автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Использование префиксных деревьев при построении систем анализа данных

На правах рукописи

Формирование инвестиционно-инновационной

стратегии холдинга

(НА ПРИМЕРЕ КОНДИТЕРСКОЙ ПРОМЫШЛЕННОСТИ)

Специальность 08.00.05 — Экономика и управление народным хозяйством (управление инновациями и инвестиционной деятельностью; экономика, организация и управление предприятиями, отраслями, комплексами: промышленность)

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата экономических наук

Москва - 2006

Работа выполнена на кафедре «Организация производства и маркетинг» в Государственном образовательном учреждении высшего профессионального образования «Московский государственный университет пищевых производств».

Научный руководитель:

Официальные оппоненты:

Ведущая организация:

кандидат экономических наук, профессор Тульская Нина Степановна

доктор экономических наук, профессор Киселев Владимир Борисович кандидат экономических наук, доцент Александрова Маргарита Валерьевна

Государственное образовательное учреждение высшего профессионального образования «Московский государственный университет прикладной биотехнологии»

Защита состоится « 28 » декабря 2006г. в _15_ часов на заседании Диссертационного Совета Д 212.148.06 при ГОУ ВПО Московском государственном университете пищевых производств по адресу: 125080, Москва, Волоколамское шоссе, д. 11, корпус Б, аудитория 6-06.

С диссертацией можно ознакомиться в читальном зале научной библиотеки МГУ ПЛ .

Отзывы на автореферат в двух экземплярах, заверенные печатью учреждения, просим направлять по указанному адресу.

Автореферат размещен на сайге vmw.mgupp.ru и разослан « 27 » ноября 2006года.

Учёный секретарь диссертационного совета,

кандидат экономических наук, доцент ^Ьоиц Чайкина И.И.

i. общая характеристика работы

Актуальность темы исследования. На современном этапе развития России наблюдается некоторый экономический рост, но конкурентоспособность многих отечественных товаров на мировом рынке еще недостаточна.

Решение данной проблемы в условиях ограниченности материальных и финансовых ресурсов невозможно без неуклонного наращивания научно-технического потенциала отраслей, в том числе, и кондитерской, для чего необходимо широкое использование инноваций и соответствующих инвестиций как источника их реализации.

Мировой опыт свидетельствует, что на научно-исследовательские и опытно-конструкторские работы расходуется достаточно большая доля валового внутреннего продукта, которая в перспективе увеличится.

Получению дополнительных инвестиций и разработке инноваций способствует интеграция отдельных предприятий в корпорации и холдинги. В условиях корпоративного управления решение этих проблем возможно путем формирования интегрированной инвестиционно-инновационной стратегии, в том числе выделения в самостоятельное направление управленческих инноваций.

Данный подход позволяет комплексно исследовать возможности выхода холдинга на мировой уровень, обеспечивая производство конкурентоспособной продукции. В условиях холдинга возможно привлечение внешних инвестиций, перераспределение капитала между предприятиями, входящими в его состав, организация процесса создания и освоения инноваций для достижения стратегических целей, позволяющих добиться конкурентных преимуществ. В связи с этим особую актуальность приобретает проблема интеграции инвестиционной и инновационной стратегий и формирования на данной основе инвестиционно-инновационной стратегии холдинга.

Степень разработанности проблемы. Проблемы инновационного развития, привлечения инвестиций получили широкое трактование в трудах российских ученых: Дасковского В.Б., Булатова А.Е., Киселёва В.Б., Крейниной

М.М., Масленниковой O.A., Мильнера Б.З., Ульянова Е.В., Магомедова М.Д., а также зарубежных учёных Гитмана Л.Дж., Питерса Т., Фостера Р. и др.

Вопросы теории и практики корпоративного управления отражены в ра-. ботах Абалкина Л.И., Балабанова И.Т., Винслава Ю.Б., Гапоненко В.Н., Гатов-ского Л.М., Гусева В.В., Гончарова В.Д., Егорова Ю.И., Игольникова Г.Л., Кейнса Д.М., Минаевой Е.В., Русинова В.М., Рябовой Т.Ф., Туровда О.Г., Фат-хутдинова Р., Филатова O.K., Шумиетера И. и др.

. Вместе с тем важные аспекты управления корпоративной деятельностью с использованием интегрированной инвестиционно - инновационной стратегии, направленной на повышение конкурентоспособности вырабатываемой холдингами продукции, не получили должного развития. Недостаточная разработанность теоретических и прикладных вопросов предопределили выбор цели и основной направленности диссертационной работы. ■..•■;

Цель и задачи исследования. Основной целью диссертации явилась разработка научно-практических положений по формированию интегрированной инвестиционно-инновационной стратегии в условиях холдинга кондитерской промышленности, реализация которой обеспечит достижение конкурентных преимуществ.

Для достижения цели исследования были поставлены и решены следующие задачи:

• выполнен анализ условий формирования инвестиционно-инновационного • потенциала российских предприятий;

• исследовано современное состояние управления корпоративной деятельностью на основе инновационной и инвестиционной стратегий;

• систематизированы научно-теоретические подходы к инвестиционной и инновационной стратегиям, уточнён терминологический аппарат теории формирования интегрированной инновационной и инвестиционной стратегии холдинга на основе изучения генезиса понятия «инвестиции», «инновации», «инвестиционная и инновационная деятельность», «инвести-

ционно-инновационный процесс» и теоретического осмысления их применительно к холдингу кондитерской промышленности;

• изучены основные особенности инвестиционного и инновационного процессов в холдинге кондитерской промышленности;

• проанализировано современное состояние инновационных разработок в кондитерской отрасли;

• выполнен ретроспективный анализ производства кондитерской продукции в Российской Федерации;

• разработаны научно-методические и практические подходы к формированию инвестиционно-инновационной стратегии кондитерского холдинга;

• обоснованы меры по совершенствованию организационной структуры холдинга путём создания «Центра инновационного развития холдинга и его предприятий».

Предмет исследования составила совокупность методических и практических аспектов формирования инвестиционно-инновационной стратегии в условиях корпоративных отношений, характерных для холдинга кондитерской промышленности.

Объектом исследования являются холдинги и предприятия кондитерской промышленности.

Теоретической и методологической основой явились основные законы рыночной экономики, научные труды отечественных и зарубежных учёных по проблемам инвестиционного и инновационного менеджмента, методологии разработки функциональных стратегий.

Информационную базу исследования составили материалы Государственного комитета по статистике Российской Федерации; законодательные и нормативно-правовые акты Президента и Правительства РФ, относящиеся к теме диссертации; материалы научно-практических конференций; ресурсы Интернет (электронные версии аналитических отраслевых отчётов и справочно-информационных материалов); отчёты Ассоциации предприятий кондитерской

промышленности (АСКОНД); сведения о деятельности кондитерских предприятий, холдингов, собранные непосредственно автором.

В ходе диссертационного исследования использовались методы системного анализа и обобщения результатов хозяйственной деятельности холдингов, методы группировок при обработке статистических данных, методы сравнительного анализа, ранжирования, экспертных оценок.

Научная новизна исследования заключается в следующем:

• научно обосновано понятие «инвестиционно-инновационная стратегия», которое вносит уточнение в классификацию функциональных стратегий с учётом их проявления в условиях корпоративного управления;

• расширена классификация инноваций (авторская позиция такова: операционные инновации совершенствуют бизнес-процессы холдинга, а инновации в области менеджмента — управленческие процедуры, что позволяет обосновать управленческие нововведения);

• вскрыты дополнительные возможности инновационного развития предприятий, входящих в состав холдинга, путем создания «Центра инновационного развития холдинга и его предприятий», в рамках которого осуществляется координация НИОКР;

• разработан научно-методический подход к формированию инвестиционно-инновационной стратегии, являющейся основой инновационного пути развития холдинга, и научно обоснована методика выбора альтернативных инвестиционно-инновационных стратегий, обеспечивающих получение наилучших результатов в условиях холдинга;

• разработана модель инвестиционно-инновационной стратегии, отражающая согласование интересов субъектов корпоративного управления и позволяющая формировать программу эффективного привлечения инвестиций, направляемых на развитие инновационного потенциала предприятий холдинга.

Практическая значимость результатов диссертационного исследования состоит в возможности их научно-практического использования при разра-

ботке и реализации инвестиционно-инновационной стратегии холдинга кондитерской промышленности.

Прикладную направленность имеют следующие разработки:

• алгоритм формирования инвестиционно-инновационной стратегии холдинга;

• методика выбора альтернативных инвестиционно-инновационных стратегий на основе предложенной системы показателей их оценки;

• рекомендации по созданию «Центра инновационного развития холдинга и его предприятий».

