Velika enciklopedija nafte in plina. Formalizirane metode

Formalizacija- to je predstavitev najrazličnejših predmetov s prikazovanjem in upodabljanjem njihove vsebine in strukture v simbolični obliki, z uporabo najrazličnejših "umetnih" jezikov, ki vključujejo jezik matematike, matematične logike, kemije in drugih ved. Uporaba posebnih simbolov v teh znanostih je ena od potrebnih metod, da človek odraža realnost.

Koncept "formalizacije" je tesno povezan s konceptom "abstrakcije". Že vemo, da je abstrakcija proces miselne abstrakcije njihovih bistvenih lastnosti iz lastnosti preučevanih predmetov.

Pojavi so neskončno raznoliki, njihova sistematizacija postane mogoča zaradi dejstva, da mišljenje izloči eno lastnost in abstrahira ostale. Tako pridobljeno abstraktno znanje postane empirični koncept. Za empirično mišljenje je značilna tudi abstrakcija; Teoretično razmišljanje tudi abstrahira od kvalitativnih značilnosti predmeta preučevanja. Toda posebnost teoretične abstrakcije je v tem, da je ta proces priveden do logičnega zaključka - do popolnega formalizma, do končne abstrakcije, v kateri znanstvenika odvrne pozornost ne le od te ali one kakovosti predmeta, ampak tudi od njegove kakovosti kot takega.

Formalizacija kot raziskovalna metoda ima po mnenju znanstvenikov številne prednosti:

1) zagotavlja popoln pregled določenega področja problemov, splošen pristop k njihovemu reševanju;

2) temelji na uporabi posebnih simbolov, kar zagotavlja jedrnatost in jasnost zapisa znanja;

3) je povezana s pripisovanjem določenih pomenov posameznim simbolom ali njihovim sistemom, s čimer se izogne ​​dvoumnosti izrazov, značilnih za običajne jezike;

4) omogoča oblikovanje ikoničnih modelov predmetov in študij

resnične stvari in procese nadomestiti s preučevanjem teh modelov.

S tem dosežemo poenostavitev predmeta neposrednega raziskovanja, kar olajša reševanje kognitivnih problemov.

Formalizacija je sestavni del formalne logike.

Primer izvajanja formalizacije v evklidski geometriji je dejstvo, da obstaja majhno število neodvisno uvedenih konceptov in simbolov, kot so število, premica, točka, in temeljna pravila za kombiniranje teh konceptov. Skupaj tvorijo osnovo za konstrukcijo ali definicijo vseh urejenih izjav in drugih konceptov.

Po predpostavki A.Ya. Danilyuk, prvi med domačimi učitelji, ki je dosledno uporabljal postopek formalizacije, je bil A. M. Coxop, ki za predmet formalizacije izbere učno gradivo, tj. vse vsebine, tako ali drugače vključene v učni proces. Formalne enote so pojmi, ki jih avtor definira kot elemente logične strukture učnega gradiva. »Koncept« je v tem pogledu najčistejša abstrakcija, znak, ki ga dobimo z abstrahiranjem iz mnogih drugih sestavin učnega gradiva (znanja, znanstvenih konceptov, besedil itd.). Nato avtor vzpostavi skrajno splošna pravila delovanja formalnih enot, tj. kot da odgovarja na vprašanje, kakšne so povezave in razmerja med temi pojmi. Te povezave in razmerja definira s kategorijami »sklepanja«, »utemeljitve« in »odločitve«. Višjo raven organizacije elementov logične strukture učnega gradiva pa avtor predstavi v obliki zaporedja kognitivnih nalog.

Tako se učni proces vsebinsko nadomesti s homogenim sklopom pojmov, nato pa se med njimi vzpostavijo oblike povezovanja in razmerja.

Postavlja se vprašanje: zakaj empirično razmišljanje (in s tem empirično raziskovanje) nima potrebe po formalizaciji?

Empirično razmišljanje in raziskovanje sta osredotočena na resnični subjekt in delujeta z informacijami, ki jih prejmeta neposredno od njega. Predmet raziskovanja se pojavi kot dogodek, kot dejanje, ki v njem sodeluje. Raziskovalec lahko vidi in sliši, in ko znanstvenik, na primer učitelj, poimenuje svoj predmet, imajo drugi učitelji zelo jasno predstavo, o čem govori. Z drugimi besedami, empirično razmišljanje v tem primeru temelji na realnosti izobraževanja. Teoretično razmišljanje je prikrajšano za takšno možnost. Logično gradi na empiričnem razmišljanju, predmet poustvarja s teoretskimi (znakovno-simbolnimi) sredstvi tako, da ima povsem objektiven značaj, ni odvisen od subjektivnih idej raziskovalca in je kot predmet teoretičnega raziskovanja popolnoma dostopen drugi znanstveniki.

Tako je naloga objektivne teoretične rekonstrukcije predmeta, tj. njegova formalizacija v teoretičnih raziskavah se rešuje z uvedbo dodatnega znanstvenega jezika - umetnega jezika. Vendar pa ima tako skrajno abstraktna višina znanstvenega pregleda tudi slabo stran: formalizacija vodi po mnenju znanstvenikov (A.Ya. Danilyuk) v vsebinsko revščino samega znanstvenega razmišljanja. Zato je sam postopek formalizacije, na primer v pedagoškem raziskovanju, v izobraževanju, smiseln le kot priprava na naslednjo stopnjo teoretičnega raziskovanja - ustvarjanje idealnega predmeta, v katerem so številni znaki in simboli spravljeni v določen logični sistem, ki na določen način poustvari preučevani predmet v njegovi kvalitativni izvirnosti.

V svojem bistvu je formalizacija blizu idealizaciji.

Danes lahko zelo pogosto srečamo nerazumljiv izraz "formalizacija" in to na različnih področjih znanosti in tehnologije. Za tiste, ki želijo svoje znanje, je priporočljivo razumeti, kaj je formalizacija. Članek bo razpravljal o bistvu tega izraza in praktični uporabi postopka.

Kaj je formalizacija z znanstvenega vidika v splošnem pomenu?

Dotaknimo se še malo znanstvenega vidika. Izhajali bomo iz dejstva, da beseda formalizacija izvira iz besede "formalnost", to je pogojni in včasih celo abstraktni koncept, ki nam omogoča razložiti naravo neobstoječega predmeta ali pojava in napovedati njegove lastnosti v določeno okolje pod danimi začetnimi pogoji.

Jezikoslovje katerega koli sodobnega jezika je v popolnem nasprotju z izrazom ali naravo misli. Tako je logika sama prisiljena uporabiti nekatere abstraktne pojme za opis tega ali onega pojava. Tako se pojavi relativni koncept formalnosti dogajanja.

Kot ni težko uganiti, se bistvo formalizacije spušča v opisovanje ali vnaprejšnjo določitev določenih lastnosti predmeta ali procesa (tudi tistega, ki trenutno ne obstaja) in predvidevanje njegove uporabe, če se pojavi v resničnem svetu. Toda to je splošna ideja. Sam koncept formalizacije je veliko širši. Najprej si poglejmo računalniško tehnologijo in razmislimo, kako se ta koncept uporablja v svetu elektronike.

Računalniška formalizacija

Če se dotaknemo teme računalnikov, je tovrstna metoda formalizacije bolj obdelava prvotno določenih pogojev, ki omogočajo določitev nadaljnjega obnašanja predmeta ali procesa s precej visoko stopnjo natančnosti.

