Введение
Потоки данных возникают во всех сферах деятельности при попытках описать происходящие явления и имеющиеся объекты. При этом характер информации в потоках может значительно отличаться для разных задач. В научной литературе, посвященной анализу потоков данных, отмечается специализированный характер публикаций. Так, Выборнов И.С., Абрамова О.Ф., Свиридова О.В. освещают автоматизацию учета товаров [1], Майоров А.А., Матерухин А.В. акцентируют внимание на информационно-измерительных системах [2], Нерода Е.В. обращает внимание на вопросы выбора поставщика [3], Ромашова А.А. [4] и Якимов М.Р. [5] рассматривают проблему транспортных потоков. Широта охвата исследовательских вопросов требует дальнейшей разработки методик анализа потоков данных для обеспечения его применимости в теории и практике управления на разных уровнях и с разной степенью технической оснащенности процессов обработки данных.
Целью данного исследования является описание универсального подхода к визуализации, агрегированию и последующей обработке потоков данных, применимого для обоснования управленческих решений разной сложности и природы в экономике.
Потоки данных характеризуются движением информации между некоторыми узлами – источником и приемником информации. При прямом движении информация идет от условного источника к приемнику, а при обратном движении – наоборот, то есть узлы меняются ролями. При этом один узел может иметь только входы, только выходы или и входы, и выходы. Также узел может работать с информацией одного или нескольких видов (например, ФИО сотрудника, наименование товара, количество товара, вид движения товара). Информация может иметь различный характер и быть представленной в разных измерителях – натуральных, денежных, трудовых, временны’х, в долях единицы, комбинированных. Пространственная структура узлов может быть различной: от простой линейной до сложно разветвленной. Анализ данных для принятия решений, которое является целью сбора любого рода информации, требует систематизации этих данных. Такая систематизация должна отвечать требованиям не только достоверности и полноты, но и способности быть охваченной вниманием лица, принимающего решения, для выявления существенных характеристик информации и выбора наилучшего варианта решения. Таким образом, для анализа потоки данных должны быть обобщены способом, который обеспечивает наглядность и оценку этих потоков.
Материал и методы исследования
Для решения данной задачи подходит табличный метод, в котором узлы-источники представлены, например, строками, а узлы-приемники – столбцами. На пересечении строк и столбцов в соответствующей ячейке указывается значение потока. Макет таблицы потока данных представлен в таблице 1. Знаком «х» в такой таблице отмечаются ячейки (комбинации «узел-источник – узел-приемник»), для которых нет связи в пространственной структуре узлов. Если же связь есть, но за изучаемый период или объект не было соответствующего потока, то в таблице ставится значение «ноль». В таблице 1 знаки «х» проставлены произвольно – для примера. Так, отмечена диагональ таблицы, что говорит об отсутствии потока от узла к нему самому. Для многих видов структур данных отсутствие такого потока типично (если объект является простым, то есть для целей исследования не дробится на более мелкие объекты, например, узел – это сотрудник). Однако иногда объект анализа бывает сложным, тогда узел может быть сложным. Например, в бухгалтерском учете синтетический счет сложный и может быть представлен как набор субсчетов, а субсчета – как набор счетов аналитического учета. Тогда если таблица потока данных имеет в качестве узлов синтетические счета, то возможна связь узла с самим собой, так как внутри счета могут быть задействованы разные субсчета и (или) объекты бухгалтерского учета. Тогда диагональ в таблице потока данных может содержать значения. Чтобы уточнить суть такого потока требуется детализация узла и его потоков (в примере – до субсчетов и счетов аналитического учета). Для того чтобы избежать такой развертки нужно собирать данные в таблице (и соответственно выделять узлы) максимально детально в целях принятия управленческих решений, для которых готовится таблица. Строка и столбец «Итого» содержат сумму значений соответственно по столбцу и строке.
Для обратного движения данных таблица потоков будет иметь тот же вид, только назначение строк и столбцов меняется на обратное: по строкам указываются узлы-приемники, по столбцам – узлы-источники, а значения приводятся со знаком «минус». Знак «минус» необходимо указывать, чтобы математически и графически отделить обратные потоки от прямых. Это позволит собирать данные об узлах – о накоплении в них значений по формуле «остаток на начало периода плюс поступление за период минус расходование за период». Макет таблицы потока данных (обратного) представлен в таблице 2.
Для анализа полученных после наблюдения значений применимы различные статистические методы, в первую очередь, структурно-динамический анализ и описательная статистика. Выбор методов зависит от обосновываемого с помощью данных управленческого решения. В частности, оценка типичных данных производится с помощью рядов вариации, моды, медианы, среднего, размаха и т.д. на основе данных за интересующий исследователя период, оценка устойчивости данных – с помощью анализа трендов на основе данных таблиц за несколько периодов.
Таблица 1
Макет таблицы потока данных (прямого)
|
Узел-приемник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Узел-источник |
А |
х |
Значение А-Б |
х |
Значение А-Г |
|
|
Б |
Значение Б-А |
х |
Значение Б-В |
Значение Б-Г |
||
|
В |
Значение В-А |
Значение В-Б |
х |
Значение В-Г |
||
|
Г |
Значение Г-А |
Значение Г-Б |
Значение Г-В |
х |
||
|
Итого |
||||||
Таблица 2
Макет таблицы потока данных (обратного)
|
Узел-источник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Узел- приемник |
А |
х |
-Значение А-Б |
х |
-Значение А-Г |
|
|
Б |
-Значение Б-А |
х |
-Значение Б-В |
-Значение Б-Г |
||
|
В |
-Значение В-А |
-Значение В-Б |
х |
-Значение В-Г |
||
|
Г |
-Значение Г-А |
-Значение Г-Б |
-Значение Г-В |
х |
||
|
Итого |
||||||
Если для первичного сбора данных используется программное обеспечение, поддерживающее реляционные таблицы, или электронные таблицы, то таблицы потоков данных могут быть быстро получены путем вызова соответствующих фильтров.
