Domov Příspěvky Ekonomická informatika. Předmět, předmět, metody a úkoly ekonomické informatiky. Kyjevská národní ekonomická univerzita

Ekonomická informatika. Předmět, předmět, metody a úkoly ekonomické informatiky. Kyjevská národní ekonomická univerzita

Teoretické základy ekonomické informatiky

Předmět, předmět, metody a úkoly ekonomické informatiky

Intenzivní implementace informační technologie v ekonomii vedly ke vzniku jedné z oblastí v informatice - ekonomické informatiky, která je integrovanou aplikovanou disciplínou založenou na mezioborovém propojení informatiky, ekonomie a matematiky.

Teoretickým základem pro studium ekonomické informatiky je informatika. Slovo „informatics“ (informatique) pochází ze sloučení dvou francouzských slov: information (informace) a automatique (automatické), které byly zavedeny ve Francii k definování oblasti činnosti spojené s automatizovaným zpracováním informací.

Existuje mnoho definic informatiky. Informatika je věda o informacích, o tom, jak jsou shromažďovány, ukládány, zpracovávány a poskytovány pomocí výpočetní techniky. Informatika je aplikovaná disciplína, která studuje strukturu a obecné vlastnosti vědeckých informací atd. Informatika se skládá ze tří vzájemně propojených složek: informatiky jako základní vědy, jako aplikované disciplíny a jako výrobního odvětví.

Hlavními předměty informatiky jsou:

Informace

· počítače;

· Informační systémy;.

Obecné teoretické základy informatiky:

Informace

číselné soustavy;

kódování;

algoritmy.

Struktura moderní informatiky:
1. Teoretická informatika.
2. Výpočetní technika.
3. Programování.
4. Informační systémy.
5. Umělá inteligence.

Ekonomická informatika je věda informační systémy ah slouží k přípravě a rozhodování v managementu, ekonomice a obchodu.

Předmětem ekonomické informatiky jsou informační systémy, které zajišťují řešení podnikatelských a organizačních problémů vznikajících v ekonomických systémech (ekonomických objektech). To znamená, že předmětem ekonomické informatiky jsou ekonomické informační systémy, jejichž konečným cílem je efektivní řízení ekonomického systému.

Informační systém je soubor softwaru a hardwaru, metod a lidí, kteří shromažďují, ukládají, zpracovávají a vydávají informace pro zajištění přípravy a rozhodování. Mezi hlavní součásti informačních systémů využívaných v ekonomice patří: software a hardware, podnikové aplikace a správa informačních systémů. Účelem informačních systémů je vytvořit moderní informační infrastrukturu pro řízení společnosti.

Předmět disciplíny "Ekonomická informatika" - technologie, způsoby automatizace informačních procesů s využitím ekonomických dat.

Úkolem oboru "Ekonomická informatika" je studium teoretické základy informatika a získání dovedností v používání aplikovaných systémů pro zpracování ekonomických dat a programovacích systémů pro osobní počítače a počítačové sítě.
1.1.2. Data, informace a znalosti

Pojem data pochází od slova data - skutečnost a informace (informatio) znamená objasnění, prezentaci, tzn. informace nebo zprávu.

Data- jedná se o soubor informací zaznamenaných na konkrétním médiu ve formě vhodné pro trvalé uložení, přenos a zpracování. Transformace a zpracování dat vám umožní získat informace.

Informace je výsledkem transformace a analýzy dat. Rozdíl mezi informacemi a daty je v tom, že data jsou pevné informace o událostech a jevech, které jsou uloženy na určitých médiích, a informace se objevují jako výsledek zpracování dat při řešení konkrétních problémů. Databáze například ukládají různá data a na určitý požadavek systém správy databází vydá požadované informace.

Existují i jiné definice informací, např. informace jsou informace o objektech a jevech prostředí, jejich parametrech, vlastnostech a stavu, které snižují míru nejistoty a neúplnosti znalostí o nich.

Znalost- jedná se o zpracované informace zaznamenané a ověřené praxí, které byly použity a mohou být znovu použity pro rozhodování.

Znalosti jsou typem informací, které jsou uloženy ve znalostní bázi a odrážejí znalosti specialisty v určité oblasti. Znalosti jsou intelektuální kapitál.

Formální znalosti mohou mít formu dokumentů (norem, předpisů), které upravují rozhodování nebo učebnic, návodů, jak řešit problémy. Neformální znalosti jsou znalosti a zkušenosti odborníků v určité oblasti.

Je třeba poznamenat, že neexistují žádné univerzální definice těchto pojmů (data, informace, znalosti), jsou interpretovány různými způsoby. Rozhodnutí jsou přijímána na základě obdržených informací a dostupných znalostí.

Rozhodování- jedná se o výběr nejlepšího řešení v určitém smyslu z množiny proveditelných řešení na základě dostupných informací.
Vztah dat, informací a znalostí v rozhodovacím procesu je znázorněn na obrázku.

V závislosti na rozsahu použití mohou být informace různé: vědecké, technické, manažerské, ekonomické atd. Pro ekonomickou informatiku jsou ekonomické informace zajímavé.

Ekonomická informatika(informatika z francouzštiny. informace- informace a automatizace- automatický; doslova „věda o automatizaci zpracování informací“) je věda o informačních systémech používaných k přípravě a rozhodování v managementu, ekonomice a podnikání a také ekonomice těchto systémů.

Ekonomická informatika je nová disciplína, která vznikla ve druhé polovině 20. století v souvislosti s rychlým rozvojem výpočetní techniky a růstem jejího uplatnění v ekonomice. V anglosaských zemích se informatika nazývá počítačová věda (doslova „věda o počítačích“) a ekonomická informatika se nazývá informační systémy (doslova „informační systémy“). Moderní ekonomická informatika je především aplikovaná disciplína, která systematizuje principy vývoje a provozu informačních systémů (dále jen IS) určených k řešení různých problémů. ekonomické úkoly. Nachází se tedy na průsečíku samotné informatiky (informatika) a předmětové oblasti řízení organizace, pro kterou byly vytvořené specializované systémy určeny. I v anglosaských zemích se takto specializované aplikované znalosti v některých případech nazývají „informatika“, konkrétně jde o bioinformatiku a vojenskou informatiku.