Skoraj vse vremenske službe delujejo po tem principu. Če imate računalniški model ciklona, ​​lahko napoveste njegov cikel in moč nad kopnim ali nad vodo.

Spomnite se filma “The Day After Tomorrow”, v katerem je znanstvenik napovedal globalno segrevanje na podlagi točno te tehnike. Razvil je računalniški model, ki je omogočil napovedovanje prihodnjih dogodkov z določeno stopnjo verjetnosti.

Ti primeri jasno pojasnjujejo, kaj je formalizacija.

Principi modeliranja objektov in procesov

Glavni metodi formalizacije sta napovedovanje in modeliranje. Takšne tehnologije se uporabljajo izključno za pridobivanje končnih podatkov o objektih ali procesih, ki so neznani, vendar jih je mogoče predpostaviti in izračunati z visoko natančnostjo.

Če pogledate vrste formalizacije, se skoraj vse zmanjšajo le na logične zaključke in izračune. Bralcu na podlagi aksiomov in postulatov ne bo težko potegniti vzporednice med računalniškim modeliranjem, dokazovanjem izrekov itd.

Poglejte, isto si lahko razlagamo tudi kot metodo formalizacije, ker v praksi dokaza ni mogoče preveriti. Zlasti to zadeva konstanto širjenja svetlobe, upočasnitev časa na pragu njegovega doseganja, povečanje gravitacijske mase predmeta in ukrivljenost prostora. Kot pravijo, tega ne morete občutiti z rokami in ne vidite z očmi.

Nekoč so bili to le drzni zaključki znanstvenika na podlagi preprostih poskusov. Danes vse to potrjuje uradna znanost na podlagi istega računalniškega modeliranja.

Faze formalizacije

Če upoštevamo računalniške sisteme, je prva stopnja formalizacije opis procesa. Toda orodja običajnega jezika (črke, besede, besedne zveze, stavki) se tukaj ne uporabljajo. Določenega lahko ustvarite le z uporabo določenega algoritma na podlagi izbranega programskega jezika, vendar šele po nastavitvi splošnega problema.

Z drugimi besedami, pri modeliranju vedenja predmeta ali procesa je treba bistvo dogajanja opisati s čisto matematičnimi simboli z uporabo matematičnega algoritma.

Rezultat formalizacije je pridobitev analize dejanskega predvidljivega dogodka, ki bo sledil potem, ko bo proučevana tehnologija uporabljena v praksi ali bo določen naravni proces stopil v fazo realne manifestacije.

Sledi konceptualizacija obravnavane naloge. Tukaj sta dve možnosti: v prvem primeru je to opredelitev pristopa v obliki uporabe atributov in lastnosti; druga možnost vključuje uporabo kognitivne analize, da ne omenjamo formulacije problema, zbiranja prvotno uporabljenih podatkov, pogojev itd.

Po in začetnih pogojih se preučujejo obstoječa razmerja med objekti in procesi ter ti semantični odnosi, ki pomenijo uporabo lokalnih reprezentacijskih tehnik.

Sledi obdelava začetnih podatkov na podlagi izbranega algoritma, nato pa se izpiše rezultat z odstotkom napake. Praviloma ne presega 5%, v večini primerov rezultat verjetnosti doseže 99%. Vsaka oseba ali stroj še vedno pušča »varnostno mejo«, saj je nemogoče upoštevati absolutno vse.

Zakaj je vse to potrebno?

Če pogledate, vam takšna načela omogočajo analizo obnašanja predmetov in procesov. Z drugimi besedami, mogoče je predvideti, kako se bo določen proces razvijal.

Zdaj je jasno, kaj je formalizacija. Poglejmo preprost primer.

Uporaba formalizacije v praksi, preprosti primeri

Recimo, da je neki strokovnjak razvil nov dizajn letala. Ob upoštevanju visokih stroškov projekta je izdelava modela originalne velikosti brez predhodne napovedi njegovega obnašanja v zraku popolnoma nepraktična naloga. Poleg tega je izvajanje testov v istem vetrovniku na letalu velikosti Boeinga popolnoma nerealno.

Formalizacija omogoča, glede na vnaprej določene značilnosti bodočega letala (zračni upor, bočni veter, višina in parametri samega vetrovnika in druge značilnosti), simulacijo letenja brez gradnje modela letala.

Drug primer je testiranje novih avtomobilov, ki ga izvajajo avtomobilski koncerni. Glavna metoda formalizacije v tem primeru je, da najprej vsi opravijo virtualni test, po prejemu pozitivnih rezultatov pa se prototipi dajo v proizvodnjo za testiranje v realnih pogojih.

Glavni rezultati

Rezultat matematičnega modeliranja v mnogih pogledih (če ne stoodstotno, pa z verjetnostjo do 95%) lahko postane močan argument v prid proizvodnji sodobne tehnologije, pomaga pri napovedovanju vremena in celo napoveduje javno vedenje kot reakcija na dogodke v svetu.

ja, ja! v svetu tudi spoštuje svoje zakone. Dovolj je, da nanj vplivate v pravo smer. Danes je že ustvarjenih veliko programov, ki omogočajo napovedovanje odziva družbe na določen dogodek. In to niso vsi primeri formalizacije. Če se poglobite, se s tem soočamo vsak dan.

Eden najbolj osupljivih primerov formalizacije lahko imenujemo zaznavanje osnovnih delcev med trki v velikem hadronskem trkalniku. Toda prej je veljalo, da je obstoj tega delca čista teorija in ga nikakor ni mogoče dokazati z resničnimi poskusi.

Zaključek

Kot lahko vidimo, je koncept formalizacije, kljub znanstveni zapletenosti bistva procesa, enostavno razumeti z uporabo primerov. V večini primerov gre za uporabo določenih logičnih verig, ki vnaprej določajo končni rezultat.

Te metode temeljijo na matematični teoriji, ki zagotavlja

povečuje zanesljivost in točnost napovedi, bistveno skrajša čas, potreben za njihovo izvedbo, ter omogoča aktivnosti za obdelavo informacij in vrednotenje rezultatov.

Formalizirane metode vam omogočajo, da pridobite kvantitativne kazalnike. Pri razvoju takšnih napovedi izhajajo iz predpostavke vztrajnosti sistema, tj. Predvidevajo, da se bo sistem v prihodnosti razvijal po enakih vzorcih, kot jih je imel v preteklosti in je v sedanjosti. Pomanjkljivost formaliziranih metod je omejena globina predvidevanja, ki je znotraj evolucijskega cikla razvoja sistema, preko katerega se zanesljivost napovedi zmanjša.

Formalizirane metode vključujejo:

• 1. metode prediktivne ekstrapolacije,
• 2. metoda najmanjših kvadratov,
• 3. metoda eksponentnega glajenja,
• 4. metoda drsečega povprečja,
• 5. adaptivna metoda,
• 6. metode modeliranja (strukturne, mrežne, matrične, simulacijske).

