Введение 3
Глава 1 Анализ современного состояния проблемы проектирования систем сбора и обработки оперативной информации финансовых организаций 6
1.1 Общая характеристика исследуемого объекта 6
1.2 Технологии оперативной обработки финансовой информации .. 8
1.3 Обзор и анализ источников по теме исследования 16
Глава 2 Разработка моделей и алгоритмов системы обработки оперативной информации финансовой организации 22
2.1. Модели сбора и обработки системы оперативной информации
финансовой организации 22
2.2. Алгоритмы системы сбора и обработки оперативной
информации финансовой организации 39
Глава 3 Проектирование и разработка программы для сбора и обработки оперативной информации финансовой организации 44
3.1 Проектирование программы для сбора и обработки оперативной
информации финансовой организации 44
3.2 Разработка программы для сбора и обработки оперативной
информации финансовой организации 51
Глава 4 Апробацию предлагаемых проектных решений и оценить их эффективность 61
4.1 Анализ разработанного алгоритма с помощью управляющего
графа 61
4.2 Оценка эффективности моделей и алгоритмов системы сбора и
обработки оперативной информации финансовой организации 64
Заключение 70
Список используемой литературы и используемых источников 72
В условиях развития цифровой экономики и увеличения количества информации, а также цифрового следа, который оставляют люди, задача принятия решений в финансовой организации, становится сложной задачей и требует использование новых методов и инструментов анализа этого большого количества данных для принятия верных и оперативных решений.
Для лица, принимающего решения в коммерческом банке, актуальна проблема научного и эффективного подхода к выполнению комплекса управленческих задач, связанных с клиентами банка как новыми, так и старыми.
Требуется математическое, информационно-алгоритмическое и техническое обеспечение, позволяющее вести сбор, хранение, мониторинг и анализ больших объемов разных данных, генерируемых как внутри коммерческого банка, так и получение данных о клиентах банка из вне. Наличие полной информации о клиенте коммерческого банка позволит установить явные и скрытые взаимосвязи между персональными и групповыми профилями, обнаружения причинно-следственных зависимостей в информационном поле, т.е. позволит полностью прочитать цифровой след, оставленный клиентом коммерческого банка.
Одним из перспективных методов является интеграция новейших информационных технологий, связанных со сбором и обработкой больших данных, с помощью технологии OLAP и OLTP-систем, а также внедрение отдельных алгоритмов обработки данных в работающую информационную систему коммерческого банка.
Объект исследования - система сбора и обработки оперативной информации финансовой организации.
Предмет исследования - модели и алгоритмы системы сбора и обработки оперативной информации.
Целью работы является исследование и разработка моделей и алгоритмов системы сбора и обработки оперативной информации финансовой организации.
Для достижения поставленной цели необходимо решать следующие задачи:
- провести анализ современного состояния проблемы проектирования систем сбора и обработки оперативной информации финансовых организаций;
- разработать модели и алгоритмы системы сбора и обработки оперативной информации финансовой организации;
- спроектировать систему сбора и обработки оперативной информации финансовой организации;
- выполнить апробацию предлагаемых проектных решений и оценить их эффективность.
Анализ последних исследований и публикаций.
Значительный вклад в развитие этих направлений внесли работы российских и зарубежных ученых Дж. Дина, Михнев И.П., Киселева Т. В., Крейг Бати, А. Барабаши, Д. Уоттса и С. Строгача, Кукарцев, В. В, Силен Д., Моррисон А.
Гипотеза исследования: использование разработанных в рамках диссертационного исследования моделей и алгоритмов обеспечит повышение эффективности систему сбора и обработки оперативной информации финансовой организации.
Методы исследования. В процессе исследования использованы следующие подходы и методы: методы и технологии обработки оперативной информации, методы и технологии проектирования информационных систем.
Новизна исследования заключается в разработке моделей и алгоритмов эффективной системы сбора и обработки оперативной информации финансовой организации.
Практическая значимость исследования заключается в возможности применения предлагаемых моделей и алгоритмов при проектировании эффективной автоматизированной системы сбора и обработки оперативной информации финансовой организации.
Положения, выносимые на защиту:
- модели и алгоритмы системы сбора и обработки оперативной информации финансовой организации;
- результаты апробации и оценки эффективности предлагаемых проектных решений.
Теоретической основой диссертационного исследования являются научные труды российских и зарубежных ученых, занимающихся проблемами моделирования информационных систем, используемых в банках.
По результатам выполнения магистерской работы опубликовано две статьи:
Алгоритм сбора и обработки оперативной информации финансовой организации // Вестник научных конференций. 2023. № 12-2 (100). С. 27-30.
Методы сбора и обработки оперативной информации финансовой организации // Вестник научных конференций. 2024. № 2-1 (102). С. 11-14.
Результаты работы докладывались на научно-практических конференциях, публиковались в отчетах научно-исследовательской работы.
Диссертация состоит из введения, четырех глав, заключения и списка литературы.
Работа изложена на 76 страницах и включает 49 рисунков, 10 таблиц и 44 источника.
В ходе выполнения магистерской работы на тему «Модели и алгоритмы системы сбора и обработки оперативной информации финансовой организации» получены выводы по всем задачам, которые были поставлены в рамках работы.
Анализ современного состояния исследований в области проектирования систем сбора и обработки оперативной информации финансовой организации показал, что данная тема является актуальной на сегодняшней день.
Рассмотрены основополагающие вопросы понятия сбора и обработки оперативной информации финансовой организации.
Проведен анализ современных программных средств и систем сбора и обработки оперативной информации финансовой организации. Подробно рассмотрены системы OLAP и OLTP, которые являются современными программными средствами для обработки оперативной информации в любой предметной области.