Ekonomická informatika má také společnou oblast s ekonomickou teorií. Tímto obecným oborem je ekonomie informací, disciplína, která studuje ekonomické vzorce vytváření a šíření informací na trzích a v organizacích. V ekonomické informatice umožňuje popsat hodnotu informací a dopad trhů s informačním zbožím na hodnotu duševního vlastnictví.

Předmět a předmět ekonomické informatiky

Jádro ekonomické informatiky zahrnuje především aplikované znalosti potřebné pro budování IS v ekonomice a řízení organizací v jakémkoli oboru - podnikání, neziskové struktury a státní úřady. IS v ekonomické informatice je chápán jako systém určený ke sběru, přenosu, zpracování, ukládání a vydávání informací spotřebitelům pomocí výpočetního a komunikačního vybavení, prostředků software a servisního personálu.

Vliv informační systémy o hospodaření organizací, které je zavádějí a využívají, je popsána z hlediska podnikové procesy. Implementace informační systémy vytváří nové IT služby, které naopak mění parametry podnikové procesy organizace, jejich výkonnost, kvalita a udržitelnost. Výsledkem je, že pokud je implementace úspěšná, zvyšuje se současná ziskovost a/nebo dlouhodobá konkurenceschopnost organizace. Proto studie podnikové procesy komerční a neziskové organizace je jednou z hlavních oblastí studia ekonomické informatiky. Tyto studie zahrnují studium složek obchodní proces, jeho kvantitativní a kvalitativní charakteristiky, jím využívané IT služby, vztah podnikového procesu a jeho výsledků se strukturou organizace atp. V důsledku těchto studií bylo vyřešeno několik problémů najednou:

Spolu s podnikovými procesy zkoumá ekonomická informatika komponenty samotného IS: informační technologie, aplikace a management. Informační technologie - technologická infrastruktura, která zajišťuje implementaci informační procesy. Zahrnuje všechny typy počítačového a telekomunikačního vybavení, systémový software, který řídí jeho provoz, a prostředí nástrojů, která podporují aplikace. Informační technologie jsou v ekonomické informatice považovány za prostředek zlepšování podnikových procesů a překonávání jejich omezení. Zavádění informačních technologií přitom nevede automaticky ke zlepšení podnikových procesů, k tomu je třeba jej kombinovat se zaváděním aplikací, změnou samotných podnikových procesů, zlepšováním dovedností zaměstnanců podniku a zlepšováním řízení. informační systémy. Důležitou součástí informačních technologií jsou platformy – softwarové systémy, které umožňují vývoj aplikací.

Aplikace jsou specializované programy, které přímo podporují určité IT služby jako součást obchodních procesů. Aplikace mohou být samostatné produkty (obchodní aplikace) nebo mohou být součástí určitých integrovaných systémů řízení (funkční subsystémy). V současné době jsou vyvíjeny aplikace pro všechny oblasti provozu a řízení podniku - pro nákup, výrobu, marketing a prodej, údržbu, personální řízení, technologický rozvoj, finance, účetnictví atd. Rozmanitost a složitost dnešních aplikací znesnadňuje jejich spolupráci ve stejném podniku.

Tento problém byl dlouhou dobu řešen vytvářením velkých monolitických aplikačních balíků, které zahrnují výše uvedené aplikace jako funkční subsystémy. Vývoj integračních nástrojů primárně založených na architektuře SOA vedl v moderní době k opačnému trendu, k vývoji úžeji zaměřených aplikací zaměřených na konkrétní tematické oblasti.

Například společnost SAP, největší světový výrobce podnikového softwaru, v současné době vydává aplikační balíček SAP Business Suite, který zahrnuje systém SAP ERP ERP, systém SAP CRM CRM, systém řízení životního cyklu produktu SAP PLM, systém řízení dodavatelského řetězce SAP SCM a SAP SRM. systém řízení vztahů s dodavateli. Je třeba zdůraznit, že všechny výše uvedené jsou různé aplikace integrované prostřednictvím služeb SOA. Pro podporu služeb SOA vytvořil SAP vlastní integrační platformu SAP NetWeaver. Integrační platformy podobného účelu jsou dostupné od jiných lídrů na trhu – Oracle Fusion Middleware od Oracle, IBM WebSphere od IBM atd. Každá z těchto platforem umí pracovat nejen s aplikacemi výrobce, ale i s aplikacemi jiných firem, což zvyšuje flexibilitu vytvářených systémů.

V neposlední řadě správa informačních systémů zajišťuje vzájemnou koordinaci všech ostatních složek IS a rovněž koordinaci vývoje informačních systémů s požadavky podniku. Řízení podnikových informačních systémů zahrnuje řízení personálu, uživatelů, kvality, financí a bezpečnosti, ale i operativní řízení a řízení rozvoje IS. Management se tak ukazuje jako mimořádně důležitá součást IS a jeho zdokonalování, odpovídající zdokonalování aplikací a jejich technologického základu, je podmínkou vyváženého rozvoje systému jako celku. Podle moderních koncepcí je správa IP především řízení IT služeb.

Samostatným úkolem je analýza a návrh architektury podnikových informačních systémů. Zde je modelový aparát poněkud širší, spolu s modelováním funkcí a dat zahrnuje inženýrské metody pro analýzu a predikci výkonnosti IS, statistické nástroje, ekonomické analýzy atd. Specifickým problémem je integrace architektury IS s architekturou podnikání a architekturou organizace, která je řešena metodami teorie řízení.

Úkol zdokonalování řízení IS je řešen metodami teorie řízení včetně metod operačního výzkumu, teorie organizace, logistiky atp. Velký význam mají metody a modely projektového řízení. V poslední době roste role metod projektové kontroly zajišťující dosažení plánovaného ekonomického efektu při realizaci IP.

K vyřešení problému analýzy a zvýšení ekonomická účinnost IS využívá různé metody ekonomická analýza. V současné době hovoříme o neoklasických nástrojích, nové institucionální ekonomická teorie a teorie řízení. Každý z přístupů využívá různé metody popsané v kategorii Ekonomická teorie. Stejné třídy metod se používají v ekonomické analýze informací a trhů pro informační zboží.