Bistvo metod ekstrapolacije napovedi je preučevanje dinamike sprememb gospodarskega pojava v obdobju pred napovedjo in prenos ugotovljenega vzorca v določeno obdobje v prihodnosti. Predpogoj za uporabo ekstrapolacijskega pristopa pri napovedovanju je treba šteti poznavanje in objektivno razumevanje narave proučevanega procesa, pa tudi prisotnost stabilnih trendov v razvojnem mehanizmu. Vendar pa je stopnja resničnosti takšnih napovedi in s tem stopnja zaupanja vanje v veliki meri določena z obrazložitvijo izbire ekstrapolacijskih meja in stabilnostjo korespondence "merilcev" glede na bistvo pojava. v obravnavi. Treba je opozoriti, da kompleksnih predmetov praviloma ni mogoče označiti z enim parametrom. Ta metoda ima določene prednosti, vključno z nizko kompleksnostjo računskega algoritma in univerzalnimi računskimi shemami. Poleg teh prednosti ima več pomembnih pomanjkljivosti. Prvič, vsa dejanska opažanja so rezultat pravilnosti in naključja, zato se ni primerno zanašati na zadnje opazovanje. Drugič, ni mogoče oceniti zakonitosti uporabe povprečnega povečanja v vsakem posameznem primeru. Tretjič, ta pristop nam ne omogoča oblikovanja intervala, v katerega pade napovedana vrednost. Pri tem metoda ekstrapolacije ne daje natančnih rezultatov v daljšem obdobju napovedi, ker ta metoda temelji na preteklosti in sedanjosti, zato se napaka kopiči. Ta metoda daje pozitivne rezultate za kratkoročno napovedovanje določenih objektov - za 5-7 let. Za izboljšanje natančnosti ekstrapolacije se uporabljajo različne tehnike. Eden od njih je na primer prilagoditev ekstrapoliranega dela splošne razvojne krivulje (trenda) ob upoštevanju resničnih izkušenj razvoja industrijskega analoga raziskave ali predmeta, ki je v svojem razvoju pred predvidenim objektom.

Metoda najmanjših kvadratov je ena od metod regresijske analize za ocenjevanje neznanih količin na podlagi merilnih rezultatov, ki vsebujejo naključne napake.

Metoda najmanjših kvadratov se uporablja tudi za približek predstavitve dane funkcije z drugimi (preprostejšimi) funkcijami in je pogosto uporabna pri obdelavi opazovanj.

Kadar je mogoče želeno količino izmeriti neposredno, na primer dolžino odseka ali kota, se za večjo natančnost meritev opravi večkrat, kot končni rezultat pa se vzame aritmetično povprečje vseh posameznih meritev. To pravilo aritmetične sredine temelji na premislekih iz teorije verjetnosti; enostavno je pokazati, da bo vsota kvadratov odstopanj posameznih meritev od aritmetične sredine manjša od vsote kvadratov odstopanj posameznih meritev od katere koli druge vrednosti. Samo pravilo aritmetične sredine predstavlja torej najenostavnejši primer metode najmanjših kvadratov.

Metoda eksponentnega glajenja omogoča pridobitev ocene parametrov trenda, ki ne označujejo povprečne stopnje procesa, temveč trend, ki se je razvil v času zadnjega opazovanja. Metoda je našla največjo uporabo pri izvajanju srednjeročnih napovedi.

Metodo eksponentnega glajenja je mogoče uporabiti tudi za izdelavo kratkoročnih napovedi prihodnjega trenda za eno obdobje vnaprej in samodejno prilagodi vse napovedi glede na razlike med dejanskim in predvidenim izidom.

Pri napovedovanju z uporabo metode glajenja se upošteva odstopanje prejšnje napovedi od dejanskega kazalnika, sam izračun pa se izvede po naslednji formuli:

f k = f k-1 + (x k-1 - f k-1),

kjer je: f k-1 - napoved v času k-1;

f k - napoved v času t k naslednje obdobje k-1;

x k-1 - realna vrednost indikatorja v času t k-1;

Konstanta glajenja (0< >1) določa stopnjo glajenja.

Če se pri primerjavi napovedi z realnimi vrednostmi zglajeni podatki z izbranim bistveno razlikujejo od prvotne serije, se morate premakniti na drug parameter glajenja (višja kot je vrednost, večje je glajenje)

Metoda drsečega povprečja je precej enostavna za uporabo, vendar je preveč preprosta za ustvarjanje natančne napovedi. Z uporabo te metode napoved za katero koli obdobje ni nič drugega kot povprečje več opazovanj časovne serije. Če ste na primer izbrali trimesečno drseče povprečje, bi bila napoved za maj povprečje februarja, marca in aprila. Če kot metodo napovedovanja izberete štirimesečno drseče povprečje, lahko vrednost za maj ocenite kot povprečje vrednosti za januar, februar, marec in april. Izračuni s to metodo so precej preprosti in dokaj natančno odražajo spremembe glavnih kazalnikov prejšnjega obdobja. Včasih so bolj učinkoviti pri napovedovanju kot metode, ki temeljijo na dolgoročnih opazovanjih.

Tako manj kot je število opazovanj, iz katerih je izračunano drseče povprečje, bolj natančno odraža spremembe na osnovni ravni. Če pa je osnova za napovedano drseče povprečje samo eno ali dve opazki, potem lahko postane takšna napoved preveč poenostavljena. Zlasti ne bo odražal trendov v podatkih, na katerih temelji, nič bolje kot samo izhodišče. Če želite določiti, koliko opazovanj želite vključiti v drseče povprečje, se morate zanesti na prejšnje izkušnje in informacije, ki jih imate o nizu podatkov. Najti je treba ravnotežje med povečanim odzivom drsečega povprečja na zadnjih nekaj opazovanj in veliko variabilnostjo tega povprečja. Eno odstopanje v naboru podatkov ternarnega povprečja lahko izkrivlja celotno napoved. In manj ko je komponent, manj se drseče povprečje odziva na signale in bolj na šum. Ta metoda mora temeljiti na znanju in izkušnjah.

Prilagodljive metode napovedovanja temeljijo na prilagajanju podatkom ali drugim informacijam, na podlagi katerih temelji napoved. Glavna lastnost takšnih metod je, da se ob prihodu novih podatkov napovedana vrednost spremeni, prilagodi novo prejetim informacijam in postane nanje bolj občutljiva. Če se vrednosti podatkov nekoliko spremenijo, se bo tudi napoved malo spremenila.

Številne adaptivne metode temeljijo na modelih Brown in Holt ter avtoregresijskem modelu, razlikujejo pa se po algoritmu za ocenjevanje parametrov, načinu določanja parametra prilagoditve, postavitvi in ​​obsegu. Na podlagi študije začetnih statističnih podatkov, ob upoštevanju namena študije in logične analize poteka proučevanega procesa, se izbere najprimernejša prilagodljiva metoda (model) napovedovanja. Končno odločitev o izbiri adaptivne metode lahko sprejmemo po določitvi parametrov napovednega modela in verifikaciji napovedi z retrospektivno serijo. Zato se za napovedovanje uporablja več prilagodljivih metod, da se po oceni točnosti izbere najprimernejša.

