Перспективы совершенствования информационно-аналитического обеспечения принятия государственных решений

Г осударству для качественного осуществления своей деятельности нужна верная информация и правильная интерпретация данных. Достоверная информация необходима для принятия решений, выбора направлений и приоритетов развития, проведения взвешенной государственной политики во всех сферах. Эффективное распределение, обработка и использование информации основываются на применении оптимальных средств и методов [Поврозник 2017].

По мнению специалиста Левкина, информационно-аналитическая работа при принятии государственных решений проводится в обязательном порядке в случаях, когда наблюдается наличие разрозненных, отрывочных и противоречивых фактов, которые нужно верифицировать, обобщить и собрать в качественно новую информацию для решения специальных информационных задач [Левкин 2008]. Поэтому ту часть информации, которая используется в информационно-аналитическом анализе, называют специальной информацией. В практике работы со специальной информацией различают следующие способы выявления их признаков:

– ведение активного наблюдения;

– информационный поиск;

– моделирование процесса функционирования объекта;

– прогнозирование [Левкин 2008].

Существует ряд проблем, которые требуют комплексного использования всех механизмов. Проблемы категории слабоструктурированных содержат как качественные, так и количественные элементы, имеют нечеткие границы, отличаются девиантностью процесса решения, неявностью информации, хаотичностью поведения ситуации, неопределенностью, уникальностью ситуации и другими признаками [Информационно-аналитические системы… 2004].

В связи с тем, что эксперты не в состоянии охватить целиком многоплановый эмпирический материал, уловить многочисленные взаимосвязи между разнообразными параметрами общественного развития, возникли попытки поиска возможностей формализации реальных взаимосвязей, определяющих социально-политическое развитие, переложения его на язык строгих логических процедур. В итоге возникают модельные, математические и другие конструкции, с той или иной степенью достоверности описывающие реальные процессы [Ibrahim 2018].

Объем данных, доступных для использования при анализе социально-экономической среды, стремительно растет. Открытые данные и коллективные движения в социальных сетях сделали доступными большие объемы новой информации (индикаторы данных, текст, социальные сети и экспертные репозитории знаний). В связи с переизбытком данных встал вопрос, как отделить информационный шум от нужных информационных сигналов. Это помогло бы политикам быстро находить горячие проблемы среди прочих и оперативно реагировать на них в таких областях, как защита окружающей среды, экономика, энергетика, безопасность или общественное здравоохранение [Janssen, Wimmer 2015].

Сложные современные модели сбора, визуализации и анализа данных расширили нашу способность понимать, отображать и распространять сложную временн у ю и пространственную информацию для различных аудиторий. В то же время высокое разрешение новых вычислительных мощностей расширило возможности программных приложений и других средств, доступных для изучения динамических систем и их взаимозависимостей.

Говоря об ограничениях, нужно подчеркнуть, что большинство академических исследований по принятию решений обсуждают и рассматривают набор альтернатив¹. Похожая ситуация наблюдается и на практике: фактически большая часть разработок политики включает построение альтернативных вариантов в процессе принятия решения. Отсутствуют формальные методы для облегчения когнитивной деятельности по исследованию вариантов решений или альтернативных действий. Это важно потому, что выбор альтернатив решения может быть предвзятым из-за когнитивных способностей лица, принимающего решения [Einhorn, Hogarth 1981], либо ошибочным в силу десизиональной усталости (имеется в виду усталость от принятия решений – decisions ) лица, принимающего решения. Рассматриваемые альтернативы также могут быть ограничены сложными компромиссами, противоречивыми целями или влиянием многочисленных заинтересованных сторон и социальным взаимодействием между ними [Gregory, Keeny 1994].

Потенциал применения систем поддержки решений в информационноаналитической работе в государственном секторе огромен. При полном пере ходе произ ошло бы преобразование классической системы государственного

управления в интеллектуальное государственное управление, которое подразумевает применение всех видов вычислительных подходов искусственного интеллекта на всех уровнях государственного управления и процесса разработки политики.

Процесс разработки государственной политики – это динамический цикл, в каждый этап которого может быть внедрен информационно-аналитический процесс, что обеспечило бы повышение точности и эффективности принятия решений в государственной политике. Огромные объемы данных, которые собираются с беспрецедентной скоростью, способствовали существенному ускорению развития инноваций в государственном и частном секторах [Suominen, Hajikhani 2021]. Также активно разрабатываются новые аналитические и логические методы. Возможности анализа данных достигли беспрецедентных высот благодаря достижениям в области информационных технологий с точки зрения как аппаратного, так и программного обеспечения.

