автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка средств информационного мониторинга многомерных объектов на основе технологии оперативного анализа данных

На правах рукописи

ХОЛОД Илона Сергеевна

РАЗРАБОТКА СРЕДСТВ ИНФОРМАЦИОННОГО МОНИТОРИНГА МНОГОМЕРНЫХ ОБЪЕКТОВ НА ОСНОВЕ ТЕХНОЛОГИИ ОПЕРАТИВНОГО АНАЛИЗА ДАННЫХ

Специальность: 05.13.01 — Системный анализ, управление и обработка

информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва — 2005

Работа выполнена на кафедре Информатики и программного обеспечения вычислительных систем в Московском государственном институте электронной техники (техническом университете)

Научный руководитель

Доктор технических наук, профессор Гагарина Лариса Геннадьевна

Официальные оппоненты

Доктор технических наук, профессор Барский Аркадий Бенционович

Ведущая организация

Кандидат технических наук Дударев Дмитрий Александрович

ОАО «НИИ «Научный центр»

Защита состоится «с2005 года в /6 \(20 на заседании диссертационного сотета Д 212.134.02 при Московском государственном институте электронной техники (техническом университете) по адресу: 124498, Москва, Зеленоград, проезд 4806, МИЭТ

С диссертацией можно ознакомиться в библиотеке МИЭТ.

Автореферат разослан « ¿4 » 2005 г.

Ученый секретарь ^ Н.В.Воробьев

диссертационного совета к.т.н., проф.

1144315

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Повсеместное использование компьютеров привело к пониманию важности задач, связанных с анализом накопленной информации для извлечения новых знаний. Возникла потребность в создании хранилищ данных и систем поддержки принятия решений, основанных, в том числе на методах интеллектуального анализа данных.

С каждым годом объем информации резко растет. Использовать информацию на практике стало невозможно без применения информационных технологий и средств вычислительной техники. Объект предметной области зачастую представляется многомерным, его изучение в комплексе охватывает множество аспектов, срезов, которые в свою очередь являются сложными иерархическими структурами. Возникает проблема организации работы с данными, в частности, их анализ, которые выполнялись бы на регулярной основе, и позволяли проводить диагностику текущего состояния, формировать прогнозы, т.е. осуществлять информационный мониторинг. Своевременный и адресный мониторинг позволяет идентифицировать проблему, ее причины и последствия на более раннем этапе появления, принять ответные меры и спрогнозировать дальнейший ход событий. В условиях отсутствия целостной информационной базы о текущем состоянии, существовании разрозненных локальных информационных источников по отдельным элементам хозяйственной структуры, когда аналитические отчеты выполняются вручную и охватывают лишь определенные аспекты проблемы, полноценный информационный мониторинг невозможен, требуются идентификация и организация данных в единый информационный ресурс, а также разработка инструментария, в частности методики, схемы, алгоритма для проведения информационного мониторинга.

Одной из наиболее перспективных современных разработок в области организации аналитической работы с многомерными объектами являются технологии оперативного анализа данных - ОЬАР-технологии. Они позволяют работать с огромными массивами разнородной информации, организовывать ее сбор, хранение, обработку, создавать гибкий аналитический инструментарий. В настоящее время ОЬАР-технологии еще только начинают внедрять крупные предприятия, при этом сфера применения достаточно узка: сбытовая, финансовая и др.

В настоящее время OLAP-технологии в сфере работы с кадровой информацией не применяются.

Следует заметить, что интеграция технологий OLAP и интеллектуального анализа данных является одним из перспективных направлений в сфере информационных технологий в настоящий момент.

Цель и задачи исследования. Целью является разработка средств информационного мониторинга многомерных объектов на основе технологии оперативного анализа данных - OLAP-технологий (On-line Aanalytical Pprocess).

Согласно цели были выделены следующие объекты и задачи диссертационного исследования:

1. Методы и средства хранения, организации и анализа многомерных данных для информационного мониторинга.

Исследование систем поддержки принятия решений как средств хранения, организации и анализа данных.

Анализ и классификация способов аналитической обработки данных.

Исследование методов интеллектуального анализа данных для целей интеграции с технологиями оперативного анализа данных.

2. Методы и средства информационного мониторинга.

Определение функциональности и научных основ мониторинга. Подходы к классификации информационных систем и позиционирование мониторинговых информационных систем.

3. Моделирование системы информационного мониторинга на основе технологии оперативного анализа данных.

Определение технических аспектов оперативного анализа данных, а также их хранения.

Разработка математической модели информационного мониторинга.

4. Анализ и разработка механизма агрегирования.

Определение способа агрегации данных. Разработка алгоритма агрегации данных.

Определение и анализ вычислительных ресурсов механизма агрегирования.

Организация процедуры формирования агрегатов. Разработка методики информационного мониторинга.

" > ' 4 1

« > ; T.J !<*•• 1 .

5. Реализация методики информационного мониторинга многомерных объектов в кадровой сфере.

Исследование структуры кадрового потенциала, выделение основных сущностей и характеристик кадрового потенциала. Формализация представления кадрового потенциала как системы взаимосвязанных измерений.

Разработка математической модели оценки эффективности использования технологии оперативного анализа данных. Определение состава и иерархических структур многомерного объекта.

Разработка структурно-функциональной схемы мониторинговой информационной системы.

Разработка программных средств реализации информационного мониторинга кадрового потенциала на основе технологии оперативного анализа данных.

Методы исследования. В диссертационном исследовании были использованы методы системного анализа, дискретной математики, теории графов, комбинаторного анализа, социальной статистики, теории управления, теории реляционных баз данных, интеллектуального анализа данных.

Научная новизна. В диссертационной работе осуществлено решение научной проблемы разработки средств информационного мониторинга многомерных объектов на основе технологии оперативного анализа данных - OLAP-технологии (On-line Analytical Process). В процессе исследований и разработок получены следующие новые научные результаты, а именно:

1. Исследованы методы и средства хранения, организации и анализа многомерных объектов, а также методы интеллектуального анализа данных для целей интеграции с технологиями оперативного анализа данных.

2. В классификации информационных систем мониторинговые информационные системы выделены как подкласс экспертных советующих систем.

3. Разработана математическая модель информационного мониторинга.

4. Разработан алгоритм агрегации первичных данных.

5. Создана методика информационного мониторинга.

6. Исследованы структура кадрового потенциала, выделены его основные сущности и характеристики. Создано формализованное представление кадрового потенциала как системы взаимосвязанных измерений.

7. Разработана структурно-функциональная схема мониторинговой информационной системы.

Использование технологии оперативного анализа данных позволило повысить производительность мониторинга в 6 раз и увеличить возможное число агрегатов для информационного мониторинга. По результатам работы получено свидетельство об официальной регистрации программ для ЭВМ № 200311776 Российское агентство по патентам и товарным знакам (Роспатент).

Результаты диссертационного исследования внедрены в учебный процесс для преподавания учебных дисциплин «Информационные системы», «Автоматизированные информационные системы в экономике», «Информационные технологии управления», «Информационные технологии в государственном и муниципальном управлении», «Проектирование, модернизация и эксплуатация экономических информационных систем».

Достоверность полученных результатов подтверждается соответствием результатов теоретического анализа реальному функционированию системы, а также использованием классического аппарата дискретной математики.

Практическая значимость. По результатам диссертационных исследований разработана структурно-функциональная схема мониторинговой информационной системы для холдинговых структур разнообразных форм собственности и специфик деятельности. Математическая модель информационного мониторинга позволяет строить системы заданных глубины и широты охвата. Для мониторинговой системы кадрового потенциала данные показатели составили 3 уровня и 7 измерений соответственно. Представленные в работе алгоритм агрегации первичных данных и процедура формирования агрегатов направлены на решение задач повышения эффективности использования дискового пространства и времени выполнения запроса пользователя. Полученные результаты доведены до уровня практического использования и внедрены, в частности, для решения задачи разработки автоматизированного рабочего места

аналитика в электронной промышленности оборонно-промышленного комплекса.

Практическая значимость подтверждена актом внедрения Закрытого акционерного общества «Территориальное агентство по развитию предпринимательства Зеленоградского административного округа» -ЗАО «ТАРП-Зеленоград».

Личный вклад автора

1. На основе аналитического обзора методов и средств хранения, организации и анализа многомерных объектов, а также методов интеллектуального анализа данных сделан вывод об актуальности создания средств информационного мониторинга многомерных объектов. Предложено использование технологий оперативного анализа данных для решения задач мониторинга, а также их интеграция с технологиями интеллектуального анализа данных.

2. Создано формализованное представления кадрового потенциала как системы взаимосвязанных измерений.

3. Разработана математическая модель многомерного объекта.

4. Разработан алгоритм агрегации многомерных данных.

5. Разработана методика информационного мониторинга.

