Analytical and information technology and human resource management

Научной основой взаимоотношения человеческих ресурсов и современных информационных технологий является интеграция собственно информатики, кибернетики и инновационных методов административного управления ^{[1],[2],[3],[4]}.

Базовыми принципами применения информационных технологий управления являются ^[5]:

• принцип оперативного управления (т.е. управление в реальном времени);
• принцип адаптивного управления (этот принцип обеспечивает дина­мическую адаптацию технологии управления с учетом изменения воздействия внешней и внутренней среды);
• принцип сквозного управления (этот принцип обеспечивает информационную поддержку полного цикла управления, включая сбор и анализ информации о состоянии объекта управления, моделирование и прогнозирование его состояния, планирование управляющих воздействий, непо­средственную поддержку принятия решений по их реализации, доведение решений до исполнителей и контроль исполнения);
• принцип сетевого управления (этот принцип позволяет реализовать взаимодействие «вертикальных» и «горизонтальных» линий ком­муникации и потоков деятельности организации).

Компьютерная интеллектуальная информационно-управля­ющая система поддержки принятия решений, использующая такие принципы, может обеспечить руководство и сотрудников достаточно простыми по применению и емкими по внутреннему содержанию решениями основных проблем управления организацией.

В настоящее время компаниями используются разные информационные системы, среди которых можно выделить следующие классы:

• Системы управления взаимоотношениями с клиентами CRM (Customer Relationship Management). Это средство для автоматизации работы отделов маркетинга, отделов продаж и обслуживания клиентов, а также набор дополнительных сервисов в виде корпоративных порталов, call-центров, онлайновых справочных бюро для клиентов, корпо­ративных баз знаний и пр. Это класс систем управления внешними отношениями предприятия. Системы управления взаи­моотношениями с клиентами CRM включают в себя методы уп­равления, позволяющие повысить эффективность продаж. В таких системах нашли свое отражение многие достижения современно­го маркетинга. Они обеспечивают управление взаимоотношени­ями компании с ее клиентами (заказчиками), партнерами, диле­рами и внешним миром.
• Системы планирования ресурсов предприятия ERP (Enter­prise Resource Planning). Это класс интегрированных систем управ­ления, представляющий собой унифицированную централизован­ную базу данных, единое приложение и общий пользовательский интерфейс для управления финансово-хозяйственной деятельно­стью. Они охватывают такие области деятельности предприятия, как планирование и прогнозирование, управление продажами, уп­равление запасами, управление производством, закупками, финан­сами и пр. (ремонты, управленческая отчетность, консолидация).
• Системы информационной поддержки аналитической де­ятельности BI (Business Intelligence). Эти системы являются храни­лищем аналитических данных и включают в себя набор средств обработки информации. Также они могут называться OLAP системами (Online Analytical Processing – см.таблицу №1) в отличие от OLTP сис­тем (Online Transactions Processing), к которым относятся системы планирования ресурсов предприятия ERP и системы управления взаимоотношениями с клиентами CRM.

OLAP (англ. Online Analytical Processing - аналитическая обработка в реальном времени) - технология обработки информации, включающая составление и динамическую публикацию отчетов и документов. Используется аналитиками для быстрой обработки сложных запросов к базе данных. Возможность доступа к учетным данным для всех потребителей, помогает избежать двойного ввода и искажения информации. Та­ким образом, происходит обеспечение предприятия ресурсами для оперативного анализа и контроля производственных процессов и сокращение трудозатрат на поиск необходимой информации. Контроль - благодаря внедрению системы планирования ре­сурсов предприятия ERP все данные регистрируются в реальном времени и интерпретируются по единым алгоритмам. Система позволяет своевременно контролировать выполнение производ­ственных операций. Следовательно, появляется возможность во­время вмешаться в ход производственного процесса, остановить ошибочные операции или внести соответствующие коррективы. Анализ - заложенные в систему методики анализа позволяют реализовывать деятельность компании в соответствии с ее страте­гией и моделировать различные ситуации. Аналитические ресурсы системы планирования ресурсов предприятия ERP предоставля­ют возможность разрабатывать решения, обеспечивающие сни­жение затрат (например, за счет уменьшения времени складского хранения, планирования загрузки мощностей, ресурсов, подбора оптимальных поставщиков и сроков поставок) или увеличение выручки (за счет своевременности обработки клиентских заказов и обеспечения более высокой скорости их регистрации).