Krátký příběh

Přestože prehistorie informatiky sahá minimálně do 19. století, historie využití počítačů v ekonomice začala až v 50. letech minulého století. 20. století. Od nynějška budeme počítat dějiny ekonomické informatiky.

V počátečním období, v 50. - 60. letech, byl počítač vzácným a drahým zdrojem. Proto bylo prvním úkolem ekonomické informatiky zvýšit efektivitu využívání počítačů. Prvními kroky na této cestě bylo vytvoření operačního systému – softwarového balíku, který organizuje a udržuje výpočetní proces na počítači, a programovacích jazyků na vysoké úrovni a také kompilátorů z těchto jazyků. Již v této fázi se ukázalo, že ekonomické problémy, na rozdíl např. od vědeckých, vyžadují mnohem jednodušší výpočetní algoritmy, ale potřebují prostředky pro zpracování velkého množství dat se složitou strukturou. V důsledku toho byl vyvinut jazyk COBOL, který podporuje složité hierarchické datové struktury. Dalším vývojem tohoto přístupu byl vývoj specializovaných platforem, které umožňovaly vytvářet a udržovat stále složitější databáze. Tyto platformy se nazývají systémy pro správu databází (DBMS).

V 70. - 80. letech začalo další období v historii ekonomické informatiky, charakterizované rostoucím pronikáním počítačů do podnikání. Současně se samotné počítače a jejich infrastruktura staly složitějšími a rozmanitějšími. Objevily se nové třídy počítačů - minipočítače a osobní počítače (PC), lokální a globální počítačové sítě, nové třídy softwaru. Výsledkem je, že počítače již neautomatizují jednotlivé pracně náročné úkoly, ale celé funkce podniku, včetně takových důležitých, jako je plánování výroby a nákupu, účetnictví a manažerské účetnictví, projekční práce atd. Pro tyto účely mají nové třídy aplikací byly vyvinuty - systémy MRP a později MRP II, první integrované systémy řízení výroby, systémy řízení projektů atd. To zase vyžadovalo prostředek pro dokumentaci příslušných obchodních funkcí a popis dat v nich používaných. Výsledkem byla první rodina standardů IDEF, včetně standardu IDEF 0 Function Description Standard, IDEF 1X Data Modeling Standard a řady dalších.

Ve stejných letech se ekonomická informatika poprvé setkala s tzv. „paradoxem produktivity“. Spočívala v tom, že s rostoucími investicemi byznysu a státní správy do IT nebyly žádné známky růstu produktivity spojené s těmito investicemi. Nositel Nobelovy ceny R. Solow vyjádřil tento problém přesnou formou: „Věk počítačů vidíme všude, kromě statistik produktivity.“ Přes výzvu R. Solowa v 80. letech. neexistují žádné důkazy o pozitivním dopadu investic do IT na produktivitu.

Prudce komplikované výpočetní prostředí podniku, zejména prudký nárůst používání osobních počítačů, způsobilo rychlý nárůst nákladů na IP. V důsledku toho se správa IT více zaměřila na kontrolu nákladů. K vyřešení tohoto problému vyvinula skupina Gartner model TCO, který umožnil zohlednit celkové náklady na používání IP v průběhu celého životního cyklu IP. Přestože tento model představoval významný pokrok v nákladovém účetnictví IT, měl řadu nedostatků, v důsledku čehož jeho široké používání v některých případech vedlo k nesprávným závěrům. Největší z těchto chyb byla iniciativa vyvinout síťový počítač speciálně navržený ke snížení TCO podnikových integrovaných obvodů. Řada velkých výrobců osobních počítačů uvedla na trh své síťové počítače bez úspěchu. Zajímavé je, že později, v roce 2000. nápady síťového počítače byly opět žádané a tentokrát s mnohem větším úspěchem. Nicméně v 80. letech. projekt byl předčasný.

90. léta se vyznačovaly dvěma zásadními technickými novinkami – přechodem na tzv. architektura klient-server a rozšířené používání internetu. Nová architektura IS znamenala přechod na distribuované aplikace, z nichž jedna část prováděla zpracování dat jako taková a byla umístěna na počítačích (serverech) speciálně k tomu určených, druhá část zajišťovala přenos požadavků na servery, z nichž přijímala odpovědi. a prezentaci výsledků požadavků koncovému uživateli (klientovi). Podle tohoto schématu byla organizována elektronická pošta, práce s databázemi a také poskytování přístupu k internetu.

Internet se stal další, ještě významnější revolucí 90. let. Je třeba poznamenat, že internetová infrastruktura v podobě sítí pro přenos dat a globálních počítačových sítí byla vytvořena mnohem dříve (první segmenty sítě ARPAnet, předchůdce internetu, vznikly již v roce 1969), masivní využití tzv. Internet jednotlivých uživatelů a korporací klesl na 90. léta. Bylo to způsobeno vznikem WWW „World Wide Web“ – sítě hypertextových odkazů, které spojovaly pole informací („stránky“) umístěné jak na stejném serveru, tak na různých serverech. Zároveň se objevily vyhledávače, které uživatelům internetu umožňovaly rychle najít potřebné informace. Nová technologie byla rychle komercializována, nejprve pro reklamu, poté pro přímé transakce. Již v roce 1994 se objevila kniha Amazon .com a v roce 1995 online aukce Ebay. Zároveň se v 90. letech formovala platební a logistická infrastruktura internetových transakcí. Díky tomu vzniklo velké množství podniků, které existují výhradně na internetu – tzv. dot-com. Přehnaná očekávání od takových podniků dala vzniknout tzv. „dot-com bublině“ – neoprávněnému nárůstu cen akcií internetových společností. Tato „bublina“ skončila krachem v roce 2000.

Rychlý rozvoj technologií postavil před ekonomickou informatiku nové výzvy. Za prvé, všudypřítomná povaha IT vyvolala potřebu integrovaného popisu role IT v podnikání. Základem tohoto popisu byl koncept obchodního procesu a řetězec hodnot. To poskytlo holistický pohled na obchodní proces, zvláště důležitý při jeho změně.

Za druhé se objevila řada nových tříd aplikací, které řeší nově vznikající problémy řízení podniku. Jednalo se především o ERP systémy, které se staly dalším vývojem systémů MRP II. Kromě nich byly vytvořeny systémy pro řízení vztahů se zákazníky (CRM), řízení vztahů s dodavateli (SRM) a řízení dodavatelského řetězce jako celku (SCM).

