Экономико-математические методы и модели оценки эффективности корпоративных информационных систем

2.4 Метод аналогов Сущность метода аналогов состоит в анализе всех имеющихся данных, касающихся осуществления предприятием аналогичных проектов в прошлом, с целью расчета вероятностей возникновения потерь. В этом методе используются сведения о последствиях воздействия неблагоприятных факторов на другие столь же рискованные проекты. Наибольшее применение метод аналогов находит при оценке риска часто повторяющихся проектов, например, в строительстве. Если предприятие предполагает реализовать проект, аналогичный уже завершенным проектам, то для расчета уровня риска предпринимаемого проекта можно построить так называемую кривую риска на основании имеющегося статистического материала. С этой целью устанавливаются области риска, ограниченные нижней и верхней границами общих потерь [25]. Метод аналогов чаще всего используется в том случае, если другие инструменты оценки риска неприемлемы, и связан с использованием базы данных о рисках аналогичных проектов. Важным подспорьем при проведении анализа проектных рисков с помощью метода аналогов является оценка проектов после их завершения. Полученные в результате таких обследований данные обрабатываются, чтобы выявить зависимости в законченных проектах и учесть потенциальный риск при реализации нового проекта [25]. Оперируя методом аналогов, следует проявлять определенную осторожность, так как, даже основываясь на самых тривиальных и известных случаях неудачного завершения проектов, очень трудно сформулировать предпосылки для анализа, исчерпывающий и реалистический набор возможных сценариев срыва проекта. Это объясняется тем, что для большинства подобных ситуаций характерны следующие особенности: возникающие осложнения нередко наслаиваются друг на друга, так как имеют длительный «инкубационный» период; они качественно различны; их эффект проявляется как результат сложного взаимодействия [25]. Недостаток метода аналогов заключается в том, что очень сложно доказать сходимость рассматриваемого проекта с похожими, уже осуществленными проектами. Любой проект внедрения КИС является индивидуальным для разных предприятий и для разных внедряемых систем. Поэтому для оценки рисков при внедрении КИС данный метод не подходит. Однако его можно использовать при выборе системы или при организации проекта внедрения для выявления ошибок на основе уже осуществленных проектов. 2.5 Нечеткая модель SWOT-анализа Одной из простейших практических экспертных методик анализа рисков является SWOT-анализ (от англ. сл. Strength — сила, Weaknesses — слабости, Opportunities — возможности, Threats — угрозы). Это качественный подход, базирующийся на сравнении или «взвешивании» противоположных качеств проекта. Рассмотрим классический вариант SWOT-анализа проекта внедрения КИС. Пусть по проекту внедрения определены сильные и слабые стороны, а также возможности и угрозы проекта в виде множеств: – сильные стороны проекта; – слабые стороны проекта; – возможности; – угрозы. Для того, чтобы сделать вывод о рискованности проекта внедрения КИС, нужно сравнить мощности множеств характеристик проекта. Если мощность множества сильных сторон больше мощности множества слабых сторон проекта и мощность множества возможностей больше мощности множества угроз проекта , то такой проект можно реализовывать, поскольку его можно считать удовлетворительным с точки зрения риска. В противном случае, если и , то такой проект является рискованным и его реализация нежелательна. Классическая процедура проведения SWOT-анализа, несмотря на простоту реализации и наглядность результатов, имеет значительный недостаток: использование балльных оценок. Во-первых, при использовании баллов трудно доказать, почему применяются именно такие баллы. И, во-вторых, часто возникают ситуации, когда экспертам удобнее оценивать характеристики проекта не числами (или баллами), а качественными оценками. Кроме того, в традиционном SWOT-анализе используются оценки без учета их значимости и возможности их реализации. Поэтому для обработки качественных оценок характеристик проекта внедрения КИС и проведения на их основе SWOT-анализа наиболее эффективным аппаратом является теория нечетких множеств. Используя нечеткие множества, качественные оценки формализуются