Логистика и информационные технологии

Логистические процедуры сегодня подразумевают обязательное применение методов

информационных технологий. Невозможно вообразить себе, как можно сформировать и
организовать работу по доставке товаров без постоянно действующего информационного
потока обмена данными, без моментальной реакции на быстро меняющиеся рыночные
условия и потребности. В настоящее время трудно достичь необходимое покупателям
качество услуг и промышленных товаров без использования информационных систем и
программных комплексов для аналитики, выработки долгосрочных планов и обоснования
принятых экономических действий в сфере логистики. Следует так же отметить, что
стремительный прогресс информационных технологий и систем на их основе, привёл к
доминированию логистики в организации перемещения товаров на рынках с очень
высокой конкуренцией, которая существует во всех передовых государствах.
Информационные технологии и информационные системы в нынешней логистической
сфере –это набор технических и программных методов и средств нахождения, трансляции,
переработки и использования информационных данных в системах обеспечения движения
товаров. Основным вектором развития информационных технологий и систем в логистике
становится слияние потоков информации за счёт использования передовых способов
переработки и трансляции данных, которые получили название телематика. Прогресс
информационной логистики тесно переплетается с растущей ролью информационных
данных в технологиях хозяйствования и ростом уровня развития электронных
вычислительных машин и средств коммуникации. Степень важности информации в
нашем мире определяют такие факторы: В итоговой цене услуг и товаров велика доля
стоимости информации. В трудовых ресурсах высших квалификационных уровней очень
велика доля специалистов в сфере информатики. Информация является объединяющим
фактором в экономике развитых стран, который и определяет эффективную работу
хозяйственного организма страны. Информатика выполняет функцию инноваций, которая
проявляется в стимулировании научного и технического прогресса. Объём данных,
которые надо обрабатывать, постоянно растёт, что подразумевает необходимость
применения информационных технологий в сфере логистики. Общепринятыми методами
уже не удается из огромного объёма информации быстро получить необходимые для
правильного управления объектом данные. Главным фактором в управленческих
решениях стало время на сбор и переработку информации. В передовых в плане
экономики государствах, информационные данные уже определяют как «стратегическое
сырьё» и в этих государствах затраты на информацию часто превышают затраты на
энергетические ресурсы. Причем, при правильном использовании информации, эти
затраты полностью себя окупают.

Логистические информационные системы

Основным, что отличает логистические информационные системы от иных типов
информационных систем, является степень общности информационного пространства.
Если систематизировать формулировки в исследуемой области, то можно выделить три
определения таких систем: Логистическая информационная система выступает как одна
из частей корпоративной информационной системы. Логистическая информационная
система – это система с более высоким уровнем программного обеспечения и
корпоративная информационная система является её составной частью. Логистическая
информационная система – это отдельная структура, расположенная обособленно от иных
информационных систем. При становлении какой-либо сферы бизнеса, информационные
потоки формируются в соответствии с производственной и хозяйственной работой всей
цепочки, проходя по которой продукт из сырья становится готовым изделием и далее
через торговые сети поступает к его покупателю. Поэтому становится понятным,
логистическая информационная система должна быть системой высшего порядка, по
сравнению с корпоративной информационной системой, поскольку в неё входит
распределение товаров, поставки сырья и материалов, а также их транспортировка, что
находится за рамками корпоративной информационной системы. Замечание 1 Таким
образом, логистическая информационная система –это цельный набор технических и
программных средств и правил их совместной работы, предназначенных для того, чтобы
получить интегрированное информационное пространство и обеспечить качественное
функционирование всей производственно-реализационной цепи. Уже есть
сформированные методические правила, которые применяют в зависимости от уровня
взаимосвязей управляемых ресурсов. Большое значение имеют более мелкие детали
каждой логической системы, такие как подсистема, которая обеспечивает передачу и
переработку информационных данных, и которая при более детальном её анализе сама
уже выступает как сложная информационная система, в свою очередь составленная из
других подсистем. По аналогии с другими системами, информационная система должна
быть составлена из набора взаимозависимых модулей и иметь некоторые интегрирующие
качества. Разбиение информационных систем на отдельные модули (элементы) может
быть выполнено различными способами. Чаще всего информационные системы делят на
две подсистемы: Функциональная. Обеспечивающая. Функциональная подсистема –это
набор подлежащих решению задач, которые разбиты на группы по признаку наличия
одной общей цели. Обеспечивающая подсистема делится ещё на ряд элементов:
Аппаратное обеспечение, т.е. набор технического оборудования, которое выполняет
переработку и пересылку информации. Информационное обеспечение – это набор
справочной литературы, средств классификации, формирователи кодов, формализация
представленных данных. Математическое обеспечение –это набор способов разрешения
функциональных задач. Логические информационные системы в большинстве случаев это
как раз автоматизированные информационные системы, предназначенные для управления
процессами логистики. По этой причине, математическое обеспечение в информационных
системах логистики по сути является набором программ и средств для программирования,
которые обеспечивают разрешение проблем управления потоками материальных
ценностей, формирование текстовых файлов и т.д.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В СФЕРЕ БУХГАЛТЕРСКИХ

