ПОДХОДЫ К МОДЕЛИРОВАНИЮ СУБЪЕКТА ДЕЯТЕЛЬНОСТИ И ИХ МЕСТО В ИНЖИНИРИНГЕ БИЗНЕС-ПРОЦЕССОВ КОММЕРЧЕСКОГО БАНКА

ПОДХОДЫ К МОДЕЛИРОВАНИЮ СУБЪЕКТА ДЕЯТЕЛЬНОСТИ И ИХ МЕСТО В ИНЖИНИРИНГЕ БИЗНЕС-ПРОЦЕССОВ КОММЕРЧЕСКОГО БАНКА

Матвеев Илья Александрович

магистрант, НОЧУ ВО «Московский финансово-промышленный университет «Синергия»,

РФ, г. Москва

АННОТАЦИЯ

В статье приведен сравнительный анализ математических методов и инструментальных средств анализа и моделирования деятельности специалиста и измерения ее результатов. Рассмотрена их роль применительно к задачам инжиниринга бизнес-процессов банка. Выявлена тенденция развития методов моделирования и информационно-аналитических технологий сопровождения деятельности коллективного субъекта от разрозненных решений к их обобщению и комплексному применению на основе агентного подхода. Предложена классификация перечисленных методов и средств в соответствии с составом компонентов абстрактной функциональной системы, и процессами, протекающими в организационных системах.

Ключевые слова: модель деятельности, управление знаниями, инжиниринг бизнес-процессов в банке, математические и инструментальные средства, агентный подход.

Процессы выявления, оценки, аккумулирования и формализации знаний высококвалифицированных отраслевых специалистов к настоящему времени заняли ключевое место в стратегическом развитии организаций в условиях интенсивного информационного обмена, неустойчивости и гиперконкуренции, характерных для современной рыночной экономики [4, c. 89]. Банковская сфера относится к отраслям, подверженным наибольшей изменчивости. Для нее характерная большая доля инновационной составляющей и высокие требования к квалификации банковских специалистов как со стороны работодателя, так и надзорных органов. Формализованные знания специалистов предметной области становятся главным ресурсом онтологического проектирования корпоративных баз знаний и систем управления бизнес-правилами, средством интерпретации результатов интеллектуального анализа финансовых данных (data mining) и, набирающим популярность, автоматизированного анализа бизнес-процессов (process mining) [2, c. 60]. В настоящий момент онтологический инжиниринг в коммерческих банках ограничивается задачами формализации данных в части финансовой отчетности, например, в формате XBRL [13]. Такой акцент обусловлен высокой сложностью и важностью обеспечения процесса структурированного информационного обмена между кредитной организацией и ее контрагентами, а также трудоемкостью подготовки отчетности в соответствии с требованиями Центрального Банка. Соответственно на данном этапе редко затрагиваются вопросы разработки более полной модели предметной области, используемой в корпоративных процессах.  

Современные банковские холдинги, характеризуются широчайшей сетью взаимодействующих бизнес-процессов. Необходимость проектирования гибких бизнес-процессов на базе роботизации и компьютеризации, распространение средств автоматизации, обеспечивающих поддержку выполнения интеллектуально насыщенных трудовых функций, появление виртуальных организаций [7, 21, с. 237], вносит существенный вклад в изменение сложившихся и становление новых форм деятельности в банковской сфере. Внедрение автоматизации и роботизации в процессе реинжиниринга и организационного проектирования приводит к изменению требований к специалистов и руководителей: часть выполняемых функций приближается к операторской деятельности – программированию, управлению и контролю технических и автоматизированных систем [20], другая же, неавтоматизируемая на текущий момент, часть предъявляет повышенные требования к компетенции задействованных в процессе специалистов. Эффективное управление интенсивными организационно-технологическими изменениями в коммерческом банке трудно осуществимо в отсутствии актуальной информации о характере и результатах деятельности, ее обеспеченности трудовыми ресурсами. Информационная обеспеченность должна подкрепляться соответствующим математическим аппаратом и инструментальными средствами оценки, анализа и прогнозирования характеристик деятельности, их соответствия внедряемым изменениям.

