Шиянов А.Д.
ОЦЕНКА ЭФФЕКТИВНОСТИ IT ПРОЕКТОВ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ *
Аннотация:
в данной статье рассматриваются основные проблемы при оценке проектов it компаниями, способы их решения при помощи алгоритмов машинного обучения
Ключевые слова:
экономика, it проект, машинное обучение, нейронная сеть, оценка проектов
Создание и совершенствование компьютерной техники, появление новых технологий передачи и обработки данных, ускорило вычислительную работу во многих областях человеческой жизни такие как экономика, математика, физика, информатика. Получение и обработка экспериментальных данных с помощью новых информационных технологий и компьютерной техники — это лишь некоторые типичные примеры. Увеличение вклада информационных технологий в развитие экономики связано, в первую очередь, с появлением персональных компьютеров, смартфонов и широкого распространения высокоскоростного интернета. Благодаря их относительно низкой цене и доступности для широкого круга пользователей такое оборудование перестало быть роскошью и стало жизненной необходимостью. Оценка эффективности проектов — один из основных элементов инвестиционного анализа. Чем масштабнее разрабатываемый проект и чем больше значительных изменений он вызывает в бизнесе, тем точнее должны быть расчеты денежных потоков и методы оценки эффективности данного проекта. Стандартные алгоритмы не способны учесть многие факторы влияющие на успешность реализации проекта, такие как время существования компании заказчика на рынке, прошлый опыт реализации похожих проектов и т.д. В современном мире происходит нарастание неопределенности в мировой экономике, компании все больше уделяют внимание вопросу экономической эффективности собственных ИТ-проектов. Решающим в выборе информационной системы может стать ответ на вопрос: «Какая экономическая эффективность вложений в данный ИТ-проект?». Однако этот ответ не всегда очевиден. Следует отметить, что реализация проекта по внедрению информационных систем может потребовать значительных инвестиций и, если эффект от такого внедрения не будет подтвержден какими-либо обоснованными показателями, то доказать заказчику целесообразность внедрения будет проблематично. Под эффективностью проекта подразумевается соотношение затрат и результатов проекта. Затраты – это совокупность затрат на приобретение, установку, настройку и поддержку программного обеспечения и требуемых технических средств, обучение персонала и т.д. Расходы, связанные с организационными изменениями, могут включаться в затраты, но точно оценить их бывает достаточно сложно. Под результатами понимается эффект, который достигается при внедрении и последующей эксплуатации ПО. В некоторых случаях сложно определить прямой эффект от проекта, будь то экономический или какой-либо другой. В настоящее время оценка проектов – это дело целого отдела сотрудников, что говорит о том, что субъективное мнение каждого сотрудника может в значительной степени повлиять на оценку всего проекта и соответственно значительно снизить точность оценки. На практике доказано что, среди различных методов оценки эффективности внедрения информационных систем, наиболее предпочтительны те методы, которые позволяют оценить эффективность до реализации самого проекта, на этапе технико-экономического обоснования, другими словами, методы в рамках априорного подхода. К ним относятся такие хорошо известные методы, как оценка IRR, ROI, TEI, BSC, EVA и другие. Проведение оценки в рамках данного подхода до начала реализации самого проекта, позволит ответить на вопрос, а стоит ли вообще инвестировать в данный ИТ- проект. Так, рассчитав рентабельность инвестиций и сравнив полученный показатель, например, со ставкой по банковским депозитам или с установленной в компании внутренней нормой доходности, в случае превышения первого над последним, можно говорить о том, что планируемые инвестиции будут эффективными и проект можно считать успешным. За последнее время огромную популярность приобрели искусственные нейронные сети, поэтому целесообразно было бы доверить оценку проекта и его эффективности информационной системе, главным образом для избавления от субъективных оценок и увеличения точности оценки проектов. Основные преимущества искусственных нейронных сетей перед другими алгоритмами – это то что они после должного обучения способны выявить скрытие или не явно выраженные зависимости и на основании этого сделать вывод или прогноз. В данной ситуации наилучшим вариантом будет так называемое обучение с учителем т.е. обучение на заранее известных оценках уже реализованных IT проектов. Топология сети, весовые коэффициенты, число слоев и связи будут устанавливаться на практике в результате проведенных экспериментов. Таким образом использование нейронных сетей в оценке проектов может значительно увеличить точность оценки избавиться от фактора субъективности и помочь в принятии важных решений, связанных с проектной деятельностью
Номер журнала Вестник науки №6 (15) том 3
Ссылка для цитирования:
Шиянов А.Д. ОЦЕНКА ЭФФЕКТИВНОСТИ IT ПРОЕКТОВ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ // Вестник науки №6 (15) том 3. С. 475 - 477. 2019 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/1759 (дата обращения: 17.05.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2019. 16+