УСЛУГ
Проблемы повышения прибыльности предприятия, эффективности работы персонала,
создание оптимальной структуры управления волнуют любого руководителя. Ему
приходится принимать решения в условиях неопределенности и риска, что вынуждает его
постоянно держать под контролем различные аспекты финансово - хозяйственной
деятельности. Эта деятельность отражена в большом количестве документов, содержащих
разнородную информацию. Грамотно обработанная и систематизированная она является в
определенной степени гарантией эффективного управления производством. Напротив,
отсутствие достоверных данных может привести к неверному управленческому решению
и, как следствие, к серьезным убыткам.
Внедрение бухгалтерских пакетов и программ позволяет автоматизировать  не только
бухгалтерский учет, но и навести порядок в складском учете, в снабжении и реализации
продукции, товаров, отслеживать договоры, быстрее рассчитывать заработную плату,
своевременно сдавать отчетность.
Из-за небрежности в бухгалтерском учете предприятие может сильно пострадать или даже
потерпеть крах.  Примеров тому и очень много, причем часто страдают предприятия,
стремящиеся работать честно. Страдают из-за небрежного ведения внутренней
бухгалтерии предприятия. Страдают также из-за незнания и соответственно
невыполнения последних законов и распоряжений. При ведении бухгалтерского учета
вручную возможны и простейшие арифметические ошибки. 
Компьютер не может заменить опытного и грамотного бухгалтера, но позволит
упорядочить бухучет, увеличить количество получаемой информации, повысить
оперативность бухучета, уменьшить число арифметических ошибок, оценить текущее
финансовое положение предприятия и его перспективы.

1. Проблемы автоматизации бухгалтерского учета

Самой  эффективной организационной формой использования ПЭВМ является создание
на их базе автоматизированных рабочих мест (АРМ) бухгалтеров, экономистов,
плановиков и т. д. 
Современное предприятие обладает значительным числом финансовых потоков.
Преобладание бумажных документов, многогранность финансовых контрактов,
требование ускоренных расчетов, внимание к управленческому учету диктуют
пристальное внимание практиков к автоматизации бухгалтерской деятельности. Сегодня
бухгалтеры в основном научились пользоваться компьютером, но это вовсе не означает
переход на новые информационные технологии.
Переход от традиционного учета к компьютерному предполагает наведение порядка в
бухгалтерском учете и, прежде всего в плане счетов, системе бухгалтерских проводок,
отчетности. Следовательно, автоматизация влечет за собой более четкую работу всех
служб, не подавляя, а, наоборот, усиливая человеческий фактор.
Наиболее распространенные на рынке бухгалтерские системы не только декларируют, но
и предоставляют такие возможности, как:
простота, удобство и гибкость в их освоении и использовании;
широта применения, как для малых предприятий, так и для корпоративных структур;
понятное и емкое представление информации;
настройка и изменяющееся законодательство, включая налоговое, и особенности учета
конкретного предприятия;
большой набор типовых операций и форм отчетности;
значительные аналитические возможности, зачастую с графическим представлением
информации.
Все это, вместе взятое, определяет существенное увеличение скорости и комфортности
работы бухгалтера.
Рассматривая основные функции типовой бухгалтерской системы, следует отметить, что
для нее характерны:
учет любых финансово – хозяйственных операций, включая валютные, с автоматическим
пересчетом курсовой разницы;
полноценный учет по счетам, субсчетам и аналитическим кодам для контрагентов;
возможность настройки системы на учетную политику различных предприятий, включая
настройку формы баланса, создание и редактирование отчетных форм (шаблонов);
автоматический подсчет развернутого и свернутого сальдо, оборотов, составление
журналов – ордеров, Главной книги, баланса и других произвольных отчетных форм;
создание, печать и хранение электронных копий первичных банковских и кассовых
документов;
различные типы печати для получения твердой (бумажной) копии отчетов;
возможность формирования отчетных форм для проведения финансового анализа
предприятия по данным бухгалтерского учета и др.
При работе с автоматизированной бухгалтерской системой появляется возможность:
быстро подготовить все квартальные и годовые отчеты в налоговую инспекцию, в
различные фонды и органы Госкомстата;
рассчитывать зарплату;
вести учет основных средств;
анализировать финансовую деятельность.