Zvýšený výpočetní výkon, stejně jako kapacita pro ukládání dat, umožnily vytvářet specializované analytické systémy, které zpracovávají data v reálném čase (OLAP). Konečně, vznik elektronického podnikání dal vzniknout nové rozsáhlé třídě systémů, které zprostředkovávají elektronické transakce – B 2B, B 2C atd.

Za třetí došlo k další komplikaci úkolů IT služeb v podnicích. Důležitou pomocí v těchto podmínkách by mohl být typický model podnikových procesů IT služby, obsahující hlavní úkoly IT služby a osvědčené přístupy k jejich řešení. Tímto modelem byl model ITIL, jehož první verze se objevila na přelomu 80. - 90. let. Široké přijetí modelu v podnikání a státních struktur vedl k rychlému zdokonalování knihovny a na přelomu 90. - 20. století. byla vydána jeho druhá verze a v roce 2007 - třetí. ITIL se nyní stal de facto standardem pro správu IP v Evropě. Další reakcí na komplikaci úkolů IT služby byl outsourcing IS - převedení všech nebo části funkcí údržby IS na externího poskytovatele. Outsourcing se stal populárním řešením problémů IT služeb v 90. letech.

Konečně v 90. letech. Paradox výkonu IT vyřešen. Řada výzkumníků prokázala, že v přítomnosti komplementárních změn v podnikové procesy firmy investující do IS má významný pozitivní dopad na produktivitu. Zároveň byl zjištěn významný příspěvek investic do IP ke kapitalizaci společnosti na akciovém trhu.

Současná fáze vývoje IP přinesla nové úspěchy. Jednou z nejdůležitějších byla technologie pro integraci podnikových aplikací SOA, která poprvé umožnila stabilní a efektivní interakci aplikací od různých výrobců. Snad ještě důležitějším pokrokem byl t. zv. „cloud computing“, což je poskytování IT služeb přes internet, při kterém jsou koncovým uživatelům služby skryty detaily IT infrastruktury. To eliminuje většinu problémů s kompatibilitou aplikací a integrací. Cloud computing eliminuje specifické požadavky, které řada IT služeb klade na IT infrastrukturu zákazníka, a díky tomu je příjem IT služeb stejně snadný jako napájení z elektrické zásuvky. Důležitým faktorem rozvoje IT bylo také široké používání open source softwaru, který není ani tak technickou inovací, jako spíše alternativním modelem autorských práv.

Souběžně s rozvojem technologie se vyvíjela správa duševního vlastnictví a jeho ekonomická analýza. V managementu bylo hlavním směrem vývoje prohlubování outsourcingu, přechod od outsourcingu jednotlivých funkcí údržby IS k outsourcingu podnikových procesů jako celku. Outsourcing ovlivnil i vývoj modelu ITIL, který se ve své třetí verzi nezaměřuje ani tak na podnikové IT služby jako dříve, ale na poskytovatele služeb outsourcingu.

V ekonomii duševního vlastnictví se jednou z nejdůležitějších oblastí stala ekonomika autorského práva. Rozvoj trhu informačního zboží na jedné straně prudce rozšířil objem spotřeby posledně jmenovaného, na druhé straně omezil práva uživatelů na konzumaci posledně jmenovaného. Přísná omezení pro uživatele informačního zboží vyvolala mnoho diskusí o ekonomice autorských práv, pokud jde o rovnováhu mezi pobídkami pro inovace a monopolními právy výrobců. Tím se prohloubilo chápání institutu autorského práva, ale zatím to nevedlo k praktickým doporučením v této oblasti.

Open source software se stal skutečnou alternativou k institutu autorských práv v oblasti softwaru. Licence GPL poskytuje uživateli čtyři svobody: svobodu používat software, svobodu studovat software a měnit zdrojový kód, svobodu distribuovat kopie softwaru a svobodu distribuovat upravený software. Hlavním omezením stanoveným GPL je, že software získaný pod GPL musí být nadále distribuován za podmínek GPL.

Ekonomická informatika se v SSSR vyvíjela zvláštní cestou. Plánované hospodářství na jedné straně vytvářelo řadu podnětů pro zavádění informačních technologií a systémů v národním hospodářství, na straně druhé ukládalo mimořádně přísná omezení jejich využívání. V důsledku toho bylo zavádění informačních technologií a systémů do národního hospodářství SSSR omezené a nedůsledné, i když vedlo k řadě velkých úspěchů.

Prvním úspěchem bylo samotné vytvoření průmyslu výpočetní techniky v SSSR, který se po několik desetiletí držel na úrovni vyspělých západních zemí. Z tvůrců sovětské výpočetní techniky je třeba zmínit především S.A. Lebeděv, I.S. Bruk, B.I. Rameeva, V.M. Glushkov a G.P. Lopato, kteří vytvořili nezávislé konstrukční školy pro vývoj počítačů a nastavili jejich hromadnou výrobu.

Rozvoj výroby počítačů vyvolal otázku jejich využití v národním hospodářství. Již v roce 1959 A.I. Berg, A.I. Kitov a A.A. Ljapunov ve své zprávě „O možnostech automatizace řízení národního hospodářství“ nastolil otázku využití počítačů v řízení národního hospodářství. Tehdejší technické možnosti počítačů však neumožňovaly rozsáhlé využití počítačů při plánování – hlavní funkci tehdejšího řízení národního hospodářství. Vážné pokusy o takovou automatizaci byly provedeny až v 70. letech 20. století. formou pokusu o vytvoření automatizovaného řídicího systému ( automatizované systémy management) s OGAS (Národní automatizovaný systém pro sběr, ukládání a zpracování informací) na nejvyšší úrovni.

Rozsáhlé investice do automatizovaných řídicích systémů nepřinesly očekávanou návratnost. Používání automatizovaných řídicích systémů naráželo na problémy s kvalitou informací a ukázalo se jako neslučitelné s reálnými ekonomickými mechanismy fungujícími v socialistické ekonomice. V podmínkách šoku ekonomické reformy devadesátá léta vývojáři automatizovaných řídicích systémů nebyli schopni je přizpůsobit novým ekonomickým podmínkám, v důsledku čehož automatizované řídicí systémy rychle zanikly. V moderní Rusko ekonomická informatika nedoznala výrazného rozvoje a dostupné práce jsou kusé.