Modeliranje je preučevanje predmetov znanja na njihovih modelih; izdelava in preučevanje modelov resničnih predmetov, procesov ali pojavov z namenom pridobitve razlag teh pojavov, kot tudi napovedovanje pojavov, ki zanimajo raziskovalca. Običajna tehnika za napovedovanje določenih procesov in pojavov je modeliranje. Modeliranje velja za dokaj učinkovito sredstvo za napovedovanje morebitnega pojava novih ali prihodnjih tehničnih sredstev in rešitev. Prvič se je v ekonomiji za potrebe napovedovanja lotila izdelave operacijskih modelov. Model konstruira subjekt študije tako, da operacije odražajo značilnosti predmeta, ki so pomembne za namen študije. Zato se lahko vprašanje kakovosti takega preslikave - ustreznosti modela objektu - legitimno odloča le glede na določen cilj. Vsebina metode modeliranja je konstrukcija modela na podlagi predhodne študije in identifikacije njegovih bistvenih značilnosti, eksperimentalna in teoretična analiza modela, primerjava rezultatov z objektnimi podatki in prilagajanje modela. Ena od metod modeliranja je metoda matematičnega modeliranja. Matematični model se razume kot tehnika za popoln opis postopka pridobivanja, obdelave začetnih informacij in ocenjevanja rešitve obravnavanega problema v precej širokem razredu primerov. Uporaba matematičnega aparata za opisovanje modelov (vključno z algoritmi in njihovimi dejanji) je povezana s prednostmi matematičnega pristopa k večstopenjskim procesom obdelave informacij, uporabo enakih sredstev za oblikovanje problemov, iskanje metode za njihovo reševanje, popravljanje teh metode in njihovo pretvorbo v programe, namenjene uporabi računalniške tehnologije.

Uporaba matematičnih metod je nujen pogoj za razvoj in uporabo metod napovedovanja, ki zagotavlja visoke zahteve glede veljavnosti, učinkovitosti in začasnosti napovedi.

Pri strukturnem modeliranju je simulirani sistem specificiran v obliki blokovnega diagrama, ki lahko vključuje tudi njegove posamezne realne elemente (regulatorje, izvršilne organe itd.). V blokovnem diagramu so določeni parametri glavnih povezav in navedene so približne meje za spreminjanje spremenljivih parametrov, na primer faktorji ojačanja in časovne konstante povezav. Modeliranje vsake povezave izvirnega sistema se izvede ločeno, nato pa se iz modelov povezav sestavi splošni model, ki natančno reproducira strukturni diagram izvirnika.

Simulacijsko modeliranje je metoda, ki vam omogoča izdelavo modelov, ki opisujejo procese, kot bi se zgodili v resnici. Takšen model je mogoče "predvajati" skozi čas tako za en test kot za določen niz testov. V tem primeru bodo rezultati določeni z naključno naravo procesov. Iz teh podatkov lahko pridobite dokaj stabilno statistiko. Simulacijsko modeliranje je raziskovalna metoda, pri kateri proučevani sistem nadomestimo z modelom, ki dovolj natančno opisuje realni sistem, in z njim izvajamo eksperimente, da pridobimo informacije o tem sistemu. Eksperimentiranje z modelom imenujemo imitacija (imitacija je razumevanje bistva pojava brez zatekanja k poskusom na resničnem predmetu).

V praksi je za dosego najboljšega rezultata priporočljivo uporabiti več metod hkrati. To bo povečalo učinkovitost napovedi in pomagalo prepoznati pasti, ki lahko ostanejo neopažene pri uporabi samo ene metode. Prav tako je treba pridobljene napovedi povezati s precedensi, če obstajajo. Kakovost napovedi je odvisna od kakovosti informacij. Pred napovedmi je treba paziti, da so informacije popolne, pravočasne in točne.

Formalizirano Metode delimo po splošnem principu delovanja v štiri skupine: ekstrapolacijske (statistične), sistemsko-strukturne, asociativne in napredne informacijske metode.

V praksi napovedovanja gospodarskih procesov so vsaj do nedavnega prevladovale statistične metode. To je predvsem posledica dejstva, da statistične metode temeljijo na analitičnem aparatu, katerega razvoj in praksa imata precej dolgo zgodovino. Postopek napovedovanja, ki temelji na statističnih metodah, je razdeljen na dve stopnji.

Prvi je povzetek podatkov, zbranih v določenem časovnem obdobju, in izdelava modela procesa, ki temelji na tej sintezi. Model je opisan v obliki analitično izraženega trenda razvoja ( ekstrapolacija trenda) ali v obliki funkcionalne odvisnosti od enega ali več dejavnikov-argumentov (regresijske enačbe). Izgradnja procesnega modela za napovedovanje, ne glede na njegovo obliko, nujno vključuje izbiro oblike enačbe, ki opisuje dinamiko in medsebojno povezanost pojavov, ter ocenjevanje njenih parametrov z eno ali drugo metodo.

Druga stopnja je sama napoved. Na tej stopnji se na podlagi najdenih vzorcev določi pričakovana vrednost napovedanega indikatorja, vrednosti ali značilnosti. Dobljenih rezultatov seveda ne moremo šteti za nekaj dokončnega, saj mora njihova ocena in uporaba upoštevati dejavnike, pogoje in omejitve, ki niso bili vključeni v opis in konstrukcijo modela. Njihovo prilagajanje je treba izvesti v skladu s pričakovano spremembo okoliščin njihovega oblikovanja.

Prav tako je treba opozoriti, da v številnih primerih dejanska statistična obdelava ekonomskih informacij sploh ni napoved, ampak se pojavlja kot pomemben člen v celotnem sistemu njenega razvoja. Svetovna praksa ima obsežno gradivo na področju prospektivne analize in že zdaj je očitno, da je uspešnost napovedi, pridobljenih na podlagi statističnih modelov, bistveno odvisna od analize empiričnih podatkov, od tega, v kolikšni meri lahko taka analiza identificira in posploši vzorce obnašanja procesov, ki se proučujejo skozi čas.

Ena najpogostejših metod napovedovanja je ekstrapolacija, tj. razširitev trendov, opaženih v preteklosti, v prihodnost (metoda ekstrapolacije je podrobneje opisana v naslednjem poglavju). Ekstrapolacija temelji na naslednjih predpostavkah (7, str. 151):

1) razvoj pojava je mogoče razumno označiti z gladko trajektorijo - trendom;

2) splošni pogoji, ki določajo trend

dogajanje v preteklosti se v prihodnosti ne bo bistveno spremenilo.

Ekstrapolacijo lahko predstavimo kot določanje vrednosti funkcije:

kjer у, +/ - ekstrapolirana vrednost ravni;

y* - raven, vzeta kot osnova za ekstrapolacijo;

L- časovno obdobje.

Najenostavnejšo ekstrapolacijo lahko izvedemo na podlagi povprečnih značilnosti serije: povprečna raven, povprečno absolutno povečanje in povprečna stopnja rasti.

če srednja stopnjaštevilo ns se nagiba k spremembi ali, če je ta sprememba nepomembna, lahko sprejmemo:

če povprečno absolutno povečanje ostane nespremenjena, potem bo dinamika ravni ustrezala aritmetičnemu napredovanju:

če povprečna stopnja rasti se ne spreminja, lahko predvideno vrednost izračunamo po formuli:

kjer je r povprečna stopnja rasti;

y"- ravni, ki je bila osnova za ekstrapolacijo.

V tem primeru se domneva, da je razvoj geometrijsko progresiven ali eksponenten. V vseh primerih je treba določiti interval zaupanja, ki upošteva negotovost in negotovost uporabljenih ocen.

Najenostavnejši in najbolj znan je metoda drsečega povprečja, izvajanje mehanske poravnave časovne serije. Bistvo metode je zamenjava dejanskih nivojev serije z izračunanimi povprečji, v katerih so nihanja izničena. Metoda je podrobno obravnavana v predmetu teorije statistike.