Принятие решений - система планирования ре­сурсов предприятия ERP предоставляет специалисту, принимаю­щему решения, именно ту информацию, на основании которой он может действовать с минимальной долей риска. Организация, оперативно и качественно решающая задачи, связанные с управлением производством, имеет большие преимуще­ства перед своими конкурентами. Грамотный подход к реализации проекта внедрения системы планирования ресурсов предприятия ERP дает возможность изменить в лучшую сторону показатели об­щей эффективности ведения бизнеса: улучшить качество обслуживания клиентов и заказчиков, взаимоотношения с поставщиками, увеличить число клиентов и поставщиков (вследствие более оперативного выполнения за­казов) и т.п.

Таблица №1

Различные виды OLAP-систем

Они представляют собой хранилище данных с набором инструментов для получения дан­ных из ERP и других систем и методы последующего анализа соб­ранных данных. Таким образом, системы BI - это решения на основе систем делового анализа OLAP и систем поддержки принятия решения DSS (Decision Support Systems), то есть это интегрированный набор средств обработки информации и данных для стратегического анализа деятельности компании, полученных другими корпоративными информационными системами и разными методами обработки этих данных.

С помощью систем информационной поддержки аналитической деятельности ресурсы данных могут быть преобразованы в цельную информацию и могут служить основой для принятия управленческих решений. Основные функции таких систем можно распределить следующим образом (рис. 1):

• визуальное представление бизнес-стратегии и преобразова­ние ее в план конкретных действий;
• быстрая корректировка стратегии в соответствии с измене­ниями рынка;
• отслеживание ключевых факторов успеха с использованием внешних и внутренних программ оценки эффективности;
• анализ эффективности предприятия.

Рис.1. Основные функции информационно-аналитических систем

(BI-систем)

Рис.2. Архитектура интегрированной системы интеллектуального многомерного анализа

Рис.3. Модель многомерного представления информации в OLAP-системе

Современные направления развития OLAP-систем связаны с встраиванием ключевых функций аналитической обработки данных в корпоративные информационные системы (класса ERP) элементов и закономерностей, которые осуществляются с помощью интеллектуального анализа данных (Data Mining).

Наряду или в составе вышеперечисленных систем в практике деятельности компаний используются некоторые специальные системы. Среди них:

• Системы управления логистическими цепочками SCM (Supply Chain Management). При производстве сложных изделий, в состав которых входят комплектующие от разных поставщиков, для компаний важно оперативно программировать поставку не­обходимых деталей в требуемом объеме и к означенному сроку. Иными словами, система обеспечивает процессы планирования и координации снабжения, транспортировки и складирования.
• Системы планирования материальных потоков MRP (Material Requirements Planning). Это класс систем управления закупками, производством и сбытом материалов.
• Системы управления человеческими ресурсами HRM (Human Resources Management), задачи которых — рекрутинг, управление и эффективное использование потенциала всех сотрудников пред­приятия. Эти системы обеспечивают информационную поддерж­ку в процессе планирования карьеры и обучения, оценки персо­нальных достижений и сводит данные о персонале.

Все перечисленные системы являются не замкнутыми самостоятельными си­стемами, а лишь относительно самостоятельными видами информационных систем. Конечно, каждая конкретная информационная система может нести в себе отдельные элементы и признаки каждой из вышеназванных. В настоящее время обозначилась тенденция создания, так называемых, гибридных ин­теллектуальных систем, когда в уже хорошо известные информационные комплексы и компью­терные программы встраиваются элементы систем искусственного интеллекта. Также получают развитие и современные «когнитивные информационные технологии», которые включает в себя инфор­мационные технологии, специально разработанные для развития творческих способностей человека и информационной поддерж­ки творческих процессов.

