Рис. 3. Схема вычислительного процесса по предсказанию объемов услуг

На рис. 4 показан переход исследуемой системы из заданного исходного состояния в конечное устойчивое состояние, подчиняющееся общим скрытым закономерностям связей между видами услуг (вопрос существования устойчивого состояния мы здесь не рассматриваем). Горизонтальная ось на этом рисунке определяет номер итерации алгоритма рис. 3. Содержательно эта ось должна интерпретироваться как шкала условного времени, в котором происходит переходный процесс из начального в конечное состояние системы (Иб , Мб, МСб, ПДб). В качестве единицы такого времени может выступать день, неделя, месяц. Выбор единицы времени определяется инерционностью системы и устанавливается на основе экспертных оценок. По вертикальной оси отложены объемы соответствующих услуг.

Рис. 4. Переход исследуемой системы из заданного исходного устойчивое состояние

состояния в конечное

и

Обсуждаемая модель имеет ярко выраженную предсказательную функцию (как большинство ИАД-моделей). Система (Иб, Мб, МСб, ПДб) в этом контексте рассматривается как планируемые объемы услуг, реализуемые в определенный период времени. Система (И , М,

МС, ПД), формируемая алгоритмом в рис. 3 в серии итераций, рассматривается как ожидаемый результат выполнения такого плана, обусловленный взаимным влиянием услуг.

Объяснительный (семантический) аспект регрессионно-когнитивного моделирования требует отдельной интерпретации для каждого конкретного приложения.

В рассматриваемом примере, положительные и отрицательные обратные связи в системе (И, М, МС, ПД) следует рассматривать как механизмы перераспределения общих сетевых ресурсов, участвующих в реализации телекоммуникационных услуг разного вида. Роль такого ресурса здесь представляют каналы передачи информации. Фактор влияния (взаимозависимости) между отдельными видами услуг обусловлен тем обстоятельством, что одни и те же каналы (реальные или виртуальные) участвуют одновременно в реализации услуг разного типа. Например, международная связь (М) на «последних милях» разделяет «свои» каналы с местной связью (МС), а Интернет использует международные каналы и т.п. Такие разделяемые ресурсы в конечном счете и выступают в качестве неявных ограничений, определяющих скрытые механизмы влияния в исследуемой системе.

Ниже на рис. 5 приведены два примера. Лучевая диаграмма (график Кивиата) иллюстрирует сочетание плановых объемов услуг (Иб , Мб, МСб, ПДб) (Ряд 1) и ожидаемых результатов такого планирования (И, М, МС, ПД) (Ряд 2), предсказанных системой. Кроме того, на рис. 5 представлены соответствующие суммарные объемы по всем видам услуг £б = (Иб + Мб + МСб + ПДб) и £ = (И + М + МС + ПД).

Рис. 5а иллюстрирует вариант, когда скрытые стационарные связи между объемами услуг увеличивают объем £ по сравнению с £б, т.е. обеспечивают дополнительную прибыль за счет перераспределения плановых объемов по видам услуг. Здесь заявленный нулевой объем местной связи (МС) вызывает «перетекание» объемов Интернета (И) и междугородной связи (М) в местную связь, поскольку ни И, ни М не могут обойтись без МС.

Рис. 5б иллюстрирует обратную ситуацию, связанную с уменьшением £ по сравнению £б. Планируемая ситуация выбрана парадоксальной: отказ от Интернета, международной связи и долги по местной связи. Сложившаяся система взаимовлияний приведет к «возрождению» Интернета и дополнительным убыткам по всем видам связи, кроме ПД.

Несмотря на то, что интерпретация предсказываемых результатов, полученных на регрессионно-когнитивных моделях в общем случае нетривиальна, в рамках описанного подхода могут успешно решаться многие другие проблемы телекоммуникационных операторов, такие как потеря клиентов, анализ предпочтений и создание оптимального профиля клиента, загруженность каналов и т. п.

Литература.

1.International Telecommunication Union http://www.itu.int

2.InternationalTelecommunicationUnion//seriesTMN http ://www.itu.int/search/index.asp?SearchString=TMN&Action=Search&pagelanguage=en

3.Орлов Д. Сокровенная суть современных биллинговых систем // Business Online. - 5/2002.

4.Тарасов А., Коваль Д. От теории CRM к реальному повышению прибыльности и качества обслуживания // Мобильные телекоммуникации. - 2002. - № 03.

5.Щедрин М. Умный помощник руководителя // Business Forum. - 2003. - № 09.

6.Эделстейн Г. Интеллектуальные средства анализа, интерпретации и представления данных в информационных хранилищах // ComputerWeek-Москва. - 1996. - № 16.

7.Локшина Э. Внедрение CRM-решения и эволюция бизнес-культуры и организационной структуры оператора // Мобильные телекоммуникации. - 2004. - № 05.

8.Дюк В., Самойленко А. Data Mining. Учебный курс - СПб.: Питер, 2001.

9.Щавелев Л.В. Способы аналитической обработки данных для поддержки принятия решений // СУБД. - 1998. - № 04-05, № 06.

10.«PolyAnalyst & Data Mining» http:// www.megaputer.ru

11.Корноушенко Е. К., Максимов В. И. Управление процессами в слабоформализованных средах при стабилизации графовых моделей среды. // Труды ИПУ, 1998. вып. 2.

12.Кулинич А.А. Когнитивная система поддержки принятия решений «Канва» // Программные продукты и системы. 2002. - №03.

13.Максимов В.И., Корноушенко Е.К., Качаев С.В. Когнитивные технологии для поддержки принятия управленческих решений // Технологии информационного общества 98. - М.: ИПУ РАН, 1999.

14.Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам / Пер. с англ. - М.: Наука, 1986.