Понятие «проблемы» в системном анализе

Системный анализ имеет в своем арсенале следующие возможности решить проблему субъекта:

• вмешаться в объективную реальность и, устранив объективную часть проблемы, изменить субъективное отрицательное отношение субъекта,

• изменить субъективное отношение субъекта, не вмешиваясь в реальность,

• одновременно вмешаться в объективную реальность и изменить субъективное отношение субъекта.

Очевидно, что второй способ не решает проблему, а всего лишь устраняет ее влияние на субъект, а значит объективная составляющая проблемы остается. Справедлива и обратная ситуация, когда объективная составляющая проблемы уже проявилась, но субъективное отношение еще не сформировано, либо по ряду причин оно пока не стало отрицательным.

Вот несколько причин, почему у субъекта может отсутствовать «отрицательное отношение к реальности»:

• имеет не полную информацию о системе или использует ее не полностью;

• меняет оценку взаимоотношений с окружающей средой на психическом уровне;

• прерывает взаимоотношение с окружающей средой, которая вызывала «отрицательное отношение»;

• не верит информации о существовании проблем и их сущности, т.к. полагает, что сообщающие ее люди очерняют его деятельность или преследуют свои корыстные интересы, а может быть и потому, что просто лично не любит этих людей.

Следует помнить о том, что при отсутствии отрицательного отношения субъекта объективная составляющая проблемы остается и в той или иной степени продолжает влиять на субъект, либо проблема может существенно обостриться в будущем.

Поскольку выявление проблемы требует анализа субъективного отношения, то этот этап относится к неформализуемым этапам системного анализа.

Каких-либо эффективных алгоритмов или приемов на настоящий момент не предложено, чаще всего авторы работ по системному анализу полагаются на опыт и интуицию аналитика и предлагают ему полную свободу действий.

Системный аналитик должен обладать достаточным набором инструментов для описания и анализа той части объективной реальности, с которой взаимодействует или может взаимодействовать субъект. Инструменты могут включать методы экспериментального исследования систем и их моделирования. С повсеместным внедрением современных информационных технологий в организациях (коммерческих, научных, медицинских и др.) почти каждый аспект их деятельности регистрируется и сохраняется в базах данных, которые уже сегодня имеют очень большие объемы. Информация в подобных базах данных содержит детальное описание, как самих систем, так и истории их (систем) развития и жизни. Можно сказать, что сегодня при анализе большинства искусственных систем аналитик вероятнее столкнется с недостатком эффективных методов исследования систем, нежели с недостатком информации о системе.

Однако субъективное отношение должен сформулировать именно субъект, а он может не обладать специальными знаниями и потому не способен адекватно интерпретировать результаты исследования, проведенного аналитиком. Поэтому знания о системе и прогнозные модели, которые в итоге получит аналитик, должны быть представлены в явном, доступном к интерпретации виде (возможно на естественном языке). Такое представление можно назвать знаниями об исследуемой системе.

К сожалению эффективных методов получения знаний о системе на текущий момент не предложено. Наибольший интерес представляют модели и алгоритмы Data Mining (интеллектуальные анализ данных), которые в частных приложениях используются для извлечения знаний из «сырых» данных. Стоит отметить, что Data Mining является эволюцией теории управления баз данными и оперативного анализа данных (OLAP), основанной на использовании идеи многомерного концептуального представления.

Но в последние годы в связи с нарастающей проблемой «перегрузки информацией», все больше исследователей используют и совершенствуют методы Data Mining для решения задач извлечения знаний.

Широкое применение методов извлечения знаний весьма затруднено, что с одной стороны связано с недостаточной эффективностью большинства известных подходов, которые базируется на достаточно формальных математических и статистических методах, а с другой - с трудностью использования эффективных методов интеллектуальных технологий, которые не имеют достаточного формального описания и требуют привлечения дорогих специалистов. Последнее можно преодолеть, используя перспективный подход к построению эффективной системы анализа данных и извлечения знаний о системе, основанный на автоматизированном генерировании и настройке интеллектуальных информационных технологий. Такой подход позволит, во-первых, за счет применения передовых интеллектуальных технологий существенно повысить эффективность решения задачи извлечения знаний, которые будут предъявляться субъекту на этапе выявления проблемы при системном анализе. Во-вторых, исключить потребность в специалисте по настройке и использования интеллектуальных технологий, т. к. последние будут генерироваться, и настраиваться в автоматическом режиме.