Struktura ekonomické informatiky

V moderní ekonomické informatice lze rozlišit následující hlavní oblasti.

Především je to analýza a modelování podnikových procesů. Jedná se o komplexní a rozsáhlou činnost zohledňující specifika odvětví a zemí. Jeho důležitou součástí je popis a analýza nově vzniklých podnikových procesů a obchodních modelů. Dnes jsou takové modely založeny na rostoucím využívání IT. End-to-end podnikové procesy se staly rysem posledních desetiletí a pokrývají řadu vzájemně propojených podniků, spojených především prostřednictvím IS.

Složitost a zároveň dynamika moderních IS vyžaduje zvláštní pozornost k problémům architektury IS. Právě včasné a přesné řešení architektonických problémů umožňuje poskytovat vysoce kvalitní IT služby i při rozsáhlých změnách. Ekonomická informatika vytváří pro taková rozhodnutí teoretický a metodologický základ. V architektuře IS dnes existuje několik trendů:

Zajištění integrace IT architektury a obchodní a organizační architektury;

Budování IT architektury organizace založené na síti vzájemně propojených poskytovatelů služeb, kteří outsourcují obchodní procesy;

Firemní data jsou v centru moderní IT architektury, zejména v kontextu pokročilého outsourcingu;

Zvýšení flexibility IT služeb a snadnějšího přístupu k nim pro koncové uživatele, primárně založené na cloud computingu.

Samostatnou oblastí ekonomické informatiky je rozvoj správy IP. Dnes této oblasti dominuje model ITIL, ale otázka hranic jeho aplikace zůstává nevyřešena. Důležitou oblastí výzkumu je také studium outsourcingu, kritérií jeho úspěchu a způsobů, jak toho dosáhnout. Konečně, v moderní podmínky zvláště důležité je měření a udržování ekonomické efektivity IP, kterému se budeme podrobněji věnovat níže.

Přestože je „paradox produktivity“ již dávno vyřešen, výzkum nákladové efektivity integrovaných obvodů stále tvoří důležitou součást ekonomické informatiky. Dnes jsou již nastíněny hlavní směry pro zvýšení efektivity IS, jedná se o řešení reálných obchodních problémů pomocí IT, změnu podnikových procesů s cílem odemknout potenciál IT a zlepšit dovednosti personálu. Spolu s tím vám IP umožňuje změnit portfolio produktů a služeb společnosti, učinit jej flexibilnějším a diverzifikovanějším.

A konečně, rostoucí zaměření na kupovatelné IP komponenty a kupovatelné služby zvyšuje význam trhu informačního zboží. Studium tohoto trhu metodami ekonomické informatiky má pro tuto vědu stále větší význam.

Nevyřešené problémy a prioritní oblasti

I přes řadu úspěchů dnes v ekonomické informatice zůstává řada nevyřešených problémů. Zde jsou ty nejdůležitější:

Co rozhoduje o úspěchu IS v organizaci? Navzdory vypracovaným doporučením pro rozvoj a implementaci IS selhávají projekty rozvoje a implementace IS podle různých odhadů ve 30-50 % případů.
Jak vyhodnotit efektivitu IP v konkrétních situacích? Studie efektivity IP zatím nevedly k vývoji prakticky cenných metod hodnocení efektivity konkrétních projektů v této oblasti.
Je nejlepší praxe vždy nejlepší? Řada studií ukazuje, že dnes pozorované organizace patří do několika různých typů (v původní autorské terminologii - konfigurací). Pravděpodobně různé konfigurace vyžadují různé IC a různé přístupy k jejich realizaci.
Jak rozumná jsou dnešní autorská práva? Omezení, která moderní autorská práva ukládají koncovým uživatelům, jsou považována za stále obtížnější a existují rozumné alternativy.

Doporučená četba

F. Webster. Teorie informační společnosti.

M. Porter. Soutěž (sbírka článků).

G. Mintzberg. Struktura v pěst.

G.Mintsberg. Management: povaha a struktura organizací očima gurua.

Ježíš Huerta de Soto. Socialismus, ekonomická kalkulace a podnikatelská funkce.

E. Furubotn, R. Richter, Instituce a ekonomická teorie: Úspěchy nové institucionální ekonomické teorie.

B. Gladkikh. Informatika od počítadla k internetu. To zahrnuje počítače, servery, periferní zařízení, zařízení pro ukládání dat atd. Právě v 19. století bylo vynalezeno ukládání informací na děrné štítky, „analytický stroj“ Charlese Babbage a nakonec tabulátor – výpočetní zařízení, které zpracovává data uložená na děrných štítcích.

Velikost: px

Začít zobrazení ze stránky:

přepis

1 Přednáška 1 1 Předmět, předmět, metody a úkoly ekonomické informatiky Intenzivní zavádění informačních technologií do ekonomiky vedlo ke vzniku jednoho ze směrů v informatice ekonomické informatiky, která je integrovanou aplikovanou disciplínou založenou na mezipředmětových komunikacích. informatiky, ekonomie a matematiky. Teoretickým základem pro studium ekonomické informatiky je informatika. Slovo „informatics“ (informatique) pochází ze sloučení dvou francouzských slov: information (informace) a automatique (automatické), které byly zavedeny ve Francii k definování oblasti činnosti spojené s automatizovaným zpracováním informací. Existuje mnoho definic informatiky. Informatika je věda o informacích, o tom, jak jsou shromažďovány, ukládány, zpracovávány a poskytovány pomocí výpočetní techniky. Informatika je aplikovaná disciplína, která studuje strukturu a obecné vlastnosti vědeckých informací atd. Informatika se skládá ze tří vzájemně propojených složek: informatiky jako základní vědy, jako aplikované disciplíny a jako výrobního odvětví. Ekonomická informatika je věda o informačních systémech používaných k přípravě a rozhodování v managementu, ekonomice a podnikání. Předmětem ekonomické informatiky jsou informační systémy, které zajišťují řešení podnikatelských a organizačních problémů vznikajících v ekonomických systémech (ekonomických objektech). To znamená, že předmětem ekonomické informatiky jsou ekonomické informační systémy, jejichž konečným cílem je efektivní řízení ekonomického systému. Informační systém je soubor softwaru a hardwaru, metod a lidí, kteří shromažďují, ukládají, zpracovávají a vydávají informace pro zajištění přípravy a rozhodování. Mezi hlavní součásti informačních systémů využívaných v ekonomice patří: software a hardware, podnikové aplikace a správa informačních systémů. Účelem informačních systémů je vytvořit moderní informační infrastrukturu pro řízení společnosti. Předmět disciplíny "Ekonomická informatika" - technologie, způsoby automatizace informačních procesů s využitím ekonomických dat. Úkolem oboru "Ekonomická informatika" je studium teoretických základů informatiky a získání dovedností v používání aplikovaných systémů pro zpracování ekonomických dat a programování systémů pro osobní počítače a počítačové sítě. 2. Data, informace a znalosti Mezi základní pojmy používané v ekonomické informatice patří: data, informace a znalosti. Tyto pojmy se často používají jako synonyma, ale mezi těmito pojmy jsou zásadní rozdíly. Pojem data pochází od slova data - skutečnost a informace (informatio) znamená objasnění, prezentaci, tzn. informace nebo zprávu.