6. Создана структурно-функциональная схема мониторинговой информационной системы.

Реализация полученных результатов. Исследования, изложенные в диссертации, проводились в рамках следующих проектов:

НИР «Комплексные аналитические исследования кадрового потенциала ОПК, системы планирования, подготовки (переподготовки) и закрепления управляющих, научных, инженерных и рабочих кадров с разработкой предложений по обучению руководящего звена ОПК основам внедрения ИПИ-технологий и взаимоувязанному планированию развития и сохранения кадрового потенциала ОПК в условиях его реформирования» (Шифр «Кадровый потенциал»); НИОКР «Разработка на основе информационных технологий системы планирования, подготовки, подбора и закрепления кадров предприятий научно-промышленного комплекса электронной промышленности Зеленограда».

НИР «Разработка автоматизированной информационно-аналитической системы поддержки принятия кадровых решений с

использованием новейших информационных технологий», №576-ГБ-53-Гр.асп. - ИПОВС. Все работы по реализации и внедрению проводились под руководством или при непосредственном участии автора. Результаты диссертационной работы используются в учебном процессе на кафедре ИПОВС в МИЭТ.

В результате проведенных исследований получены и выносятся на защиту следующие основные научные результаты:

1. Позиционирование мониторинговых информационных систем как подкласса экспертных советующих систем.

2. Математическая модель информационного мониторинга кадрового потенциала.

3. Алгоритм агрегации многомерных данных на основе технологии оперативного анализа данных.

4. Методика информационного мониторинга многомерных объектов.

5. Структурно-функциональная схема мониторинговой информационной системы.

6. Формализованное представление кадрового потенциала как многомерного объекта.

Апробация работы и публикации. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях:

Десятая юбилейная Международная студенческая школа-семинар «Новые информационные технологии» (Москва, МГИЭМ, 2002). Десятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2003).

Девятая Международная научно-практическая конференция студентов, аспирантов и молодых ученых «Современные техника и технологии» (Томск, Томский политехнический университет, 2003). Одиннадцатая Международная студенческая школа-семинар «Новые информационные технологии» (Москва, МГИЭМ, 2003). V Всероссийская молодежная научно-практическая конференция «Антикризисное управление в России в современных условиях» (Москва, МГТУ им. Н.Э. Баумана, 2003).

Одиннадцатая Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2004).

Шестой международный симпозиум «Техномат&Инфотел 2004» Болгария, Бургас 2004

Двенадцатая Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2005). По результатам работы опубликовано 11 статей.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 120 наименований и приложения с актами внедрения научных разработок на практике. Работа изложена на 148 страницах (120 страниц основного текста), содержит 8 таблиц и 36 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертации, формулируются общие проблемы, цели и задачи исследования, рассматривается структура диссертации и взаимосвязь отдельных глав.

В первой главе проведены анализ современного состояния методов и средств хранения, организации и анализа данных. Определены основные задачи анализа, выполняемые системами поддержки принятия решений. Рассмотрены способы и классификация методов аналитической обработки данных, а также анализ современного состояния методов и средств мониторинга, определены принципы и научные основы мониторинга. Мониторинговые информационные системы были позиционированы как подкласс экспертных советующих систем. В главе приводится обоснование выбора технологии оперативного анализа данных для построения мониторинговой информационной системы.

С появлением ЭВМ наступил этап информатизации разных сторон человеческой деятельности. Большой объем информации, с одной стороны, позволяет получить более точные расчеты и анализ, с другой -превращает поиск решений в сложную задачу. В результате появился целый класс программных систем, призванных облегчить работу лиц, принимающих решение (ЛПР), системы поддержки принятия решения СППР (DSS, Decision Support System).

Постоянное накопление данных приводит к непрерывному росту их объема. В связи с этим на СППР ложится задача обеспечить надежное хранение больших объемов данных и предоставить ЛПР инструмент для выполнения их анализа. При этом система только предоставляет ЛПР данные для изучения и анализа. С одной стороны, качество принятых решений зависит от квалификации ЛПР, с другой - рост объемов анализируемых данных, высокая скорость обработки и анализа, а также сложность использования машинной формы представления данных стимулируют исследования и разработку интеллектуальных СППР. В последние годы в мире появились новые концепции хранения и анализа корпоративных данных:

1) Хранилища данных, или Склады данных (Data Warehouse);

2) Оперативная аналитическая обработка данных (On-Line Analytical Processing, OLAP);

3) Интеллектуальный анализ данных - ИАД (Data Mining).

Технологии OLAP тесно связаны с технологиями построения Data Warehouse и методами интеллектуальной обработки Data Mining. Для того, чтобы существующие хранилища данных способствовали принятию управленческих решений, информация должна быть представлена ЛПР в нужной форме, то есть он должен иметь развитые инструменты доступа к данным хранилища и их обработки. Оперативная аналитическая обработка и интеллектуальный анализ данных две составные части процесса поддержки принятия решений. Но сегодня большинство систем OLAP заостряет внимание только на обеспечении доступа к многомерным данным, а большинство средств ИАД, работающих в сфере закономерностей, имеют дело с одномерными перспективами данных. Эти два вида анализа должны быть тесно объединены, то есть системы OLAP должны фокусироваться не только на доступе, но и на поиске закономерностей. Как заметил N. Raden, «многие компании создали «... прекрасные хранилища данных, идеально разложив по полочкам горы неиспользуемой информации, которая сама по себе не обеспечивает ни быстрой, ни достаточно грамотной реакции на рыночные события».

К. Parsaye вводит составной термин «OLAP Data Mining» (многомерный интеллектуальный анализ) для обозначения такого объединения. J. Han предлагает еще более простое название - «OLAP Mining», и предлагает несколько вариантов интеграции двух технологий. Возможность выполнения интеллектуального анализа должна обеспечиваться над любым результатом запроса к многомерному концептуальному представлению, то есть над любым фрагментом любой проекции гиперкуба показателей. Подобно данным, извлечённым из хранилища, результаты интеллектуального анализа должны представляться в гиперкубической форме для последующего многомерного анализа. В главе также дается определение мониторинга, его принципов и функции.

Мониторинг - процесс наблюдения за объектом, оценки его состояния, осуществления контроля за характером происходящих событий, предупреждения нежелательных тенденций развития. Мониторинг осуществляется через определенные системы, выполняющие конкретные функции.

Мониторинг имеет адрестность и предметную направленность, то есть, применим к конкретным объектам и процессам для решения определенных задач.

Мониторинг - непрерывный процесс, организующийся на достаточно продолжительном отрезке времени, что позволяет фиксировать состояние объекта в определенные моменты и оценивать тенденции процессов, осуществлять прогноз развития этих тенденций. Формами комплексного отражения результирующих составляющих систем, их частей и уровней, являются мониторинговые индикаторы, типологическими свойствами которых являются повторяемость, периодичность, относительная стабильность по времени, соответствие средним статистически величинам по содержанию и форме. Мониторинговые системы были позиционированы как подкласс экспертных советующих систем (ЭСС) (рис.1).

эсс

ЭСС, воспроизводящие осознанные мыслительные процессы человека

ЭСС,

воспроизводящие неосознаниные мыслительные процессы человека

Исполнительные

Исполнительно-расчетные

Рис. 1. Позиционирование мониторинговых информационных систем

Мониторинговые системы относятся к системам расчетно-диагностического типа, так как они создаются для наблюдения за состоянием объектов или процессов, своевременной сигнализации о появлении негативных явлений, оценке последствий и выдаче рекомендаций для их ликвидации.

Во второй главе рассмотрены концептуальные основы оперативного анализа данных. Созданы математическая модель системы мониторинга и многомерная модель агрегирования многомерных данных ОЬАР-куба.

Многомерное концептуальное представление представляет собой множественную перспективу, состоящую из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Одновременный анализ по нескольким измерениям определяется как многомерный анализ. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. В этом случае становится возможным произвольный выбор желаемого уровня детализации информации по каждому из измерений. Операция спуска соответствует движению от высших ступеней консолидации к низшим; напротив, операция подъема означает движение от низших уровней к высшим. Технология оперативного анализа данных предоставляет удобные быстродействующие средства доступа, просмотра и анализа многомерной информации. ЛПР получает естественную, интуитивно понятную модель данных, организуя их в виде многомерных кубов. Осями многомерной системы координат служат основные атрибуты анализируемого многомерного объекта. В качестве одного из измерений используется время. На пересечениях осей измерений находятся данные, количественно характеризующие процесс, - меры. ЛПР, анализирующий информацию, может «разрезать» куб по разным направлениям, получать сводные (например, по годам) или, наоборот, детальные (по неделям) сведения и осуществлять прочие манипуляции. Процесс принятия решений определен тройкой множеств:

М, =<5,/,С>, где 5 — множество ситуаций (измерений),

/ — множество разбиений 5 на эталонные классы, С — множество идентификаторов эталонных классов. Проблема идентификации состоит из двух задач:

1) идентификации текущей качественной ситуации как типовой на основе разнородной исходной информации;

2) идентификации эталонного класса, к которой принадлежит текущая ситуация.