Интеллектуальные системы управления

Следует отметить, что современные информационные технологии имеют сущест­венную особенность. Если на раннем этапе их появления и развития средства автома­тизированной обработки информации в основном применялись к уже существующим типовым процедурам управления, то в последнее время си­туация существенно изменилась. Информационно-коммуникационные технологии являются своеобразным катализатором распространения передового управленческого опыта и современных технологий менеджмен­та. При этом происходит оптимизация бизнес-процессов в соответствии с современными достижениями теории и практики управления. Главным результатом этого является эффективная система управления предприятием, основанная на актуальных сетевых компьютерных технологиях. В итоге за счет оптимизации механизмов поддержки принятия управленческих решений и текущих бизнес-процессов, уда­ется получить существенные конкурентные преимущества и дополнительные ресурсы для развития.

Для лучшего понимания основы про­цесса консолидации знаний и его значения для системы управления, полезно использовать целостную модель Фраунхофера (см. рисунок №4.). Эта трехуровневая модель показывает взаимоотношения между ключевыми процессами управления знаниями, производственно-технологическими и бизнес-про­цессами и главными функциональными областями, на которых строится управление знаниями. В этом случае организация создает ценности на основе имеющихся у нее интеллектуальных знаний и активов. При аккумуляции корпоративных знаний и их структуризации необходимы критерии, по которым организации могут выстроить управление знаниями. Существует достаточно много критериев практической структуризации корпоративных знаний, необхо­димых для определения рода знаний, с которыми предполагается работать.

Рис.4. Модель Фраунхофера по аккумуляции знаний организации

Примеры критериев структуризации и виды корпоратив­ных знаний:

• по источникам получения — внутренние и внешние;
• по содержанию выделяют экономические, социальные, организационные, технические, политические, экологические и др.;
• по теории познания — явные и скрытые, осознанные и неосоз­нанные;
• по назначению знания разделяют на теоретические и практиче­ские;
• по возможности их применения — «знаю-что», «знаю-как», «знаю-где» и т. д.

Чем больше используемых крите­риев, тем больше вариантов структуризации знаний можно полу­чить и тем самым повысить эффективность системы в аспекте поиска, об­новления и использования необходимых знаний. Конечно же, в этом случае сама стоимость базы знаний возрастает. Собственно процесс структурирования знаний является самым существенным при разработке интеллек­туальных информационных систем ^[6].

Методологические основы структурирования знаний опираются на современную теорию больших систем (с важностью этапа проектирования), системный анализ, объединяющий методы, ориентированные на исследование и моделирование сложных систем, и объектно-ориентированный анализ. В процессе разработки структуры базы знаний важным является определение множества объектов пред­метной области, формирование наборов атрибутов-признаков для каждого из них, и введение, так называемых, метапонятий и определение порядка отношений между ними. Все подходы можно условно разделить на два вида: символьные и визуальные. Символьный подход к структуризации знаний основан на математическом, текстовом или табличном описании. Такой подход используется, в случае если предметная область хорошо структурирована. В символьном подходе наиболее традиционными и внешне простыми являются текстовые методы, поскольку любое явление или процесс можно описать в текстовой форме. Но, полученный текст не является знанием как таковым, для приобретения знания он должен быть проанали­зирован. Из него должны быть удалены повторы и неинформатив­ные текстовые конструкции. В результате такого анализа текст вообще мо­жет быть преобразован в семантиче­скую сеть или в совокупность определенных правил, что является достаточно сложной задачей. Использование математического аппарата возможно только тогда, когда предметная область полностью структурирована. Поэтому для формализации знаний, например о социально-экономических объектах, такой подход используются достаточно редко. В противном случае, когда предметная область имеет слабую структуризацию, используются визуальные или графические подходы к структуризации знаний. Они являются более наглядными и простыми в интерпретации.