2 Data jsou souborem informací zaznamenaných na konkrétním médiu ve formě vhodné pro trvalé uložení, přenos a zpracování. Transformace a zpracování dat vám umožní získat informace. Informace jsou výsledkem transformace a analýzy dat. Rozdíl mezi informacemi a daty je v tom, že data jsou pevné informace o událostech a jevech, které jsou uloženy na určitých médiích, a informace se objevují jako výsledek zpracování dat při řešení konkrétních problémů. Databáze například ukládají různá data a na určitý požadavek systém správy databází vydá požadované informace. Existují i jiné definice informací, např. informace jsou informace o objektech a jevech prostředí, jejich parametrech, vlastnostech a stavu, které snižují míru nejistoty a neúplnosti znalostí o nich. Znalosti jsou zpracované informace zaznamenané a ověřené praxí, které byly využity a mohou být znovu použity pro rozhodování. Znalosti jsou typem informací, které jsou uloženy ve znalostní bázi a odrážejí znalosti specialisty v určité oblasti. Znalosti jsou intelektuální kapitál. Formální znalosti mohou mít formu dokumentů (norem, předpisů), které upravují rozhodování nebo učebnic, návodů, jak řešit problémy. Neformální znalosti jsou znalosti a zkušenosti odborníků v určité oblasti. Je třeba poznamenat, že neexistují žádné univerzální definice těchto pojmů (data, informace, znalosti), jsou interpretovány různými způsoby. Rozhodování se však provádí na základě obdržených informací a dostupných znalostí. Rozhodování je výběr nejlepšího řešení v určitém smyslu ze souboru proveditelných řešení na základě dostupných informací. Vztah dat, informací a znalostí v rozhodovacím procesu je znázorněn na obrázku 1. 2 Obr.1. K vyřešení problému jsou fixní data zpracována na základě existujících znalostí, poté jsou získané informace analyzovány pomocí stávajících znalostí. Na základě analýzy jsou navržena všechna proveditelná řešení a ve výsledku

3 možnosti, jedno rozhodnutí je v určitém smyslu nejlepší. Výsledky rozhodnutí doplňují znalosti. V závislosti na rozsahu použití mohou být informace různé: vědecké, technické, manažerské, ekonomické atd. Pro ekonomickou informatiku jsou ekonomické informace zajímavé. 3. Ekonomické informace a informační technologie Ekonomické informace jsou transformovaným a zpracovaným souborem informací, který odráží stav a průběh ekonomické procesy. Kolují ekonomické informace ekonomický systém a doprovází procesy výroby, distribuce, směny a spotřeby hmotných statků a služeb. Ekonomické informace mohou být: kontrola (ve formě přímých příkazů, cílů atd.); informující (v ukazatelích výkaznictví plní funkci zpětné vazby v ekonomickém systému). Na informace lze nahlížet jako na zdroj podobný materiálním, pracovním a peněžním zdrojům. Informační zdroje jsou souborem nashromážděných informací zaznamenaných na hmotných nosičích v jakékoli podobě, která zajišťuje jejich přenos v čase a prostoru pro řešení vědeckých, průmyslových, manažerských a jiných problémů. Informační technologie Sběr, uchovávání, zpracování, přenos informací v číselné podobě se provádí pomocí informačních technologií. Charakteristickým rysem informačních technologií je, že v nich jsou předmětem i produktem práce informace a pracovními nástroji prostředky výpočetní techniky a komunikace. Hlavním cílem informačních technologií je produkce informací nezbytných pro uživatele jako výsledek cílených akcí pro jejich zpracování (obr. 2). 3 Obr.2. Je známo, že informační technologie (IT) je soubor metod, výrobních a softwarových a technologických prostředků spojených v technologickém řetězci, který zajišťuje sběr, ukládání, zpracování, výstup a šíření informací. Z hlediska informačních technologií vyžaduje informace hmotný nosič jako zdroj informace, vysílač, komunikační kanál, přijímač a příjemce informace. Zpráva od zdroje k příjemci je přenášena komunikačními kanály nebo prostřednictvím média (obr. 3). Obr.3.

4 4 Zobecněná struktura technologického procesu je znázorněna na obrázku 4. Obrázek 4. Obr. Schéma popisuje procesy probíhající v obecných vědeckých, humanitárních oblastech poznání, včetně vzdělávání. V přírodních vědách je zpětná vazba, která poskytuje dopad na zdroj informace (objekt, proces, jev), obvykle rigidnější. Informační technologie mají různé úrovně reprezentace: konceptuální reprezentace. Na této úrovni je určeno stanoviště objektu, cíle, základní principy a prostředky implementace IT. Definuje také typ strukturální organizace řízení: decentralizované, centralizované nebo hierarchické; popis informačních toků. Zjišťují se objemy, frekvence příjmu, potřeba akumulace, způsoby přesunu, místa zpracování, uložení a akumulace informací; popis metod získávání, zpracování a šíření informací; popis nástrojů (univerzálních a speciálních). Smyslem vzniku a širokého rozšíření IT je řešit problém rozvoje informatizace společnosti a veškerého života v zemi. Informatizace společnosti - plošné zavádění souboru opatření směřujících k zajištění plného a včasného využívání spolehlivých informací, zobecněných znalostí ve všech společensky významných druzích lidské činnosti. Existují i další definice (například informatizace společnosti - organizovaný sociálně-ekonomický a vědeckotechnický proces vytváření optimálních podmínek pro uspokojování informačních potřeb a uskutečňování práv občanů, orgánů veřejné moci, místní samospráva, organizace, veřejná sdružení na základě tvorby a využívání informačních zdrojů), ale podstata se nemění. Informace a kontrola Informace jsou formou komunikace mezi spravovanými a kontrolními objekty v jakémkoli systému řízení. V souladu s obecnou teorií managementu lze proces managementu reprezentovat jako interakci dvou systémů – řídícího a řízeného. Struktura řídicího systému je znázorněna na obrázku 5.