Первая задача решается путем рассмотрения многомерного объекта в отдельном ее срезе, когда имеются две переменных (напр. Я, А) и остальные составляющие постоянны (в частности, N. ^ Е, Р, Т). Вторая задача решается путем создания базы знаний, содержащей эталонные ситуации.

Для получения всевозможных срезов данных прежде всего необходим их сбор, консолидация разрозненных и несогласованных источников в согласованный предметно-ориентированный, интегрированный и зависимый от времени набор данных. Для этого целесообразно использовать технологии оперативного анализа данных - ОЬАР-технологии.

В третьей главе приводятся анализ и разработка механизма агрегирования, оценка его эффективности и организации. Для этого были описаны способы агрегации ОЬ АР-куба, проведен анализ вычислительных ресурсов механизма агрегирования. Предложено использование методов теории графов, в частности методов линейного программирования, для нахождения кратчайшего пути на графе, для организации процедуры формирования агрегатов и минимизации вычислительных ресурсов. В главе разработаны алгоритм агрегации первичных данных и методика мониторинга многомерного объекта.

Степень агрегации ОЬАР-куба рассчитывается как

где х - реальное количество агрегированных значений показателей, а;* максимально возможное количество агрегатных значений исходных данных куба.

При выводе формул для х и х* сначала были рассмотрены простые случаи с двумя-тремя измерениями, а затем получен обобщённый вариант. То же касается и уровней иерархии в измерениях: сначала были рассмотрены случаи простых измерений (с одним уровнем), а затем выводится обобщённая формула. Все это позволило упростить процесс получения агрегатных значений показателей. В результате была получена следующая формула для простых измерений:

т т

х*=Щп. + 1)-Пп(, (2)

í=l ;=1

где т количество измерений с п, количество членов в '1-ом измерении, I = 1..т.

Далее был рассмотрен случай иерархических измерений, в результате 1=1 /-1

где /,« количество уровней иерархии для /-го измерения, tiy - количество членов в у'-ом уровне /-го измерения,

Пщ< n¡j2npnjJ<j2.

Я,-¿я,,. (4)

1,1

Для оценки вычислительных ресурсов, необходимых для агрегирования, был введен оператор агрегирования по /-му измерению.

X(i, Хи...,,... 1т)=Х„ и ¡„, где li=max(0, lil¡. По вычислительными ресурсами было принято понимать количество элементарных операций суммирования, которые необходимо осуществить для получения результирующего множества. Обозначив затраты на выполнение агрегирования множества Хц ¡т по /-му измерению, как

C(X(¡, Хц,.м.. im)) или C(i, Хц. и...im), была получена формула С(1Х1: = , -«,„ Y[n , =

_ я,.,, _ =

Я,,.,

Я. А,

~Xi,.j,.j. X¡.-J, .J.

Я,,„,

Для процедуры формирования агрегатов была использована теория графов. Множество агрегатов было представлено как вершины сетевого графа. Начальной вершиной такого графа является множество исходных данных, конечной - значение полного агрегата (рис.2).

модели

Далее были описаны процедуры предварительного и оперативного формирования агрегатов, обеспечивающие минимальное время выполнения пользовательских запросов. Для минимизации временных и вычислительных затрат был предложена процедура предварительного формирования агрегатов.

Для оптимизации процедуры формирования агрегата согласно запросу пользователя, необходимо найти кратчайший путь от множества исходных значений (предварительных агрегатов) до искомой вершины. Ввиду особенности построения графа данная задача решается методом линейного динамического программирования. При чем сложность задачи прямо пропорциональна произведению максимальной степени вершины графа на количество вершин. А так как максимальная степень вершин равна количеству измерений, то сложность задачи (й) равна

т

(1=т*х. . . =т* Ш:ч-[ I т ¿=1

Таким образом, задача оптимизации вычислительных затрат на агрегацию ОЬАР-куба была сведена к задаче нахождения кратчайшего пути на графе методом линейного динамического программирования:

, ,. .ч Д*) = ->п»п

= о, а,/) <2/л

у = [0,л] _/

' !

где г, j вершины, р>г, - дуга, ц - кратчайший путь.

На основании вышеизложенного был составлен алгоритм агрегации

первичных данных (рис. 3).

Согласно описанной процедуры предварительного формирования агрегатов, когда часть агрегатных значений рассчитывается и хранится в системе, ЛПР задает уровень необходимой агрегации. Далее происходит либо поиск уже рассчитанного агрегата X, , , , либо поиск оптимального пути его нахождения.

Методика мониторинга был сформулирована в виде последовательности этапов: 1. Организационный:

определение целей и задач,

определение основных критериев и показателей,

выбор способа определения реального уровня показателей

многомерного объекта.

2. Начальный диагностический этап:

сбор информации с помощью подобранных методик, количественная и качественная обработка полученных результатов, выработка социального диагноза.

3. Прогностический этап: сравнение результатов,

определение и анализ причинно-следственных зависимостей, выработка и формирование социального прогноза.

4. Управленческий этап:

5. Промежуточный диагностический этап:

анализ результатов управленческого воздействия, уточнение промежуточного состояния многомерного объекта, сопоставление с нормативными данными, устранение причин отклонения, формирование стратегии дальнейшего развития.

6. Конечный диагностический этап.

В четвертой главе представлена реализация методики информационного мониторинга многомерного объекта в кадровой сфере. Описана структура кадрового потенциала, основные сущности и характеристики кадрового потенциала как многомерного объекта. Дано формализованное представление кадрового потенциала как системы взаимосвязанных измерений многомерного объекта. Разработана математическая модель оценки эффективности технологии оперативного анализа данных для информационного мониторинга, и произведены соответствующие расчеты. Создана структурно-функциональная схема мониторинговой информационной системы. Использование технологии оперативного анализа данных ОЬАР-технологий для реализации мониторинга увеличивает глубину и масштаб анализа исследуемых данных за счет роста количества возможных перестановок измерений и максимального количества получаемых агрегатов, которое рассчитывается по формуле:

К—(6)

" (п-ку.

В результате для 7 выделенных измерений количество возможных перестановок составляет:

Л7 =| = 42, то есть = 42,

в то время как для традиционной системы использовалось лишь 7 таблиц для проведения мониторинга РтрМиц = 7 .

Таким образом, для 7 измерений производительность мониторинга растет в 6 раз.

Рост максимального количества возможных агрегатов был рассчитан по формуле:

Р = (7)

Результаты расчетов представлены в таблице 1. Таблица 1. Максимально возможное количество агрегатов

1 ОЬАР Традиц. Система Кол-во раз, р

1 6 6 1,0

2 192 192 1,0

3 1914 270 7,1

4 11250 325 34,6

5 195120 497 392,6

6 1806480 580 3114,6

7 14804640 656 22568,0

Максимальное количество получаемых агрегатов в ОЬАР-системе составляет 14 804 640 в то время как в традиционной системе - лишь 656.

Ниже на графике представлен рост максимального количества агрегатных значений в зависимости от количества измерений (рис.4). Был разработан состав модулей мониторинговой системы расчетно-диагностического характера, а также используемые технологии (рис.5).

Центральное место занимает база знаний, представляющая собой синтез дерева целей и графа показателей. Это позволяет, с одной стороны, задавать конечную цель управления, а с другой — интерпретировать ее набором расчетных формул. База знаний представлена в виде синтезированного дерева, фрагмент которого показан ниже (рис.6).

Декомпозиция цели в дерево целей базируется на субъективной оценке важности той или иной подцели, поэтому дерево снабжено коэффициентами относительной важности (КОВ) той или иной подцели. КОВ — это инструмент, указывающий на наиболее предпочтительный путь достижения целей.

Согласно предложенной методике была описана технология создания экспертной советующей системы (рис.7).

Общая схема функционирования системы информационного мониторинга представлена ниже (рис.8). Работа начинается с блока интерфейса, когда ЛПР формирует запрос системе. После формирования запроса подключается блок модификации и базы данных и выполняется поставленная ЛПР задача. В случае получения приемлемого решения задача переходит к блоку оценки и ЛПР через интерфейс получает результат запроса. Если решение неприемлемо -происходит пересчет.

Максимально« количество агрегатных значений

Рис.4. Максимальное количество агрегатов

На рис.9 представлен алгоритм работы программы, включающий большим уровень детализации по сравнению со схемой. Так, при формировании запроса пользователем, происходит анализ запроса системой.

