Диссертация (1152380), страница 18
Текст из файла (страница 18)
Производитсяформализация показателей, влияющих на достижениецелей, а также определяются целевые значения показателейна периодВ рамках данного этапа определяются те программы ипроекты — инициативы, которые будут реализованы длядостижения поставленных целейПроизводится декомпозиция инициатив на более мелкие иконкретные задачи — требованияОпределяется порядок реализации инициатив на периодпутем выделения некоторого процента ресурсов компании.128Продолжение таблицы 9Планирование -рабочая группа-руководительпроекта-администраторпроектаСреди требований, входящих в выбранные на реализациюинициативы, расстанавляются приоритеты и определяютсятребования, которые поступят в работу в ближайшейитерации - спринте.Управление контролем-рабочая группаСобираются и анализируются текущие значенияАнализ-руководительпоказателей и определяются отклонения от целевыхрезультатовпроектазначений.-администраторпроектаФормирование -рабочая группаСобирается и анализируются информация о затратах иотчетов-руководительполученной прибыли.
Собирается и анализируетсяпроектаинформация о реализованных требованиях и инициативах.-администраторпроектаИсточник: составлено авторомСтруктурно-функциональная модель бизнес-процесса управления ПЦСпредставлена в Приложении Д.3.3 Программный инструментарий оценки эффективности управления ПЦСс большими объемами данных поведенческой активностиСущественной сложностью, возникающей при внедрении моделей оценкиэффективности управления в процессы управления ПЦС, являются большиеобъемы данных (Big Data)11 поведенческой активности и другой информации,требующей анализа. На основе практики внедрения модели при построенииинформационного программного средства,автоматизирующего процессыуправления в нескольких интерактивных интернет сервисах ПАО «РБК» и11Под терминами "Big Data", "Большие данные" или просто "биг дата" скрывается огромныйнабор информации. Причем объем ее столь велик, что обработка больших объемов данныхстандартными программными и аппаратными средствами представляется крайне сложной.129ООО «Технософт» был разработан подход дополняющий существующиепроцессы управления и значительно повышает эффективность использованияресурсов за счет фокусировки деятельности на достижении целевых ключевыхпоказателей эффективности, а также предоставляет возможность адаптациимодели на основе фактических данных мониторинга оперативной ситуации приреализации сценариев управления.Система состоит из следующих уровней:• аналитический модуль расчета сегментации;• модуль моделирования результативности сценариев управления;•модуль мониторинга и калибровки показателей.Анализ аналитических систем показал, что для реализации аналитическогомодуля в задаче разработки информационной системы оценки эффективностиуправления ПЦС наиболее оптимальным инструментом будет являтьсяпрограммное средство Deductor, содержащее в себе необходимые инструментысегментации, такие как «Карты Коханена», а также выделенную только дляаналитических целей базу данных.
Данная база должна своевременнонаполняться только необходимыми для аналитики метриками (Рисунок 45).Оптимальным для начала работы будет автоматический перенос необходимыхданных раз в сутки. При этом задачи следует планировать таким образом, чтобыосновная трансляция метрик из центральной в аналитическую базу приходиласьна время, когда основная база наименее загружена.Вкачестветехнологическогосредствадляаналитическойбазыпредлагается использовать MySQL.
База должна состоять из нескольких таблиц,которые содержат в себе всю необходимую информацию: статические иповеденческие характеристики, а также расчетные показатели карты управления.130Рисунок 45 – Целевая схема решения аналитической платформыИсточник: составлено авторомПример базы данных для аналитики и его архитектуры представлен вПриложении Е. Наиболее важные таблицы отмечены символом (*)В таблицах на сервере обязательна индексация. Необходимо сделатьключевыми все основные поля, по которым будут задаваться условия импорта(фильтрации). В приведенных выше описаниях полей индексы показаны впервом столбце с помощью буквы «К».Для импорта нам потребуется настроенное подключение к базе данных,содержащей необходимые таблицы из тестовой аналитической базы, после чегонеобходимо выполнить следующие запросы (Рисунок 46 – 49).Поскольку объемы данных в многопользовательских интернет проектаххарактеризуются размерами в сотни гигабайт, для поведенческой сегментациинеобходимо организовать параллельные вычисления.131Рисунок 46 – Целевая схема решения аналитической платформыИсточник: составлено авторомРисунок 47 – Целевая схема решения аналитической платформыИсточник: составлено авторомОдним из ограничений Deductor 5.x является 32-х битная архитектураплатформы.