в строгом виде, что позволяет получать более обоснованные результаты. Рассмотрим процедуру реализации SWOT-анализа на основе нечетких оценок. Пусть по проекту внедрения КИС были получены следующие лингвистические оценки: Для сильных и слабых сторон проекта, которые оцениваются по степени выраженности: <�низкая, ниже среднего, средняя, выше среднего, высокая>. Для возможностей и угроз проекта, которые оцениваются по вероятности реализации: <�малая, ниже среднего, средняя, выше среднего, большая>. На выбор вида функции принадлежности накладываются ограничения: функция принадлежности должна быть одноэкстремальной. В противном случае возникает неоднозначность в принятии решения при оценке рисков, так как результаты свертки положительной и отрицательной группы характеристик проекта являются одинаковыми. SWOT-анализ проекта внедрения КИС и его оценка с точки зрения рискованности выполняется в несколько этапов: Находятся свертки нечетких множеств для каждой характеристики проекта, а также отдельно для положительной и отрицательной группы характеристик проекта. Сравниваются полученные свертки, используя методы сравнения нечетких множеств. Существует несколько способов свертки нечетких множеств, выбор которого зависит от позиции лица, принимающего решение (ЛПР). Рассмотрим две основные позиции ЛПР: Оптимистическая позиция («все хорошо») или позиция «оптимиста» характеризуется тем, что свертка нечетких множеств получается с помощью операции объединения. Пессимистическая позиция («все плохо») или позиция «пессимиста» характеризуется тем, что свертка нечетких множеств находится через операцию пересечения. При проведении SWOT-анализа проекта внедрения КИС возможны четыре различных варианта на основе позиции ЛПР: ЛПР относительно степени выраженности сильных сторон и уровня реализации возможностей придерживается оптимистической позиции, а в отношении слабых сторон и угроз — пессимистической позиции, т.е. ЛПР слабо верит в реализацию отрицательных характеристик проекта. Это наиболее благоприятный вариант. ЛПР относительно степени выраженности сильных сторон и вероятности реализации возможностей настроен пессимистично, а в отношении слабых сторон и угроз — оптимистично, т.е. предполагается, что отрицательные стороны проекта скорее всего реализуются. Это наиболее неблагоприятный вариант. ЛПР относительно степени выраженности сильных и слабых сторон, а также вероятности реализации возможностей и угроз придерживается оптимистической позиции. ЛПР относительно степени выраженности сильных и слабых сторон, а также вероятности реализации возможностей и угроз настроен пессимистично. Рассмотрим наиболее благоприятный вариант, когда ЛПР относительно сильных сторон и возможностей проекта придерживается оптимистической позиции, а в отношении слабых сторон и угроз настроен пессимистично. При наиболее благоприятном варианте свертки нечетких множеств оценок положительных характеристик проекта получаются через операцию объединения, определяемую через максимум функций принадлежности. Операция объединения также может быть определена через алгебраическую сумму, которая выражает позицию крайнего оптимизма (сверхоптимистическая позиция или позиция «лучше некуда»): При наиболее благоприятном варианте для свертки нечетких множеств оценок отрицательных характеристик проекта применяется операция пересечения, то есть минимум функций принадлежности. При применении операции пересечения в результате может получиться пустое множество, и дальнейшие операции невозможны. Поэтому сначала необходимо объединить оценки в группы, которые при пересечении дают непустые множества. Затем для получения итоговой оценки по соответствующей характеристике проекта используется операция объединения. Операция пересечения также может быть определена через алгебраическое произведение, которое выражает позицию крайнего пессимизма (сверхпессимистическая позиция или позиция «хуже некуда»): На основе полученных оценок находится интегральная оценка положительных характеристик проекта и интегральная оценка отрицательных характеристик проекта. Для этого необходимо построить свертки нечетких множеств. Эти свертки выполняются в зависимости от той позиции ЛПР (позиция «оптимиста» или позиция «пессимиста»), на основе которой были получены результирующие оценки по каждой характеристике