Lahko se uporablja tudi za kratkoročne napovedi metoda eksponentnega glajenja. Povprečna raven vrstice v tem trenutku jaz enaka linearni kombinaciji dejanske ravni za isti trenutek pri, ter povprečno raven preteklih in trenutnih opazovanj.

kje Q"- eksponentno povprečje (zglajena vrednost nivoja serije) v tem trenutku t;

A- koeficient, ki označuje težo trenutnega opazovanja pri izračunu eksponentnega povprečja (parameter glajenja), 0Če se napoved izvede en korak naprej, potem vrednost napovedi y, +| = V: je točkovna ocena.

Ekstrapolacija trenda možno, če se ugotovi odvisnost ravni serije od časovnega faktorja t, v tem primeru je odvisnost videti takole:

Vrste krivulj, razlogi za izbiro vrste analitične odvisnosti in izračun intervala zaupanja so obravnavani v naslednjem poglavju.

Za številne stacionarne procese v gospodarstvu je značilna prisotnost tesne povezave med ravnmi prejšnjih obdobij ali trenutkov in naslednjimi ravnmi. V takih primerih se časovna odvisnost kaže skozi značilnosti notranje strukture procesa v preteklih obdobjih. Ko v analitični obliki izrazite razmerje med ravnmi časovne vrste, lahko dobljeni vzorec uporabite za napovedovanje.

Model stacionarnega procesa, ki izraža vrednost indikatorja y ( v obliki linearne kombinacije končnega števila prejšnjih vrednosti tega indikatorja in aditivne naključne komponente se imenuje model avtoregresija.

kje A- konstantno, Sre- parameter enačbe, npr- naključna komponenta.

Zgoraj obravnavane metode, z izjemo ekstrapolacije trenda, so prilagodljiv, ker postopek njihovega izvajanja je sestavljen iz izračuna časovno zaporednih vrednosti predvidenega indikatorja ob upoštevanju stopnje vpliva prejšnjih ravni.

Morfološka metoda razvil slavni švicarski astronom F. Zwicky, ki je do leta 1942 delal na observatorijih v zvezni državi Kalifornija. Tri vrste problemov, ki jih po njegovem mnenju lahko reši morfološka analiza:

• Koliko informacij o omejenem obsegu pojavov je mogoče pridobiti s tem razredom tehnik?
• kakšna je celotna veriga učinkov, ki izhajajo iz določenega vzroka?
• Katere vse so možne metode in tehnike za rešitev tega problema?

Odgovor na drugo vprašanje je zgraditi drevo ciljev na podlagi teorije grafov. Odgovor na tretje vprašanje daje raziskovalna napoved.

Prezgodaj postavljati vprašanje vrednosti je škodljivo za raziskave. Urejanje vseh odločitev, vključno z nepomembnimi, vam omogoča, da pobegnete od stereotipov in strukturirate razmišljanje tako, da nastanejo nove informacije, ki med nesistematično dejavnostjo uidejo pozornosti.

Pri morfološki analizi se sistematično preverjajo vse kombinacije ob kvalitativnem spreminjanju osnovnih parametrov koncepta in s tem ugotavljajo možnosti novih kombinacij.

Upoštevana so najbolj konstruktivna aplikativna področja sistemskih raziskav sistemska analiza."Celotne sistemske analize" je leta 1948 prvič razvilo podjetje RAND Corporation za optimizacijo zapletenih problemov vojaškega poveljevanja in nadzora. Ne glede na to, ali se izraz "sistemska analiza" uporablja samo za določanje strukture ciljev in funkcij sistema, za načrtovanje, razvoj glavnih smeri razvoja industrije, podjetja, organizacije ali za preučevanje sistem kot celota, vključno s cilji in organizacijsko strukturo, analiza delovnih sistemov se razlikuje po tem, da vedno predlaga metodologijo za izvedbo raziskave, organiziranje procesa odločanja, poskuša se osvetliti faze raziskovanja oziroma odločanja in predlagati pristope k izvajanju teh stopenj v specifičnih pogojih.

Poleg tega ta dela vedno posvečajo posebno pozornost delu s cilji sistema: njihovemu nastanku, oblikovanju, detajliranju (dekompozicija, strukturiranje), analizi in drugim vprašanjem transformacije (postavljanje ciljev). Nekateri avtorji celo v svoji definiciji sistemske analize poudarjajo, da je to metodologija za preučevanje namenskih sistemov. Hkrati razvoj metodologije ter izbira metod in tehnik za izvedbo njenih stopenj temelji na sistemskih konceptih, na uporabi vzorcev, klasifikacij in drugih rezultatov, pridobljenih s sistemsko teorijo.

Metode normativnega tehnološkega napovedovanja vključujejo matričnih pristopov, ki se uporablja za preverjanje skladnosti z različnimi vodoravno delujočimi dejavniki. Dvodimenzionalne matrike zagotavljajo hitro metodo za oceno prioritete ene ali druge predlagane možnosti. To načelo ustreza razširjeni metodi analize SWOT v managementu, tj. upoštevanje slabosti in prednosti objekta, nevarnosti in prednosti v zunanjem okolju.

Z metodološkega vidika matrične metode vključujejo metode in modeli teorije iger. Uporabljajo se pri napovedovanju družbenoekonomskih procesov pri analizi situacij, ki nastanejo kot posledica določenih odnosov med proučevanim sistemom in drugimi nasprotujočimi si sistemi. Primer je upoštevanje podjetja (en igralec) in narave (drug igralec), tj. reakcije in vedenje strank.

Drug primer je povezan z dejavnostmi podjetij in vladno ekonomsko politiko. Porazdelitev dohodka je kompromis med potrebo po centralizaciji dohodka in zagotavljanjem ekonomske neodvisnosti podjetij. Strategija podjetja se oblikuje ob upoštevanju celotnega dobička, ki ga dobi od preostalega deleža dohodka, in od dodatnih priložnosti, ki mu jih ponuja center. Državna strategija je določiti delež centraliziranih prihodkov, ki ne spodkopava gospodarskih možnosti za razvoj podjetij in hkrati zadošča za reševanje nacionalnih problemov, ki so v končni fazi pomembni za podjetja sama (3, str. 188).

Glavna naloga teorije iger je razviti priporočila za izbiro najučinkovitejših rešitev za upravljanje procesov pod vplivom negotovih dejavnikov. Negotovi dejavniki vključujejo dejavnike, o katerih raziskovalec nima nobenih informacij; so neznane narave.

Za sodobni konkurenčni svet je značilna strateška negotovost zaradi sodelovanja številnih strani s svojimi različnimi cilji in malo vpogleda v strategije konkurentov. Pri strateškem upravljanju se mora konkurenčna strategija razvijati v smeri od konfliktnih situacij k partnerstvu. Hkrati mora biti vsaka stranka pripravljena sprejeti določene izgube in biti prepričana, da je na izgube pripravljen tudi njen konkurent (4, str. 318).

Metode statističnega modeliranja vključujejo regresijske enačbe, opisovanje odnosov med časovnimi vrstami neodvisnih značilnosti in posledičnih značilnosti. Predvidene ravni se izračunajo tako, da se v regresijsko enačbo nadomestijo predvidene vrednosti značilnih faktorjev, ki jih lahko dobimo npr. z ekstrapolacijo. Napovedovanje na podlagi regresijskih modelov se lahko izvaja šele po oceni pomembnosti regresijskih koeficientov in preverjanju ustreznosti modela. Uporaba regresijske analize za namene napovedovanja je obravnavana v 4. poglavju.

