Аналитика

20. Подготовка выводов и заключений о целях/конечных состояниях объектов и систем, достижимых без коррекции процесса/управляющих воздействий, синтез пространства альтернатив;

21. Установление бюджета заключительного этапа исследований.

Остановка перед выходом на финишную прямую. Уже сейчас заказчик может получить ответ на вопросы: «Что может быть, если все будет, как есть?», «Что может быть вообще?» и «Сколько будет стоить точное знание?». Возможно, что полученных сведений ему уже будет достаточно, и, если исполнитель вышел по завершении этапа «в ноль», то, возможно, ему придется «сесть на картотеку» в банке.

Но вот бюджет принят! Программисты и аналитики закупают килограммы молотого кофе («чистая арабика»), и начинается «последний бой»:

22. Определение критических точек, приложение управляющих воздействий к которым способно привести к максимальным подвижкам в направлении достижения целей управления;

23. Проведение имитационного моделирования;

24. Оценивание эффективности отдельных управляющих воздействий;

25. Синтез комплексных стратегий управления, оценивание эффективности и сравнительный анализ стратегий;

26. Подготовка отчетной документации;

27. Сдача/приемка информационной продукции.

Все, финиш! Программисты и аналитики ходят с красными кроличьими глазами и подумывают об отдыхе… Руководство вновь и вновь перекладывает по кучкам выручку, подсчитывая коэффициент трудового участия.

Комментарии излишни… единственное, что следует подчеркнуть, — это то, что всякая технология является в некотором смысле несовершенной и может быть улучшена. Те пункты в перечне, которые, по мнению авторов, нуждаются в раскрытии, мы рассмотрим далее в этой главе (несмотря на то, что с методологической точки зрения читатель уже достаточно вооружен для того, чтобы самостоятельно сформулировать перечень методов, которые могут быть использованы для решения задач того или иного этапа).

3. Первичная обработка имеющихся данных и анализ модельной информации

Некоторым читателям термин «модельная информация» может показаться некорректным, однако на самом деле он несет существенную смысловую нагрузку. При осуществлении любой деятельности, сопряженной с ведением анализа ситуаций и выявлением неких аналогий с историческими прецедентами, аналитик оперирует набором эталонов, апробированных ранее. Такой эталон уже представляет собой не набор первичных данных, а их обобщение — модель. Именно этот тип информации мы и называем модельной информацией.

Первичная обработка имеющихся данных и анализа модельной информации является чрезвычайно ответственным этапом работы. Если этот этап не включен в общую схему работы, то может статься, что коллектив аналитиков примет ошибочное решение, которое со всей очевидностью проявится лишь на заключительном этапе работы. Ведь базовая модель (исходная гипотеза) на поверку может оказаться: устаревшей, не соответствующей решаемым задачам как по условиям (событийному контексту) рассматриваемого феномена, так по уровню детализации (не адаптированной к характеру поступающих данных), фрагментарной, либо вообще — ошибочной. Важность этапа анализа модельной информации заключается в том, что именно на нем устанавливаются все «белые пятна» в знаниях субъекта ИАР, выделяются «зоны особого внимания» и формулируются гипотезы об объеме трудозатрат, стоимости процедур сбора дополнительных данных, формулируются цели и задачи субъекта ИАР в рамках решения поставленной задачи. Более того, на этом этапе устанавливаются действительные потребности заказчика/потребителя информационной продукции и оценивается достижимость целей работы.

Каждый субъект ИАР на момент возникновения задачи/проблемы уже располагает некоторым массивом данных и моделей их интерпретации. Вопрос состоит в том, насколько имеющиеся знания применимы для решения данной конкретной задачи, могут ли они быть применены без модификации и каковы направления модификации моделей и пополнения информационных ресурсов. Как следствие, первичная обработка имеющихся данных и анализ модельной информации может проводиться по следующему сценарию:

— синтез общей классификации задач, когда-либо решавшихся субъектом ИАР;

— установление класса новой задачи и выявление задач, сходных с данной;

— анализ опыта решения аналогичных задач и считывание массивов данных и моделей, ассоциированных с ними;