В процессе разработки баз знаний целесо­образно изначально проводить классификацию существенных фрагментов пред­метной области на слабоструктурированные и структурированные. В статье о «Knowledge base» в Wikipedia ^[7] предлагается деле­ние баз знаний на два основных вида:

1) Базы знаний, которые были спроектированы так, чтобы люди могли получать и использовать содержащиеся в них знания, в первую очередь для целей обучения. Они обычно используются для накопления явного знания организации, включая статьи, опи­сания ситуаций и продуктов, пользовательские инструкции и т. д.

2) Базы знаний, хранящие знания в форме, пригодной для обра­ботки компьютером, обычно с целью обработки с помощью де­дуктивного метода анализа. Они содержат набор данных, опи­сывающий знания в форме правил, к которым применимы ло­гические операторы «И» и «ИЛИ» и т. д.

Для таких «носителей знаний» как файлы и документы база знаний может хранить только метаописания. Хранение самих файлов, со­держащих документы, схемы, чертежи, рисунки и т. д. осуществля­ется в хранилище знаний или репозитории. Таким образом, функцио­нирование системы, обеспечивающей структурирование и формали­зацию знаний организации (системы, так называемой, «корпоративной памяти» OMIS — Organization Memory Information System, «КМ-системы», системы управления знаниями), обеспечивается совместным использо­ванием базы знаний и хранилища слабоструктуриро­ванных знаний.

Эффективность использования знаний при подготовке и принятии управленческих решений тем выше, чем выше степень их структурированности, так как за счет этого существенно сокращаются затраты времени на поиск, приобрете­ние, хранение и восприятие знания лицами, непосредственно принимающими реше­ния и как факт точность самих управленческих решений.

Практическая реализация собственно концепции построения интеллекту­альных систем управления предполагает некоторое избирательное использо­вание тех или иных технологий обработки знаний в зависимости от многих факторов: специфики решаемых задач, особенностей управляемого объекта, условий эксплуатации, функционального назначения и т. п. Выделяют пять важнейших элементов представления информации в интеллектуальных информационных системах:

• структурированность, которая обусловливает возможность рекурсивной вложенности отдельных информационных единиц друг в друга;
• внутренняя интерпретируемость, понимаемая как наличие уни­кальных имен, идентифицирующих каждую информационную единицу;
• внешняя связность, задающая возможность установления функциональных, каузальных и других типов отношений между ин­формационными единицами;
• наличие классифицирующих отношений, обобщающих законо­мерности, действующие в какой-либо предметной области;
• возможность введения различных метрик для фиксации количественных, порядковых и иных соотношений информационных единиц;
• активность, отражающая способность инициировать выполнение некоторых целесообразных действий при появлении новой информации.

В настоящее время наиболее перспективными для создания интеллектуальных сис­тем управления являются четыре технологии:

1) экспертные системы;

2) ассоциативная память;

3) нечеткая логика;

4) нейронные сети.

Существенной особенностью технологии экспертных систем является возможность работы с формами явного представ­ления знаний, включая семан­тические сети, продукционные правила, предикаты и фреймообразные структуры.

Нечеткая логика ориентирована на обработку логико-лингвистических моделей представления знаний. Как правило, подобные модели используются для формализации неточных, размытых в смы­словом отношении суждений и строятся с применением обоб­щенных категорий, которые задают классификацию исходных понятий на уровне нечетких множеств.

Нейросетевые структуры позволяют организовать об­работку неявных форм представления знаний. Такая технология консолидирует основные функциональные особенности биологических прототипов и предполагает формирование однородных структур, которые состоят из множества взаимосвязанных элементов с определенной заданной характеристикой преобразования сигналов. Совокупность знаний, оп­ределяется специфической настройкой весовых коэффициентов межэлементных связей и позволяет обеспечить надежную классификацию.

Технология ассоциативной памяти использует механизмы восстановления целостных образов по их отдель­ным элементам и, в конечном итоге, сводится к работе с многомерными массивами памяти. Хранящиеся знания имеют неявную форму представления и задают классификацию понятий некоторой предметной области в виде сочетания набора признаков, присущих каждой качественной категории.