По нашему мнению результаты системных исследований проблем согласования интересов, стимулирования, оценки оптимальных мер централизации и информированности в процессе организационного проектирования [3, 10-12] со временем будут учитывать разработки из смежных дисциплин, например, психологии принятия решений в условиях неопределенности, принципиальных ограничений возможности прогнозирования поведения сложных систем [28, 29].

Задачей данной работы является изучение теоретических концепций и практических разработок проблемы моделирования деятельности, с целью выявления их основных достоинств и недостатков, также тенденций развития и возможности применения в банковской отрасли. Сложность изучаемого явления определила различные основания классификации методов и технологий анализа деятельности, исходя из целей и области применения, в работах различных авторов. Далее будет предложена классификация подходов в соответствии со компонентами структурой кибернетической схемы функциональной системы [21, с. 247] (Рис. 1).

В соответствии с указанной моделью в структуре деятельности выделяются компоненты эмоциональной и сознательной регуляции, мотивации, когнитивных процессов, а также памяти (опыта) и схем поведения. Деятельность характеризуется определенным уровнем вероятностно-временной изменчивости. По назначению модели деятельности разделяют на нормативные, дескриптивные и прескриптивные. Структурно-функциональный подход к пониманию деятельности является одним из вариантов реализации прескриптивных моделей, объединяющих сильные стороны двух других типов моделей. Среди обобщающих исследований по моделированию деятельности, следует выделить работы Суходольского Г.В. [20], а также исследования по моделированию деятельности коллективного искусственного субъекта [21]. Вопросу моделирования коллективного субъекта, объединяющегося в многоуровневые иерархические организации, посвящено множество исследований. В данной области широко применяются следующие типы моделей: эконометрические, теоретико-игровые, модели сценарного прогнозирования и т.д. [12].

Рисунок 1. Структурная схема организационной единицы как функциональной системы (кредитной организации)

Модели оператора как активного субъекта деятельности, принимающего решения в средах разной степени определенности подробно изучаются в инженерной психологии. Математический аппарат в рамках данного направления представлен моделями на базе теории информации, применяемых в задачах распределения и ретрансляции информации, эвристическими моделями математического программирования и теории искусственного интеллекта, ситуационными модели теории продуктивного мышления и нечетких множеств. Достаточно полный обзор моделей и методов, применяемых для решения задач моделирования операторской деятельности, возникающих в процессе инженерно-психологического проектирования деятельности и технических изделий приведен в [16]. Математический аппарат в данной области включает модели на базе теории автоматов и алгоритмов, сетевого планирования и управления, теоретико-множественных моделях. Для оценки результатов деятельности используются структурные модели на базе аппарата теории надежности.

С моделями оператора тесно связаны модели задач, формирующих поле деятельности субъекта. Сущность задач, их структура и классификация, источники и причины возникновения, процесс постановки и решения, рассматриваются в рамках проблемологии [23]. В данном направлении имеются наработки в части моделей задач и процедур их решения, в частности, на основе алгоритмов распознавания принадлежности с коньюнктивной, дизъюнктивной и смешанной структурами на основе логических определений понятий, которые, по нашему мнению, могут получить применение в процессе комплексного управления знаниями организации, и в частности, в процессе онтологического инжиниринга знаний в коммерческом банке.

Когнитивная сфера субъекта деятельности соответствует центральному компоненту функциональной системы. Несмотря на тесную связь всех компонентов структурной схемы, особо следует выделить связь между базой знаний и обучением. Принято выделять явные и неявные процессы обучения. Неявное обучение [26, с. 327] представляет собой приобретение знаний о статистической структуре событий, ситуативных вероятностях, направляющих деятельность. В свою очередь явное обучение обусловливает построение когнитивных схем и является основой для построения систем управления знаниями организации. С точки зрения бизнес процессов коммерческого банка, это реализация подходов исследования данных и онтологического инжиниринга соответственно. Отдельное поле исследований – интеграция указанных направлений.