В случае, если был сделан запрос на выборку данных без какой-либо информационной обработки, то система генерирует запрос на детализированные данные и делает выборку необходимых данных. Если ЛПР сформировал запрос, требующий агрегирование первичных данных, то система на основании предложенного в главе 3 механизма поиска кратчайшего пути совершает необходимые операции суммирования - агрегацию и предлагает рассчитать интегральный показатель, например, среднее, максимальное и др.

Интерфейс пользователя

ТТ

Блок модификации базы данных

Модуль ввода

Модуль корректировки

данных

База данных

Блок модификации базы знаний

база справочные Архив

оперативных файлы данных

данных

А

База знаний

Блок расчетов

Блок оценки

Локальная Комплексная

оценка оценка

Рис.5. Программные средства реализации метода информационного мониторинга кадрового потенциала

Главная цель

КОВ, Подцель 1

КОВ„ [одцель п

КОВ

ш

Подцель 1.1 Подцель 1.2 Подцель 1.3 Подцель п. 1 Подцель п.2

Рис.6. Пример базы данных, представленной в виде синтезированного

дерева целей.

-дерево вывода—*

—проблемы-« -Дерево цели—»1

- Перспективе* Формирование цели постаиое*а задачи -Ресурсы-» -Ограничения-т —Постанови »адами—» Разработка баэы »наиий

-ОПЫТ- —Темт описания ГО-»

—Формулы для расчетов-» Правила для выводов-»

—Исходные данные

Формулы для —представления -информации

Наполнение -ЭСС* Тестирование

бвэыдаинш и внедрение

Рис.7. Технология создания экспертных советующих систем

Рис.8. Общая схема функционирования программной реализации метода информационного мониторинга

Полученный результат проходит этап оценки, например, процедуру сравнения аналогичного показателя, но за другой период или по другой отрасли, и ЛПР получает результат.

Были выделены следующие этапы процессного подхода работы с информацией: 1. сбор - 2. хранение - 3. обработка - 4. представление результатов.

На этапе 1 основным ограничением является максимизации содержательности получаемых данных и минимизации количества форм и показателей для снижения трудоемкости при их заполнении.

Рис.9 Алгоритм работы программы

Согласно указанному критерию из разработанных по результатам анализа существующих форм статистической и внутренней отчетности предприятий 100 таблиц были составлены итерационно, а разосланы головным организациям только 6.

Для проверки достоверности получаемой информации был организован сбор контрольных цифр с отдельных предприятий, выбранных случайным образом.

В рамках второго этапа работы с информацией была построена иерархическая структура измерений (рис.10), предложена структура и виды показателей, необходимых для проведения мониторинговых исследований.

Извлекаемые ЛПР данные, необходимые для проведения мониторинга и анализа, были разделены на 3 уровня в зависимости от используемых аналитического инструментария.

I

г

Временная иерархия

Год

Месяц Отраслевая иерархия

Промышленный

комплекс

Иерархия по вшам организаций Промышленный комплекс

Научные организации

I

Прочие

Промышленные предприятия

Иерархия работ шпео* по уреаш» образования

Общее Среднее среднее специальное

Ученая степень

И

кандидат доктор наук наук

Отрасль

Промышленность

Профессионально-должностная иерархия Руководители

Территориальная Спииаяисты Служащие иерарх»

1 Россия Иерархия работников, выполняющих исследования и разработки

Федеральный I I 1 I

округ Область

исследователи техники вспомогательный персонал

Рис.10. Иерархические структуры взаимосвязанных измерений

Первый уровень анализа основан на формировании простых запросов к хранилищу данных для систематизации первичной информации и получения сводок и группировок статистического материала, характеризующих объект в целом.

В зависимости от потребностей система должна строить как простые (подсчет общих итогов по совокупности единиц наблюдения), так и сложные (группировка единиц наблюдения, подсчет итогов по каждой

группе и по всему объекту и т.д.) сводки.

Для выделения социально-экономических явлений, дальнейшего изучения структуры и структурных сдвигов, анализа взаимосвязей на данном этапе проводят группировки: типологическую, структурную, аналитическую.

На втором уровне производится расчет агрегированных показателей. На «неглубоком» уровне анализ сводится к исследованию динамики показателей, нахождению максимального, минимального, среднего и др. значений и выявлению структуры показателей в интересующем срезе. При этом следует учесть наличие интервальных рядов. В частности, для расчета среднего возраста работников берется среднее арифметическое взвешенное, при расчете которой традиционно используют середины интервалов.

Анализ структуры складывается из двух последовательных этапов. Первоначально определяется перечень типов классификации. Далее выделенные типы характеризуются с помощью ряда показателей. Прежде всего, определяется число работников каждой группы и их доля в общей численности. При более детальном анализе вычисляют также доли: молодежи, работников предпенсионного возраста и т.д. Перечисленные величины можно дополнить показателями вариации: средним линейным отклонением, средним квадратическим отклонением, коэффициентом вариации, энтропией распределения. Группировка работников по полу и возрасту позволяет рассчитывать показатели демографической нагрузки отдельных категорий работников.

Для определения влияния изменения структуры кадров целесообразно использовать индексный метод, в частности, индекс структурных сдвигов.

На третьем этапе анализа целесообразно выделение влияющих факторов, построение прогнозов, цепочек зависимостей и т.д. Особое внимание было уделено использование информационных компьютерных технологий (рис. 11).

Данные собираются и помещаются в хранилище, спроектированное в соответствии с принципами построения хранилищ данных и представляющее реляционную базу данных, организованную по схеме «снежинка» (рис.12).

Основная таблица хранилища данных (таблица фактов) содержит числовые значения показателей, по которым собирается статистическая информация.

GIS

Интерфейс пользователя

Сбор данных

Хранение

Витрины данных f

ХГШГЧПГ /Ш""*

Обработка

Лета ипирова/мые Агрегирование* Занюномерткт*

данные данные

1енервгорь1 OLAP Dite витав

■алросов

Рис. 11 .Используемые в программной реализации информационные

технологии

Квартал Полугодив

PK OfiMMMÄLK

mi Форма образования СЮоаэоаат ИД Чжл ИД

рк j обгоомт, m

| Зид образования j Ш Образовэт К 1

m ютшттит¡ггь ^

m Пня», ид

IKI Промышламмостъ Отрасль Комплекс чжл ид

гк УшиШ

Дата

При« ид

МвФО

Кат ид

ВО*> ИД

оер^юыг к

4nciwwcTt»

I

Гивдф»»"":

PK шл».

Ш1 во Числ ИД

PK Вояп.Ия

Возрастной диапмои возрастная «атогормя

числ ид

PK Кат, ИР

РК.1 Орг ИД Категория ЧиСл ИД

t

ЩЩШШЩЩ

№ ОшЛД

ГК1 Видоргаииэафм Кат ИД

Рис.12. Структурная схема данных информационного мониторинга кадрового потенциала

В заключении диссертации сформулированы основные выводы и полученные результаты.

В приложениях представлены таблицы сбора первичной информации, копии документов: свидетельство об официальной регистрации программ для ЭВМ и акт внедрения результатов диссертации.

Основные результаты и выводы. В диссертационной работе осуществлено решение научной проблемы создания методики и алгоритма информационного мониторинга кадрового потенциала на базе технологий оперативного анализа данных ОЬАР-технологий. Основные научные и практические результаты диссертационной работы следующие:

1. Исследованы методы и средства хранения, организации и анализа многомерных, а также методы интеллектуального анализа данных для целей интеграции с технологиями оперативного анализа данных.

2. В классификации информационных систем мониторинговые информационные системы выделены как подкласс экспертных советующих систем.

3. Разработана математическая модель информационного мониторинга.

4. Разработан алгоритм агрегации первичных данных.

5. Создана методика информационного мониторинга.

6. Исследованы структура кадрового потенциала, выделены основные сущности и характеристики КП. Создано формализованное представление кадрового потенциала как системы взаимосвязанных измерений.

7. Разработана структурно-функциональная схема мониторинговой информационной системы.

Использование технологии оперативного анализа данных позволило повысить производительность мониторинга в 6 раз и увеличить возможное число агрегатов для информационного мониторинга. Материалы диссертационной работы использованы при создании учебных материалов курсов «Информационные технологии», «Автоматизированные информационные системы», «Проектирование информационных систем», «Информационные технологии управления», «Информационные технологии в государственном и муниципальном управлении».

По результатам исследования были получены

Свидетельство об официальной регистрации программ для ЭВМ №200311776 Российское агентство по патентам и товарным знакам (Роспатент)

Акт внедрения Закрытого акционерного общества «Территориальное агентство по развитию предпринимательства Зеленоградского административного округа» - ЗАО «ТАРП-Зеленоград».