Вследствие программных особенностей такие приложения не могут132в рамках одной запущенной копии адресовать более 1,4 Гб памяти. Такимобразом, в одно приложение Deductor не следует пытаться загружать данныеобъемом более 1 Гб – это может приводить к ошибкам адресации, и работасистемы станет ненадежной.Для этого в системе Deductor сначала создается расчётный сценарий,который загружает и обрабатывает только часть информации, которуюнеобходимо обработать. Это достигается путем использования механизмапеременных при импорте в системе Deductor. Далее в коде импорта задаетсяимпорт из базы по значению переменной, при этом Deductor выгрузит толькоинформацию по пользователям, относящимся к данному региону, пакету, илиинтервалу времени.Рисунок 48 – Схема работы управляющих и расчетного сценариевИсточник: составлено авторомПосле того как создан Расчётный сценарий, создается Управляющийсценарий, который будет последовательно вызывать Расчётный и передавать емуэти переменные в качестве заданий для обработки информации.
При этом такаяобработка может выполняться параллельно: одновременно будет работатьмножество расчётных сценариев, каждый из которых будет обрабатывать только133свой регион, пакет ID или интервал времени. Количество параллельных потоковзадается в интерфейсе Мастера настройки вызова сценария Deductor.Оптимально предлагается устанавливать его равным количеству процессорныхядер на сервере, производящим вычисления.Независимо от финального представления сегментов системы и способа ихиспользования необходимо проводить периодический пересчёт сегментов длявсех пользователей, причем не только поведенческих, но и статических, а такжевсех метрик, которые меняются с течением времени.Для реализации модуля моделирования эффективности ПЦС предлагаетсяиспользовать информационную систему Anylogic.
Данная система позволяетсочетать в себе две технологии моделирования (системную динамику и агентноемоделирование), импортировать параметры моделирования из базы данных, атакже формировать отчеты по результатам моделирования.Системно-динамическаямодельиспользуетсядлямоделированиявзаимодействия ключевых показателей карты управления и моделированияпроцессов распространения продукта на рынке. Агентная модель используетсядлямоделированияповеденияконечныхпользователейсервисаподвоздействием управляющих сценариев и внутренней логики поведения агентов,реализованного на основе муравьиного алгоритма.Параметры функционирования модели поступают из аналитическойсистемы, а также корректируются и дополняются аналитиком. Сценарииреализации каждого из сценариев управления также программируютсяаналитиком.Наосновепрогонавсехпредоставленных экспертамисценариевуправления формируются отчеты по динамике изменения карты управления повсему набору ключевых показателей ПЦС.
Для каждого из сценариев управлениярассчитываются показатели эффективности: Ek (индекс результативности134управления с точки зрения миссии) и EVAk (показатель добавленной стоимости).Отчеты об эффективности сценария управления формируются аналитиком ипередаются экспертам.Модуль мониторинга реализуется на основе SQL запросов к базе данных иязыку программирования Python и представляет собой набор отчетов,аналогичныхотчетам,получаемымвпроцессеоценкиэффективностиуправления ПЦС: показатели динамики карты управления и подробный отчет овсех ключевых показателях эффективности ПЦС.Данные отчеты используются для мониторинга исполнения выбранногосценария управления и выявления отклонений и причин их возникновения. Врезультате этого становится возможным оперативная реакция на внешниеусловия: адаптация модели, повторная оценка эффективности управления ПЦС сучетом произошедших изменений и корректировка исполняемого сценарияуправления (Рисунок 46).Рисунок 49 – Схема работы модуля моделированияИсточник: составлено автором135Разработанные в диссертационном исследовании модель и методикавнедрения прошли апробацию в ООО «Технософт» и ПАО «РБК» при оценкерезультативности управления для сервиса Justlunch.ru.График окупаемости проекта представлен на рисунке 50.Рисунок 50 – График окупаемости проектаИсточник: составлено авторомТаким образом, полученные результаты внедрения позволяют сделатьвывод о возможности эффективного применения разработанных моделей иметодик в процессах управления любым ПЦС.Разработанные решенияспособствуют повышению обоснованности принимаемых решений и ведут кросту конкурентоспособности и капитализации компаний, занимающихсясозданием и поддержкой цифровых сервисов.Выводы по главе 3.Предложена методика оценки экономической эффективности управленияПЦС с применением двух интегральных показателей, учитывающих прямые икосвенные последствия управления.
Последствия можно также структурировать136последующимкатегориям:количественныехарактеристикисоставапользовательской базы и поведения пользователей, параметры эффективностифункций сервиса для пользователя, финансовые показатели работы ЦС. Расчетинтегральных показателей эффективности управления ПЦС необходимопроизводить на основе финансовых данных ПЦС (показатель добавленнойэкономической стоимости) и параметров соответствия долгосрочным целямпредприятия (индекс результативности стратегии с точки зрения миссии).ПовышениеэффективностистратегическогоуправленияПЦСнафункциональном уровне предполагает решение задачи разработки программногоинструментария, позволяющего автоматизировать использование разработанныхматематических моделей в процессах управления ПЦС с большим объемомданных (Big Data) поведенческой активности.