5 5 Obr.5. Systém řízení podniku funguje na základě informací o stavu objektu, jeho vstupech X (materiál, práce, finanční zdroje) a výstupy Y ( hotové výrobky, ekonomické a finanční výsledky) v souladu s cílem (zajistit uvolnění potřebných produktů). Řízení se provádí předložením vlivu managementu 1 (plán výroby) s přihlédnutím ke zpětné vazbě - aktuální stav řízeného systému (výroby) a vnějšího prostředí (2, 3) - trh, vyšší řídící orgány. Účelem řídicího systému je vytvářet na řízený systém takové vlivy, které by jej podněcovaly k přijetí stavu určeného cílem kontroly. Ve vztahu k průmyslovému podniku můžeme s jistou mírou konvenčnosti předpokládat, že cílem managementu je realizace výrobního programu v rámci technicko-ekonomických omezení; kontrolní akce jsou plány práce jednotky, zpětnou vazbou jsou údaje o postupu výroby: výdej a pohyb výrobku, stav zařízení, zásoby na skladě atd. Je zřejmé, že plány a obsah zpětné vazby nejsou nic jiného než informace. Proto jsou procesy formování kontrolních akcí právě procesy transformace ekonomických informací. Zavádění těchto procesů je hlavní náplní manažerských služeb, včetně ekonomických. Na ekonomické informace jsou kladeny následující požadavky: přesnost, spolehlivost, účinnost. Přesnost informací zajišťuje jejich jednoznačné vnímání všemi spotřebiteli. Spolehlivost určuje přijatelnou úroveň zkreslení jak příchozích, tak výstupních informací, čímž je zachována účinnost systému. Efektivita odráží relevanci informací pro potřebné výpočty a rozhodování v měnících se podmínkách. Informační procesy - procesy shromažďování, předávání, shromažďování, ukládání, zpracovávání, vyhledávání, vydávání a sdělování informací uživateli (v zákoně o informatizaci je tento pojem zveřejněn přibližně stejným způsobem: informační procesy - procesy shromažďování, zpracování, shromažďování, ukládání, aktualizace prezentace dokumentovaných informací uživateli).

6 Proto lze management (z hlediska informačních procesů) rozložit do následujících složek: vývoj řídícím orgánem řídících informací, které odpovídají cíli (programu) řízení; přenos řídicích informací do řídicího objektu; získávání a analyzování reakce objektu (informativní informace o kontrolním objektu a jeho skutečném chování); úprava nebo vývoj nových řídicích informací za účelem optimalizace fungování řídicího objektu. Moderní systémřízení ekonomického objektu je komplex člověk-stroj, založený na osobě s rozhodovací pravomocí, s následujícími sedmi hlavními podpůrnými subsystémy. 1. Informační podpora (informační podpora) - systém pro třídění a kódování informací, technologické schéma zpracování dat, referenční informace, systém správy dokumentů. 2. Organizační podpora (organizační podpora) - soubor opatření a činností, které regulují fungování řídicího systému, jeho popis, pokyny a předpisy pro personál údržby 3. Hardware (hardware) - komplex technických prostředků používaných v řídicím systému včetně počítače a komunikačního zařízení. 4. Matematická podpora - soubor metod, pravidel, matematických modelů a algoritmů pro řešení problémů. 5. Jazyková podpora - soubor termínů a umělých jazyků, pravidla pro formalizaci přirozeného jazyka. 6. Software (software) je soubor programů pro systémy zpracování dat a dokumentů nezbytných pro provoz těchto programů. 7. Právní podpora - soubor právních norem, které určují vznik, právní stav a fungování systému. Správa ekonomického objektu bývá součástí (sice hlavní, ale přece jen součástí) informační technologie pro řešení ekonomického problému. Nejdůležitější postupy této technologie jsou konvenčně rozděleny do funkčně-časových fází, přičemž klíčové jsou kromě přenosu: sběr, transformace a evidence informací; zpracování a skladování; transformace, replikace a použití (včetně rozhodování a rozvoje kontrolních akcí). Ekonomické informace podléhají zpravidla všem postupům, ale v některých případech mohou některé z nich chybět. Posloupnost těchto postupů může být také odlišná a některé se mohou opakovat. Jejich složení a implementační vlastnosti do značné míry závisí na ekonomickém objektu, který provádí automatizované zpracování informací, a na procesech, které probíhají v jeho stanovišti. Různorodost obsahu těchto procesů je vidět na příkladu informačních procesů v podnikání - infobusiness (infbbusiness): získávání informací o trhu a jeho analýza; optimalizace plánování práce společnosti a řízení jejích činností; provádění základních obchodních operací; 6

7 sběr a příprava informací pro manažerská rozhodnutí; kontrola a koordinace práce strukturální dělení firmy a zaměstnanci; komunikace s partnery a dalšími organizacemi. Je intuitivně jasné, že implementaci některých z těchto procesů lze svěřit počítači. Informační technologie v posledních letech přešly od automatizace jednotlivých procesů k vytváření systémů, které mají přímý dopad na podnikání. Role výpočetní techniky je v současnosti neocenitelná. Prohlášení Norberta Wienera je však stále aktuální: "Počítač má jen takovou hodnotu, jakou má osoba, která jej používá." Hodnotu uživatele určuje následující: připravenost uživatele (vědomě i psychologicky) aplikovat moderní informační technologie; připravenost konkrétní organizace zavádět moderní informační technologie; přítomnost rozvinuté sféry informačních služeb v prostředí této konkrétní organizace. 7

