Теоретические вопросы: 1. Необходимость моделирования, его сложность. Типы моделей, используемых при принятии управленческих решений. 2. Организация информационно-вычислительной поддержки управленческой деятельности.

Ниже приведены сжатые теоретические ответы по двум вопросам. Включены определения, классификации, примеры и этапы процесса. Их можно использовать как конспект к экзаменационной ответной записи. 1) Необходимость моделирования, его сложность. Типы моделей, используемых при принятии управленческих решений - Зачем моделирование нужно - Управленческие системы сложны и характеризуются множестом факторов, неопределенностью и нелинейными связями. - Моделирование даёт абстракцию реальности: позволяет понять, как система ведёёт себя при изменении входных факторов. - Позволяет тестировать сценарии “что если” без риска для реальных процессов, находить оптимальные решения и оценивать риски. - Помогает в планировании, прогнозировании и оптимизационных задачах: снижение затрат, повышение эффективности, улучшение качества решений. - Сложности и ограничения моделирования - Выбор уровня абстракции: баланс между точностью и вычислительной сложностью; слишком грубая модель — некорректные выводы, слишком сложная — трудна к поддержке и интерпретации. - Данные: доступность, качество, полнота, устарелость; проблемы с целостностью и согласованием данных из разных источников. - Неопределённость и риск: модели обычно учитывают вероятность, но реальность может менять параметры. - Валидация/верификация: проверка, что модель воспроизводит реальные процессы; риск переобучения и ложной надежности. - Вычислительная сложность: некоторые задачи (NP-полные, крупномасштабная оптимизация, детерминированная/ стохастическая имитация) требуют значительных ресурсов. - Интерпретация и принятие решений: управленческим пользователям нужна понятная интерпретация результатов, иначе они не будут использовать модель. - Типы моделей, применяемых в управленческих решениях (классификация) - По цели: - Descriptive (описательные): описывают текущее состояние и прошлые тенденции. Примеры: отчёты об эффективности подразделений, анализ отклонений. - Predictive (прогнозные): прогноз будущих значений. Примеры: прогноз спроса, прогноз продаж, прогноз чувствительности прибыли. - Prescriptive (практико-ориентированные): предлагают конкретные решения и действия. Примеры: оптимизационные модели запасов, планирование производства, маршрутизация и расписание, ценообразование с учётом ограничений. - По природе неопределённости: - Deterministic (детерминированные): при фиксированных входах получают фиксированные выходы. - Stochastic (случайные): учитывают неопределённость (вероятности, распределения). Примеры: Монте-Карло, модели спроса с распределениями, марковские процессы. - По времени: - Static (стационарные): анализ без учёта времени или с фиксированным временем. - Dynamic (динамические): учитывают эволюцию во времени (системная динамика, моделирование по шагам во времени, дискретно- или непрерывно). - По методам и инструментам: - Математические (аналитические) модели: линейное/целочисленное программирование, динамическое программирование. - Имитационные модели: дискретно-событийные моделирования, Монте-Карло. - Системная динамика: моделирование запасов, потоков, обратных связей в цепях поставок и производстве. - Агент-ориентированные модели: моделирование поведения агентов и их взаимодействий. - Статистические и ML/AI модели: регрессия, временные ряды, кластеризация, классификация, глубокое обучение для прогнозирования и выявления закономерностей. - Этапы моделирования (практическая схема) - Формулировка задачи и постановка целей. - Выбор переменных и структурирование модели (построение концептуальной модели). - Сбор и подготовка данных, оценка качества данных. - Построение модели и калибрование параметров. - Валидация и тестирование (сравнение с тестовыми данными, проверка устойчивости к изменениям входных данных). - Анализ сценариев, оптимизация и поиск решений. - Внедрение в практику, мониторинг результатов, периодическое обновление модели. - Документация и обучение пользователей. - Примеры областей применения управленческих моделей - Управление запасами и цепями поставок (включая оптимизацию запасов, транспортировки). - Планирование производства и расписание (CAPACITY/planning, G&T). - Ценообразование и управление доходами (pricing optimization, revenue management). - Финансовый риск-менеджмент и портфелирование. - Маркетинговые решения: прогноз спроса, сегментация и таргетинг. - Стратегическое моделирование: анализ сценариев и long-term planning. 