Но, чтобы использовать новейшие инструменты, соответствующий госор-ган и его сотрудники должны иметь знания и навыки, связанные с наукой о данных [Dingelstad, Borst, Meijer 2022]. Сюда относится программное моделирование, статистика, управление данными, исследование данных, алгоритмическое машинное обучение, форматирование продуктов данных и компьютерное программирование. Кроме того, государственному сектору нужна стратегия адаптации к быстро меняющейся реальности.

Хотя за последние годы мы имели возможность наблюдать рост использования аналитики больших данных государственными органами для решения вопросов с пандемией [Wahyunengseh, Hastjarjo 2020], все же сегодня в государственном секторе большие данные имеют относительно небольшое практическое применение. Большинство инициатив либо находятся на стадии планирования, либо на ранних стадиях разработки [Kinra et al. 2020].

Немаловажно отметить, что, признавая достижения в технических возможностях, нужно не быть чрезмерно увлеченными ими. Разработка и анализ политики и политического решения по-прежнему происходит в бюрократической среде и подвержена различного рода влияниям организационного контекста и динамики. Возможны также злоупотребления ситуацией, когда заинтересованные стороны могут быть склонны использовать новые технологии для укрепления своих позиций, иногда в ущерб другим сторонам процесса.

Что касается достоинств, основным преимуществом внедрения технологий в процесс принятия решений является способность принимать решения в режиме реального времени, что поможет в дальнейшем заменить традиционные модели последовательного выполнения определенных этапов политического цикла на модель непрерывной оценки. Последнее значительно ускорило бы принятие решений и привело бы к лучшим результатам за счет извлечения полезной информации, которая иногда справедливо, а иногда ошибочно классифицируется как информационный шум.

В настоящее время в область анализа государственной политики предлагается внедрить анализ больших данных на каждой стадии цикла принятия решений – от формирования политики до оценки1. Примечательно то, что основные принципы, лежащие в основе разработки политики с помощью анализа больших данных, не являются принципиально новыми: скорее происходит переупаковка таких фраз, как интеллектуальный анализ данных, бизнес-аналитика и поддержка принятия решений, которые впоследствии становятся частью области больших данных1.

Информационные системы нелегко установить и внедрить, для этого требуется много времени и усилий, но после установки они являются бесценным капиталом для организации. Информационные системы поддержки принятия решений бывают для менеджеров высшего звена, среднего звена и операционных менеджеров.

Система поддержки принятия решений (СППР) – это организованное собрание людей, процедур, приложений, базы данных и приборов, оборудования для поддержки проблемно ориентированных аспектов процессов принятия решения. СППР обычно используются руководителями старшего звена для принятия стратегических решений и для нахождения ответов для решения уникальных проблем или для нестабильных случаев, которые находятся в постоянном изменении.

В дополнение к СППР применяется система поддержки принятия решений самого высшего звена руководства ( Executive support system , СПЭ). СПЭ – система, которая использует те же алгоритмы что и СППР для управленцев, но может делать сложные прогнозы. Она предназначена скорее для президентов, вице-президентов и членов совета директоров.

При внедрении в СППР искусственного интеллекта (ИИ) в так называемой интеллектуальной системе поддержки принятия решений (ИСППР) ИИ извлекает и обрабатывает большие объемы данных, чтобы получать информацию и давать рекомендации для принятия лучших решений. Компонент ИИ в системе СППР максимально точно имитирует человеческие возможности, при этом более эффективно обрабатывая и анализируя информацию как компьютерная система.

Сегодня в применении ИСППР основной фокус внимания ученых сосредоточен на вопросе информационного мусора. Обучаясь, машина сохраняет данные, которыми может воспользоваться позже при решении другого вопроса. Но сохраненные переменные в новой ситуации могут навредить качеству решения и бенефициарам политики, на которых оно будет реализовано.

Использование аналитики для создания ценности сопряжено с рядом проблем [Vidgen, Shaw, Grant 2017]. Ключевая проблема, которую необходимо преодолеть, – это операционализация идей, полученных с помощью аналитики, и обеспечение их применимости на практике [Lavalle et al. 2011]. Превращение данных и прогнозов в решения могло бы создать новую ценность в аналитике принятия решений [Angalakudati et al. 2014а].

