Моделирование на основе данных

Управленческие решения в значительной степени основаны на оценке и интерпретации данных. Однако интерпретация данных возможна только при наличии некой концептуальной схемы. Слож­но сказать, что первично, схема или сбор данных. Очевидно, что данные необходимы для успешного моделирования. Стремление создать более совершенную модель приводит к сбору и хранению дополнительных данных или новых типов данных. Одной из осо­бенностей технологической цивилизации, по крайней мере в техни­ческой сфере, является одновременные сбор и использование дан­ных и моделей.

Количественные модели позволяют более целостно и подроб­но оценивать и интерпретировать данные, чем «умственные» моде­ли. Кроме того, количественные модели можно использовать для генерирования данных, а для построения модели обычно необходи­мы данные (например, чтобы оценить ее параметры). Часто успех или неудача в моделировании определяются доступностью данных, их точностью и правильностью выбора. В практике построения и использования управленческих моделей многое зависит отданных: модель, основанная на данных, может оказаться бесполезной, если необходимые данные недоступны, или для их сбора требуется слишком много времени и средств.

Данные интерпретируются как отражение важных внутренних закономерностей. Сами по себе данные не представляют никакую модель, только когда данным приписываются некие связи, получается модель (по меньшей мере, в зачаточной ее форме).

Детерминированные и вероятностные модели

Таблица 1.2. Классификация моделей

Классификация	Примеры
По бизнес - функциям	финансовые
маркетинговые
модели учета издержек
модели операций
По дисциплинам	научные
технические
экономические
Поотраслям	военные
транспортные
телекоммуникационные
некоммерческие
По временному ин­тервалу	на один временной период
на несколько временных периодов
По организационному уровню	стратегические
тактические
операционные
По математическим свойствам	линейные
нелинейные
По способу представления	карандаш и бумага
электронные таблицы
обычное программное обеспечение
программное обеспечение для ими­тационных моделей
По степени определённости	детерминированные
вероятностные

Модели можно классифицировать по различным признакам. В табл. 1.2 перечислены некоторые из этих классификаций.

Любая классификация помогает глубже понять, где применя­тся и как используются те или иные модели. Воспользуемся приведенной в табл. 1.2 классификацией и будем отдельно рассматри­вать детерминированные и вероятностные модели.

 

Детерминированные модели

В детерминированных моделях все необходимые данные точ­но известны. Таким образом, в них предполагается, что при анализе модели будет доступна вся информация, необходимая для принятия решения. Примером детерминированной модели может служить назначение водителей на каждый из ежедневных рейсов автобусов в следующем месяце при условии, что известны расписание рейсов, штат сотрудников, законодательные ограничения на количество ра­бочих часов, правила работы, установленные профсоюзами и т. д. Такие модели позволяют обрабатывать сложные ситуации, в кото­рых существует много решений и ограничений. Детерминирован­ные модели особенно полезны, когда в модели мало неопределен­ных неконтролируемых входов. Поэтому они часто используются для принятия внутренних по отношению к организации решений.

Детерминированные модели важны по следующим причинам:

1) множество разнообразных важных задач можно формализо­вать в виде детерминированных моделей.

2) в детерминированных моделях легко налагать ограничения на переменные модели.

2. существуют программы, позволяющие оптимизировать де­терминированные модели с ограничениями, т. е. находить оп­тимальные решения; даже для моделей большой размерности это делается быстро и надежно.

3. условная оптимизация очень хороший способ упорядочен­ного представления ситуации даже в том случае, когда вы не собираетесь строить модель и оптимизировать ее.

4. практическая работа с детерминированными моделями по­зволяет усовершенствовать общие навыки создания моделей.

 

Вероятностные модели

В вероятностных, или стохастических, моделях некоторые входы модели точно не известны. Так, в них предполагается, что значения некоторых переменных не будут известны до принятия решения, и это необходимо отразить в модели. Вероятностные мо­дели наиболее успению используются тогда, когда неопределенных входов модели немного, при условии, что ограничений также не­много или они отсутствуют вовсе. В результате вероятностные модели чаще всего применяются для принятия стратегических реше­ний, касающихся отношений организации и (неопределенной) среды, с которой она взаимодействует.