Апробация работы. Основные результаты диссертационной работы были представлены и обсуждены:

- на научно-практической конференции «Актуальные проблемы экономики, менеджмента и маркетинга в отраслях АПК», Москва, МГУПП,2005;

- на третьей юбилейной Международной выставке-конференции «Высокоэффективные пищевые технологии, методы и средства для их реализации», Москва, МГУПП, 2005;

- на четвертой международной конференции-выставке «Высокоэффективные пищевые технологии, методы и средства для их реализации», Москва, МГУПП, 2006.

Положения, изложенные в диссертационной работе, были апробированы при разработке стратегии развития на 2010г. в кондитерском холдинге при участии автора; приняты для использования в учебном процессе Московского государственного университета пищевых производств при проведении занятий со студентами специальностей 08 05 02 «Экономика и управление на предприятиях пищевой промышленности» и 08 01 11 «Маркетинг».

На защиту выносятся следующие наиболее существенные положения:

1 .предложенное понятие интегрированной инвестиционно-инновационной стратегии расширяет классификацию функциональных страте-

гий и требует разработки алгоритма ее формирования в условиях корпоративного управления;

2.выбор альтернативной инвестиционно-инновационной стратегии должен осуществляться на основе научно обоснованной методики, включающей систему показателей для оценки ее результативности в условиях холдинга;

3.формирование модели инвестиционно-инновационной стратегии во многом зависит от механизма привлечения инвестиций и типа инновации, что обуславливает необходимость разработки программ реализации выбранной стратегия;

4.инвестиционно-инновационную стратегию следует разрабатывать на основе поставленных целей, результатов маркетинговых исследований, с учетом соотношения инвестиционных средств, направляемых на техническое перевооружение холдинга и научные исследования в части создания инноваций;

5.руководство инновационным развитием в холдинге должно быть возложено на новое структурное подразделение — «Центр инновационного развития холдинга и его предприятий».

Публикации. По теме диссертации опубликовано б статей и 1 брошюра общим объёмом 4,4 л.л. (авторский вклад — 4,3 п.л.).

Структура и объём диссертации. Диссертация состоит из введения, трёх глав, выводов и предложений, списка литературы из 152 наименований, изложена на 177 страницах компьютерного текста. В работе содержится 24 рисунка, 37 таблиц.

Во введении обосновывается актуальность темы исследования, формулируется цель, задачи исследования, излагается научная новизна и практическая значимость диссертационной работы.

В первой главе «Теоретические предпосылки перехода к интеграции инвестиционной и инновационной стратегий в условиях холдинга» исследована эволюция и экономическая сущность категорий «стратегия», «инновация» в условиях холдинга; подвергнута анализу дефиниция «инвестиционно- инновационный процесс» и его структура; представлено авторское трактование данных понятий применительно к холдингу.

Во второй главе «Исследование инвестиционно-инновационных возможностей развития кондитерской промышленности в конкурентной среде» анализируются условия привлечения инвестиций, внедрения достижений науки и техники, осуществления инновационного процесса на российских предприятиях. Автором определены особенности и тенденции развития кондитерской отрасли и дана оценка инвестиционной и инновационной деятельности её холдингов.

В третьей главе диссертационной работы «Концепция реализации инвестиционно-инновационной стратегии холдинга кондитерской промышленности» предложена модель формирования инвестиционно-инновациошгой стратегии, представлен алгоритм её разработки и реализации в холдинге кондитерской отрасли; обоснована структура управления научными исследованиями; предложена методика выбора альтернативной инвестиционно-инновационной стратегии, обеспечивающей повышение конкурентоспособности холдинга.

В выводах и предложениях обобщены основные теоретические и практические результаты исследования.

II. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

В результате проведённого системного исследования было выявлено, что доля России в мировом объёме наукоёмкой продукции составляет всего лишь 0,3%, в то время как доля США 39%; Японии 30%; Германии 16%.

Сравнение России с другими развитыми странами по доле затрат на гражданские исследования и разработки в валовом внутреннем продукте (ВВП) свидетельствует об относительно небольших масштабах науки и инновационной деятельности в экономике. Российский показатель (0,9% ВВП) существенно ниже американского (2,4%), японского (2,9%) и среднеевропейского (1,5%).

Результаты анализа статистических данных, выполненного в диссертации, показали, что размер инвестиций в основной капитал за 2000-2004 гг. в целом по промышленности увеличился в 2,1 раза, а в пищевой - в 1,9 раза.

Подобное положение было достигнуто в основном за счет средств препри-

ятий (прибыли, амортизации и др.), что является неблагоприятным для развития инновационной деятельности предприятий.

Ведущие позиции в реализации нововведений традиционно занимают крупные промышленные компании (с численностью занятых свыше 2 тыс. человек), среди которых более 60% осуществляют инновации. Крупные хозяйственные структуры, как правило, обладают более высоким научно-техническим потенциалом, имеют собственную исследовательскую базу, привлекают высококвалифицированный персонал. Предприятия этой группы определяют состояние и тенденции инновационной деятельности в промышленности.

Как показал анализ, за период 2000-2004 гг. в основных отраслях промышленного производства численность инновационно-активных организаций изменилась незначительно; в пищевой индустрии их количество за указанный отрезок времени сократилось с 420 до 379 (табл.1).

Таблица 1

Число инновационно-активных организаций по основным отраслям

промышленности

Годы Число организаций Из них организации, выпускающие продукцию

подвергавшуюся значительным технологическим изменениям или вновь внедренную подвергавшуюся усовершенствованию прочую инновационную

Вся промышленность

2000 2282 1264 739 263

2001 2184 1127 655 261

2002 2254 1204 636 247

2003 2261 1201 608 240

2004 2262 1261 591 239

Пищевая промышленность

2000 420 268 94 51

2001 407 241 85 48

2002 402 240 88 54

2003 386 226 72 50

2004 379 235 72 42

В диссертации представлена информация об износе, выбытии и обновлении основных производственных фондов промышленности. Коэффициент обновления ОПФ за период 2000-2005гг. увеличился с 1,7 до 1,9 при снижении

коэффициента выбытия с 1,5 до 1,0. Удельный вес полностью изношенных основных фондов промышленности в общем объёме основных фондов возрос с 13,5% в 1995г. до 20-21,5% в 2002-2004 гг. Средний возраст производственного оборудования в промышленности превышает 21 год.

Число организаций, имеющих продуктовые и процессные инновации, за период 2000-2004 гг. сократилось, как и сумма общих затрат на данные инновации.

Следствием подобного положения явился рост числа убыточных предприятий ( с 22,6% в 1995г. до 44,5% в 2003г.). В 2004 году доля нерентабельно работающих производств стала постепенно сокращаться (до 40,9%), чему способствовало развитие корпоративных образований, превратившихся в эффективный инструмент перелива капитала в целях удовлетворения инвестиционных потребностей. Становление крупных корпораций проходит на базе широкого использования достижений научно-технического прогресса. Практика управления инвестициями в холдинге оказывает влияние на активизацию инновационной деятельности.

Анализ структуры технологических инноваций по видам деятельности показал, что более половины финансовых ресурсов было направлено на приобретение машин и оборудования при низком уровне затрат на научно-исследовательские работы, маркетинговые исследования и правовую защиту нововведений (табл.2).

Обобщение имеющихся данных позволило установить, что наибольшие сложности в инновационной деятельности связаны с «недостатком собственных финансовых средств» (81% организаций), «высокой конкуренцией» (46%), а также «отсутствием и изношенностью оборудования» (45%). Негативное влияние на работу промышленности оказывает высокий уровень налогообложения, недостаток рынков сбыта, длительный период окупаемости нововведений (40% организаций).

Таблица 2

Структура затрат по основным видам инновационной деятельности

(в % от общих затрат на инновационную деятельность)

Виды инновационной деятель- Средняя доля затрат

ности 2 полугодие 1 полугодие 2 полугодие

2003г. 2004г. 2004г

Научно-исследовательские работы 16 12 12

Проектно-конструкторские и технологические работы 18 15 Н

Опьггво-экспервментальные работы 15 13 14

Освоение и внедрение нововведений 21 18 22

Приобретение оборудование для реализации технологических инноваций 40 50 48

Приобретение права на использование объектов промышленной собственности, «ноу-хау» и технологий 15 6 8

Маркетинг инноваций 6 7 7

Правовая защита результатов НИОКР 6 4 7

Проведённый сопоставительный анализ свидетельствует, что объёмы финансирования научно-технической сферы примерно в 1,5-2 раза ниже потребного уровня.