Разработанные модели и алгоритмы системы сбора и обработки оперативной информации финансовой организации, позволят повысить эффективность управления финансовой организацией.
Показано проектирование функционала и классов разрабатываемой программы, а также показано создание приложение для реализации, разработанных моделей и алгоритмов.
Для оценки эффективности моделей и алгоритмов системы сбора и обработки оперативной информации финансовой организации будем использовать управляющий граф.
В ходе рассмотрения представленных выше систем принято решение проверить эффективность разработанных моделей и алгоритмов на базе программного продукта ELMA.
Разработано приложение для тестирования разработанных моделей и алгоритмов.
Выполнена апробация и оценка эффективности проектных решений по качественным и количественным характеристикам, которые показали сокращение времени сотрудников финансовой организации.
Для оценки эффективности моделей и алгоритмов системы сбора и обработки оперативной информации финансовой организации, проведено исследования временных характеристик до внедрения моделей и алгоритма в финансовой организации и после, а также проведен анализ работы внедренных решений на полученную оперативную информацию о клиенте.
После внедрения моделей и алгоритмов, при первом посещении клиентов сотрудник финансовой организации тратит на 5 минут дольше, но зато при дальнейшей работе тратит на работу с клиентом на 5 минут меньше.
Так как количество повторных посещений клиентов всегда выше первичных, то в перспективе за рабочее время сотрудника, он сможет принимать на 7 клиентов больше в день, чем без внедрения, предложенных моделей и алгоритмов.
Гипотеза исследования подтверждена.
1. Банько Ю.А. Современные компьютерные угрозы: что реально угрожает бизнесу? / Ю.А. Банько, А.М. Кокорева, науч. рук. И.П. Михнев // Приоритетные направления развития образования и науки: Материалы IV Междунар. науч.-практ. конф. (Чебоксары, 24 дек. 2017 г.) / Редкол.: О.Н. Широков [и др.]. Чебоксары: ЦНС «Интерактив плюс», 2017. С. 169-171.
2. Бородаенко В., Ермаков А. Универсальная платформа обработки
больших данных / Виктор Бородаенко, Александр Ермаков // «Открытые системы. СУБД» 2017, № 03 [Электронный ресурс]. URL:
https://www.osp.ru/os/2017/03/13052699/(дата обращения: 15.12.2022 г.).
3. Информационные материалы о национальной программе «Цифровая экономика Российской Федерации» [Электронный ресурс]. URL: http://static.government.ru/media/files/3b1AsVA1v3VziZip5VzAY8RTcLEbdCct. pdf (дата обращения: 15.12.2022 г.).
4. Киселева Т. В. Программная инженерия. Часть 1 : учебное пособие
/ Т. В. Киселева. — Ставрополь : Северо-Кавказский федеральный университет, 2017. 137 c. [Электронный ресурс]. URL:
http://www.iprbookshop.ru/69425.html(дата обращения: 15.12.2022 г.).
5. Кукарцев, В. В. Теория баз данных : учебник / В. В. Кукарцев, Р. Ю. Царев, О. А. Антамошкин. — Электрон. текстовые данные. — Красноярск : Сибирский федеральный университет, 2017. 180 c. [Электронный ресурс]. URL: http://www.iprbookshop.ru/84153.html(дата обращения: 15.12.2022 г.).
6. Маркетинг в социальных медиа SMM [Электронный ресурс]. URL:
http: //www.marketch.ru/marketing_dictionary/marketing_terms_s/so cial_media_m arketing/ (дата обращения: 15.12.2022 г.).
7. Мейер Б. Объектно-ориентированное программирование и программная инженерия [Электронный ресурс] / Б. Мейер. М.: ИНТУИТ, Ай
Пи Эр Медиа, 2019. 285 с. Электронный ресурс]. URL:
http://www.iprbookshop.ru/79706.html(дата обращения: 15.12.2022 г.).
8. Михнев И.П. и др. Большие данные (Big Data) и новые технологии
будущего для обработки глобальной информации: сборник трудов
конференции // Научные исследования и современное образование : материалы II Междунар. науч.-практ. конф. Чебоксары, 2018 г. С. 235-239.
9. Михнев И.П. Информационная безопасность в современном экономическом образовании // Международный журнал прикладных и фундаментальных исследований. 2019. №4. С. 111-113.
10. Михнев И.П. Технологии Big Data и их применение в сфере современного высшего образования / И.П. Михнев, А.Д. Челнокова, А.Д. Реут // Развитие современного образования: от теории к практике: Материалы IV Междунар. науч.-практ. конф. (Чебоксары, 19 март 2018 г.) / Редкол.: О.Н. Широков [и др.]. Чебоксары: ЦНС «Интерактив плюс», 2018.
11. Моррисон А. Большие Данные: как извлечь из них информацию. Технологический прогноз // Ежеквартальный журнал. 2010. №3. С. 22-29.
12. Нейронная сеть [Электронный ресурс]. URL:
https://ru.wikipedia.org/wiki/Нейронная_сеть (дата обращения: 15.15.2022).
13. Нейронные сети в маркетинге [Электронный ресурс]. URL: https://blog.greensmm.ru/?p=3830(дата обращения: 15.12.2022 г.).
14. Паспорт национальной программы «Цифровая экономика
Российской Федерации» [Электронный ресурс]. URL:
http: //static. government.ru/media/files/urKHm0gTPPnzJlaKw3M5 cNLo6gczMkP F.pdf (дата обращения: 15.12.2022 г.).
15. Правила и рекомендации. Открытые данные России [Электронный ресурс]. URL: https://data.gov.ru/pravila-i-rekomendacii(дата обращения:
15.12.2022 г.).
...
44 источника