2) Организация информационно-вычислительной поддержки управленческой деятельности - Что включается в информационно-вычислительную поддержку управления (ИВПУ) - Совокупность людей, процессов и технологий, позволяющих собирать данные, анализировать их и принимать обоснованные управленческие решения. - Часто выделяют три слоя: данные, аналитика (модели) и представление (интерфейсы пользователя/презентация). - Основные компоненты архитектуры - Источники данных: ERP/MIS/CRM/MSC систем, внешние источники, сенсоры и т.д. - Интеграция и обработка данных: ETL/ELT-процессы, качество данных, мастер-данные (MDM), единый словарь данных, метаданные. - Хранилища данных: data warehouse (DW), data lake/data lakehouse, data marts; поддержка исторических данных. - Аналитика и моделирование: решения для DSS/BI, OLAP-аналитика, математическое моделирование, оптимизация, имитационные и ML/AI инструменты. - Приложения: ERP, MIS, CRM, BPM/EDP, системи планирования ресурсов предприятия и управления эффективностью (EPM). - Визуализация и пользовательские интерфейсы: дашборды, отчеты, уведомления, мобильный доступ. - Управление данными и безопасностью: политика качества данных, управление доступом, аудит, соответствие требованиям (конфиденциальность, защита данных). - Инфраструктура: облако vs локальные ресурсы, виртуализация, масштабируемость, вычислительная мощность для сложных моделей (HPC при необходимости). - Процессы управления и эксплуатации - Управление данными и качество данных: источники, линия данных, очистка, мониторинг качества. - Управление требованиями бизнеса: сбор требований пользователей, приоритизация задач, управление изменениями. - Управление жизненным циклом аналитических проектов: методологии разработки (agile/iterative), пайплайны, контроль версий моделей. - Управление безопасностью и приватностью: доступ к данным, шифрование, аудит, соответствие регуляциям. - Вовлечение пользователей: участие бизнес-подразделений, обучение, поддержка пользователей, повышение приверженности к использованию систем. - Роли и компетенции - Руководство ИТ и бизнеса: CIO/CDO, бизнес-аналитики, архитектор данных. - Аналитики и специалисты по данным: data engineers, data scientists, BI/аналитики. - Конечные пользователи: операторы, менеджеры среднего звена, топ-менеджеры. - Ответственность за внедрение: комитеты по данным, руководители проектов, службы безопасности. - Метрики и критерии эффективности - Время принятия решения (time-to-decision), точность прогнозов, качество принимаемых действий. - Возврат на инвестиции (ROI), общие затраты на владение (TCO). - Уровень принятия решений пользователями, использование дашбордов, частота доступа к данным. - Надёжность и соответствие стандартам качества данных, безопасность и соответствие требованиям. - Практические принципы успешной реализации - Чёткая связка между стратегией бизнеса и ИВПУ; ранние быстрые победы для демонстрации ценности. - Инкрементальная внедрение: минимально жизнеспособный продукт (MVP) с постепенным расширением функций. - Гибкость архитектуры: модульность и возможность масштабирования под новые требования. - Обеспечение обучения и поддержки пользователей; изменение культуры принятия решений на основе данных. - Непрерывная проверка качества данных и моделей, мониторинг производительности систем. - Часто используемые технологии и концепции - Архитектура: ETL/ELT-пайплайны, data warehouse + data lake, data marts, MDM. - Инструменты: BI-платформы, DSS/ML-инструменты, инструменты для оптимизации и симуляции, инструменты визуализации. - Облачные решения и гибридные подходы: облачные данные/аналитика, гибкость масштабирования, фактор затрат и безопасность. - Безопасность и соответствие: управление доступом на уровне ролей, аудит данных, соответствие требованиям GDPR/финрегуляциям и др. Как можно подготовиться к экзамену по этим темам - Сформулируйте чётко определения: что такое моделирование, какие цели и ограничения. - Запомните основные типы моделей: Descriptive, Predictive, Prescriptive; deterministic vs stochastic; static vs dynamic; и примеры каждого типа. - Наметьте этапы процесса моделирования и соответствующие этапы в реальных проектах. - Сформулируйте преимущества и ограничения моделирования в управлении. - Опишите архитектуру ИВПУ, перечислите ключевые компоненты и их роли, а также принципы внедрения и оценки эффективности. Если хотите, могу подготовить краткие ответы под конкретные формулировки экзаменационных вопросов или сделать карточки с терминами и определениями.