За период с 1990 по 2003 г. в общей совокупности НИО количество проектных организаций уменьшилось в 7,8 раза, конструкторских бюро — в 3,6 раза, научно-технических подразделений на промышленных предприятиях — в 1,8 раза. Численность специалистов в сфере НИОКР сократилась с 1,9 млн. человек до 872 тыс., т.е. более чем в 2 раза.

Снизилось качество основных фондов НИО: доля машин и оборудования старше 11 лет превышает 42%, а современных (не старше двух лет) составляет около 30%; «возраст» почти 20% вычислительной техники — от 6 лет и старше.

В структуре расходов государственных НИО лишь 4,4% затрат приходится на покупку оборудования.

Одним из лидеров реформирования промышленного производства, интенсификации инновационных процессов, последовательного укрепления научного потенциала является кондитерская промышленность.

В целом кондитерская отрасль характеризуется как успешно функционирующее звено агропромышленного комплекса России , непрерывно увеличивающее объемы производства продукции (табл. 3).

В отрасли продолжаются процессы объединений, слияний. В настоящее время успешно функционируют «Объединённые кондитеры» (15 предприятий), «СладКо» (2 предприятия), «Нестле-Фуд» (3 кондитерские фабрики) и др.

Кондитерская промышленность остаётся одной из бюджетообразующих, обеспечивая ежегодное поступление в бюджеты всех уровней около 17 млрд. руб., и может обеспечить как внутренние потребности населения, так и вывоз продукции за рубеж. Средняя отраслевая рентабельность производства кондитерских изделий составляет примерно 18%.

Таблица 3

Динамика производства кондитерских изделий в целом по России

Годы Объем производства (тыс.тонн) В%

К предыдущему году К 1990

1990 2850,00 - 100,0

1995 1372,2 89,7 48,1

1996 1261,7 92,0 44,3

1997 1369,9 108,6 48,1

1998 1403,5 102,4 49,2

1999 1508,5 107,5 52,9

2000 1627,7 108,7 57,5

2001 1792,8 109,3 62,8

2002 1958,5 109,2 68,7

2003 2166,7 106,3 76,0

2004 2239,6 103,4 78,6

Концентрация для российского кондитерского рынка за три года выросла почти в два раза: с 334 НН1 в 2002г. до 628 НШ в 2004 г. Доля Топ-3 увеличилась за тот же период с 29% до 39% (рис. 1).

2002 2003 гой4

чзаявнн! —•— Топ-3 '

(НШ - индекс Герфиндаля-Гиршмана) Рис. 1. Динамика показателей концентрации кондитерского рынка России на

основе данных государственной статистики.

Исследование инновационной деятельности свидетельствует, что в кондитерской промышленности основным направлением является разработка новых видов продукции, совершенствование существующих технологий. Невелика активность приобретения лицензий, «ноу-хау» на различные виды промышленной собственности, проведения мероприятий правовой защиты результатов НИОКР.

Основным источником инноваций являются собственные средства холдингов. Привлечение иностранных инвестиций не получило широкого распространения.

В этих условиях формирование рациональной инвестиционно-инновационной стратегии корпоративных образований представляет важную практическую задачу. Для ее решения необходима систематизация научных подходов к определению ряда дефиниций, таких как «корпоративное управление», «холдинг», «инвестиции», «инновации», «инвестиционно-инновационная деятельность», «инвестиционно-инновационный потенциал».

Автором уточнены понятия «корпоративное управление» и «холдинг». Предлагается понимать под корпоративным управлением реализацию функций

управления на основе процессного подхода применительно к условиям холдинга. Под холдингом понимается корпоративная структура, обладающая возможностями разработки единых тактических и стратегических планов развития входящих в него предприятий (контрольными пакетами акций которых он владеет), что позволяет осуществлять единую производственную, маркетинговую, инновационную, инвестиционную, финансовую, ценовую и другую политику, направленную на экономический рост и повышение конкурентоспособности.

Как показал анализ, объединение предприятий в холдинг создало условия для предоставления внутренних кредитных льгот, координации тематики научных разработок с потребностями производства, увеличения капитальных вложений в техническое перевооружение и реорганизацию производства.

В диссертации сформулировано понятие инвестиций холдинга, как капитала, привлечённого из разных источников для вложения в производственную деятельность предприятий, входящих в состав холдинга, а также в создание и функционирование центра инновационного развития холдинга и его предприятий.

Таким образом, в холдинге создаются реальные условия для появления инноваций с учётом отраслевых особенностей. Инновации рассматриваются как новые объекты в области техники, технологии, экономики, сферы услуг, полученные в результате проведения фундаментальных, прикладных исследований, опытно-конструкторских работ (объективные условия для которых созданы в холдинге), являющиеся товаром. Инновациям должны быть присущи: новизна потребительских свойств, востребованность рынком, обеспечение конкурентоспособности продукции, получение экономического, экологического, социального эффекта.

Как показали исследования автора, в условиях холдинга должна разрабатываться единая политика относительно направления научных исследований и объёмов инвестиций, необходимых для выполнения работ. Необходимо устранить разобщённость инвестиционного и инновационного процесса.

Единый инвестиционно-инновационный процесс должен включать ряд этапов, в т.ч.развитие идеи инновации с выполнением этапов НИР и ОКР, лабораторных и промышленных испытаний, получение нового продукта, машины, услуги, управленческой структуры и пр. Инвестицонно-инновационная деятельность отличается от инвестиционно-инновационного процесса включением в неё стадии коммерциализации и внедрения инновации (рис.2).

Инвестиционно-инновационный процесс

Инвестиционно-инновационная деятельность

Изуче-' ние спроса на инновацию

Фундамен тальные исследования

Поисковые НИР

Прикладные НИР

ОКР

Опытный образец

Г1ро-мыш-ленный образец

Внедрения на

предприятиях

холдинга

Реализация инновации на внешний рынок (маркетинговые исследования)

Исполнители

НИИ, вузы, научный центр холдинга Маши-нострои тельный завод Служба главного инженера Служба сбыта

Рис. 2. Структура инвестиционно-инновационного процесса и деятельности для технической инновации. Эффективное управление инвестиционно-инновационным процессом, как показало исследование, возможно при следующих условиях:

• система управления инвестиционно-инновационным процессом должна обеспечить реализацию интегрированной инвестиционно-инновационной стратегии холдинга;

• поэтапное управление инвестиционно-инновационным процессом должно основываться на непрерывности (инвестирования), инновационности, сбалансированности, последовательности, начиная с создания на основе научных идей нововведений до изготовления готовой, качественной, новой, конкурентоспособной продукции;

• инвестиционно-инновационный процесс на всех этапах должен осуществляться при достаточных инвестиционных затратах и наличии требуемой мощности научно-технической базы;

• совокупное осуществление инвестиционно-инновационного процесса и инвестиционно-инновационной деятельности в условиях холдинга обеспечивает инновационный путь развития. Возможности холдинга в этой сфере определяются потенциалом, которому присуща совокупность логически вытекающих, скоординированных относительно друг друга двух категорий, что и определяет двухуровневую сущность инвестиционно-инновационного потенциала.

В диссертации дано авторское определение категории «потенциал» с учётом мнений отечественных и зарубежных учёных и введено понятие «инвестиционно-инновационный потенциал». Автор предложил алгоритм его формирования и использования, который представлен на рис. 3.

В диссертации сформулировано определение «инвестиционно-инновационная стратегия», которую предлагается рассматривать, как системную концепцию взаимосвязанных инвестиционной и инновационной стратегий, объединяющую приоритеты технического перевооружения, инновационного развития холдинга и целенаправленного инвестирования в интересах получения преимуществ в конкурентной борьбе.

Важное место в диссертации уделено разработке принципов формирования инвестиционно-инновационной стратегии.

С учетом сформулированных принципов в качестве основных элементов инвестиционно-инновационной стратегии следует выделить миссию холдинга, общие и локальные стратегические цели развития, систему глобальных, деловых и функциональных стратегий в разрезе отдельных видов деятельности. Модель формирования инвестиционно-инновационной стратегии холдинга представлена на рис. 4.

Миссию-лозунг кондитерского холдинга формулируем: «Приносить радость в каждый дом натуральной продукцией традиционно высокого качества».

Рис. 3. Алгоритм формирования и использования инвестиционно-инновационного потенциала.

Цели являются значимой частью процесса стратегического управления при условии, что руководство холдинга правильно их формулирует, эффективно институционализирует и стимулирует их осуществление. Применительно к холдингу кондитерской промышленности основная цель акционеров - увеличить его стоимость. Цель менеджеров - увеличить долю рынка, повысить эффективность производственно-технического блока, поддержать финансовую устойчивость, обеспечить высокий потенциал развития.