Orodje za napovedovanje, ki upošteva zahteve sistematičnega pristopa k objektu in njegovim kvantitativnim značilnostim, je ekonometričnih modelov. Področje njihove uporabe so makroekonomski procesi na ravni nacionalnega gospodarstva, njegovih sektorjev in industrij ter teritorialnih gospodarstev.

Ekonometrične raziskave izhajajo iz W. Pettyja, J. Graunta, A. Queteleta, na ta seznam pa lahko uvrstimo vse statistike, ki so s kvantitativnimi meritvami pomembno prispevali k preučevanju množičnih ekonomskih pojavov.

Razvoj nekaterih problemov ekonometričnega modeliranja je bil posvečen delu številnih ekonomistov na področju ekonomskega in matematičnega modeliranja v 50-ih in 80-ih letih prejšnjega stoletja.

Logika ekonometričnih monografij je namenjena predvsem različnim aplikacijam, ne pa reševanju problemov, ki nastajajo v teoriji. Tako so bile zgrajene monografije G. Theil in E. Malenvo, prevedene v ruščino, ki so postale dostopne širokemu krogu bralcev v 70. letih prejšnjega stoletja in so imele veliko vlogo pri reševanju uporabnih problemov.

Monografija J. Johnstona »Ekonometrične metode«, ki je izšla leta 1980, je posvečena sistematični predstavitvi metod teoretične ekonometrije. Knjiga vsebuje številne primere in rezultate, pridobljene do konca 70. let prejšnjega stoletja, po katerih se je začela kakovostno nova stopnja v razvoju tržnega gospodarstva.

V zadnjih 10 letih je bila ekonometrija vključena v učne načrte ekonomskih specialnosti na ruskih univerzah, potrebno izobraževalno in metodološko literaturo pa so pripravili tudi vodilni domači statistiki. Glavni med njimi so učbeniki in učni pripomočki, ki jih je razvil S.A. Ayvazyan, V.S. Mkhitaryan (1) in I.I. Elisejeva (6).

Funkcionalno-hierarhično modeliranje predstavlja usklajevanje oddaljenega cilja z dejanji (funkcijami), ki jih je treba izvesti za njegovo dosego v sedanjosti in prihodnosti. Zamisel o izdelavi grafa, ki temelji na principu drevesa ciljev, je prva predlagala skupina raziskovalcev v povezavi s problemi odločanja v industriji (7). Drevesa ciljev s kvantitativnimi indikatorji se uporabljajo kot pomoč pri odločanju in se v tem primeru imenujejo odločitvena drevesa.

Prvo večjo uporabo tehnike ciljnega drevesa pri kvantitativnem odločanju je izvedel oddelek za obrambne in vesoljske znanosti podjetja Honeywell. Shema PATTERN, ki se je prvotno uporabljala za aeronavtiko in vesoljske probleme, je bila razvita v univerzalno shemo, ki zajema vse vojaške in vesoljske dejavnosti.

Omrežno modeliranje pogosto uporablja v normativnem tehnološkem napovedovanju. Najbolj znana je metoda kritične poti, ki temelji na uporabi mrežnih grafov, ki odražajo različne faze vsakega dela projekta in jih analizirajo, da izberejo optimalno pot med začetno in končno fazo. Kriteriji so stroški ali roki. Omrežno modeliranje uporablja drevo ciljev kot pomožno orodje.

V jedru simulacijsko metodo leži ideja o čim večji uporabi vseh razpoložljivih informacij o sistemu. Cilj je analizirati in napovedati obnašanje kompleksnega sistema s številnimi funkcijami, od katerih vse niso kvantificirane.

Simulacijsko modeliranje je našlo široko uporabo pri napovedovanju procesov, katerih analiza je nemogoča na podlagi neposrednega eksperimenta.

Osnova je možnost sistematične uporabe podobnosti pri razvoju različnih predmetov metoda zgodovinskih analogij. Kot ugotavlja E. Jantsch (8, str. 221), je zgodovinska analogija vedno igrala neko zavestno ali nezavedno vlogo pri napovedovanju. Rezultati sistematične uporabe zgodovinske analogije z »velikimi družbenimi izumi 20. stoletja, izvedene pod okriljem Ameriške akademije znanosti in umetnosti, so bili prvič predstavljeni v knjigi »Železniški in vesoljski programi«. - Študija s položaja zgodovinske analogije.«

Pri uporabi zgodovinskih analogij je treba upoštevati:

• - uspeh je odvisen od pravilne izbire primerjalnih predmetov;
• - obstaja zgodovinska pogojenost procesov in pojavov;
• - novosti v družbeno-ekonomskih procesih nosijo pečat nacionalnega »sloga«.

V preteklosti sta si O. Spengler in pozneje A. Toynbee prizadevala premisliti družbenozgodovinski razvoj človeštva v duhu teorije o kroženju lokalnih civilizacij. Konec 20. stoletja je s svojimi ogromnimi spremembami pripeljal do trka civilizacij in globalizacije.

Metodo zgodovinskih analogij lahko precej pogojno uvrstimo med formalizirane metode, saj v fazi selekcije vsebuje zadostno mero subjektivnosti, značilne za ekspertne metode. Zgodovinske analogije omogočajo reševanje problemov znanstvenega in tehničnega napovedovanja. V tem primeru se kot vir naprednih informacij uporabljajo indikatorji kakovosti analoga, premaknjeni glede na predmet vzdolž časovne osi. Metoda je osredotočena na napovedovanje razvoja objektov iste narave, zato se lahko uporabijo metode klasifikacij ali razpoznavanja vzorcev.

Skupina metod napredne informacije se nanaša na tehnološko napovedovanje in je povezano s spremljanjem najnovejših raziskav, rezultatov in prebojev na različnih področjih znanja ter vrednotenjem akumuliranih dosežkov. Metode temeljijo na lastnosti znanstvenih in tehničnih informacij, da prehitevajo implementacijo dosežkov v proizvodnjo. Možnosti za izvajanje tovrstnih dejavnosti so velike zaradi visoke stopnje razvoja informacijske tehnologije.

Glavni vir informacij so informacije o patentih in patentnih združenjih: patenti, avtorski certifikati, licence, katalogi, komercialne informacije. Trend sodobnega sveta je skrajševanje »življenjskega cikla« inovacij.

• 1. Ayvazyan S.A.,Mhitarjan V.S. Uporabna statistika in osnove ekonometrije. - M.: ENOTNOST, 1998.
• 2. Delovni zvezek o napovedovanju / Ed. I.V. Bestužev-Lada.-M .: Mysl, 1982.
• 3. Statistično modeliranje in

napovedovanje. Učbenik / Pod rsd. A.G. Granberg. M., Finančna statistika, 1990.

• 4. Mintzberg G, Quinn JB, Ghoshal S. Strateški proces / Prevod iz angleščine, ur. Yu.N. Kapturevsky. - St. Petersburg: Peter, 2001. - 688 str., ilustr.
• 5. Tihomirov N.P., Popov V.A. Metode socialno-ekonomskega napovedovanja. - M.: Založba VZPI, JSC "Rosvuznauka", 1992.
• 6. Ekonometrija: učbenik/ur. I.I. Elisejeva. - M.: Finance in statistika, 2002. - 344 str., ilustr.
• 7. Četirkin E.M. Statistične metode napovedovanja. Ed. 2., popravljeno in dodatno - M.: "Statistika", 1977, - 200 str., ilustr.
• 8. Yanch E. Napovedovanje znanstvenega in tehnološkega napredka. - M.: Napredek, 1974.