проекта. Чтобы получить окончательный результат, необходимо сравнить нечеткие множества интегральных оценок положительных и отрицательных характеристик проекта с помощью взвешенной мощности. Предложенные варианты реализации процедуры нечеткого SWOT-анализа проекта внедрения КИС включает только две основные позиции ЛПР: пессимистическую и оптимистическую. Эти позиции являются крайними. На практике часто возникают ситуации, когда позиция ЛПР не является ни оптимистической, ни пессимистической, а выражает некоторую среднюю позицию относительно как положительных характеристик проекта, так и отрицательных. Существует вариант нечеткого SWOT-анализа проекта внедрения КИС при средней позиции ЛПР, причем оценки характеристик проекта внедрения КИС могут повторяться. Таким образом, процедура нечеткого SWOT-анализа проекта внедрения КИС на предприятии позволяет учитывать оценки по каждой характеристике проекта на основе различных позиций ЛПР (оптимистической, пессимистической, средней), что дает возможность рассмотреть несколько вариантов реализации слабых и сильных сторон, возможностей и угроз проекта внедрения КИС, тем самым повышая обоснованность оценки риска рассматриваемого проекта. Достоинствами SWOT-анализа как одного из экспертных методик анализа рисков являются: отсутствие необходимости в точных исходных данных и дорогостоящих программных средствах; возможность проводить оценку до расчета эффективности проекта; использование качественных оценок на основе теории нечетких множеств; простота реализации и наглядность результатов. К основным недостаткам следует отнести: трудность в привлечении независимых экспертов; субъективность оценок [26]. SWOT-анализ является одной из простейших методик экспертной оценки рисков. SWOT-анализ также применим при оценке рисков проектов внедрения КИС на предприятии. Он не требует статистической информации, точных исходных данных, а также позволяет проводить оценку рисков до начала внедрения проекта. Наглядность результатов и простота реализации в условиях отсутствия всей полноты информации, возможность использования качественных оценок на основе теории нечетких множеств (часто возникают ситуации, когда экспертам удобнее оценивать характеристики проекта не числами (или баллами), а качественными оценками), при этом учитывая кратность этих оценок, являются теми важными характеристиками, которые и позволяют оценивать риски при внедрении данных проектов. 2.6 Анализ чувствительности проекта Анализ чувствительности или уязвимости проекта позволяет оценить, как изменяются результирующие показатели реализации проекта при различных значениях факторов, влияющих на проект. С помощью такого анализа можно определить наиболее критические факторы, которые в наибольшей степени могут повлиять на осуществимость и эффективность проекта [27]. Анализ чувствительности — метод сложный и трудоемкий, но при использовании соответствующего программного обеспечения (например, специализированные программные пакеты Project Expert, Альт-Инвест или программа Microsoft Excel) весьма показательный и точный. Суть его состоит в следующем: чем сильнее реагируют показатели эффективности проекта на изменение соответствующих факторов, тем сильнее подвержен проект соответствующему риску. Первым важным шагом при проведении анализа чувствительности является выбор приоритетного показателя проекта, а также основных факторов, оказывающих влияние на возможное изменение выбранного показателя проекта, — риск-факторов (т.е. наиболее подверженных риску факторов). Анализ чувствительности происходит при «последовательно-единичном» изменении каждого риск-фактора: только один из факторов меняет свое значение (например, на 10%), на основе чего определяется новая величина результирующего показателя проекта [17]. После этого оценивается процентное изменение показателя по отношению к базисному случаю и рассчитывается показатель чувствительности (или эластичность изменения показателя). Эластичность изменения показателя представляет собой отношение процентного изменения показателя проекта к изменению значения риск-фактора на один процент и рассчитывается по формуле: , (2.29) где — эластичность изменения показателя при изменение -го риск-фактора; — процентное изменение показателя по отношению к базисному случаю при изменение -го риск-фактора; — процентное изменение -го риск-фактора. Таким же образом вычисляются показатели чувствительности по каждому из остальных риск-факторов. После вычисления эластичности изменения показателя проекта выставляется рейтинг риск-факторов проекта — (= 1, 2…; = 1, 2…) на основе рассчитанного показателя эластичности. При этом риск-факторы нумеруются в порядке возрастания в зависимости от уменьшения показателей эластичности, т.