Конкретизированные стратегические цели одного из наиболее крупных кондитерских холдингов России на 2010г. могут предусматривать присутствие на российском кондитерском рынке с объемом продукции в стоимостном выражении 24,2%, в натуральном - 15,1%.

Возможные цели инвестирования холдинга и его инновационного развития автор предлагает определять, используя матрицу. Приоритетными направлениями считаются набравшие наибольшее количество баллов при экспертной

оценке. К ним относим развитие процесса научных исследований (14 баллов), разработку инноваций (13 баллов), совершенствование управления (10 баллов).

МИССИЯ ХОЛДИНГА

достижимость

_Цели холл и н га и их прилнаки

измеримость | конкретность

совместим ость

приемлемость

Стратегический анализ

Внешний анализ

^В и утрекии й к пал ит

Оыбор стратегии. обеспечивающей конууре>ггоспособносгь холдинга

Глобальные Стратегии

Функимо1*альиы« стратегия

Маркетинговые Произвол-ственньге Ин вести цииио-инновационные Финансовые Калр-оаы«

Деловые Стратегии

Формкрованне альтернативных инвестиционно-инновационных стритегий:

• создание альтернатив,

• выявление возможностей рсалишинн,

» Исключение невыполнимых иериаитов,

• сопоставление полученных, альтернатив с целям« холдинга,

• уточнение прогноза результативности каждой альтернативы,

• сопоставление каждой альтернативы с погребными внутренними ресурсами»

• расчет интегральной оценки эффективности каждой альтернативы с учетом плияния внешних и внутренних усяопий деятельности. I____________

Источники финннсирования инвестиционных ресч'реои

Бюджет Крелит Облигационные займы Прибыль, амортиэа* иил Акционерный манн тал

Техническое перевооружение, реконструкция, новое строительство

Форммронаиие мимовпционныч"1Т|*лукт6в

Созлание ин-нуиацио-нмых продуктов Приобретение инношщионк-ыч продуктов Освоени* иниоаниион-ных Продуктов Продвижение ин-новациони-ых продуктов

Инструменты и рол в и женим инноваций

Реклама" 1 Стимулирование сбыта 1 Паблнк Рилейшю

| Ря^ра5отка программы реаличаими ныбранной стратегии |

| Организация выполнения | программы Мотиваин* коллектива Стратегический контроль |

Рс1ультативио<л ь ирогрн*) мы |

Конкурентоспособность холдинга Экономите- 1 ски Й рост | Рентабельность капитал» Продовольственная безопасность |

Рвс,4.Модель формирования инвестиционно-инновационной стратегии холдинга

Анализ внешней и внутренней среды выполнен с помощью SWOT-анализа. Фрагменты матрицы БЛУОТ-анализа, подробно рассмотренной в диссертации, представлены в таблице 4.

Таблица 4

Фрагмент матрицы 5\УОТ-анализа

Сильные стороны Слабые стороны

•финансирование инвестиционно-инновационной программы, •опыт разработки новых продуктов, •др. •отсутствие единой корпоративной системы проектного управления, •значительная изношенность оборудования, сетей и сооружений, •др.

Возможности Угрозы

•наращивание высокотехнологичных мощностей, •разработка технологий кондитерских изделий функционального назначения, •др. •не достижение уровня инновационного развития холдинга по сравнению с конкурентами, •др.

По результатам SWOT-aнaлизa разработана долгосрочная программа развития холдинга с участием автора. Основной акцент в ней сделан на техническую политику и инновации, которым в наибольшей степени присущи слабые стороны.

В программе отражены стратегические направления развития холдинга. К ним автор относит:

• развитие материально-технической базы предприятий холдинга на основе реконструкции и технического перевооружения как основного, так и вспомогательного производства;

• установление (коренное улучшение) функционально-производственных и экономических связей с машиностроительным предприятием;

• последовательное совершенствование экономического механизма управления;

• использование аутсорсинга для создания центра сервисных услуг и производства запасных деталей;

• создание центра научных исследований, исходя из реальных возможностей инвестирования и эффективности инновационной деятельности;

• внедрение процессной системы управления;

• оптимизация ассортиментного ряда;

• приоритетное использование человеческих ресурсов.

Одним из условий реализации инвестиционно-инновационной стратегии кондитерского холдинга, по мнению автора, является разработка проекта «Формирование центра инновационного развития холдинга и его предприятий». Задачи центра: изучение инноваций (внешних и внутренних); эффективная адаптация инноваций; эффективное внедрение инноваций.

В качестве источника получения информации могут быть приняты: изучение международного и российского рынка; изучение инновационных проектов вузов, научно-исследовательских организаций и пр.

При этом следует различать собственные проекты и привлечённые извне, что обуславливает необходимость обратиться к проблеме развития процесса трансферта технологий в России. Зарубежный опыт свидетельствует, что уже отработана технология продвижения и коммерциализации результатов научных изысканий, предусматривающая формирование инновациошгого проекта, привлечение необходимых инвесторов, производителей, т.е. реализацию трансферта технологии, созданной научным коллективом.

В кондитерской промышленности, по мнению автора, может быть внедрена эффективная система коммерциализации технологий путём передачи созданных изобретений в вузах, НИИ холдингам, фактически внедряющим их на коммерческой основе.

В практической деятельности холдинга рекомендуется использовать «Блок поиска, определения и отбора инноваций», предусмотренный как элемент программы реализации инвестиционно-инновационной стратегии.

Экономическую значимость разрабатываемой инвестиционно-инновационной стратегии кондитерского холдинга следует оценивать на основании исследования категории «эффективность», сравнивая альтернативные варианты действий холдинга с помощью системы показателей, предложенных автором.

В соответствии с предложенными моделью и программой разрабатываются альтернативные инвестиционно-инновационные стратегии и выявляются возможности их реализации.

Использование для оценки альтернативных стратегий определенного набора показателей, по мнению автора, вызывает необходимость выявления среди них приоритетных показателей, которые вносят наибольший вклад в оценку стратегий.

Данное методическое положение послужило поводом для привлечения экспертов из числа сотрудников холдинга (27 чел.) с целью определения весомости предложенных автором показателей по степени вклада в оценку стратегий. Общий вклад всех показателей приняли за единицу, а весомость вклада каждого показателя оценивали в долях едишщы. Результаты оценки трех альтернативных стратегий по данной методике представлены в табл.5, из которой видно, что приоритетной является вторая стратегия с объемом реализации инвестиционной программы 420 млн. долларов США.

Таблица 5

Альтернативные варианты инвестиционно-инновационных стратегий

кондитерского холдинга

Показатели На игл. Весомость вкшиав оцанву стратегии Оцмкаальтернашиньк стратегий

1 2 3

Без учета весо-мосш вклада Сук- том весомости вклада Без уча-та весомости вклада Суч> том весомости БКПЭДЕ1 Безуча-та весомости вклада Сук-том весомости истей'

Реализация инвестиционной программы Млн. долл. США 0,20 376 75,2 420,0 84,0 300,0 60,0

Доля холдинга на российском кондитерском рынке в стоимостном выражении % 0,10 24,2 2,42 25,0 2,50 22,0 2£0

Даля фодсного ахортимента в общем обыме продаж в денежном выражении % 0,05 70,0 3,5 75,0 3,75 68,0 3,4

Выручка от реализации Млн. руб. 0,15 33500 5025 36500 5475 28000 4200

Коэффилдагг использования мощностей % 0,05 80 4 85 4,25 85 4,25

Проииодетвеннью мощности Тыс.т 0,10 408 40,8 440 44,0 350 35,0

Гсдовая прибыль Млн. долл. США 0,20 160,0 32,0 170,0 34,0 140,0 28,0

Предгяьпый размер внепл его долга Млн. долл. США 0,05 170,0 8,5 190,0 9,5 120,0 6,0

Доля затрат на инновационную деятельность В ОЁЩЕМ объеме инвестиц ий, в том числе дам зшраг различных инноваций в общ их затратах т инновационную Д2Я- ТСЛТДОСТК % 0,10 100,0 10,0 100,0 10,0 100,0 10,0

Научно- иоследовагельские работы % 0,0015 1,5 0,15 1,5 0,15 1,4 0,14

Прэжшсн<шструк-торехие и технологические ра&лы % 0,003 3 0,30 3,2 0,32 2,8 0,28

Опыгао- жеперикктальныг работы % 0,0015 и 0,15 1,6 0,16 1,4 0,14

Освоение и внедрение новонвдятий % 0,002 2 0,20 2,2 0,22 1,8 0,18

Приобретение оборудования для реализации технологических инноваций % 0,0842 84,2 8,42 84,2 8,42 86 8,60

Приобретение прав та использование объектов промышленной собственности, «ноу-хау» и тех-ноюгий % 0,0006 0,6 0,06 0,7 0,07 0,6 0,06

Маркетинг инноваций % 0,007 7 0,7 6,4 0,6 5,9 0,59

Правовая защита результатов % 0,0002 0,2 0,02 0,2 0,02 0,1 0,01

Итого — 1,00 — 5201,42 — 5667,0 — 4348,85

При разработке системы показателей руководствовались требованиями, предъявляемыми к альтернативным стратегиям. В соответствии с ними предложена группировка показателей по следующим признакам: удовлетворение потребностей; использование производственных возможностей холдинга; инновационная направленность; соблюдение интересов владельцев. Данный подход с учетом значимости вклада каждого показателя в общую оценку позволил выявить из трех анализируемых альтернативных стратегий обеспечивающую более высокий результат по сравнению с другими (соответственно на 9 и 30%)в основном по показателям инвестиционно-инновационной программы и фокусного ассортимента.