• Glej npr.: Statistika Tsoriya / Pod rsd. R.A. Šmojlova. - M.: Finance in statistika, 1996. Str. 313.
• Theil G. Gospodarske napovedi in odločanje - M., Statistika, 1971; Malsnvo E. Statistične metode ekonometrije - M., Statistika, 1975, številka 1; 1976, številka 2.
• Johnston J. Ekonometrične metode / Prev. iz angleščine, in predgovor A.A. Ryvkina. - M.: Statistika, 1980. - 444 str., ilustr.
• Toynbee A. Razumevanje zgodovine. M, 1991, str. 19.

Formalizirane metode temeljijo na uporabi dejanskih informacij (opisne, negeneralne informacije za nadaljnjo analizo).

Uporablja se v naslednjih primerih: če obstajajo informacije za nazaj, to je statistika; ko je število dejavnikov in njihova moč enaka kot v preteklosti (dejavniki vplivajo na objekt), je trend razvoja enak.

Bistvo: Na podlagi objektivnih podatkov, globine razpoložljivih podatkov je opisan razvoj na podlagi matematičnega aparata.

Globina– pogostost razpoložljivih podatkov. Treba je zagotoviti, da je trend gladek.

Rezultat uporabe je lahko dvojen: ne samo za izdelavo napovedi, ampak tudi za zbiranje primarnih informacij o objektu.

prednosti:

1. Enostaven za uporabo. Razpoložljivost že pripravljenih algoritmov.

2. Objektivnost (ne zanesljivost), zaupanje

3. Dinamika. Formalizirane metode omogočajo določitev dinamike razvoja za vsak prihodnji čas.

4 možnost analize napovedi v odsotnosti retrospektivnih informacij

5 omogoča napovedovanje, kdaj obstaja velika verjetnost kvalitativnih preskokov v razvoju objekta

Slabosti:

1 kompleksnost postopka zbiranja in obdelave informacij

2 individualna subjektivnost strokovnjakov

3 diskretnost napovedi

4. Formalizirane metode lahko uporabimo le, če poznamo ozadje razvoja študije predmeta.

5. Ni mogoče upoštevati nezveznih sprememb, ki vodijo do nezveznih sprememb količine.

Formalizirane metode:

1) Ekstrapolacija

a) Metoda najmanjših kvadratov

b ) Metoda eksponentnega glajenja

c) Prilagojena metoda glajenja

2) Sistemsko-strukturne metode ( na podlagi identifikacije strukturnih odnosov in analize ugotovljenih odnosov.)

a) Morfološka analiza

b) Matrična metoda

c) Metoda mrežnega modeliranja

d) Metoda strukturne analogije

3) Asociativno ( asociacijske metode, ki temeljijo na ugotavljanju odvisnosti, notranje logike razvoja naravnih objektov (življenjskih in družbenih pojavov), nato pa se model prenese na objekt napovedovanja.)

a) Probabilistično modeliranje

b) Simulacijsko modeliranje

c) Zgodovinsko in logično modeliranje (analiza)

4) Vodilne informacije ( informacije so pred prakso)

a) Analiza tokov objav

b) Metoda analize patentnih informacij

c) Metoda pomembnosti odkritij in izumov

Neformalne metode– metode, ki temeljijo na uporabi intuicije in izkušenj odločevalcev. Običajno to ne vključuje uporabe matematike in grafičnih podob, čeprav je vse odvisno od specifične metode. Tako v skupini neformalnih metod ločimo podrazred delno neformalnih metod, ki vključuje naslednje metode:
- način strokovnih ocen;
- diagnostične metode;
- matrične metode;
- mrežne metode;
- metoda ekonomske analize;
- morfološka metoda;
- metoda ciljnega drevesa;
- simulacijsko dinamično modeliranje.
Te metode, čeprav temeljijo na subjektivnih približnih ocenah, so še vedno bolj strukturirane od popolnoma neformaliziranih (metoda nevihte možganov, komisijska metoda, sodna metoda itd.).

Neformalizirane metode niso osredotočene na množično zbiranje podatkov, temveč na doseganje poglobljenega razumevanja preučevanih družbenih pojavov. pomanjkanje formalizacije onemogoča množično pokrivanje preučevanih predmetov, zaradi česar je število raziskovalnih enot zmanjšano na minimum. Pomanjkanje širine pokritosti se kompenzira z "globino" študije, tj. podrobna študija družbenega pojava v njegovi celovitosti in razmerju z drugimi pojavi. nabor spremenljivk, ki se preučuje pri uporabi teh metod, ni strogo določen vnaprej, zato se lahko spreminjajo neposredno tam, kjer se študija izvaja, tako po številu kot po naboru. Neformalizirane metode vključujejo opazovanje, proste intervjuje, opise, izposojene iz tiska, pa tudi tako imenovane osebne dokumente (avtobiografije, pisma, dnevnike). Po besedah ​​sociologa A. N. Aleksejeva raziskovalcu odpirajo neformalizirane metode, čeprav majhno področje realnosti, vendar takšno, kot je.

33. Informacijski management: vsebina in cilji implementacije. Značilnosti informacijskega managementa kot področja družbenega managementa.

Upravljanje- to je upravljanje v družbeno-ekonomskih sistemih: niz sodobnih načel, metod, sredstev in oblik upravljanja proizvodnje z namenom povečanja njegove učinkovitosti in povečanja dobička.

Upravljanje informacij - tehnologija, katere sestavni deli so dokumentirane informacije, osebje, strojna in programska oprema za podporo informacijskim procesom, pa tudi normativno določeni postopki za oblikovanje in uporabo informacijskih virov.

Upravljanje informacij je upravljanje ekonomskih informacijskih sistemov (EIS) v vseh fazah njihovega življenjskega cikla.

Upravljanje informacij je potrebno:

• v podjetjih, ki proizvajajo programske izdelke;
• v podjetjih, ki se ukvarjajo s prodajo programskih izdelkov;
• v podjetjih uporabnikih informacijskih sistemov;
• v podjetjih, ki se ukvarjajo s IT svetovanjem.

Za določitev razumevanja bistvo informacijskega managementa Upoštevati je treba več točk:

Informacija je kompleksen koncept, to je:

• stanje in sredstva poslovne komunikacije;
• sredstvo za sporočanje informacij o organizaciji javnosti;
• vir informacij o zunanjem okolju;
• izdelek.

1. Upravljanje z informacijami se izvaja znotraj določene organizacije.

2. Informacije so neodvisen proizvodni dejavnik, ki je osnova procesa sprejemanja upravljavskih odločitev.

3. Upravljanje informacij se ne nanaša samo na informacije, temveč na vse informacijske dejavnosti organizacije, hkrati pa je veliko širši koncept kot upravljanje dokumentov.

Tako je upravljanje informacij upravljanje dejavnosti za ustvarjanje in uporabo informacij v interesu organizacije.

Z drugimi besedami, informacijski management je proces upravljanja, ki temelji na tehnologijah računalniške obdelave informacij z uporabo upravljavskih informacijskih sistemov kot osnovnega orodja za delo vodij na vseh ravneh upravljanja na različnih vsebinskih področjih.

Namen upravljanja informacij: zagotavljanje učinkovitega razvoja organizacije z ureditvijo različnih vrst njenih informacijskih dejavnosti.

