрые и разумные решения, основанные на знаниях. Чтобы использовать эту возможность, организации необходимо глубокое понимание этих решений и их требований, чтобы иметь возможность связать знания, извлеченные из больших данных, со своими решениями [10]. Моделирование решений — это мощный метод представления решений и требований к ним в ясном, кратком и понятном формате. В этом контексте OMG (Object Management Group) разработал новый стандарт - стандарт модели и нотации решений (DMN) для моделирования бизнес-решений [10]. Основная цель DMN -предоставить всем бизнес-пользователям понятную общую систему обозначений.

Моделирование решений с использованием стандарта DMN включает два уровня, диаграммы требований к принятию решений (DRD) и логику принятия решений, которые можно использовать независимо или вместе в модели принятия решений. DRD включает в себя набор элементов и взаимосвязь между ними. Эти элементы определяют решение, которое будет принято, и то, как оно зависит от других решений, политики или регулирования (источник знаний), бизнес-знаний (модель знаний) и входных данных.

Для интеграции логики принятия решений принято использовать логику отдельных компонент задачи принятия решений. Это:

• •    реализуемые    в    реальном    времени

аналитические модели;

• •    таблицы решений;

• •    бизнес-правила.

Применение логики принятия решений необходимо для верификации и автоматизации соответствующих процессов.

Стандарт DMN целесообразно использовать следующим образом:

• •    реализация системы автоматизации принятия решений;

• •    моделирование требований к системе автоматизации;

• •    моделирование решений ЛПР с применением DRD.

Моделирование требований к принятию решений    можно    использовать    для моделирования любого решения, будь то стратегическое, тактическое или оперативное решение, при условии, что это решение заслуживает моделирования. Если решение является динамичным, способ принятия этого решения часто меняется, существует широкий набор альтернативных решений на выбор, применяется множество политик или правил, или, если оно основано на большом количестве данных, то это решение стоит смоделировать.

МОДЕЛЬ BD-DA: БОЛЬШИЕ ДАННЫЕ С МОДЕЛЬЮ РЕШЕНИЙ

Известно, что применение Big Data делает процесс принятия решений более эффективным, что положительно сказывается на качестве принимаемых решений. Вместе с тем разрозненность данных в организации мешает принятию эффективных решений, что отрицательно сказывается на рабочем процессе. Построенная модель BD-Da представляет собой концептуальную модель, которая иллюстрирует интеграцию аспекта принятия решений в большие данные. Опираясь на шесть концепций, связанных с определениями больших данных, модель BD-Da выделяет три уровня больших данных, которые необходимо учитывать при разработке проекта больших данных, направленного на поддержку принятия решений в организациях. Это уровень данных, уровень анализа данных и уровень принятия решений, как они изображены на рис.1.

• •    Уровень данных:   основное внимание

уделяется определению наборов данных, которые будут использоваться, то есть функций, характеризующих большие данные, а именно 4V, а также различных внутренних и внешних источников, которые предоставляют эти данные.

Рисунок 1. Уровни модели BD-D A .

Figure 1. Levels of the BD-Da model.

• •    Уровень анализа данных: Большие данные скрывают важную ценную информацию, которая позволяет лицам, принимающим решения, принимать более быстрые и разумные решения. Этот уровень направлен на достижение этого понимания путем сбора, хранения, обработки и анализа огромных объемов данных посредством применения мощных аналитических методов и использования    новых    инструментов,

способных обрабатывать характеристики больших данных. Получив желаемую информацию, ее необходимо визуализировать и представить лицам, принимающим решения, в структурированном и понятном формате для использования на уровне принятия решений.

• •    Уровень решения: он действует как аспект принятия решений в области больших данных, который был исключен из проектов по работе с большими данными. Основное внимание уделяется увязыванию ценности больших данных с их фактическим использованием, что способствует принятию решений. Уровень основан на двух элементах: модели IDC, включающей этапы анализа, проектирования и выбора; и моделирование решений с использованием расширенной модели стандарта oDMN+.

ЗАКЛЮЧЕНИЕ

Большие данные стали темой, которая все больше привлекает внимание исследователей во многих дисциплинах благодаря ценным знаниям и практическим идеям, которые могут быть получены. Эта ценность потенциально может улучшить процесс принятия решений в организации, чтобы принимать более быстрые и разумные решения.    Поэтому   сегодня организации считают, что им необходимо использовать большие данные, чтобы сохранить свое конкурентное преимущество.

Несмотря на важность больших данных в этих организациях, согласно многим исследованиям, существует большое количество проектов по большим данным, которые не достигли желаемых целей. Причин провала этих проектов много. Мы можем суммировать основные причины неудачи этих проектов в том, как эти проекты разрабатывались, поскольку они игнорировали аспект принятия решений. Основная цель представленной статьи состояла разработке концептуальной модели, которая интегрирует аспект принятия решений в большие данные, что позволяет связать извлеченную ценность и ее фактическое использование.

Данное исследование направлено на изучение возможности интеграции больших данных и процесса принятия решений для поддержки лиц, принимающих решения, для принятия более эффективных и быстрых решений на основе данных.