Перевод в решение информации, добытой из анализа, актуален как в контексте применения в государственном секторе, так и в бизнесе. Но все же внедрение аналитики в организациях государственного сектора происходит медленными темпами.

Процесс информатизации государственного управления России не нов, он начался уже в эпоху СССР. «Первым крупным проектом, разработанным в СССР, стала Общегосударственная автоматизированная система учета и обработки информации (ОГАС), в 1971 г.» [Морозова, Лосева, Иванова 2024]. Разработчиком ОГАС стал известный советский кибернетик В.М. Глушков. Смысл ОГАС состоял в том, чтобы объединить всю вертикаль территориального управления, вплоть до общесоюзного уровня, по всем программам.

На современном этапе развития процессов информатизации государственного управления «для повышения эффективности органов власти, совершенствования информационного, технологического и аналитического обеспечения принятия решения на всех уровнях государственного управления разработана государственная автоматизированная информационная система (ИС) “Управление” (ГАС “Управление”)» в соответствии с постановлением Правительства РФ «О государственной автоматизированной системе “Управление”»1.

Чтобы системы поддержки принятия решений работали эффективно, необходимо устранить технические барьеры, препятствующие обмену данными, знаниями и информацией, и интегрировать деятельность с различными онтологическими основами [Höchtl, Parycek, Schöllhammer 2016]. Однако на этом пути необходимо преодолеть множество трудностей.

Анализ с применением СППР позволяет успешно и быстро обнаруживать отклонения и помогает в предиктивной и поведенческой аналитике, которая может предполагать значительную вероятность нарушений еще до того, как они произойдут. На самом деле применение подходящих моделей может обнаруживать отклонения с вероятностью до 95%.

При применении информационных систем государственные органы в первую очередь должны знать о безопасности и конфиденциальности данных. В некоторых правительствах действуют правила открытых данных, которые могут привести к масштабным катастрофам данных, если террористы или партии с радикальными интересами воспользуются этой информацией в своих целях [Moore 2013]. Чтобы обеспечить конфиденциальность данных граждан [Ge, Wang 2019], перед внедрением информационных систем для анализа больших данных необходимо разработать безопасную систему [Ge, Wang 2019], что не так легко сделать, т.к. для интеллектуального управления требуется постоянно обновляющийся поток точных, доступных, обнаруживаемых и пригодных для использования данных. Технологии больших данных требуют памяти для хранения, высокопроизводительных серверов и плат-форм². Облачные решения являются одной из популярных технологий для внедрения больших данных в государственном секторе. Организациям требуется обеспечить достаточную пропускную способность в реальном времени при использовании облачной среды для принятия своевременных и точных решений³. Государственные учреждения сотрудничают с другими внутренними и внешними организациями для преобразования данных и сокращения проблем технического характера и безопасности [McGee, Jones 2019]. Необходима хорошая внутренняя команда экспертов для сбора, обработки и управления большим объемом данных, чтобы помочь правительству и снизить риск для государственных учреждений. Существует риск, что большие данные могут давать ложные, менее объективные или неточные результаты. Как ни парадоксально, иногда большие данные могут поддерживать беспристрастные позиции и выдавать точные результаты, которые не подтвержда ются реаль ностью [Poel, Meyer, Schroeder 2018].

Резюмируя представление о месте анализа больших данных в области принятия государственных решений, хотелось бы выделить несколько важных пунктов.

Во-первых, продвигая итеративную перспективу цикла политики, важно подчеркнуть возможность повышения эффективности политики путем применения СППР, основанного на анализе данных на всех этапах политического цикла. Это позволит держать ситуацию под постоянным наблюдением и осуществлять гибкое изменение политики, а также своевременное вмешательство и возможность динамично отбрасывать менее эффективные варианты.

Во-вторых, на основе анализа данных рекомендуется включить СППР во всю инфраструктуру государственного управления для дальнейшего объединения данных информационных систем в единый организм бюрократической среды.

И наконец, ключевой барьер, который необходимо преодолеть в использовании СППР, – это операционализация идей, полученных с помощью аналитики, и обеспечение их применимости на практике [Lavalle et al. 2011]. СППР должны научиться сами принимать решения. Превращение данных и прогнозов в решения могло бы создать новую ценность в аналитике принятия решений [Angalakudati et al. 2014a].