Naloge upravljanja informacij:

1. Kakovostna informacijska podpora procesom vodenja v organizaciji;
2. Izvajanje upravljanja informacijskih virov;
3. Zagotavljanje upravljanja obdelave informacij na vseh ravneh;
4. Naloga vmesnika je zagotavljanje upravljanja komunikacije (komunikacija – prenos informacij od osebe do osebe).

Socialni management- to je področje managementa, ki razvija teoretične in praktične veščine bodočih strokovnjakov, ki jim omogočajo učinkovito vplivanje na družbene procese, vplivanje na ustvarjanje koristi v družbenem okolju, prijetnem za ljudi, oblikovanje družbenih organizacij, kar posledično zagotavlja racionalno uporaba najbogatejšega in najvrednejšega od vseh virov – človeka.

34. Socialne informacije. Opredelitev. Lastnosti. Značilnosti informacije kot izdelka.

Socialne informacije- skupek znanja, informacij, podatkov in sporočil, ki se oblikujejo in reproducirajo v družbi in jih uporabljajo posamezniki, skupine, organizacije, različne družbene institucije za uravnavanje družbene interakcije, družbenih odnosov in procesov.

V filozofski in sociološki literaturi obstajajo »ozke« in »široke« interpretacije družbenih informacij. Za »ozko« razlago, ki jo včasih uporabljajo sociologi, je značilen naslednji citat: »Socialne informacije ne vključujejo vseh informacij, ki jih oseba prejme v procesu refleksije sveta okoli sebe, ampak le informacije, ki so v javnem interesu, služijo razvoj družbenega življenja in je prejel priznanje ljudi ... Znanstvenih in tehničnih informacij seveda ne moremo uvrstiti med družbene informacije, saj slednje nimajo jasno opredeljene razredne usmerjenosti.« To razumevanje družbene informacije reducira na koncept množične, če že ne novinarske informacije (glej spodaj), in zato ni konstruktivno.

»Široka« razlaga je predstavljena v naslednjih izjavah. Družbene informacije »predstavljajo znanje, sporočila, informacije o družbeni obliki gibanja materije in vseh njenih drugih oblikah v obsegu, v katerem jih uporablja družba, človek in so vključeni v orbito javnega življenja.« B. A. Grushin označuje družbene informacije kot "celoten niz sporočil, brez izjeme, ki so prišli izpod rok" osebe. To je znanstveno besedilo, verska pridiga, časopisni članek in arhitekturni projekt. Avtor ugotavlja, da so družbene informacije »z življenjem družbe povezane ne le s svojim obstojem, ampak tudi s samo vsebino, pa tudi z vrsto znakovnega sistema, izbranega za zapis te vsebine«.

Za človeka niso pomembne toliko kvantitativne značilnosti informacij, temveč njihove lastnosti, povezane s poznavanjem okoliškega sveta. Za osebo so informacije lahko pomembne ali ne, popolne ali ne itd. Z drugimi besedami, za družbene informacije je pomembna njihova kakovost.

1. Vrednost informacij. Pomembnejša kot je težava, ki jo oseba rešuje, bolj dragocene so informacije, potrebne za njeno rešitev.
2. Razpoložljivost informacij. Na primer, če je to ali ono besedilno gradivo na svetovnem spletu in imate internetno povezavo, je lažje pridobiti informacije, kot če bi bilo besedilo predstavljeno v neki knjižnici, ki jo je treba še doseči.
3. Jasnost informacij. Sporočilo v japonščini morda ne bo razumljivo Rusu, tudi če vsebuje dragocene informacije.
4. Popolnost informacij. Zadostnost informacij za reševanje določene vrste problemov.
5. Redundanca informacij.
6. Ustreznost. Skladnost informacij z resničnostjo.
7. Ustreznost. Informacije imajo lahko pomen le v določenem trenutku.
8. Objektivnost. Manj ko je vsebina informacije odvisna od tega, kdo jo je prejel in obdelal, bolj je objektivna.
9. itd.

Lastnosti lastnosti socialnih informacij je njihova začasna narava in odvisnost od določene osebe. Tako so lahko iste informacije za nekatere razumljive, za druge pa ne. Danes je aktualna, jutri pa ne.

Potrošniške lastnosti informacij- to ni le niz njegovih virov (dokumentov) na področju problema, ki se rešuje. To je vsota izbranih, obdelanih in predstavljenih informacij v ustreznih vrstah in oblikah, s pomočjo katerih lahko potrošnik (podjetnik, inženir, menedžer, vodja) ob upoštevanju svojih ekonomskih, socialnih, duševnih zmožnosti in lastnosti reši problem, s katerim se sooča. z največjim uspehom.

Informacije- To izdelek posebne vrste: nanj ne moreš mehansko prenesti vsega
značilnosti materialnih izdelkov. Informacije o lastnostih blaga, kot so
Realni pojavi so po eni strani določeni s tem, kar je značilno za blago
na splošno in na drugi strani – značilnosti, povezane z njegovo naravo in
možnosti uporabe.
Kot vsak izdelek ima tudi informacija vrednost in uporabno vrednost.
A naj še enkrat poudarimo, dokler ne pride do prave menjave
med izoliranimi proizvajalci blaga informacijski produkt vrednosti ni
ima. Do te točke ostane njegova uporabna vrednost (koristnost).
le »znak« informacijskega produkta.

Specifičnost informacije kot produkta.

1. Informacijski izdelek je edinstven, ker ga je mogoče ponovno uporabiti, ne da bi pri tem izgubil svoje potrošniške lastnosti. Zaradi tega so informacije edini vir, za katerega ni značilna gospodarnost v absolutnem pomenu tega pojma. Nasprotno, širše in dejavneje kot se uporablja, bogatejša postaja družba. V družbeni produkciji informacije ne delujejo le kot neodvisen vir, temveč tudi kot nadomestek v odnosu do drugih tradicionalnih virov.

2.Sposobnost varčevanja z viri , ki zagotavlja učinek njegove uporabe, je najpomembnejša potrošniška kakovost informacij. Različne vrste informacij lahko zagotovijo prihranek časa, dela, denarja in materialnih sredstev z optimizacijo in pospešitvijo odločanja na različnih področjih delovanja. Informacije, utelešene v sredstvih dela, programskih izdelkih, so omogočile prihranek neizmernega dela človeštva. Informacije, ki se uporabljajo za organizacijo, načrtovanje in upravljanje, ponujajo velike možnosti za varčevanje z viri
proizvodnja. Toda nasprotnega rezultata ni mogoče izključiti pri uporabi nekakovostnih informacij ali dezinformacij, ne glede na to, na katerem področju se zgodijo. To praviloma povzroča višje cene, upočasnitve, potratnost in druge negativne pojave. Po različnih ocenah industrializirane države letno izgubijo do 10% nacionalnega dohodka zaradi nezadostne ozaveščenosti upravljavcev in strokovnjakov nacionalnega gospodarstva.

3. Uporabna vrednost informacijsko blago ima še eno omembe vredno lastnost, povezano s hitrim zastaranjem in izgubo kakovosti nekaterih vrst informacij. Toda v nekaterih primerih se potrošniške lastnosti ne morejo manifestirati in uporabiti zaradi neobčutljivosti družbene proizvodnje zaradi nizke stopnje razvoja in pomanjkanja ekonomskih spodbud. Uporabna vrednost se v tem primeru kaže kot potencialna, z zahtevo po prihodnosti oziroma za uporabo na področjih dejavnosti, ki jih tradicija ne predvideva.

domov » Vrtec » Velika enciklopedija nafte in plina. Formalizirane metode