Выводы и предложения

1. Концептуальной проблемой развития кондитерской промышленности является использование преимуществ корпоративного управления, как условия, позволяющего решать одну из острейших проблем отрасли — привлечение инвестиций и активизации инновационной деятельности предприятий, входящих в холдинг.

2. Исследование теоретических основ корпоративного управления позволило автору уточнить сущность «инвестиционно-инновационного процесса», «инвестиционно-инновационной деятельности», «инвестиционно-инновационного потенциала» с учетом особенностей их проявления в условиях холдинга.

3. Исследование стратегий холдингов дало возможность выявить необходимость разработки интегрированной инвестиционно-инновационной стратегии, объединяющей приоритеты инновационного развития и целенаправленного инвестирования и позволяющей расширить классификацию функциональных стратегий.

4. Предложена модель формирования инвестиционно-инновационной системы холдинга, в составе которой важная роль отводится разработке альтернативных стратешй, выбору источников их финансирования, созданию и продвижению инновационных продуктов.

5. Научно обоснован алгоритм формирования и использования инвестиционно-инновационного потенциала, обеспечивающий инновационный путь развития холдинга.

6. Формирование холдингов кондитерской промышленности позволяет активизировать инвестиционно-инновационную деятельность, используя корпоративный инвестиционно-инновационный потенциал и разрабатывать альтернативные интегрированные инвестиционно-инновационные стратегии, выбор оптимального варианта которых осуществляется по методике, предложенной автором.

7. Руководство инновационным развитием холдинга должно быть возложено на специальное структурное подразделение «Центр инновационного развития холдинга и его предприятий» в составе департамента «Стратегическое управление». Его назначение - обосновать приоритеты НИР и инвестиции, внедрять трансферт технологий по договорам с НИИ и ВУЗами, а также собственные инновации; отслеживать первоочередность разработки инноваций в соответствии с принятой классификацией.

8. Диагностика экономической категории «эффективность» показала, что традиционные подходы к ее определению должны получить дальнейшее развитие с учетом процессов концентрации капитала, интересов его владельцев и потребителей производимой продукции. Для оценки экономической значимости разрабатываемых альтернативных инвестиционно-инновационных стратегий автором предложена система показателей, учитывающих особенности деятельности кондитерского холдинга.

По теме диссертации опубликованы следующие работы:

1. Носенко A.C. Отечественный и зарубежный опыт формирования инновационного потенциала //Сборник научных статей «Актуальные проблемы экономики, менеджмента и маркетинга в отраслях АПК»- М.: Издательский комплекс МГУПП, 2005. - с.210 (общ. объем 0,2 п.л.).

2. Носенко А. С. Методические аспекты управления ассортиментной политикой в кондитерской промышленности //Сборник докладов молодых ученых третьей

юбилейной международной выставки-конференции «Высокоэффективные пищевые технологии, методы и средства для их реализации», Часть II - М.: Издательский комплекс МГУПП, 2005. - с.216 (общ. объем 0,2 п.л.).

3. Носенко A.C. Корпоративное управление как условие ускоренного иннова-ционо-инвестиционного развития предприятий, холдингов //Сборник докладов IV международной конференции-выставки «Высокоэффективные пищевые технологии, методы и средства для их реализации». Часть III. - М.: МГУПП, 2006. - с.137 (общ. объем 0,2 п.л.).

4. Носенко A.C. Методические аспекты формирования инвесгационно-инновационой стратегии холдинга //«Федерация», №15,2006. - с.41 (общ. объем 0,2 пл.).

5. Носенко А.С Анализ инвестиционной и инновационной деятельности холдингов, предприятий кондитерской промышленности //«Экономика и финансы», №19,2006. - с. 69 (общ. объем 0,3 пл.).

6. Егоров Ю.И., Носенко A.C. Проблемы управления и оптимизации ассортимента в кондитерском холдинге //«Кондитерское производство», №6,2006. - с. 2(общ. объем 0,3 п.л., авт. вклад. 0,2п.л.).

7. Носенко A.C. Формирование инвестиционно-инновационной стратегии холдинга кондитерской промышленности. - М.: ИК МГУПП, 2006. - 75с. (общ. объем 3,1 пл.).

Подписано в печать 27.11.06 Формат 30x42 '/8. Бумага типографская № 1. Печать офсетная. Печ. л. 1,1. Тираж 100 экз. Заказ 3290. 125080, Москва, Волоколамское ш., 11 ИКМГУПП

Введение.

Глава 1 Направления решения задачи анализа данных.

1.1. Классификация аналитических систем.

1.2. Реализации интерактивного анализа данных (OLAP).

1.3. Алгоритмы агрегирования куба.

1.4. Алгоритмы поиска частых наборов и ассоциативных правил.

1.5. Эффективный просмотр ассоциативных правил.

1.6. План работы и полученные результаты.

Глава 2 Алгоритмы перестроек префиксного дерева для реализации интерактивного анализа данных, агрегирования куба и поиска частых наборов.

2.1. Формальная постановка задач.

2.2. Структура данных - префиксное дерево.

2.3. Алгоритм выполнения запросов OLAP.л.

2.4. Алгоритм агрегирования куба с помощью перестроек префиксного дерева

2.5. Алгоритм поиска частых наборов с помощью перестроек префиксного дерева.

Глава 3 Организация просмотра ассоциативных правил.

3.1. Меры правил.

3.2. Алгоритмы поиска интересных ассоциативных правил.

3.3. Внешний вид отчёта о просматриваемых правилах.

3.4. Алгоритм интерактивного просмотра правил в виде сводной таблицы.

Глава 4 Теоретический анализ алгоритмов.

4.1. Задача о среднем числе разных элементов.

4.2. Сложность задач.

4.3. Объём префиксного дерева.

4.4. Время построения префиксного дерева.

4.5. Время подъёма уровня префиксного дерева.

4.6. Время работы алгоритма интерактивного анализа данных.

4.7. Время работы алгоритма агрегирования куба.

4.8. Время работы алгоритмов поиска частых наборов.

Глава 5 Экспериментальный анализ алгоритмов.

5.1. Алгоритмы интерактивного анализа данных.

5.2. Алгоритмы агрегирования куба.

5.3. Алгоритмы поиска частых наборов.

5.4. Меры интереса правил.

Актуальность темы.

Построение систем анализа данных является важным направлением развития информационных технологий. В последнее время в связи с ростом числа накопленных данных в организациях и необходимостью принятия обоснованных управленческих решений интерес к этому направлению растёт. С помощью систем анализа данных могут быть решены следующие задачи: сбор всех необходимых для анализа данных в одном месте с согласованием форматов и удалением ошибок, интерактивный просмотр этих данных аналитиком, автоматическое извлечение закономерностей из данных. Всё это позволяет в каждый момент времени иметь полную информацию об организации и эффективно принимать управляющие решения.

В литературе активно исследуются три основных технологии систем анализа данных: хранилища данных, оперативная аналитическая обработка данных (Online Analytical Processing, или сокращённо OLAP), интеллектуальный анализ данных (Data Mining).

Основным требованием к системам OLAP является скорость выполнения запросов, так как анализ должен проходить в интерактивном режиме. Предложенные в литературе алгоритмы OLAP основаны на дисковых структурах данных или структурах данных в оперативной памяти. Дисковые структуры данных являются медленными или вынуждены хранить практически полностью агрегированные кубы для достижения скорости, что приводит к большим расходам памяти. Структуры в оперативной памяти могут обрабатывать лишь небольшие объёмы данных. Предложенный в диссертации алгоритм перестроек префиксного дерева существенно уменьшает требования к объёму данных по сравнению с другими алгоритмами в оперативной памяти, вместе с тем сохраняя высокую скорость работы.