Публикации. Основные результаты диссертационной работы опубликованы в следующих изданиях:

1. Гагарина Л.Г., Холод И.С. Некоторые аспекты выбора стратегии управления оборотным капиталом малого предприятия.//Оборонный комплекс - научно-техническому прогрессу России: Межотр. научн.техн. журнал М.: ВИМИ, 2002. Вып. 3, с.9096 7 с.

2. Холод И.С. Моделирование бизнес-процессов малого предприятия для управленческого учета на основе ГОЕР-технологии// Микроэлектроника и информатика - 2002. Девятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. М.: МИЭТ, 2002с.93.

3. Холод И.С. ГОЕР-технологии как средство моделирования бизнес-процессов малого предприятия// Новые информационные технологии. Тезисы докладов X Юбилейной Международной студенческой школы-семинара, - М.:МГИЭМ, 2002 -, с.263.

4. Гагарина Л.Г., Холод И.С. Без профессионалов ВПК не выжить// Служба кадров. М.: №12, 2002 С.1721

5. Нестеров А.Э., Гагарина Л.Г., Холод И.С. Анализ действующего законодательства в области кадрового обеспечения ОГПС// Компас промышленной реструктуризации. Периодический информационный журнал для практиков №2 (3), М: Компас, 2003 г., С. 1920.

6. Нестеров А.Э., Лисов О.И, Гагарина Л.Г., Холод И.С. Учебно-методические центры по обучению руководящего звена оборонно-промышленного комплекса основам внедрения ИПИ-технологий Компас промышленной реструктуризации. Периодический информационный журнал для практиков №2 (3), М: Компас, 2003 г., С.3839.

7. Холод И.С. Мониторинг кадрового потенциала оборонно-промышленного комплекса как система управления качеством

образования// Современные техника и технологии. IX Международной научно-практическая конференция студентов, аспирантов и молодых ученых, Томский политехнический университет, 2003, с. 9899.

8. Холод И.С. Разработка автоматизированной информационной системы мониторинга кадрового потенциала оборонно-промышленного комплекса // Микроэлектроника и информатика -2003. Десятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. М.: МИЭТ, 2003, с 285

9. Холод И.С. Разработка информационной технологии проведения комплексных аналитических исследований кадрового потенциала приоритетных отраслей промышленности // Новые информационные технологии. Тезисы докладов XI Юбилейной Международной студенческой школы-семинара, - М.:МГИЭМ, 2003 - с.300.

10. Гагарина Л.Г., Холод И.С. Новые знания - по новому принципу// Служба кадров М. 2003, № 5, с 8892

11. Гагарина Л.Г., Бондаренко С.В., Холод И.С. Модель процесса управления микроволновым нагревом // Известия вузов. Электроника. М.: МИЭТ, 2003, № 4 с 113

12. Гагарина Л.Г., Холод И.С. Новые знания - новые технологии Служба кадров М. 2003, № 12

13. Холод И.С. Концептуальные основы построения системы аналитической обработки кадровой информации крупного промышленного комплекса на основе современных информационных технологий // Антикризисное управление в России в современных условиях. V Всероссийская молодежная научно-практическая конференция. Тезисы докладов, М.: МГТУ им. Н.Э. Баумана, 2003 - с.35.

14. Холод И.С. Особенности построения автоматизированной системы мониторинга кадрового потенциала крупного промышленного комплекса// Микроэлектроника и информатика - 2004. 11я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов - М.: МИЭТ, 2004 - с 296

15. Larisa G. Gagarina, Ilona S.Kholod. Conceptual bases of information analytical system engineering of human resources monitoring// «Техномат&Инфотел 2004» Шестой международный симпозиум.

Сборник научных статей. Электронный журнал (www.ejournalnet.com)- Болгария, Бургас 2004

16. Larisa G. Gagarina, Ilona S.Kholod. Organisation of case technology éducation by distance technologies// «Техномат&Инфотел 2004» Шестой международный симпозиум. Сборник научных статей. Электронный журнал (www.ejournalnet.com)- Болгария, Бургас

2004.

17. Холод И.С. Использование OLAP-технологий для проектирования мониторинговых систем// Микроэлектроника и информатика -

2005. 12я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов - М.: МИЭТ, 2005.

18. Холод И.С. Модель мониторинга кадрового потенциала холдинговой структуры на основе технологии оперативного анализа данных - OLAP// Вопросы экономических наук, М., Изд. «Компания Спутник+», №6 2005.

19. Холод И.С. Методика и алгоритм мониторинга кадрового потенциала холдинговой структуры// Вопросы экономических наук, М., Изд. «Компания Спутник+», №6 2005.

Подписано в печать:

Заказ Лз^ираж^экз. Уч.изд. л формат 60x84 1/16 Отпечатано в типографии МИЭТ(ТУ) 124498, Москва, МИЭТ(ТУ)

к

v9

74203

РНБ Русский фонд

2006-4 26807

(

ОГЛАВЛЕНИЕ.

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.

ВВЕДЕНИЕ.

Глава 1. Обзор современного состояния методов и средств хранения, организации и анализа многомерных данных для информационного мониторинга.

1.1. Системы поддержки принятия решений как средства хранения, организации и анализа данных.

1.2. Способы аналитической обработки данных.

1.3. Интеграция технологии аналитической обработки данных и интеллектуального анализа данных.

1.4. Подходы к классификации мониторинговых информационных систем.

1.5. Постановка задачи диссертации.

Выводы по главе 1.

Глава 2. Теоретические подходы к организации мониторинга Моделирование системы информационного мониторинга на основе технологии оперативного анализа данных - OLAP-технологии.

2.1. Концептуальные основы оперативного анализа данных.

2.2. Технические аспекты многомерного хранения данных.

2.3. Математическая модель системы информационного мониторинга многомерных объектов.

2.4. Многомерная модель агрегирования данных OLAP-куба.

Выводы по главе 2.

Глава 3. Анализ и разработка механизма агрегирования многомерных объектов.

3.1. Способы агрегации OLAP-куба.

3.3. Организация процедуры формирования агрегатов. Разработка алгоритма агрегации многомерных данных.

3.3.1. Процедура предварительного формирования агрегатов.

3.3.2. Процедура оперативного формирования агрегатов.

3.3.3. Разработка алгоритма агрегации первичных данных.

3.3.4. Разработка методики проведения информационного мониторинга.

Выводы по главе 3.

Глава 4. Реализация методики информационного мониторинга многомерного объекта на примере анализа кадрового потенциала.

4.1. Современное состояние использования методов оперативного и интеллектуального анализа данных в кадровой сфере для целей мониторинга.

4.2. Место систем кадрового мониторинга в классификации мониторинговых информационных систем.

4.3. Формализованное представление кадрового потенциала как системы многомерных объектов.

4.4. Разработка математической модели оценки эффективности использования технологии оперативного анализа данных для мониторинга кадрового потенциала.

4.5. Разработка структурно-функциональной схемы мониторинговой системы.

4.6. Процессный подход при работе с программными средствами реализации информационного мониторинга.

4.7. Создание многомерной базы данных мониторинга кадрового потенциала холдинговой структуры.

4.8. Клиентская часть системы мониторинга кадрового потенциала холдинговой структуры.

Выводы по главе 4.

Актуальность работы. В современных условиях развития общества в ряде холдинговых структур страны, особенно с высокой долей государственной собственности, происходят такие негативные явления, как сокращение численности и старение работников в целом по всему холдингу. Средний возраст руководящего состава варьирует в промежутке 50-56 лет, квалифицированных кадров — 4050 лет по входящим в состав холдинга отраслям, в среднем же по России данные показатели составляют 43 и 40 лет соответственно. Средняя по предприятиям интегрированной структуры доля работающих пенсионеров в общей численности работников составляет 15-20%, в то время как выпускников учебных заведений — менее 2%. Отток молодежи, снижение качества подготовки в учебных заведениях по отдельным техническим специальностям, смещение общественных приоритетов из сферы производства в сферу обращения (работать на предприятиях не только экономически невыгодно, но и непрестижно; в вузах по-прежнему высокий конкурс на экономические, юридических и т.п. специальности) говорят о широкомасштабное™ возникшей проблемы, которая охватывает различные аспекты жизни страны: политический — в части правового регулирования, экономический — в области бюджетного финансирования, образовательный, культурный и т.д.

Проблема носит комплексный характер, ее решение требует наиболее точной диагностики текущего состояния и формирования прогноза, которые выполнялись бы на регулярной основе, то есть необходим мониторинг всей структуры в части кадрового обеспечения. Своевременный и адресный мониторинг позволит идентифицировать проблему, ее причины и последствия на более раннем этапе появления, принять ответные меры и спрогнозировать дальнейший ход событий. Таким образом, эффективность управления холдинговой структуры значительно возрастет.