е. первым по рейтингу будет риск-фактор с наибольшей эластичностью. Полученные результаты заносятся в таблицу 2.4 [17]. Таблица 2.4 - Определение рейтинга риск-факторов проекта Наименование риск-факторов Изменение риск-факторов, % Изменение показателя проекта, % Эластичность изменения показателя проекта Рейтинг риск-факторов Фактор 1 Фактор 2 … … … … … Фактор N Затем на основании этих расчетов происходит экспертное ранжирование риск-факторов по степени важности (например, высокая, средняя, низкая) в зависимости от величины рейтинга: чем выше рейтинг (1 — максимальный, — минимальный), тем сильнее эта зависимость и тем более рискованным для проекта является данный риск-фактор. Также выставляется экспертная оценка прогнозируемости или предсказуемости значений риск-факторов, т.е. степени точного предвидения возможного изменения риск-фактора. Оценка выставляется, например, по трем категориям: высокая, средняя, низкая. Полученные результаты заносятся в таблицу 2.5 [17]. Таблица 2.5 - Показатели чувствительности и прогнозируемости риск-факторов Наименование риск-факторов Чувствительность Возможность прогнозирования Фактор 1 Средняя Низкая Фактор 2 Низкая Высокая … … … Фактор N Высокая Средняя Далее эксперт может построить матрицу чувствительности и предсказуемости, позволяющую выделить наименее и наиболее критические для проекта риск-факторы. Пример такой матрицы представлен в таблице 2.6 [17]. Таблица 2.6 – Матрица чувствительности и предсказуемости Предсказуемость риск-факторов Чувствительность риск-факторов Высокая Средняя Низкая Низкая I I II Средняя I II III Высокая II III III В соответствии с экспертным разбиением чувствительности и предсказуемости по их степеням матрица содержит девять элементов, которые можно распределить по зонам. Попадание риск-фактора в определенную зону будет означать конкретную рекомендацию для принятия решения о дальнейшей с ним работе по анализу рисков [17]. Первая зона (I) — это зона дальнейшего анализа попавших в нее риск-факторов, так как к их изменению наиболее чувствителен результирующий показатель проекта и они обладают наименьшей прогнозируемостью [17]. Вторая зона (II) совпадает с элементами побочной диагонали матрицы и требует пристального внимания к происходящим изменениям расположенных в ней риск-факторов (в частности, для этого и производился расчет критических значений каждого риск-фактора) [17]. Третья зона (III) — это зона наибольшего благополучия: в ней находятся риск-факторы, которые при всех прочих предположениях и расчетах являются наименее рискованными и не подлежат дальнейшему рассмотрению [17]. Другим способом представления результатов анализа чувствительности является графический метод. При построении графика чувствительности по оси абсцисс откладывается процентная шкала диапазона изменения риск-факторов, а по оси координат — значение выбранного показателя проекта в пределах данного диапазона. Такой график носит название «Spider Graph» или паукообразный график. Пример графика чувствительности представлен на рисунке 2.10 [28]. Рисунок 2.10 - Пример графика чувствительности проекта На графике показаны линии отклика или линии чувствительности реагирования показателя проекта к изменениям рассматриваемых риск-факторов по отношению к базовому. Чем круче линия отклика, т.е. чем больше угол ее наклона к абсциссе, тем больший риск генерирует данный фактор. График чувствительности позволяет сделать вывод о наиболее критических факторах проекта с тем, чтобы в ходе его реализации обратить на них особое внимание с целью сокращения риска. К критическим факторам проекта относятся те риск-факторы, по которым линия отклика достигает абсциссы (на графике это показано точками А и B), т.