Примерами современных интеллектуальных систем управления, которые помимо традиционных систем сбора и регистрации информации позволяют менеджерам среднего и высшего звена оценить реальное состояние дел в корпорации, уловить последние тенденции развития бизнеса и проанализировать возможные последствия принятия управленческих решений ^[8], могут служить так называемые «ситуационные центры». Ситуационные центры (СЦ) - совокупность интеллектуально организованных рабочих мест с автоматизированными операциями закачки и пополнения информации (включая конверторы данных), процедурами построения моделей, анализа ситуации, прогона моделей, графического представления проигранных сценариев. СЦ аккумулируют средства сбора и анализа информации, инструменты прогнозирования и построения возможных моделей развития и визуального представления результатов, в максимально удобном и полезном виде, прежде всего, для первых лиц компании. Это эффективный инструмент для руководителей, кто должен видеть всю картину подчиненного ему хозяйства в целом, уметь оценить текущую ситуацию и принять наиболее оптимальное решение. В России такие системы ранее применялись исключительно только на государственном уровне (например, ситуационные центры президента). В настоящее время разработка и внедрение подобных структур уже становится неотъемлемой частью крупных корпораций, и первые ситуационные центры в нашей стране появились у компаний, которые сами создавали системы управления (например, «Парус», «Галактика»).

Базу ситуационных центров представляют информационно-аналитические системы (ИАС). Примерами успешной реализации интеллектуальных информационных систем могут служить, например, ИАС «Дипломат», разработанная в Научно-исследовательском центре информатики при МИД России и ИАС «Исинпол» Федеральной службы налоговой полиции.

Следующий уровень в структуре СЦ выполняет обобщение и анализ информации о деятельности компании. Здесь могут быть использованы разные средства: упомянутые ранее OLAP-системы, интеллектуальный анализ, статистические средства, нейронные сети, модели оценки рисков и другие современные решения. Далее следуют наиболее сложные элементы СЦ – это модули прогнозирования и динамического моделирования.

Пожалуй, главным преимуществом ситуационного центра, выделяющим его среди других систем разработки и принятия решений, являются достаточно широкие возможности визуализации. И это следующий уровень СЦ, на котором все результаты анализа и прогноза, включая варианты развития, представляются в максимально удобном для восприятия и осмысления виде. Здесь, как правило, применяется технология семафоров, когда определенный цвет несет смысловую нагрузку, информируя и сигнализируя о состоянии дел в той или иной области.

Информационно-аналитическая деятельность внутри корпорации становится все более наукоемкой и корпорации принимают на вооружение самые последние разработки и достижения в области искусственного интеллекта. Многие корпорации имеют даже собственные выделенные телекоммуникационные сети и базы данных. Например, информационная сеть японской компании NEC обеспечивает ежедневное получение в штаб-квартире до 30 тысяч сообщений из всех стран мира. Собственная информационно-аналитическая система американской консалтинговой компании Kroll Associates позволяет собирать и анализировать информацию о поведении ведущих европейских государственных деятелей и бизнесменов. Локальная сеть ARIANET французского телекоммуникационного гиганта FranceTelecom обеспечивает ежедневный доступ к информации о конкурентах для 4 тысяч своих сотрудников.

В настоящее время появился серьезный интерес к практическому применению нового направления науки, возникшего на стыке искусственного интеллекта, теории баз данных и статистики. Это направление получило название «knowledge discovery in databases» (KDD - дословно: «обнаружение знаний в базах данных»). На основе этой технологии разработано значительное количество новых программных продуктов, а элементы автоматической обработки и анализа данных становятся неотъемлемой частью известной концепции «хранилищ данных» (data mining). Последнее время большой интерес представляют текстово-аналитические системы (ТАС), которые позволяют извлекать и анализировать необходимую информацию из крупных информационных массивов. По сравнению с сетью Internet процедура поиска необходимой информации в профессиональных базах существенно облегчена. Так, система Tracker Lexis-Nexis сканирует несколько тысяч полнотекстовых информационных источников и выбирает только самые необходимые и нужные документы.