Если объёмы данных очень велики, то предагрегация может значительно ускорить выполнение запросов. Также агрегирование может применяться для ответа на запросы пользователя с одновременным требованием просмотра многих агрегатных данных (например, при отображении сводной таблицы). Первые алгоритмы агрегирования куба основываются на существенном использовании диска и являются достаточно медленными. Алгоритмы MemoryCube и BUC компактно используют оперативную память для проведения вычислений, но их планы выполнения являются неоптимальными. Предложенный в диссертации алгоритм перестроек префиксного дерева предлагает более быстрое выполнение по сравнению с заявленными алгоритмами при тех же объёмах обрабатываемых данных.

Одним из наиболее популярных направлений интеллектуального анализа данных является поиск правил в данных. В большинстве алгоритмов поиска правил первым и наиболее трудоёмким шагом является поиск частых наборов. Предложенный в диссертации алгоритм перестроек префиксного дерева обладает минимальными требованиями к памяти среди остальных алгоритмов и может обрабатывать большие объёмы данных без выхода на диск, что позволяет ускорить вычисления.

Проблема просмотра найденных ассоциативных правил является актуальной из-за большого количества обычно получаемых правил. В литературе были предложены две основных группы методов: отсечение по мерам интереса и синтаксические ограничения. Среди мер интереса в основном рассматривались меры, не учитывающие состава левой части правила. В работе предложен ряд мер, учитывающих состав левой части правила. В области синтаксических ограничений предполагалось, что пользователь задаёт их заранее, а затем просматривает все полученные правила. Недостатком является долгое ожидание результата. В диссертации предложен интерактивный просмотр ассоциативных правил в виде сводной таблицы.

Цели работы.

Основными целями диссертационной работы являются:

1. Разработка эффективных алгоритмов реализации интерактивного анализа данных, автоматического поиска частых наборов и правил в данных, основанных на использовании префиксного дерева.

2. Разработка алгоритмов удобного просмотра извлечённых правил.

3. Анализ разработанных алгоритмов.

Методы исследования.

В работе использовались методы теории структур данных и баз данных, комбинаторики, теории графов, теории вероятностей и математической статистики, алгебры, теории множеств. Экспериментальный анализ проводился с помощью компьютерного моделирования.

Научная новизна полученных результатов.

Предложена математическая модель в виде префиксного дерева для хранения данных при интерактивном анализе данных и поиске закономерностей. Разработаны алгоритмы выполнения запросов интерактивного анализа данных, вычисления всех агрегатных данных, поиска частых наборов с помощью перестроек префиксного дерева. Получены теоретические оценки эффективности разработанных алгоритмов в лучшем, худшем и среднем случаях. Введено несколько мер ценности ассоциативных правил, учитывающих их специфику, и разработан алгоритм поиска ассоциативных правил с учётом этих мер. Предложен способ интерактивного просмотра ассоциативных правил на сводной таблице и разработан алгоритм выполнения соответствующих запросов с помощью перестроек префиксного дерева.

Практическая значимость исследования.

Реализации разработанных алгоритмов могут быть использованы для проведения эффективного анализа данных в любых учреждениях, где имеются базы данных и есть накопленные данные.

Разработанный алгоритм интерактивного анализа данных внедрён в автоматизированной информационной системе "Консул ЗУ" в МИД РФ.

Апробация работы.

Основные результаты работы докладывались, обсуждались и получили одобрение специалистов на следующих конференциях:

• XLVIII и XLIX научных конференциях Московского физико-технического института (государственного университета), (Долгопрудный, 2005,2006)

• XIII международной научной конференции студентов, аспирантов и молодых учёных "Ломоносов", (Москва, МГУ, 2006), а также на научных семинарах кафедры управляющих и информационных систем МФТИ и 3500 отделения ГосНИИ авиационных систем в 2002-2006 гг.

Публикации.

Основные положения работы отражены в публикациях [1-6].

Краткое содержание работы.

В главе 1 проводится обзор основных направлений решения задачи анализа данных. Рассмотрено положение систем анализа данных среди информационных систем и их классификация по способу хранения данных, способу анализа данных и степени участия человека в анализе данных. Поставлены основные задачи диссертации: реализация ответов на запросы интерактивного анализа данных (OLAP), агрегирование куба, поиск частых наборов и ассоциативных правил, эффективный просмотр ассоциативных правил. Для каждой задачи проведён обзор существующих подходов к решению.

В главе 2 рассматриваются алгоритмы решения задач на основе перестроек префиксного дерева. Введены формальные определения анализируемых данных и постановки задач ответов на запросы интерактивного анализа данных, агрегирования куба, поиска частых наборов. Дано определение префиксного дерева, процедуры заполнения и пополнения по заданной базе данных, алгоритм перестройки уровней дерева. Описаны алгоритмы ответов на запросы интерактивного анализа данных, агрегирования куба, поиска частых наборов, основанные на перестройках префиксного дерева.

В главе 3 рассматриваются подходы к обеспечению эффективного просмотра ассоциативных правил. Основная проблема заключается в большом количестве получаемых правил. Два основных подхода к решению этой проблемы: отсечение правил по мерам интереса и с помощью синтаксических ограничений. Рассмотрена классификация мер правил. Введены меры интереса, учитывающие состав левой части правила. Для них разработан алгоритм поиска интересных правил для заданного порога интереса. Рассмотрены основные способы отображения правил. Предложен способ интерактивного просмотра правил в виде сводной таблицы и соответствующий алгоритм выполнения запросов и отображения, основанный на перестройках префиксного дерева.

В главе 4 проводится теоретический анализ разработанных алгоритмов. Решена вспомогательная задача о среднем числе разных значений и среднем числе разных частых значений при заданном пороге частоты в выборке из конечного множества. На основе этой задачи получены оценки сложности решаемых задач, включая объём исходных данных, запрашиваемых данных, частых наборов. Подсчитаны объём префиксного дерева, время построения по базе данных, время подъёма уровня в лучшем, худшем и среднем случаях. Вычислено время работы для алгоритмов агрегирования куба и поиска частых наборов.

В главе 5 проводится экспериментальный анализ разработанных алгоритмов для выполнения запросов интерактивного анализа данных, агрегирования куба и поиска частых наборов. При выполнении запросов интерактивного анализа данных производится сравнение с алгоритмом, основанным на хранении в виде таблицы и ответов на запросы с помощью сортировок. Сравнение производится по времени заполнения, объёму занимаемой памяти и скорости ответов на запросы. При агрегировании куба производится сравнение с алгоритмом MemoryCube. При поиске частых наборов производится сравнение четырёх предложенных алгоритмов с алгоритмами Apriori и FP-Growth.

В заключении приведены основные результаты работы.

Заключение

В работе получены следующие основные результаты:

1. Предложена математическая модель в виде префиксного дерева для хранения данных при интерактивном анализе данных и процедура перестройки уровней префиксного дерева для задания различных порядков на множестве данных.

2. Разработаны алгоритмы выполнения запросов интерактивного анализа данных, вычисления всех агрегатных данных и поиска частых наборов с помощью перестроек префиксного дерева. Получены теоретические оценки эффективности разработанных алгоритмов.

3. Введено несколько мер ценности ассоциативных правил, учитывающих их специфику, и разработан алгоритм поиска интересных ассоциативных правил с учётом этих мер.

4. Предложен способ интерактивного просмотра ассоциативных правил на сводной таблице и разработан алгоритм выполнения соответствующих запросов с помощью перестроек префиксного дерева.

5. Разработан комплекс программ для предложенных и ряда известных алгоритмов. Проведено экспериментальное сравнение их эффективности.

1. Бондаренко А.В., Галактионов В.А., Горемычкин В.И., Гудков А.С., Стриковский И.И. Реализация интерактивного анализа данных с помощью префиксного дерева: Препринт / ИПМ. М., 2005. - №61. -34 с.

2. Бондаренко А.В., Гудков А.С. Интерактивный анализ ассоциативных правил в базе данных. // Вестник компьютерных и информационных технологий. 2006. - №10. - С.42-45.

3. Бондаренко А.В., Гудков А.С. Поиск частых и разных комбинаций с помощью перестроек префиксного дерева. // Процессы и методы обработки информации: Сб.ст. / МФТИ. М., 2006. - С.69-78.