е. формируется критический уровень потерь проекта [28]. Несмотря на все свои преимущества: теоретическую прозрачность, простоту расчетов, экономико-математическую естественность результатов и наглядность их толкования (именно эти критерии и лежат в основе его широкой практической применимости), — метод анализа чувствительности имеет существенные недостатки. Основным из них является его однофакторность, т.е. ориентированность на изменения только одного риск-фактора проекта, что приводит к недоучету возможной связи между отдельными риск-факторами [30]. Поэтому при проведении анализа чувствительности нужно выделять риск-факторы, которые независимы друг от друга, или такие риск-факторы, взаимовлияние которых минимально. Если же риск-факторы тесно взаимосвязаны, то лучше рассматривать их возможные альтернативные комбинации, что приводит к необходимости анализа сценариев развития проекта. Проведение анализа чувствительности и выявление наиболее узких мест позволяют скорректировать план проекта и выбрать такую стратегию его развития и осуществления, которая позволит избежать значительных потерь. Применение анализа чувствительности и выбор риск-факторов, влияющих на устойчивость проекта, безусловно, должны определяться для каждого конкретного проекта с учетом его специфики. Анализ чувствительности можно применять для оценки рисков при внедрении корпоративных информационных систем, но его однофакторность не позволяет рассматривать влияние риск-факторов друг на друга, а также их совокупности на основные показатели проекта: бюджет, сроки и качество. Этот недостаток устраняется с помощью анализа сценариев развития проекта.

Похожие:

	1. Предмет и основные понятия корпоративных информационных систем. 4 Компьютерные информационные технологии в управлении экономическим объектом. Классификация систем управления. 4		С. Г. Пудовкина моделирование, анализ Учебное пособие предназначено для студентов, изучающих дисциплины «Математические методы и модели в экономике», «Математическая экономика»,...
	Федеральное государственное бюджетное образовательное учреждение высшего Программные комплексы корпоративных информационных систем как результат развития концепций управления предприятием		Федеральное государственное бюджетное образовательное учреждение высшего Программные комплексы корпоративных информационных систем как результат развития концепций управления предприятием
	Руководство разработкой и внедрением корпоративных информационных систем Руководство проектом развития комплекса программ "1С: Управление производственным предприятием"		Руководство удк 614. 841. 411: 667. 637 Изложены методы оценки огнезащитной эффективности, требования к технической документации, методы контроля качества составов и приемки...
	«Изучение стандарта „Методы и средства обеспечения безопасности.... Санкт-петербургский государственный университет информационных технологий, механики и оптики		Применение современных ит в анализе эффективности функционирования банков рб Использование информационных технологий для оценки эффективности функционирования банков рб 13
	Методические рекомендации по выполнению лабораторных работ по курсу... ...		Учебно-методический комплекс учебной дисциплины «Информационные системы нефтегазовой геологии» Гис-систем регионов и России в целом; компьютерных систем бассейнового моделирования; информационных систем моделирования залежей...
	Ульяновский государственный технический университет «Программная инженерия» магистерская программа «Методы и средства разработки программных систем» на кафедре «Информационные системы»...		Современные методы и средства анализа и контроля рисков информационных систем компаний
	И государственной службы (ранх и гс) при президенте российской федерации тульский филиал Информационные технологии, инновации, инвестиции, математические методы и модели: менеджмент, экономика, принятие решений, безопасность,...		Ноу впо «Институт управления» (г. Архангельск) ярославский филиал Пк-7 способен использовать технологические и функциональные стандарты, современные модели и методы оценки качества и надежности при...
	Перечень информационных систем, находящихся в пользовании поселковой Управы городского поселения Информационная система модуль «Информация об энергосбережении и повышении энергетической эффективности»		Компьютерная психодиагностика компьютерные психодиагностические методики и Конструирование психодиагностических тестов: тра- диционные математические модели и алгоритмы