Французская компания Acetic совместно с учеными университета Париж VIII разработала пакет прикладных программ под названием Tropes для глубокого смыслового анализа крупных информационных массивов. Выбор и сортировка информации происходит в соответствии с ключевыми словами и понятиями, связанными по смыслу. При этом можно одновременно анализировать два текстовых информационных фрагмента объемом в несколько десятков книжных томов. Tropes позволяет создавать целые информационные «сценарии», на основе которых автоматически осуществляется не только поиск, но и целевое группирование и подготовка требуемых данных.

Разработка американской компании Intelligent Search Solutions - пакет программного обеспечения InfoTracer - предназначена для сбора информации экономического характера в сети Internet. В InfoTracer используются ключевые слова и фразы, автоматически составляются сообщения необходимого для пользователей содержания, например, данные о деловых операциях компании, ее партнерах, используемых ими технологиях и выпускаемой продукции, а также фамилии руководящего персонала, кадровых ресурсах и т.п.

В настоящее время крупные корпорации практикуют еще один современный подход, используя различные деловые игры и тренинги как специальную форму проведения анализа. Например, в игре участвуют две команды: одна представляет интересы своей фирмы, другая - конкурента. Иногда включаются «непредсказуемый» игрок или игроки, которые представляют, например, интересы государственного регулятора. В ходе игры отрабатываются различные деловые стратегии, планы и модели поведения в нестандартных ситуациях и условиях. Подобные деловые игры реализуют несколько целей:

• улучшение взаимодействия вашей команды;
• наработка руководством компании практики принятия лучших решений;
• выяснение сильных и слабых сторон, как вашей компании, так и конкурентов;
• выяснение характера дополнительной информации, необходимой для будущих решений;
• выяснение возможных действий конкурентов и подготовка адекватного ответа.

В настоящее время все более широкое распространение получают компьютерные деловые игры, позволяющие учитывать множество различных факторов деловой активности конкурентов, политические реалии, социально-экономическую обстановку, например в регионе и т.п. Например, компания Pacific Bell при изучении своих конкурентов по телефонному бизнесу в новом регионе воспользовалась программной версией деловой игры TeleSim, которую разработала компания Thinking Tools, Inc. по контракту с консультантами Coopers&Lybrand. Такой подход позволил компании определить возможные действия операторов кабельного телевидения и всех прочих потенциальных конкурентов, включая местные обслуживающие компании.

Подобные компьютерные симуляции активно используются на практике и при работе ситуационных центров в специальном рабочем режиме, когда вводится значительное количество фактической информации и в результате вырабатывается набор рекомендаций или соответствующий алгоритм действий.

Новой тенденцией интеллектуальной транснационализации в настоящее время стало возникновение национальных, региональных и глобальных структур в форме сетевых объединений аналитических центров. На базе сетей осуществляется обмен информацией, совместное выполнение экономических и политических заказов, обширное вовлечение человеческих ресурсов и создание коллективных пропагандистских ресурсов, тематическое разделение труда, координация работы, согласование позиций по тем или иным вопросам и т.п. Интеграция аналитических центров в сетевые структуры развивается преимущественно на двух основах. Они возникают, когда объединяются усилия центров близкой идеологической ориентации, а также когда небольшие экспертные институты, работающие по узкой тематике, соединяют усилия для формирования общих позиций по более широким, глобальным политико-экономическим и управленческим вопросам, или же когда взаимодействуют центры, исследующие близкую проблематику. Аналитические центры ^{[9],[10],[11]} различаются по своим общим задачам, источникам финансирования, производимой продукции, составу и квалификации сотрудников и т.д. Основой для типологии аналитических центров может стать, например, их профильная направленность и тематика их деятельности (см.таблицу № 3).

Значительно расширило возможности для подобного партнерства развитие Интернета. Интернет предоставляет информацию аналитических центров и эффективно обеспечивает коммуникации - поэтому появились виртуальные, рассредоточенные в пространстве аналитические центры пятого поколения - так называемые транснациональные сети мысли ^[12].