В холдинговой структуре отсутствует целостная информационная база о текущем состоянии основных кадровых показателей. Существуют лишь разрозненные локальные информационные источники по отдельным отраслям структуры. Аналитические отчеты выполняются вручную и охватывают лишь определенные аспекты проблемы. Таким образом, можно утверждать, что в сегодняшних условиях полноценный мониторинг всей холдинговой структуры невозможен, требуются идентификация и организация данных в единый информационный ресурс, а также разработка инструментария, в частности методики, схемы, алгоритма для проведения мониторинговых исследований.

Мониторинг должен охватывать многие аспекты кадрового потенциала, а для этого необходим сбор, обработка и хранение огромного массива разнородной информации. Кадровый потенциал в своей совокупности представляет многомерный сложный объект, поэтому использование современных компьютерных технологий и новейших разработок в области информационных систем целесообразны.

Изучение проблемы кадрового обеспечения ведется уже многие годы. Результаты исследований, направленных на создание эффективных методов и моделей изложены в работах отечественных ученых А.М.Омарова, В.А.Шахова,

B.А.Дятлова, В.В.Травкина В.Г.Игнатова А.В.Понеделькова, М.В.Глазырина,

C.В.Андреева, Е.В.Охотского и зарубежных специалистов Дж. Иванцевича, М.Х.Мескона, М.Альберта, Ф.Хедоури и др. [20, 21, 24, 25, 43, 52, 71, 91, 118]. К сожалению, все они связаны с изучением отдельных аспектов, в то время как управление кадровым потенциалом носит междисциплинарный характер. К тому же вопросы применения информационных технологий, в частности по работе с многомерными объетами, в кадровой сфере в масштабах крупной интегрированной структуры в настоящий момент не нашли отражения в научных исследованиях.

Одной из наиболее перспективных современных разработок в области организации аналитичесокой работы с многомерными объетами являются технологии оперативного анализа данных - ОЬАР-технологии. Они позволяют работать с огромными массивами разнородной информации, организовывать ее сбор, хранение, обработку, создавать гибкий аналитический инструментарий. В настоящее время ОЬАР-технологии еще только начинают внедрять крупные предприятия, при этом сфера применения достаточно узка: сбытовая, финансовая и др.

В настоящее время OLAP-технологии в сфере работы с кадровой информацией не применяются [100, 82, 89, 106].

Следует заметить, что интеграция технологий-OLAP и интеллектуального анализа данных является одним из перспективных направлений в сфере информационных технологий в настоящий момент.

Целью диссертации является разработка средств информационного мониторинга многомерных объектов на основе технологии оперативного анализа данных - OLAP-технологий (on-line analytical process).

Объекты и задачи исследования. Согласно цели были выделены следующие объекты и задачи диссертационного исследования:

1. Методы и средства хранения, организации и анализа многомерных данных для информационного мониторинга

Исследование систем поддержки принятия решений как средств хранения, организации и анализа данных.

Анализ и классификация способов аналитической обработки данных. Исследование методов интеллектуального анализа данных для целей интеграции с технологиями оперативного анализа данных.

2. Методы и средства информационного мониторинга

Определение функциональности и научных основ мониторинга. Подходы к классификации информационных систем и позиционирование мониторинговых информационных систем.

3. Моделирование системы информационного мониторинга на основе технологии оперативного анализа данных

Определение технических аспектов оперативного анализа данных, определение технических аспектов многомерного хранения данных.

Разработка математической модели информационного мониторинга.

4. Анализ и разработка механизма агрегирования

Определение способа агрегации данных.

Разработка алгоритма агрегации данных.

Определение и анализ вычислительных ресурсов механизма агрегирования.

Организация процедуры формирования агрегатов.

Разработка методики информационного мониторинга. 5. Реализация методики информационного мониторинга многомерных объектов в кадровой сфере.

Исследование структуры кадрового потенциала, выделение основных сущностей и характеристик кадрового потенциала.

Формализация представления кадрового потенциала как системы взаимосвязанных измерений.

Разработка математической модели оценки эффективности использования технологии оперативного анализа данных.

Определение состава и иерархических структур многомерного объекта.

Разработка структурно-функциональной схемы мониторинговой информационной системы.

Разработка программных средств реализации информационного мониторинга кадрового потенциала на основе технологии оперативного анализа данных.

Методы исследования. В диссертационном исследовании были использованы методы системного анализа, дискретной математики, теории графов, комбинаторного анализа, социальной статистики, теории управления, теории реляционных баз данных.

Научная новизна. В диссертационной работе осуществлено решение научная проблема разработки средств информационного мониторинга многомерных объектов на основе технологии оперативного анализа данных - OLAP-технологий (on-line analytical process). В процессе исследований и разработок получены следующие новые научные результаты, а именно:

1. Исследованы методы и средства хранения, организации и анализа многомерных, а также методы интеллектуального анализа данных для целей интеграции с технологиями оперативного анализа данных.

2. В классификации информационных систем мониторинговые информационные системы выделены как подкласс экспертных советующих систем.

3. Разработана математическая модель информационного мониторинга .

4. Разработан алгоритм агрегации первичных данных.

5. Создана методика информационного мониторинга.

6. Исследованы структура кадрового потенциала, выделены основные сущности и характеристики КП. Создано формализованное представление кадрового потенциала как системы взаимосвязанных измерений.

7. Разработана структурно-функциональная схема мониторинговой информационной системы.

Использование технологии оперативного анализа данных позволило повысить производительность мониторинга в 6 раз и увеличить возможное число агрегатов для информационного мониторинга.

По результатам работы получено свидетельство об официальной регистрации программ для ЭВМ № 200311776 Российское агетггство по патентам и товарным знакам (Роспатент).

Результаты диссертационного исследования внедрены в учебный процесс для преподавания учебных дисциплин «Информационные системы», «Автоматизированные информационные системы в экономике», «Информационные технологии управления», «Информационные технологии в государственном и муниципальном управлении», «Проектирование, модернизация и эксплуатация экономических информационных систем».

Достоверность полученных результатов подтверждается соответствием результатов теоретического анализа реальному функционированию системы, а также использованием классического аппарата дискретной математики.

Практическая ценность работы. По результатам диссертационных исследований разработана структурно-функциональная схема мониторинговой информационной системы для холдинговых структур разнообразных форм собственности и специфик деятельности. Математическая модель информационного мониторинга позволяет строить системы заданных глубины и широты охвата. Для мониторинговой системы кадрового потенциала данные показатели составили 3 уровня и 7 измерений соответственно. Представленные в работе алгоритм агрегации первичных данных и процедура формирования агрегатов направлены на решение задач оптимизации занимаемого пространства и времени выполнения запроса пользователя. Полученные результаты доведены до уровня практического использования и внедрены, в частности, для решения задачи разработки автоматизированного рабочего места аналитика в электронной промышленности оборонно-промышленного комплекса.

Практическая значимость подтверждена актом внедрения Закрытого акционерного общества «Территориальное агентство по развитию предпринимательства Зеленоградского административного округа» - ЗАО «ТАРП-Зеленоград».

Результаты диссертационного исследования внедрены в учебный процесс для преподавания учебных дисциплин, «Информационные технологии», «Информационные технологии управления», «Автоматизированные информационные системы», «Проектирование, эксплуатация и модернизация информационных систем». Личный вклад автора

1. На основе аналитического обзора методов и средств хранения, организации и анализа многомерных объектов, а также методов интеллектуального анализа данных сделан вывод об актуальности создания средств информационного мониторинга многомерных объектов. Предложено использование технологий оперативного анализа данных для решения задач мониторинга, а также их интеграция с технологиями интеллектуального анализа данных.

2. Создано формализованное представления кадрового потенциала как системы взаимосвязанных измерений.

3. Разработана математическая модель кадрового потенциала.

4. Разработан алгоритм агрегации многомерных данных.

5. Разработана методика информационного мониторинга кадрового потенциала.

6. Создана структурно-функциональная схема мониторинговой информационной системы.

Реализация полученных результатов. Исследования, изложенные в диссертации проводились в рамках следующих проектов:

НИР «Комплексные аналитические исследования кадрового потенциала ОПК, системы планирования, подготовки (переподготовки) и закрепления управляющих, научных, инженерных и рабочих кадров с разработкой предложений по обучению руководящего звена ОПК основам внедрения ИПИ-технологий и взаимоувязанному планированию развития и сохранения кадрового потенциала ОПК в условиях его реформирования» (Шифр «Кадровый потенциал»);

НИОКР «Разработка на основе информационных технологий системы планирования, подготовки, подбора и закрепления кадров предприятий научно-промышленного комплекса электронной промышленности Зеленограда».

НИР «Разработка автоматизированной информационно-аналитической системы поддержки принятия кадровых решений с использованием новейших информационных технологий», №576-ГБ-53-Гр.асп. - ИПОВС.