4. Гудков А.С. Агрегирование куба с помощью префиксного дерева. // Современные проблемы фундаментальных и прикладных наук. Часть VII. Управление и прикладная математика: Труды XLVIII научной конференции. / МФТИ. М., 2005. - С.92-93.

5. Гудков А.С. Меры интереса ассоциативных правил, основанные на предсказании точности. // Современные проблемы фундаментальных и прикладных наук. Часть VII. Управление и прикладная математика: Труды XLIX научной конференции. / МФТИ. М., 2006. - С.84-85.

6. Гудков А.С. Поиск частых комбинаций в базах данных. // Материалы XIII Международной конференции студентов, аспирантов и молодых учёных "Ломоносов", секция "Вычислительная математика и кибернетика". М., 2006. - С. 19-20.

7. Альперович М. Введение в OLAP и многомерные базы данных. // PC Week/RE. 1999. - №28(202). - С.24. WEB: http://www.olap.ru/basic/alpero2i.asp.

8. Арустамов А. Применение OLAP технологий при извлечении данных. WEB: http://www.basegroup.ru/olap/using.htm.

9. Бирюков А. Системы принятия решений и хранилища данных. // СУБД. 1997. - №4. - С.37-41.

10. Буров К. Обнаружение знаний в хранилищах данных. // Открытые системы. 1999. - №5-6. - С.67-77.

11. Гарсиа-Молина Г., Ульман Дж., Уидом Дж. Системы баз данных. Полный курс. Москва: Вильяме, 2003. - 1088 с.

12. Гро Э. Архитектуры отчётности. // Журнал клуба знатоков DWH, OLAP, XML. 2003. - №23. WEB: http://www.iso.ru/journal/articles/247.html.

13. Дюк В., Самойленко A. Data Mining: Учебный курс. СПб: Питер, 2001.-366 с.

14. Заратуйченко О. Современные подходы и методы построения аналитических информационных систем. // Тезисы выступления на семинаре НТЦ АРБ "Практические вопросы информационно-аналитической работы в коммерческом банке". Март 1998.

15. Заратуйченко О. Филиалы, данные, анализ. // Банковские технологии. 1998.-№1.-С.49-52.

16. Кузнецов С. Д. Проектирование и разработка корпоративных информационных систем. WEB: http://www.citforum.ru/cfin/prcorpsys/.

17. Кузнецов С.Д., Артемьев В. Обзор возможностей применения ведущих СУБД для построения хранилищ данных (Data Warehouse). // Тезисы доклада на 3-й ежегодной конференции "Корпоративные базы данных". Москва. - 1998. - С. 153-161.

18. Ларин С. Применение ассоциативных правил для стимулирования продаж. 2003. WEB: www.basegroup.ru/practice/salepromotion.htm.

19. Лисянский К. Архитектурные решения и моделирование данных для хранилищ и витрин данных. WEB: www.olap.ru.

20. Лобач Д. Основы OLAP. WEB: http://www.softkey.info/reviews/review.php?ID=465.

21. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных. // СУБД. 1997. - №3. - С.30-40.

22. Некипелов Н., Шахиди А. Онтология анализа данных. WEB: http://www.basegroup.ru/tech/ontology.htm.

23. Педерсен Т.Б., Иенсен К. Технология многомерных баз данных. // Открытые системы. 2002. - №1. - С.45-50.

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

25. Сахаров А.А. Принципы проектирования и использования многомерных баз данных (на примере Oracle Express Server). // СУБД. 1996. - №3. - С.44-59.

26. Слотер Э. Архитектуры OLAP. WEB: www.oIap.ru.

27. Стариков А. Ядро OLAP системы. Часть 1 принципы построения. WEB: http://www.basegroup.ru/olap/corej3artl .htm.

28. Стариков А. Ядро OLAP системы. Часть 2 внутри гиперкуба. WEB: http://www.basegroup.ru/olap/corepart2.htm.

29. Стариков А. Ядро OLAP системы. Часть 3 построение срезов куба. WEB: http://www.basegroup.ru/olap/corepart3.htm.

30. Федоров А., Елманова Н. Введение в OLAP: часть 1. Основы OLAP. // Компьютер Пресс. 2001. - №4.

31. Федоров А., Елманова Н. Введение в OLAP: часть 2. Хранилища данных. // Компьютер Пресс. 2001. - №5.

32. Федоров А., Елманова Н. Введение в базы данных: средства Business Intelligence. // Компьютер Пресс. 2001. - №3.

33. Хрусталёв Е.М. Агрегация данных в OLAP-кубах. WEB: www.olap.ru.

34. Чаудхури С., Дайал У., Гаити В. Технология баз данных в системах поддержки принятия решений. // Открытые системы. 2002. - №1. -С.37-44.

35. Что такое Data Mining. / Intersoft Lab. // Журнал клуба знатоков DWH, OLAP, XML. 2003. - №26. WEB: http://www.iso.ru/journal/articles/275.html.

36. Шахиди A. Apriori масштабируемый алгоритм поиска ассоциативных правил. - 2002. WEB: www.basegroup.ru/rules/apriori.htm.

37. Щавелёв JT.B. Способы аналитической обработки данных для поддержки принятия решений. // СУБД. 1998. - №4-5.

38. Электронный учебник по статистике. / StatSoft, Inc. WEB: http://www.statsoft.ru/home/textbook/default.htm.

39. Agarwal S., Agrawal R., Deshpande P.M., Gupta A., Naughton J.F., Ramakrishnan R., Sarawagi S. On the computation of multidimensional aggregates. // Proceedings of 22nd VLDB Conf. 1996. - P.506-521.

40. Aggarwal C.C., Yu P.S. Mining Large Itemsets for Association Rules. // Bulletin of the IEEE Computer Society Technical Committee on Data Engineering. 1997. - Vol.2, №1. - P.23-31.

41. Aggarwal C.C., Yu P.S. A new framework for itemset generation. // Proceedings of 17th Symposium on Principles of Database Systems. -Seattle, WA, USA. June 1998. - P. 18-24.

42. Agrawal R., Imielinski Т., Swami A. Database mining: a performance perspective. // IEEE transactions on knowledge and data engineering. -December 1993. Vol.5, №6. - P.914-925.

43. Agrawal R., Imielinski Т., Swami A. Mining Associations between Sets of Items in Massive Databases. // Proceedings of 1993 ACM-SIGMOD International Conference on Management of Data. Washington, DC, USA.-May 1993.-P.207-216.

44. Agrawal R., Srikant R. Fast Discovery of Association Rules. // Proceedings of 20th International Conference on VLDB. Santiago, Chile. - September 1994.-P.487-499.

45. Agrawal R., Gupta A., Sarawagi S. Modeling multidimensional databases. // Proceedings of International Conference on Data Engineering. -Birmingham, U.K. 1997. - P.232-243.

46. Bayardo R.J., Agrawal R., Gunopulos D. Constraint-based rule mining in large, dense databases. // Proceedings of 15th ICDE Conference. March 1999. - P.188-197.

47. Berson A., Smith S., Thearling K. Building Data Mining Applications for CRM. McGraw Hill Professional, 1999. - 510 p.

48. Beyer K., Ramakrishnan R. Bottom-up computation of sparse and iceberg CUBES. // Proceedings of SIGMOD. Philadelphia, PA, USA. - 1999. -P.359-370.

49. Borgelt C., Kruse R. Induction of association rules: Apriori implementation. // Proceedings of 15th Conference on Computational Statistics (Compstat 2002). Heidelberg, Germany. - 2002.

50. Borgelt C. Efficient implementations of apriori and eclat. // Proceedings of IEEE ICDM Workshop on Frequent Itemset Mining Implementations. -Melbourne, FL, USA. November 2003.

51. Brin S., Motwani R., Ullman J.D., Tsur S. Dynamic itemset counting and implication rules for market basket data. // Proceedings of ACM SIGMOD International Conference on Management of Data. Tucson, Arizona, USA. - May 1997. - P.255-264.

52. Codd E.F., Codd S.B., Salley C.T. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. E. F. Codd & Associates, 1993.-24 p.

53. Data mining добыча данных. / Лаборатория Basegroup. WEB: http://www.basegroup.ru/tasks/datamining.htm.

54. Deshpande P.M., Agarwal S., Naughton J.F., Ramakrishnan R. Computation of Multidimensional Aggregates: Technical Report-1314 / University of Wisconsin-Madison. 1996.

55. El-Hajj M., Zaiane O. Inverted Matrix: Efficient Discovery of Frequent Items in Large Datasets in the Context of Interactive Mining. // Proceedings of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2003. - P.109-118.