Деятельность по созданию таких сетей представляет собой различные формы взаимодействия отдельных центров: межличностные взаимодействия, контакты организаций, взаимодействие через Интернет. Транснациональные сети мысли - виртуальные экспертные сети, которые рассматривают стратегические вопросы динамично, в режиме реального времени. Такие аналитические центры не имеют ограничений по направлениям деятельности и по количеству экспертов, которые могут принимать в них участие.

Таблица №3

Классификация аналитических центров

Такие проекты, как «Сеть глобального развития» Всемирного банка, программа «Глобальная политика» Фонда международного мира Карнеги, «Глобальная сеть государственной политики» ООН и программа «Аналитические центры и гражданское общество» Научно-исследовательского института внешней политики, наладили партнерство с аналитическими центрами по всему миру в стремлении создать глобальные сети, которые будут анализировать мировые проблемы, пытаться формировать внешнюю политику и влиять на программы и приоритеты международных институтов.

В результате потенциальная доступность знаний в любой точке мира для различных бизнес-структур, участвующих в глобальных экономических процессах, становится одинаковой или практически одинаковой. Современная транснациональная корпорация с рассосредоточенными по всему миру производственными, коммерческими и офисными структурами, нуждается в том, чтобы необходимая информация была доступна всегда и везде. Повсеместная доступность информации, необходимой для дистанционного управления, контроля, обучения, проведения финансовых операций и так далее, - представляет собой одновременно и следствие глобализационных процессов и их причину.

Завершая рассмотрение этой актуальной темы, еще раз подчеркнем, что глобальные процессы в современной экономике трансформируют мировое экономическое и политическое пространство, формируют «экономику знаний», а современные сайты крупных транснациональных корпораций помимо очевидной рекламной функции начинают играть еще и роль своеобразного интерфейса, с помощью которого корпорация взаимодействует с внешним миром. Качественный уровень и информационная насыщенность сайта корпорации играет в современных условиях значительную роль в конкурентной борьбе на мировом рынке. В таблице № 4 представлен рейтинг обобщенного индекса виртуального интеллектуального капитала веб-сайтов транснациональных корпораций. Уже один факт существования подобного рейтинга говорит о значимости капитала «знаний» в общем показателе капитализации компаний.

Таблица №4

Рейтинг обобщенного индекса виртуального интеллектуального капитала веб-сайтов Международных Транснациональных Корпораций (ТНК) на 12.01.2011г. по данным агентства ArcaLer (QI*)^[13]

Из 28 сайтов Международных Транснациональных Корпораций (ТНК) в первую тройку по рейтингу на 12.01.2011г. входят: Microsoft (1.41QI), Intel (0.71QI) и Nokia (0.68QI). В первую десятку вошли также сайты: Wal-Mart Stores, Samsung Electronics, IBM, Philips Electronics, Toyota Motor, Motorola, SONY. Из 28 сайтов Международных Транснациональных Корпораций 7 имеют QI выше среднего значения (0.19).При этом QI показывает ценность, «вес» ВИК-а (виртуального интеллектуального капитала) данной организации относительно других, в том числе, конкурентов. QI рассчитывается по формуле: QI2 = (IRGoogle)2 + (IRYandex)2, где IRGoogle и IRYandex – значения взвешенных нормализованных индексов цитирования веб-сайтов. IRGoogle и IRYandex соответственно равны отношениям индексов цитирования на максимальные значения показателей данной выборки (списка отобранных для изучения веб-сайтов).

Системы, обеспечивающие применение новых информацион­ных технологий управления, также активно внедряются в практику де­ятельности российских компаний. Россия за счет высоких темпов развития информационных технологий в последнее десятилетие смогла обеспечить сокращение разрыва с развитыми странами в уровне информатизации экономики и общества.

Вместе с тем отечественный уровень развития новых инфор­мационных технологий пока значительно отстает от стран Запада. В российской практике еще не в полной мере развиты прогрес­сивные приемы и технологии современного менеджмента, что сдерживает полновесное развитие, как информационных технологий, так и человеческих ресурсов.