Все работы по реализации и внедрению проводились под руководством или при непосредственном участии автора. Результаты диссертационной работы используются в учебном процессе на кафедре ИПОВС в МИЭТ.

В результате проведенных исследований получены и выносятся на защиту следующие основные научные результаты:

1. Позиционирование мониторинговых информационных систем как подкласса экспертных советующих систем (ЭСС).

2. Математическая модель информационного мониторинга кадрового потенциала.

3. Алгоритм агрегации многомерных данных на основе технологии оперативного анализ данных.

4. Методика информационного мониторинга многомерных объектов.

5. Структурно-функциональная схема мониторинговой информационной системы.

6. Формализованное представление кадрового потенциала как многомерного объекта.

Апробация работы и публикации. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях:

Десятая юбилейная Международная студенческая школа-семинар «Новые информационные технологии» (Москва, МГИЭМ, 2002).

Десятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2003).

Девятая Международная научно-практическая конференция студентов, аспирантов и молодых ученых «Современные техника и технологии» (Томск, Томский политехнический университет, 2003).

Одиннадцатая Международной студенческой школы-семинара «Новые информационные технологии» (Москва, МГИЭМ, 2003).

V Всероссийская молодежная научно-практическая конференция «Антикризисное управление в России в современных условиях» (Москва, МГТУ им. Н.Э. Баумана, 2003).

Одиннадцатая Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2004).

Шестой международный симпозиум «Техномат&Инфотел 2004» Болгария, Бургас 2004

Двенадцатая Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2005).

По результатам работы сделано 17 публикация из них 11 статей.

Основные результаты диссертационной работы опубликованы в следующих изданиях:

Гагарина Л.Г., Холод И.С. Некоторые аспекты выбора стратегии управления оборотным капиталом малого предприятия.//Оборонный комплекс - научнотехническому прогрессу России: Межотр. научн.-техн. журнал М.: ВИМИ, 2002. Вып. 3, с.90-96 7 с.

Холод И.С. Моделирование бизнес-процессов малого предприятия для управленческого учета на основе ГОЕР-технологии// Микроэлектроника и информатика - 2002. Девятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. М.: МИЭТ, 2002-С.93.

Холод И.С. ГОЕР-технологии как средство моделирования бизнес-процессов малого предприятия// Новые информационные технологии. Тезисы докладов X Юбилейной Международной студенческой школы-семинара, -М.:МГИЭМ, 2002 -, с.263.

Гагарина Л.Г., Холод И.С. Без профессионалов ВПК не выжить// Служба кадров. - М.: №12, 2002 С.17-21

Нестеров А.Э., Гагарина Л.Г., Холод И.С. Анализ действующего законодательства в области кадрового обеспечения ОПК.// Компас промышленной реструктуризации. Периодический информационный журнал для практиков №2 (3), М: Компас, 2003 г., С. 19-20.

Нестеров А.Э., Лисов О.И, Гагарина Л.Г., Холод И.С. Учебно-методические центры по обучению руководящего звена оборонно-промышленного комплекса основам внедрения ИПИ-технологий Компас промышленной реструктуризации. Периодический информационный журнал для практиков №2 (3), М: Компас, 2003 г., С.38-39.

Холод И.С. Мониторинг кадрового потенциала оборонно-промышленного комплекса как система управления качеством образования// Современные техника и технологии. IX Международной научно-практическая конференция студентов, аспирантов и молодых ученых, Томский политехнический университет, 2003, с. 98-99.

Холод И.С. Разработка автоматизированной информационной системы мониторинга кадрового потенциала оборонно-промышленного комплекса// Микроэлектроника и информатика - 2003. Десятая всероссийская межвузовская научнотехническая конференция студентов и аспирантов: Тезисы докладов. М.: МИЭТ, 2003, -с 285

Холод И.С. Разработка информационной технологии проведения комплексных аналитических исследований кадрового потенциала приоритетных отраслей промышленности// Новые информационные технологии. Тезисы докладов XI Юбилейной Международной студенческой школы-семинара, - М.:МГИЭМ,

2003 - с.ЗОО.

Гагарина Л.Г., Холод И.С. Новые знания - по новому принципу// Служба кадров М. 2003, № 5, с 88-92

Гагарина Л.Г., Бондаренко C.B., Холод И.С. Модель процесса управления микроволновым нагревом// Известия вузов. Электроника. М.: МИЭТ, 2003, № 4с 11-13

Гагарина Л.Г., Холод И.С. Новые знания - новые технологии Служба кадров М. 2003, № 12

Холод И.С. Концептуальные основы построения системы аналитической обработки кадровой информации крупного промышленного комплекса на основе современных информационных технологий// Антикризисное управление в России в современных условиях. V Всероссийская молодежная научно-практическая конференция. Тезисы докладов т-М.: МГТУ им. Н.Э. Баумана, 2003 -с.355-356.

Холод И.С. Особенности построения автоматизированной системы мониторинга кадрового потенциала крупного промышленного комплекса// Микроэлектроника и информатика - 2004. 11-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов - М.: МИЭТ,

2004 - с 296

Larisa G. Gagarina, Ilona S.Kholod. Conceptual bases of information analytical system engineering of human resources monitoring// «Техномат&Инфотел 2004» - Шестой международный симпозиум. Сборник научных статей. Электронный журнал (www.ejournalnet.com)- Болгария, Бургас 2004

Larisa G. Gagarina, Ilona S.Kholod. Organisation of case-technology education by distance technologies// «Техномат&Инфотел 2004» - Шестой международный симпозиум. Сборник научных статей. Электронный журнал (www.ejournalnet.com)-Болгария, Бургас 2004.

Холод И.С. Использование OLAP-технологий для проектирования мониторинговых систем//// Микроэлектроника и информатика - 2005. 12-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов - М.: МИЭТ, 2005.

Холод И.С. Модель мониторинга кадрового потенциала холдинговой структуры на основе технологии оперативного анализа данных - OLAP// Вопросы экономических наук, М., Изд. «Компания Спутник+», №6 2005.

Холод И.С. Методика и алгоритм мониторинга кадрового потенциала холдинговой структуры// Вопросы экономических наук, М., Изд. «Компания Спут-ник+», №6 2005.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 120 наименований и приложения с актами внедрения научных разработок на практике. Работа изложена на 148 страницах (120 страниц основного текста), содержит 8 таблиц и 36 рисунков.

Выводы по главе 4

Для реализации методики мониторинга кадрового потенциала холдинговой структуры были проведено и получено следующее.

1. Разработана математическая модель оценки эффективности использования технологии оперативного анализа данных для мониторинга кадрового потенциала холдинговой структуры.

2. Проведены расчет и оценка эффективности применения технологий оперативного анализа данных для решения практической задачи мониторинга кадрового потенциала холдинговой структуры.

3. Разработана структурно-функциональная схема программных средств реализации мониторинга кадрового потенциала, предложен состав основных модулей.

4. Описаны этапы разработки системы и общая схема функционирования средств программной реализации, а также алгоритм работы.

ЗАКЛЮЧЕНИЕ

В диссертационной работе осуществлено решение научной проблемы создания методики и алгоритма информационного мониторинга кадрового потенциала на базе технологий оперативного анализа данных - ОЬАР-технологий.

Основные научные и практические результаты диссертационной работы следующие:

1. Исследованы методы и средства хранения, организации и анализа многомерных объектов, а также методы интеллектуального анализа данных для целей интеграции с технологиями оперативного анализа данных.

2. В классификации информационных систем мониторинговые информационные системы выделены как подкласс экспертных советующих систем.

3. Разработана математическая модель информационного мониторинга.

4. Разработан алгоритм агрегации первичных данных.

5. Создана методика информационного мониторинга.

6. Исследованы структура кадрового потенциала, выделены его основные сущности и характеристики. Создано формализованное представление кадрового потенциала как системы взаимосвязанных измерений.

7. Разработана структурно-функциональная схема мониторинговой информационной системы.

Использование технологии оперативного анализа данных позволило повысить производительность мониторинга в 6 раз и увеличить возможное число агрегатов для информационного мониторинга.

По результатам работы получено свидетельство об официальной регистрации программ для ЭВМ № 200311776 Российское агентство по патентам и товарным знакам (Роспатент).

Результаты диссертационного исследования внедрены в учебный процесс для преподавания учебных дисциплин «Информационные системы», «Автоматизированные информационные системы в экономике», «Информационные технологии управления», «Информационные технологии в государственном и муниципальном управлении», «Проектирование, модернизация и эксплуатация экономических информационных систем».

Практическая значимость подтверждена актом внедрения Закрытого акционерного общества «Территориальное агентство по развитию предпринимательства Зеленоградского административного округа» - ЗАО «ТАРП-Зеленоград».