2. Выбор системы автоматизации бухгалтерского учета

2.1. Общие принципы построения и возможности программ
бухгалтерского учета автоматизации
В данный момент существует очень много разнообразных программных средств, для
автоматизации бухгалтерского учета. Практически все они предлагают стандартный набор
инструментов для облегчения труда бухгалтера и лучшей организации бухучета.
Программы позволяют автоматизировать следующие участки бухгалтерского учета:
Банк, касса.
Основные средства и нематериальные активы.
Учет товарно-материальных ценностей.
Валютный учет.
Учет произведенной продукции и оказанных услуг.
Расчеты с организациями.
Расчеты с подотчетными лицами.
Расчеты по заработной плате.
Расчеты с бюджетом и внебюджетными фондами.
Помимо этого, некоторые программы позволяют вести складской учет в рамках
бухгалтерии.
Помимо этого, некоторые фирмы-разработчики программного обеспечения пошли по
пути комплексной автоматизации деятельности предприятий. В число таких программ
входит, например, комплексы «1С: Предприятие», «Галактика». Они обеспечивают
автоматизацию не только бухгалтерского учета, но и планово-экономической
деятельности, торговли и других сфер деятельности.
Учет в программах построен на основе регистрации исходных данных – бухгалтерских
проводок, порождаемых хозяйственными операциями. Чтобы хозяйственная деятельность
предприятия была отражена в полной мере, в программу необходимо вносить все
проводки, что может выполняться разными способами:
Вручную.
С использованием так называемых типовых операций, в которых каждой операции
соответствует группа проводок, причем суммы некоторых проводок могут рассчитываться
автоматически. К ним относятся, например, начисление заработной платы и покупка
валюты. Это позволяет упростить ввод большого количества таких стандартных проводок.
С помощью первичных документов.
Для работы с первичными документами в программах предусмотрен большой набор
стандартных первичных документов бухгалтерского учета (накладных, счетов на оплату,
приходных и расходных кассовых ордеров, платежных поручений и т. д.). Также
предусмотрена возможность создания и настройки первичных документов любых других
видов.
Для организации аналитического учета программы позволяют использовать практически
любое количество справочников объектов аналитического учета.
Кроме того, в программах предусмотрено ведение валютного учета: для этого
используются справочники видов валют и их курсов.
Следующий обязательный момент в бухгалтерском учете – отчетность. В типовых
конфигурациях предусмотрены, настроены и готовы к использованию стандартные формы
бухгалтерской отчетности. Произвольные формы отчетности могут настраиваться самим
бухгалтером или программистом.