Эффект обучения на производстве – результат самообучения, обусловленное периодическим повторением одних и тех же операций, составляющих операционный цикл, при отсутствии значительных изменений в производственных условиях. Частными проявлениями данного процесса являются такие факторы эндогенного экономического развития как эффект Хорндал, эффекты кривой обучения и опыта [6, с. 14, 8, с. 5]. При анализе процесса итеративного обучения чаще всего используются модели на основе экспоненциальных и логистических кривых. Однако в практике коммерческих банков вышеназванные подходы не получили широкого распространения.

Другой подход связан с изучением динамических характеристик испытуемых. Например, в [18] на основе структурной схемы обучения анализируется процесс роста знания специалистов на основе модели с двумя контурами памяти. В данной работе показана возможность возникновения детерминированного хаоса в системах уравнений с запаздыванием. Данное обстоятельство является одним из необходимых условий для генерации новой информации в процессе обучения системы. Можно также привести пример теории, разрабатываемой в области изучения сущностных и динамических процессов генерации и использования знания. В [24] качественные и количественные характеристики структур и потоков знаний и информации в человеко-машинных системах вводятся и обосновываются понятия энтропии, энергии и потенциала для знаний и их носителей, приводятся расчеты характеристики потенциала знаний (knowledge potential, KnP) относительно уровневой системы образования, отраженной на временной шкале научно-производственного развития.

Эмоциональная сфера субъекта деятельности условно соответствует блоку мотивации функциональной схемы. Она оказывает влияние на все аспекты его функционирования и итоговую результативность. В данном направлении организационными консультантами практикуется применение концептуальных моделей организационной культуры Шейна-Хофстеде, теорий когнитивного соответствия Ф. Хайдера, Т. Ньюкома, Л. Фестингера, Осгуда-Танненбаума и т.д. Важной характеристикой данного блока является эмоциональный интеллект [27], как склонность персонала к распознаванию и управлению личными намерениями, мотивацией и желаниями в приложении к решению задач и достижению индивидуальных целей и их сближению с корпоративными. Указанные концептуальные построения используются при формировании практических методик оценки организационной культуры с тестами и опросниками, используемыми в качестве измерительных средств. Математическое обеспечение данного направления представлено, в основном, теоретико-игровыми моделями стимулирования [3], моделями организационных ролей и структурного баланса на графах, отражающих сеть сложных социальных взаимодействий [30]. На практике же чаще применяют различные подходы к построению системы стимулирования на основе комплексной оценки [14].

Вопросы построения математических моделей кадровых подсистем и их применения в информационно-аналитических комплексах для управления кадрами отраслей и крупных предприятий подробно рассмотрены в [14]. В данной области разработаны модели пропорций перемещения, стохастические и потоковые модели на базе методов математической статистики, линейной алгебры, теории случайных процессов, позволяющие проводить вариантные расчеты, осуществлять прогнозирование развития кадровых подсистем. Тем не менее, данные модели не учитывают влияние текучести и перемещения кадров по узлам организационной системы на характеристики ее деятельности. Например, по нашему мнению, недостаточно внимания уделяется анализу сущностных связей характеристик кадровой динамики и потоков информации, знаний, компетенций организации.

Применительно к бизнес-системам коммерческих банков, взаимодействие выделенных компонентов функциональной системы порождает структуру компетенций, обеспечивающих выполнение возникающих задач в рамках бизнес-процессов для обеспечения более формализованных и проектных коллективов для динамичных и слабоструктурированных областей деятельности в рамках одной системы. С точки зрения требований к рабочим местам и скрытых, на данный момент не выявленных источников эффективности функционирования организационной системы, сформированное дерево компетенций включает в себя набор ключевых параметров, выступающих в качестве конкурентного преимущества на рынке. Здесь компоненты функциональной системы соприкасаются с процессами организационного и бизнес проектирования, а также оценки персонала и управления знаниями, формирующими замкнутый нормативно-исследовательский цикл, направленный от заданных характеристик организационной системы оцениваемым характеристикам персонала кредитной организации. Обратное движение в рамках обсуждаемого контура направлено от выявления новых свойств и закономерностей в деятельности персонала к оптимизации организационно-технологической структуры бизнес-системы.