1. Alalouf С. Hybrid OLAP. St. Laurent, Canada: Speedware Corporation Inc., 1997.

2. An Introduction to Multidimensional Database Technology. Kenan Systems Corporation, 1995.

3. Codd E. F., Codd S. В., Salley С. T. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. E. F. Codd & Associates, 1993.

4. H.Demarest M. Building the Data Mart // DBMS. 1994. - № 7. - P. 44-50.

5. Gray J., Chaudhuri S., Bosworth A., etc. Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals // Data Mining and Knowledge Discovery. 1997. - № 1. - P. 29-53.

6. S.Han J. OLAP Mining: An Integration of OLAP with Data Mining. IFIP, 1997. - 18 p. (ftp://ftp.fas.sfu.ca/pub/cs/han/kdd/olapm.ps.gz).

7. Harinarayan V., Rajaraman A., Ullman J. D. Implementing Data Cubes Efficiently // SIGMOD Conference. Montreal, CA. -1996.

8. S.Inmon W. H. Building The Data Warehouse (Second Edition). NY, NY: John Wiley, 1993.

9. Newquist H. P. Data Mining: The AI Metamorphosis // Database Programming and Design. 1996. - № 9.ftOLAP for the Masses. Business Objects S. A., 1996 (http://www.businessobjects.com /product/olap/olap.htm).

10. WParsaye K. A Characterization of Data Mining Technologies and Processes // The Journal of Data Warehousing.-1998.-№ 1.

11. Parsaye K. OLAP and Data Mining: Bridging the Gap // Database Programming and Design. 1997. - № 2.

12. Абалкин Л.И. Диалектика социалистической экономики. М., 1987.

13. Абрамовских Н.В. Педагогический мониторинг образовательного уровня дошкольников// Психолого-педагогические проблемы социализации личности: Сб. Научн. Тр.; Шадринский государственный педагогический институт, Шадринск. 1997 С. 130-135.

14. Алексеев Ю.П. Основы местного самоуправления. М., 1996.

15. Афанасьев В.Я. Корнев И.К. Введение в государственное управление. М., 1998.

16. Барышников Ю.Н. Модели управления персоналом: зарубежный опыт и возможность его использования в России. М., 1998.

17. Белкин A.C., Жаворонков В.Д., Силина С.Н. Педагогический мониторинг образовательного процесса/ Шадринский государственный педагогический институт. Вып. 3. Шадринск: ШГПИ, 1998 - 47 С.

18. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учебн. Пособие. М.: Финансы и статистика, 2001. - 368 с.

19. Бутузов A.B. Интеллектуализация принятия решений на основе прогностических и оптимизационных моделей управленческого учета в ЛПУ: Диссертация на соискание степени кандидата технических наук. 05.13.01, Воронеж, 2001.

20. Вебер М. Избранные произведения. М., Прогресс, 1990.

21. Верф. Д., Роше Ф. Мониторинг в России. М., 1998 - 187 с.

22. Гагарина Л.Г., Холод И.С. Новые знания по новому принципу// Служба кадров М. 2003, № 5, с 88-92

23. Галимова Е.Я. Информационный мониторинг: Учебн. Пособие. Краснода: Краснодарский государственный университет культуры и искусств, 1999 - 169 с.

24. МГасанов И.Г. Прогнозирование в управлении издержками на промышленных предприятиях. Диссертация на соискание степени кандидата экономических наук. 05.13.10. М., 2000.

25. Ч. Государственная кадровая политика и механизм ее реализации. Под редакцией Е.В.Охотского М.РАГС 1998.

26. Дмитриев Ю.А. Формирование экономического механизма местного самоуправления. Владимир, 1990.

27. ЧЧДорсей П. Хранилища данных, гибкие запросы и другие способы разорить компанию/ Oracle Magazine/RE, #2/1998

28. Енюков И.С. и др. Статистический анализ и мониторинг научно-образовательных интернет-сетей/ И.С. Енюков, И.В. Ретинская, А.К. Скуров; Под ред. А.Н. Тихонова. М.: Финансы и статистика, 2004. - 320 с.

29. С.Ефимова М.Р., Бычкова С.Г. Социальная статистика: Учебн. пособие/ М.Р. Ефимова, С.Г.Бычкова; Под ред. М.Р. Ефимовой. - М.: Финансы и статистика, 2003. -560 с.

30. ЧТ.Жигаев А.Ю. Математическое и программное обеспечение системы управления государственным долгом. Диссертация на соискание степени кандидата технических наук. 05.13.01. М., 2001.

31. ЦЗ.Зинченко А.П. Сельскохозяйственные предприятия: экономико-статистический анализ. М. Финансы и статистика, 2002 - 160 с.

32. ЧЗ.Злочевский И.А. Профессиональное ядро структур регионального управления. М., 1994.

33. Карминский A.M., Нестеров П.В. Информатизация бизнеса. М.:Финансы и статистика, 1997.-416 с.

34. Кочеткова А.И. Основы управления персоналом М.ТЕИС, 1999.55Краковская Т.А. Разработка методов анализа и обработки данных для исследования рынка образовательных услуг. Диссертация на соискание степени кандидата технических наук. 05.13.01. Иркутск, 2002.

35. И.Педерсен Т.Б., Йенсен К. Технология многомерных баз данных/ Открытые системы, #01/2002.

36. Подготовка, переподготовка и повышение квалификации государственных служащих. М., Дело, 1996.

37. М.:Финансы и статистика, 2004 — 416 с.

38. ТЬПржиялковский В. В. Сложный анализ данных большого объема: новые перспективы компьютеризации // СУБД. 1996. - № 4. - С. 71-83.

39. Шутилин А.Б. Методы и системы преобразования информации в задачах диагностики распознавания и управления. Диссертация на соискание степени доктора технических наук. 05.13.01. 2002.

40. Раден Н. Данные, данные и только данные // ComputerWeek-Москва. 1996. - № 8. -С. 28.

41. SD-Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике: Учеб. пособие для вузов. — М.:ЮНИТИ-ДАНА, 2000. —487 с.

42. Si. Самодуров Д.А. Стратегическое управление конкурентоспособностью предприятия на основе комплексной оценки его потенциала. Диссертация на соискание степени кандидата экономических наук. 05.13.10. Спб. 2000.

43. Сахаров А. А. Концепция построения и реализации информационных систем, ориентированных на анализ данных // СУБД. 1996. - № 4. - С. 55-70.

44. Сергеев С.Г. Системный анализ в управлении промышленностью региона. Диссертация на соискание степени кандидата технических наук, Самара, 2002.

45. Системный анализ в управлении: Учеб. Пособие/ В.С.Анфилатов, Ф.Ф. Емельянов, A.A. Кукушкин; Под ред. A.A. Емельянова. М.:Финансы и статистика, 2003; : -368 с.

46. ЗГСлоффорд Д. Доступ к аналитике: новые интерфейсы для OLAP/ Intelligent Enterprise. еский словарь / Гл. ред. Прохоров A.M. — M.: Советская энциклопедия, 1991 -1600

47. Советский энциклопедический словарь. М., 1981.

48. З.Сорокина Н.Ю. Формирование трудового потенциала региона (на примере Тульской области). Диссертация на соискание степени кандидата экономических наук, Тула, 2002.

49. Турчинов А.И. Профессионализация и кадровая политика. М., 1998.

50. Федечкин С. Хранилище данных: вопросы и ответы/ PC Week, #31.26.08.2003

51. Федоров А., Елманова Н. Введение в базы данных: средства Business Intelligence/ КомпьютерПресс 3' 2001.

52. Федоров A. Microsoft Excel как OLAP-KnHeHT./KoMnbioTepnpecc 9' 2001. 97.Федоров А. Обзор MDX/ КомпьютерПресс 1Г 2001.

53. Федоров А. Основы OLAP/ КомпьютерПресс 4' 2001.

54. S9 Федоров А. Применение PivotTable Service для создания OLAP-кубов./КомпьютерПресс Г 2002

55. Федоров А. Применение компонента PivotTable List для отображения/ КомпьютерПресс 10' 2001.

56. М.Федоров А. Создание OLAP-клиентов с помощью ADO и ADOMD/ КомпьютерПресс 12'2001.

57. Шаховой В.А. Кадровый потенциал системы управления. М., 1985.

58. Швецов В.И. Разработка и внедрение перспективных информационных технологий (ПИТ) на основе иерархических таблично-текстовых моделей информационных потоков. Диссертация на соискание степени доктора технических наук. 05.13.01. Н.Новгород., 2000.

59. Нб.Шекшня C.B. Управление персоналом современной организации. М, Интел-Синтез, 1996.i'/.Шуклин И.Н. Экономика и социология труда. 2-е изд., перераб. и доп. — Учебное пособие. — Киров, ВятГУ, 2001. — 212 с.

60. ИЗ Шумпетер Й. Теория экономического развития. М., 1982.