2.2. Принципы выбора программ

производительность программы. При выборе программы прежде всего необходимо
учитывать «размер» бухгалтерии, т. е. Тот объем бухгалтерских операций, с которыми
предстоит работать программе. Рекомендуется выбирать программу с некоторым запасом
производительности.
соотнесение пользы и затрат. Польза, которую принесет приобретаемая программа
должна превосходить затраты, связанные с ее приобретением, доработкой, адаптацией.
контроль и безопасность данных. Желательно, чтобы все данные, введенные в программу,
были надежно защищены и от несанкционированного доступа к ним, и от случайного их
удаления. Программа должна осуществлять контроль над вводом информации и доступом
к ней, а также создавать архивные копии файлов, содержащих бухгалтерскую
информацию.
совместимость. Приобретаемая программа должна быть совместимой с организационной
структурой конкретного предприятия, либо должна иметь возможность настройки на него.
гибкость. При выборе программы необходимо ориентироваться на то, чтобы она
предоставляла возможность для настройки Плана счетов, стандартных проводок и
операций (добавления, удаления, редактирования), позволяла создавать новые и
редактировать уже существующие отчетные формы и т. п.
своевременный учет налогового законодательства.
быстродействие в обработке больших массивов.
работа в реальном времени (идеал – локальный и сетевой варианты программы).
авторское сопровождение, документация. Программа должна иметь подробную и легкую
в использовании документацию. Для сложной комплексной программы важно наличие
«горячей» телефонной линии, благодаря которой в любой момент времени можно
обратиться за консультацией к фирме – разработчику и получить необходимую
информацию.
Требования программы к аппаратным ресурсам, быстрота обработки данных. Самой
«нетребовательной» к ресурсам является «Инфин-Бухгалтерия». Для остальных программ
требуются персональные компьютеры по классу не ниже недорогого Pentium’а.

Информационные технологии финансов

Сегодня в финансовой сфере появляются задачи, с которыми уже невозможно справиться

с помощью средств классического моделирования. Сформировать предсказательную
модель на наборе бизнес-процессов в условиях неопределенности, идентифицировать эту
модель на данных, количественно охарактеризовать меру неопределенности прогнозов и
на ее основе определить процедуру сравнения различных сценариев, а также управление
их развитием позволит использование технологий прикладного искусственного
интеллекта.
Традиционно финансовые информационные технологии (ФИТ, или, в просторечии,
финтех) интерпретируются как средства автоматизации и виртуализации (перевода в
электронную форму) различных бизнес-процессов, связанных с любой финансовой
деятельностью: от простейшего бухгалтерского учета до сопровождения банковской
деятельности, биржевой торговли и т. д. Однако в условиях глобальной цифровой
трансформации ФИТ уже не являются изолированной составной частью финансовой
системы и приобретают смысл конвергентной интердисциплинарной технологии,
стимулирующей развитие иных цифровых отраслей (например, логистики, ретейла,
цифрового производства, цифрового обращения интеллектуальной собственности и пр.).
Принимая во внимание размытие границ ФИТ одновременно с увеличением скоростей,
масштабов и сложности самих финансовых бизнес-процессов, эффективное управление
ими только за счет усилий экспертов (финансовых аналитиков) становится невозможным
как в силу временных ограничений, так и по причине высокой степени неопределенности
в условиях неполноты исходных данных. Как следствие, в последнее десятилетие в мире
активно развивается новый класс ФИТ, реализующий функции поддержки принятия
нетривиальных решений в различных аспектах финансовой деятельности на основе
объективных фактов, совокупно используя для этого технологии анализа данных и
компьютерного моделирования.
Необходимость детальной регистрации и хранения данных, генерируемых бизнес-
процессами, — это естественная особенность финансовой системы. И неслучайно сегодня
эта область является одной из наиболее подготовленных к применению технологий
больших данных (Big Data) для своевременного обеспечения информацией, необходимой
для работы на различных уровнях: от рынков капитала до индустрии финансовых
сервисов. Но реализация задачи интеллектуальной поддержки принятия решений,
имитирующей логику финансового аналитика, не ограничивается анализом и обработкой
фактических данных. Для нее необходимы механизмы получения формализованных
знаний о природе бизнес-процессов из различных источников (экспертные, на основе
данных, в виде реалистических или метафорических математических моделей и т. п.).
Однако на практике получение и использование таких знаний затруднено тем, что
подавляющее большинство финансовых процессов наблюдается лишь фрагментарно.
Например, транзакционные данные демонстрируют лишь характеристики и структуру
финансовых потоков, однако не способны в полной мере отразить причинно-
следственные зависимости между ними, в том числе обусловленные внешними факторами
нефинансовой природы. Во многом это усугубляется тем, что глобальные финансовые
рынки объединяют множество участников, имеющих разнообразные цели. К ним
относятся как потребители (физические и юридические лица), так и провайдеры
финансовых сервисов и услуг — коммерческие банки, консалтинговые и инвестиционные
компании, ретейл, брокеры и хедж-фонды, рейтинговые агентства, страховые компании и
регуляторы. Наличие большого количества конкурирующих стратегий в условиях
множественных связей между ними порождает высокую долю неопределенности в части
принятия любых управляющих решений: от выпуска банком нового финансового
продукта до политики государственного регулятора.
Таким образом, развитие ФИТ-поддержки принятия решений в финансовой сфере требует
математического и алгоритмического аппарата, способного сформировать
предсказательную модель на наборе бизнес-процессов в условиях неопределенности,
идентифицировать эту модель на данных, количественно охарактеризовать меру
неопределенности прогнозов и на ее основе определить процедуру сравнения различных
сценариев, а также управление их развитием. В целом такая задача не может быть решена
средствами классического финансового моделирования и требует его сочетания с
технологиями прикладного искусственного интеллекта, преимущественно построенными
на методах машинного обучения. Далее рассматриваются ключевые особенности развития
этого направления.