В рамках первой фазы рассматриваемого цикла могут быть применены контрольно-измерительные мероприятия с использованием соответствующего математического аппарата и инструментальных средств оценки соответствия характеристик персонала заданным требованиям бизнеса коммерческого банка. Во второй фазе акцент может быть сделан на процессах извлечения и формализации знаний специалистов высокого уровня с целью проведения онтологического инжиниринга, в результате которого могут быть учтены как передовой опыт, формализованный в виде бизнес-правил и более сложных схем взаимосвязей концептов предметной области функционирования кредитной организации. Далее приведем (табл. 1) классификацию обсуждаемых подходов к оценке характеристик персонала организации в сопоставлении компонентам модели специалиста и соответствующих им математическим методам и инструментальным средствам.

Таблица 1.

Сопоставление компонентов модели специалиста процессам управления и существующим математическим и инструментальным средствам

Представленная классификация позволяет сделать вывод о некотором пересечении элементов модели специалиста и упомянутой ранее функциональной схемы. В силу сложности и многогранности проявлений феномена деятельности индивидуального и совокупного субъекта, в частности, относительно функционирования многоуровневых организационных систем, к которым относятся современные банковские холдинги, приведенный обзор математических методов и инструментальных средств анализа, оценки и проектирования деятельности не может претендовать на полноту. Тем не менее, предложенная группировка формального аппарата и его программной реализации в теоретических разработках и практике внедрений на производстве, относительно компонентов абстрактной функциональной системы, позволяет сделать некоторые выводы о возможных путях их развития применительно к задачам, возникающим в процессе функционирования сложных многоуровневых организационных систем. По нашему мнению, проведенный анализ позволяет выделить основные направления, связанные рядом следующих проблем:

• Комплексирование моделей отдельных компонентов функциональной системы в рамках структуры искусственного агента, отражающей деятельность соответствующих организационных подсистем и обеспечение его актуальными объективными данными измерений характеристик персонала, в том числе кадровой динамики между эшелонами организационной структуры. Наиболее перспективным как с точки зрения построения единого математического аппарата, так и с точки зрения основных тенденций развития технологий проектирования корпоративных информационных систем, представляется агентный подход.
• Согласованное развитие организационно-технологической структуры предприятия и его онтологического отражения, включенного в единую систему управления знаниями организации.
• Развитие технологии построения системы управления знаниями (СУЗ) как человеко-машинной экспертной системы, отражающей коллективного субъекта деятельности на основе принципов локальной организации.
• Ведение прогнозно-аналитической деятельности в целях обеспечения согласованного развития организационно-технологической структуры предприятия и его обеспеченности персоналом с учетом рассмотренного выше комплекса структурно-динамических характеристик субъекта труда.

В соответствии с типологией бизнес-процессов коммерческого банка, предложенной в [17, с. 14] можно говорить о применимости рассмотренных подходов в рамках задачи стратегического инжиниринга бизнес-процессов развития и управления кредитной организацией. Развитие методов анализа деятельности специалистов банковской сферы и подходов к ее моделированию с акцентом на обеспечение согласованного развития организационно-технологической структуры коммерческого банка может быть предметом дальнейших исследований и разработок.

Список литературы:

