- •Бизнес-аналитика
- •Санкт-Петербург
- •Отпечатано в авторской редакции с оригинал-макета, представленного составителем
- •Содержание
- •1. Основные понятия эффективности бизнес-системы
- •1. Основные понятия эффективности бизнес-системы
- •1.1. Основные понятия бизнес-системы, бизнес-процесса, архитектуры бизнес-системы, уровней управления
- •1.1.1. Практическое занятие №1 «Исследование входной информации деятельности корпорации с целью формирования выборочных данных, представленных в различных измерительных шкалах»
- •1.2.1. Практическое занятие №2 «Построение различных типов информационных моделей»
- •1.2.2. Лабораторная работа №2 «Структурно-ориентированные методы информационного моделирования»
- •2.1. Основные понятия инфологического моделирования бизнес-системы
- •2.1.1. Практическое занятие №3 «Исследование полноты описания взаимосвязей бизнес-процессов корпорации в рамках конкретного типа компьютерного моделирования»
- •Взаимосвязи между понятиями и формализуются, например, с помощью высказываний типа
- •Взаимосвязи между свойствами и понятий и формализуются с помощью высказываний типа
- •2.1.2. Лабораторная работа №3 «Описания взаимосвязей бизнес-процессов корпорации в рамках конкретного типа компьютерного моделирования»
- •2.2. Основные понятия математического и имитационного моделирования бизнес-системы.
- •2.2.1. Практическое занятие №4 «Автоматизированное конструирование моделей бизнес-процессов; исследование возможностей статистических пакетов для предварительного тестирования выборочных данных»
- •2.2.2. Лабораторная работа №4 «Традиционная схема бизнес-анализа выборочных данных в рамках статистических пакетов»
- •2.3. Основные понятия оценки эффективности деятельности корпорации с использованием аналитических платформ информационных систем
- •2.3.1. Практическое занятие №5 «Исследование методов принятия управленческих решений по оценке эффективности деятельности корпорации»
- •2.3.2. Лабораторная работа №5 «Построение bsc- карт»
- •Пример оформления титульного листа отчета по лабораторной работе
- •Санкт-Петербург
- •Отчет должен содержать:
2.2.2. Лабораторная работа №4 «Традиционная схема бизнес-анализа выборочных данных в рамках статистических пакетов»
Цель работы:
Задание: для выбранных заранее выборочных данных мониторинга показателей бизнес-процесса реализовать традиционную схему бизнес-анализа.
Основные теоретические сведения:
Понятие случайного событии, однородности
Имитационное моделирование бизнес-процессов заключается в моделировании динамики изменения параметров (метрик) бизнес-процессов. Моделирование динамики изменения параметров бизнес-процессов конкретной бизнес-системы начинается с тщательного обследования как самой бизнес-системы, так и составляющих ее бизнес-процессов. Описать динамику бизнес-системы – значит описать множество ее состояний. Состояния характеризуются набором событий, происходящих в различные моменты времени. События, как было показано во 2-ой главе на этапе инфологического информационного моделирования, возникают в те моменты времени, когда достаточно «активностей» для их совершения. Момент возникновения события определяется необходимым составом данных, например, конкретным кортежем обобщенной реляционной формы. Таким образом, в общем случае, за промежуток функционирования бизнес-системы, формируются выборочные данные по каждому показателю (метрике) бизнес-процессов, представляющих бизнес-систему. Факторы, влияющие на поведение бизнес-системы, могут носить случайный или детерминированный характер. Важно понимать тот факт, что каждое событие является результатом действия большого числа факторов.
Событие, которое при заданном комплексе факторов может либо произойти, либо не произойти, называется случайным событием.
Для того, чтобы выяснить, произойдет или не произойдет то или иное событие при заданном множестве основных факторов, надо провести предварительные испытания, эксперимент.
Важным условием проведения испытаний является требование того, чтобы события происходили при неизменном наборе основных факторов. Такие события, которые происходят при одном и том же наборе основных факторов, называются однородными. Тогда события, являющиеся сами по себе случайными, на протяжении периода моделирования, при наличии однородности, начинают подчиняться некоторым неслучайным закономерностям. Эти закономерности называются вероятностными, а наука, их изучающая, называется теорией вероятности. Вот почему важно на предварительном этапе тестирования выборочных данных проверять их на однородность, независимость. Если данные неоднородны, для изучения их поведения нельзя применять теорию вероятностей.
Вероятность случайного события равна отношению числа исходов, благоприятствующих событию, к числу возможных исходов.
Случайной величиной называется величина, принимающая в результате испытания то или иное числовое значение, которое принципиально нельзя предсказать, исходя из условий испытания.
Описание совокупности значений случайной величины с указанием вероятности каждого значения, называется законом распределения этой величины. Законы распределения случайных величин подразделяются на непрерывные и дискетные.
Для описания поведения бизнес-системы потребуется при планировании имитационного эксперимента имитировать динамику изменения параметров бизнес-процессов, похожих на настоящие, реально существующие. Имитация «похожести» осуществляется с помощью разыгрывания выборочных данных для показателей бизнес-процессов по определенным законам распределения. Любое статистическое средство обладает так называемым датчиком (генератором) случайных величин. На выходе таких датчиков случайных величин получаем выборочные данные, распределенные по конкретному виду закона распределения.
Моделирование выборочных данных для параметров бизнес-процессов осуществляется с помощью некоторых алгоритмов, позволяющих формировать с помощью вычислительной техники их дискретные реализации.
Датчики случайных процессов, как вычислительные процедуры, позволяют получать дискретные реализации независимых случайных чисел с одинаковым, обычно равномерным или нормальным на интервале [0,1] законом распределения, на базе которых с помощью последующих преобразований, получают последовательности, распределенные по другим различным законам распределения.