Гибридное моделирование как альтернатива формальным подходам

Для управления финансовыми системами важно обеспечение их устойчивого развития,
позволяющего заранее обойти или снизить эффект экстремальных явлений (в частности,
финансовых кризисов). Их предварительное выявление только на основе описательной
статистики, формально экстраполирующее ретроспективные данные, невозможно. Это
обусловлено тем, что на разных уровнях финансовая система изменяется эволюционно:
данные объективно устаревают и статистические прогнозы, учитывающие только
предысторию (например, на уровне корреляционных связей), как правило, не дают
требуемой заблаговременности. Потому принципиально важно использование аппарата
предсказательных моделей в форме динамических систем, формализующих причинно-
следственные связи между различными характеристиками финансовых процессов и
внешними факторами. Обычно такие модели основаны на классических объектах
финансовой математики: балансовых уравнениях финансовых потоков или
метафорических моделях эконофизики (броуновские ценовые модели и пр.). Однако
данный математический аппарат предназначен для описания динамики замкнутых
финансовых систем с точки зрения генерируемых потоков; связь с внешним миром
учитывается параметрически, в виде эвристических замыканий. При этом формализация
таких замыканий из «первых принципов», по-видимому, невозможна из-за отсутствия
детальной информации о действиях всех участников финансовых рынков и понятных
механизмов влияния других систем реального мира (информационной, политической,
социальной) в силу интердисциплинарности самой решаемой проблемы. Как следствие,
увеличение предсказательных возможностей таких моделей может быть только за счет
перехода к гибридному моделированию, когда знания о влиянии внешних факторов,
связанных в первую очередь с мотивационными и поведенческими характеристиками
участников, отражаются в форме подмоделей, полученных на основе анализа данных.