Результаты исследования и их обсуждение
Ниже рассмотрен модельный пример использования анализа потоков движения товаров между складами. Таблицы исходных значений (таблицы 3 и 4) показывают динамику потоков в естественном (натуральном) измерителе. Жирным шрифтом выделено максимальное (по модулю) значение, курсивом – минимальное значение.
Нормированные значения (с округлением) представлены в таблицах 5 и 6. Для получения нормированных значений в таблицах 5 и 6 каждое значение соответственно в таблице 3 и 4 делится на сумму взятых по модулю значений угловой ячейки «итого» (в модельном примере эта сумма равна 186). Таблица нормированных значений демонстрирует долю каждого значения в общей величине и таким образом наглядно представляет структуру системы потоков. Эти значения характеризуют вероятности переходов между ячейками, в модельном примере – вероятности товародвижения, измеренные по интенсивности перемещения количеств товаров. Так, доля (вероятность) передачи единицы товара со склада Б на склад Г за изучаемый период максимальна среди всех вероятностей и составляет 0,086, или 8,6% (таблица 5). Для многих управленческих задач оценка вероятностей является важным этапом принятия решений. Она позволяет прогнозировать и планировать управляемые потоки.
В дополнение к оценке потоков значительный управленческий интерес представляет изучение сальдо потоков («прямое движение» минус «обратное движение»). Оно может быть получено суммированием значений таблиц прямого и обратного потоков. Итоговые (сальдированные) потоки представлены в таблице 7 (на основе таблиц 3 и 4), а итоговые нормированные потоки – в таблице 8 (на основе таблиц 5 и 6).
Сальдированные таблицы показывают, насколько прямое движение отличается от обратного движения по абсолютному значению.
Таблица 3
Прямой поток товаров
|
Склад-приемник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Склад-источник |
А |
х |
5 |
2 |
9 |
16 |
|
Б |
4 |
х |
7 |
16 |
27 |
|
|
В |
9 |
14 |
х |
5 |
28 |
|
|
Г |
8 |
3 |
12 |
х |
23 |
|
|
Итого |
21 |
22 |
21 |
30 |
94 |
|
Таблица 4
Обратный поток товаров
|
Склад-источник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Склад- приемник |
А |
х |
-8 |
-3 |
-6 |
-17 |
|
Б |
-11 |
х |
-14 |
-7 |
-32 |
|
|
В |
-5 |
-10 |
х |
-5 |
-20 |
|
|
Г |
-6 |
-9 |
-8 |
х |
-23 |
|
|
Итого |
-22 |
-27 |
-25 |
-18 |
-92 |
|
Таблица 5
Нормированный прямой поток товаров
|
Склад-приемник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Склад-источник |
А |
х |
0,027 |
0,011 |
0,048 |
0,086 |
|
Б |
0,022 |
х |
0,038 |
0,086 |
0,146 |
|
|
В |
0,048 |
0,075 |
х |
0,027 |
0,150 |
|
|
Г |
0,043 |
0,016 |
0,065 |
х |
0,124 |
|
|
Итого |
0,113 |
0,118 |
0,114 |
0,161 |
0,506 |
|
Таблица 6
Нормированный обратный поток товаров
|
Склад-источник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Склад- приемник |
А |
х |
-0,043 |
-0,016 |
-0,032 |
-0,091 |
|
Б |
-0,059 |
х |
-0,075 |
-0,038 |
-0,172 |
|
|
В |
-0,027 |
-0,054 |
х |
-0,027 |
-0,108 |
|
|
Г |
-0,032 |
-0,048 |
-0,043 |
х |
-0,123 |
|
|
Итого |
-0,118 |
-0,145 |
-0,134 |
-0,097 |
-0,494 |
|
Таблица 7
Таблица итоговых потоков (прямая плюс обратная)
|
Склад-приемник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Склад-источник |
А |
х |
-3 |
-1 |
3 |
-1 |
|
Б |
-7 |
х |
-7 |
9 |
-5 |
|
|
В |
4 |
4 |
х |
0 |
8 |
|
|
Г |
2 |
-6 |
4 |
х |
0 |
|
|
Итого |
-1 |
-5 |
-4 |
12 |
2 |
|
Таблица 8
Таблица нормированных итоговых потоков (прямая плюс обратная)
|
Склад-приемник |
Итого |
|||||
|
А |
Б |
В |
Г |
|||
|
Склад-источник |
А |
х |
-0,016 |
-0,005 |
0,016 |
-0,005 |
|
Б |
-0,037 |
х |
-0,037 |
0,048 |
-0,026 |
|
|
В |
0,021 |
0,021 |
х |
0 |
0,042 |
|
|
Г |
0,011 |
-0,032 |
0,022 |
х |
0,001 |
|
|
Итого |
-0,005 |
-0,027 |
-0,02 |
0,064 |
0,012 |
|
При необходимости могут быть рассчитаны относительные значения. Прибавлением итоговых (сальдированных) потоков к известным менеджменту начальным остаткам в узлах можно получить значения конечных остатков в этих узлах.
Выводы
Представленная методика анализа потоков данных применима для разных сфер управленческой деятельности. Она может быть развита путем использования методов анализа данных, в частности, кластерного анализа, факторного анализа, структурно-динамического анализа, корреляционно-регрессионного и иных методов математической обработки по желанию исследователя и исходя из сложности решаемой управленческой задачи.