1. Анастази А., Урбина С. Психологическое тестирование. – 7-е изд. – Спб: Питер, 2009. – 688 с.: ил. – (Серия «Мастера психологии»).
2. Вейнберг Р.Р. Решение финансовых задач с помощью системы управления бизнес-правилами. // Сборник научных трудов XXII Международной научной конференции, 2019, Т. 2, С.60-68.
3. Воронин А.А., Губко М.В., Мишин С.П., Новиков Д.А. Математические модели организаций: Учебное пособие. – М.: ЛЕНАНД, 2008. – 360 с.
4. Звонников В.И., Писарева О.М. Интеллектуальный менеджмент: новый подход к подготовке управленческих кадров для экономики знаний. «Высшее образование сегодня», 2011, с. 13-18; №1, №2, с.88-91.
5. Кук Н.М., Макдональд Дж. Формальная методология приобретения и представления знаний // ТИИЭР. Т. 74, № 10. С.145-155.
6. Моргунов В.М. Экономико-математическое моделирование управления процессом обучения на производстве. Автореферат диссертации на соискание ученой степени кандидата экономических наук, 2012.
7. Назипов Д.А. Трансформация банковской деятельности под воздействием информационных технологий // Диссертация на соискание степени кандидата экономических наук по специальности 08.00.10 «Финансы, денежное обращение и кредит», ГОУ ВПО «Академия народного хозяйства при Правительстве Российской Федерации», 2008.
8. Новиков Д. А. Модели обучения в процессе работы // УБС. 2007. №19.
9. Писарева О.М. Итеративная модель согласования интересов участников строительного производства. М., МИУ, 1989, депонирована во ВНИИИСе, 22.06.89, N 10194.
10. Писарева О.М. Математическое моделирование согласования интересов участников строительства на этапе текущего планирования // Диссертация на соискание степени кандидата экономических наук по специальности 08.00.13 «Экономико-математические методы», Москва, МИУ им. С. Орджоникидзе, 1990.
11. Писарева О.М. Методы прогнозирования развития социально-экономических систем. Учебное пособие. М., Издательство «Высшая школа», 2007.
12. Писарева О.М. Прогнозно-аналитическая деятельность в управлении развитием многоуровневых организационных систем [Текст]: монография; Государственный университет управления. – М.: ГУУ, 2013. – 235 c.
13. Правила формирования отчетности в формате XBRL и ее представления в Банк России // URL: https://www.cbr.ru/Content/Document/File/134850/rules_XBRL.pdf
14. Реймаров Г.А. Комплексная оценка персонала: Инженерный подход к управлению качеством труда. – М.: Издательство Либроком, 2017. - 422 с.
15. Румчев В.Г., Конин А.Л. Кадровые подсистемы АСУ: Математические модели / Под ред. И.А. Ушакова. – М.: Радио и связь, 1984. – 248 с., ил.
16. Смирнов Б.А., Тиньков А.М. Методы инженерной психологии. Х.: Изд-во «Гуманитарный центр», 2008. – 528 с.
17. Смолякова Н. В. Оптимизация портфеля банковских активов на основе реинжиниринга бизнес-процессов // Диссертация на соискание степени кандидата экономических наук по специальности 08.00.10 «Финансы, денежное обращение и кредит», Ростов-на-Дону, ФГБОУ ВО «Воронежский государственный университет», 2018.
18. Солодова Е.А. – Новые модели в системе образования: Синергетический подход. Учебное пособие / Предисл. Г.Г. Малинецкого. – М.: Книжный дом «ЛИБРОКОМ», 2012. – 344 с. (Синергетика: от прошлого к будущему. № 56; Будущая Россия).
19. Стефанюк В.Л. Локальная организация интеллектуальных систем. – М.: ФИЗМАТЛИТ, 2004. – 328 с.
20. Суходольский Г.В. Введение в математико-психологическую теорию деятельности. – Спб.: Издательство С. – Петербургского университета, 1998. – 220 с.
21. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. – М.: Эдиториал УРСС, 2002. – 352 с. (Науки об искусственном.)
22. Терехина А.Ю. Представление структуры знаний методами многомерного шкалирования. — М.: ВИНИТИ, 1988.
23. Фридман Л.М. Основы проблемологии. Изд. 2-е, испр. и доп. – М.: Книжный дом «ЛИБРОКОМ», 2009. – 224 с.
24. Ahamed, Syed V. Next Generation Knowledge Machines: Design and Architecture.2014.
25. Allemang D., Hendler J. Semantic Web for the Working Ontologist Effective Modelling in RDFS and OWL Second Edition, 2011.
26. Cleeremans A., Jimenez J. Implicit sequence learning: The Truth is in the details // In M.A. Stadler and P.A. Frensch, eds. Handbook of Implicit Learning, 1998, 323-364.
27. Goleman D. // Working with emotional intelligence. New York: Bantam Books, 1998.
28. Kanneman D, Tversky A. Choices, values and frames. Cambridge: Cambridge University Press, 2000.
29. Taleb N. N. Fat tail, asymmetric knowledge, and decision making: Essay in Honor of Benoit Mandelbrot’s 80th birthday. Technical paper series, Wilmott (March): pp. 56-59.
30. Wasserman S., Faust K. Social Network Analysis: Methods and Applications Structural Analysis in the Social Sciences, 1st Ed., 1994.