56. Fang M., Shivakumar N., Garcia-Molina H., Motwani R., Ullman J.D. Computing Iceberg Queries Efficiently. // Proceedings of International

57. Conference on Very Large Databases (VLDB'98). New York. - August 1998. -P.299-310.

58. Fayyad U., Piatetsky-Shapiro G., Smyth P. From Data Mining to Knowledge Discovery in Databases. // Al Magazine. 1996. - №17(3). -P.37-54.

59. Fayyad U., Piatetsky-Shapiro G., Smyth P. Knowledge Discovery and Data Mining: Towards a Unifying Framework. // Proceedings of KDD-96 Conference. 1996. - P.82-88.

60. Fu L., Hammer J. CubiST: A New Algorithm for Improving the Performance of Ad-hoc OLAP Queries. // Proceedings of ACM Third International Workshop on Data Warehousing and OLAP. Washington, DC. - November 2000. - P.72-79.

61. Fu L., Hammer J. CUBIST: A New Approach to Speeding Up OLAP Queries in Data Cubes: Technical Report TR01-007 / University of Florida, Gainesville, FL. May 2001. - 19 p. WEB: citeseer.ist.psu.edu/fuO 1 cubist.html, 2001.

62. Goethals B. Survey on frequent pattern mining: Manuscript. 2003. - 43 p.

63. Graefe G. Query evaluation techniques for large databases. // ACM Computing Surveys. June 1993. - Vol.25, №2. - P.73-170.

64. Gray J., Bosworth A., Layman A., Pirahesh H. Datacube: a relational aggregation operator, generalizing group-by, cross-tab, and sub-totals. // Proceedings of IEEE ICDE. 1996. - P. 152-159.

65. Gupta H., Harinarayan V., Rajaraman A., Ullman J. Index Selection for OLAP. // Proceedings of Intl. Conf. on Data Engineering. 1997. - P.208-219.

66. Gyssens M., Lakshmanan L.V.S. A foundation for multidimensional databases. // Proceedings of 23rd VLDB Conference. Athens, Greece. -1997. -P.106-115.

67. Hahsler M. A comparison of commonly used interest measures for association rules. WEB: http://wwwai.wu-wien.ac.at/~hahsler/research/association rules/measures.html.

68. Han J., Pei J., Dong J., Wang K. Efficient computation of iceberg cubes with complex measures. // Proceedings of SIGMOD. 2001. - P. 1-12.

69. Han J., Fu Y. Discovery of multiple-level association rules from large databases. // Proceedings of 21st Int'l Conference on Very Large Databases. Zurich, Switzerland. - September 1995. - P.420-431.

70. Han J., Pei J., Yin Y. Mining frequent patterns without candidate generation. // Proceedings of ACM SIGMOD International Conference on Management of Data. Dallas, USA. - 2000. - P. 1-12.

71. Harinarayan V., Rajaraman A., Ullman J.D. Implementing data cubes efficiently. // Proceedings of ACM SIGMOD conference on management of data. 1996.-P.205-216.

72. Hipp J., Guntzer U., Nakaeizadeh G. Algorithms for Association Rule Mining A General Survey and Comparison. // SIGKDD Explorations. -July 2000. - Vol.2, №1. - P.58-64.

73. Ho C-T., Bruck J., Agrawal R. Partial-sum queries in OLAP data cubes using covering codes. // Proceedings of 16th ACM Symposium on Principles of Database Systems. Tucson, AZ, USA. - May 1997. - P.228-237.

74. Ho C.-T., Agrawal R., Megiddo N., Srikant R. Range queries in OLAP data cubes. // Proceedings of 1997 ACM SIGMOD Intl. Conf. on Management of Data. Tucson, Arizona, USA. - June 1997. - P.73-88.

75. Jaroszewicz S., Simovici D.A. Pruning redundant association rules using maximum entropy principle. // Proceedings of 6th Pacific-Asia Conference on Advances in Knowledge Discovery and Data Mining. Taipei, Taiwan. -May 2002.-P. 135-147.

76. Johnson Т., Shasha D. Hierarchically Split Cube Forests for Decision Support: description and tuned design: Technical Report TR1996-727 / Department of Computer Science, New York University. November 1996.-32 p.

77. Klemettinen M., Mannila H., Ronkainen P., Toivonen H., Verkamo A.I. Finding interesting rules from large sets of discovered association rules. // Proceedings of CIKM-94. November 1994. - P.401-407.

78. Knowledge discovery in databases обнаружение знаний в базах данных. / Лаборатория Basegroup. WEB: http://www.basegroup.ru/tasks/kdd.htm.

79. Lakshmanan L.V.S., Pei J., Han J. Quotient cube: How to summarize the semantics of a data cube. // Proceedings of VLDB'02. Hong Kong, China. -2002. -P.778-789.

80. Lavrac N., Flach P., Zupan B. Rule evaluation measures: a unifying view. // Proceedings of 9th International Workshop on Inductive Logic Programming. 1999.-P. 174-185.

81. Mannila H., Toivonen H., Verkamo A.I. Efficient algorithms for discovering association rules. // Proceedings of AAAI Workshop on Knowledge Discovery in Databases (KDD-94). Seattle, Washington.1994. P.181-192.

82. Omiecinski E.R. Alternative interest measures for mining associations in databases. // IEEE Transactions on Knowledge and Data Engineering. -Jan/Feb 2003. Vol.15, №1. -P.57-69.

83. Park J.S., Chen M.-S., Yu P.S. An effective hash based algorithm for mining association rules. // Proceedings of 1995 ACM SIGMOD International Conference on Management of Data. San Jose, CA, USA.1995.-P.175-186.

84. Park J.S., Chen M.-S., Yu P.S. Using a hash-based method with transaction trimming and database scan reduction for mining association rules. // IEEE Transactions on Knowledge and Data Engineering. 1997. - Vol.9, №5. -P.813-824.

85. Pendse N. Multidimensional data structures. WEB: http://www.olapreport.com/MDStructures.htm.

86. Pendse N. OLAP architectures. WEB: http://www.olapreport.com/Architectures.htm.

87. Pendse N. What is OLAP. WEB: http://www.olapreport.com/fasmi.htm.

88. Ross K.A., Srivastava D. Fast computation of sparse datacubes. // Proceedings of 23nd VLDB Conf. Athens, Greece. - 1997. - P. 116-125.

89. Ross К., Zaman К. Optimizing selections over data cubes: Technical report CUCS-011-98 / Department of computer science, Columbia University, USA. December 1998. - 19 p.

90. Sarawagi S., Stonebraker M. Efficient Organisation of Large MultiDimensional Arrays. // Proceedings of Eleventh International Conference on Data Ingeneering. Houston, TX. - February 1994. - P.328-336.

91. Sarawagi S., Agrawal R., Gupta A. On computing the data cube: Research Report RJ 10026 / IBM Almaden Research Center, San Jose, California. -1996.- 18 p.

92. Sarawagi S. Indexing OLAP data. // Data Engineering Bulletin. 1997. -Vol.20, №l.-P.36-43.

93. Savasere A., Omiecinski E., Navathe S. An efficient algorithm for mining association rules in large databases. // Proceedings of 21st VLDB Conference. Zurich, Switzerland. - 1995. - P.432-443.

94. Srikant R., Agrawal R. Mining Generalized Association Rules. // Proceedings of 21th International Conference on VLDB. Zurich, Switzerland. - 1995. - P.407-419.

95. Tan P., Kumar V., Srivastava J. Selecting the right interestingness measure for association patterns. // Proceedings of Eight ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. -2002.-P.32-41.

96. Toivonen H. Sampling Large Databases for Association Rules. // Proceedings of 22nd International Conference on Very Large Databases. -Bombay, India. September 1996. -P.134-145.

97. Xin D., Han J., Li X., Wah B.W. Star-cubing: computing iceberg cubes by top-down and bottom-up integration. // Proceedings of Int. Conf. on Very Large Data Bases. 2003. - P.476-487.

98. Yao Y.Y., Zhong N. An analysis of quantitative measures associated with rules. // Proceedings of Third Pacific-Asia Conference on Knowledge Discovery and Data Mining. 1999. - P.479-488.

99. Zhao Y., Deshpande P.M., Naughton J.F. An array-based algorithm for simultaneous multidimensional aggregates. // Proceedings of ACM SIGMOD Conf. 1997. - P. 159-170.

100. Zhao Y., Ramasamy K., Tufte K., Naughton J. Array-Based Evaluation of Multi-Dimensional Queries in Object-Relational Database Systems. // Proceedings of ICDE. Orlando, USA. - 1998. - P.241-249.