 Многомасштабность и многосвязность финансовой среды

Теоретически возможное желание построить полную модель финансовой системы с
участием различных категорий участников (от физических лиц до регуляторов
государственного уровня) разбивается об объективное отсутствие данных, необходимых
для формализации отношений и характеристик всех участников процесса в рамках
гибридного моделирования. Разумным выходом в данной ситуации, наследуемым из
вычислительной физики, становится применение принципа многомасштабности,
описывающего изменчивость финансовых процессов в различных временных диапазонах
(уровнях) набором математических моделей, связанных между собой параметрически. На
каждом уровне существуют свои связи между отдельными участниками. Потому,
например, финансовая система может быть описана моделью многослойной комплексной
сети, узлами на каждом уровне которой являются субъекты финансовых процессов, а
связи между ними отражают текущие операции на трех разных уровнях. На
индивидуальном, микроуровне модель описывает взаимосвязь финансовых операций,
активности и предпочтений самого субъекта (например, физического лица) в условиях
информационного обмена с внешней средой. На мезоуровне формализуются связи между
различными участниками — субъектами финансового рынка (клиенты одного банка,
сообщество банков и т. д., юридические лица — работодатели) и пр. На макроуровне
рассматривается сетевая среда участников финансовых рынков, чья активность
определяется макроэкономическими закономерностями. В качестве иллюстрации на рис. 1
приведено изображение сети межбанковского кредитования, полученное в ходе
моделирования развития кризисной ситуации. Каждый из банков имеет связи,
определяющие наличие финансовых отношений, с юридическими лицами (бизнес-
структурами) и физическими лицами (клиентами), которые также могут иметь свои связи
с бизнес-структурами как с работодателями или провайдерами сервисов. В работе такая
модель рассмотрена в применении к задаче моделирования сценариев эволюции
банковской системы, в том числе в условиях кризиса.
Финансовое поведение как предмет моделирования
Агрегированные финансовые данные на макро- и мезоуровнях могут обеспечить
качественный диагноз ситуации; однако наиболее гибким и удобным для управления
финансовыми бизнес-процессами традиционно считается микроуровень, учитывающий
индивидуальные особенности физических и юридических лиц — клиентов банков. А
потому задача принятия решений тесно связана с прогнозированием финансового
поведения на основе моделей, соединяющих конкретные действия клиента (например,
заем и возврат кредита, осуществление покупки, посещение офиса банка) с его
индивидуальными особенностями и текущим влиянием внешних факторов. При этом в
настоящий момент уже не представляют научно-практического интереса технологии,
просто имитирующие деятельность экспертов (к примеру, банковских андерайтеров,
оценивающих кредитоспособность конкретного человека по набору объективных
данных). Напротив, становятся востребованными решения, находящиеся за пределом
экспертного восприятия и позволяющие предсказать действия клиента на основе
агрегации не столь очевидных данных его индивидуального финансового поведения в
динамике. Так, использование данных о динамике транзакционной активности по картам
одного из крупных отечественных банков для прогноза просрочки по кредитам позволило
на ~30% улучшить результат по сравнению с получаемым экспертно. При этом кажущаяся
небольшой доля улучшения в данной ситуации характерна для задач кредитного скоринга
в целом, поскольку сам факт нарушения взаимоотношений с банком является редким
событием, существенное влияние на которое оказывают форс-мажорные обстоятельства,
принципиально не предсказуемые ни моделями, ни даже самим клиентом. Как следствие,
прямое использование методов машинного обучения по таким данным обычно не
приводит к успеху в силу разбалансированности выборки; это порождает необходимость
перехода от бинарных классификационных моделей к моделям на основе рисков, в
которых учитывается фактор неопределенности.

Источники:
1) Сайта биржи Автор24:
https://spravochnick.ru/informacionnye_tehnologii/informacionnye_tehnologii_v_logisti
ke/ .
2) https://www.i-ias.ru/blog/competition_page_2/inf_tehnology.html
3) https://controleng.ru/innovatsii/finansovye-informacionnye-tehnologii/
Литература:
1. Seth T.and Chaudhary V. Big Data in Finance. 2015.
2. Big Data in Finance and Quantitative Finance.
2017. www.msc.esadeblogs.com/2017/01/18/big-data-in-finance-and-quantitative-finance
3. Guleva V. Y. et al. A Simulation Tool for Exploring the Evolution of Temporal Interbank
Networks // Journal
of Artificial Societies and Social Simulation. 2017. Vol. 20. No. 4.
4. Nikitin N. O. et al. Evolutionary Ensemble Approach for Behavioral Credit Scoring.
International Conference on Computational Science. Springer, Cham, 2018.
5. Zaikin O. et al. Optimizing Spatial Accessibility of Company Branches Network with
Constraints. International Conference on Computational Science. Springer, Cham, 2019.
6. Derevitskii I., Nuzhdenko I., Bochenina K. Identifying places of financial interest using open
data // Procedia Computer Science. 2018. Vol.. 136.
7. Nasonov D., Visheratin A. A., Boukhanovsky A. Blockchain-based transaction integrity in
distributed big data marketplace. International Conference on Computational Science.
Springer, Cham, 2018.
8. Severiukhina O. et al. Parallel data-driven modeling of information spread in social networks.
International Conference on Computational Science. Springer, Cham, 2018.