8 Přednáška 2 Vlastnosti informace. měřítka informací. Při práci s informacemi je vždy jejich zdroj a konzument (příjemce). Způsoby a procesy, které zajišťují přenos zpráv od zdroje informace k jejímu spotřebiteli, se nazývají informační komunikace. Jakýkoli komunikační proces je zpravidla přenos informací o modelu, to znamená, že cílem komunikace je, aby se příjemce stal vlastníkem stejného modelu, jaký má zdroj informací. Komunikační schéma je uvedeno níže. 8 byla informace; Kódování Model Předmět Zdrojová oblast A Dekódování Model přijímače Předmětová oblast B Obr.2. Zobecněné komunikační schéma Aby byla přenášená zpráva srozumitelná, musí být splněny následující podmínky: předmětná oblast A musí být obsažena v předmětové oblasti B příjemce, kódování a dekódování musí být vzájemně inverzní operace. modelové předpoklady zdroje a přijímače se musí shodovat a nemohou se během přenosu informace měnit. Splnění posledně uvedeného požadavku se dosahuje zpravidla formalizací jazyka, tedy přechodem od přirozeného jazyka k jazyku s rigidní fixací významu užitých slov (např. matematický jazyk). Jazyk, ve kterém má každé slovo pouze jeden význam, se nazývá formalizovaný. Jakýkoli informační proces lze provádět pouze tehdy, existuje-li jazyk, který popisuje objekty a vztahy mezi nimi. V budoucnu nás budou zajímat kolekce předmětů, z nichž každý má svůj název, a dobře definované vazby mezi předměty. Této množině říkáme předmětová oblast. Oblast předmětu odráží úroveň znalostí člověka o okolním světě a o sobě samém. Proto se neustále mění. Adekvátnost informací Použití slova „informace“ vede k mnoha nedorozuměním. To proto, že má mnoho různých významů. V běžném jazyce se toto slovo používá ve smyslu „zpráva“ nebo „redukce“, identifikují se pojmy poznání,

9 údaje, informace. Je zřejmé, že „každodenní“ používání termínu „informace“ je zcela nevhodné, pokud jde o informační teorii nebo teorie. Často je v těchto teoretických konstrukcích pojem „informace“ naplněn různými významy, a proto samotné teorie vyzdvihují pouze část aspektů určitého systému znalostí, který lze nazvat obecnou teorií informace nebo „informologií“ – tzv. věda o procesech a úkolech přenosu, distribuce, zpracování a transformace informací. Pro konzumenta informace je velmi důležitou charakteristikou její přiměřenost, určitá míra korespondence obrazu vytvořeného pomocí přijímané informace s reálným objektem, procesem, jevem apod. Správnost rozhodování člověka závisí na míře přiměřenosti informace reálnému stavu objektu nebo procesu. Přiměřenost informace lze vyjádřit třemi formami: sémantická, syntaktická, pragmatická. Právě s těmito třemi formami je spojen vývoj informologie. syntaktická přiměřenost. Odráží formální strukturální charakteristiky informace a neovlivňuje její sémantický obsah. Na syntaktické úrovni se zohledňuje typ média a způsob reprezentace informace, rychlost přenosu a zpracování, velikosti kódů reprezentace informace, spolehlivost a přesnost převodu těchto kódů atd. Informace uvažované pouze ze syntaktických pozic se obvykle nazývá data, protože na sémantické stránce nezáleží. Tato forma přispívá k vnímání vnějších strukturálních charakteristik, tzn. syntaktický aspekt informace. Sémantická (sémantická) přiměřenost. Tato forma určuje míru korespondence mezi obrazem předmětu a předmětem samotným. Sémantický aspekt zahrnuje zohlednění sémantického obsahu informace. Na této úrovni jsou analyzovány informace, které informace odrážejí, jsou zvažovány sémantické vztahy. V informatice se mezi kódy pro reprezentaci informací vytvářejí sémantické vazby. Tato forma slouží k utváření pojmů a myšlenek, odhalování významu, obsahu informací a jejich zobecňování. Pragmatická (spotřebitelská) přiměřenost. Odráží vztah mezi informací a jejím spotřebitelem, soulad informací s cílem řízení, který je na jejím základě realizován. Pragmatické vlastnosti informace se projeví pouze v případě, že existuje jednota informace (objektu), uživatele a cíle řízení. Pragmatický aspekt úvahy souvisí s hodnotou, užitečností použití informací při vývoji rozhodnutí spotřebitele k dosažení jeho cíle. Z tohoto hlediska jsou analyzovány spotřebitelské vlastnosti informací. Tato forma přiměřenosti přímo souvisí s praktickým využitím informací, s jejich souladem s cílovou funkcí systému. Informační opatření Klasifikace opatření 9

10 Pro měření informace jsou zavedeny dva parametry: množství informace I a množství dat V D. Tyto parametry mají různé vyjádření a interpretace v závislosti na uvažované formě přiměřenosti. Každá forma přiměřenosti 10 Míry informace Syntaktické Sémantické Pragmatické Objem dat Vd Množství informace I () H() H(), kde H () entropie Množství informace I C CV D kde C je faktor obsahu Obr.3. Míry informací Užitečnost (hodnota) informace v jednotkách účelové funkce odpovídá její vlastní míře množství informací a množství dat. Syntaktické měřítko informace Vznik informologie jako vědy lze přičíst konci 50. let našeho století, kdy se americký inženýr R. Hartley pokusil zavést kvantitativní měřítko informací přenášených komunikačními kanály. Představte si jednoduchou herní situaci. Před přijetím zprávy o výsledku hodu mincí je člověk ve stavu nejistoty ohledně výsledku dalšího hodu. Sdělení partnera poskytuje informace, které tuto nejistotu odstraňují. Všimněte si, že počet možných výsledků v popsané situaci je roven 2, jsou si rovny v právech (ekvipravděpodobné) a pokaždé přenášená informace zcela odstranila vznikající nejistotu. Hartley vzal „množství informací“ přenášených komunikačním kanálem ohledně dvou stejných výsledků a odstranil nejistotu tím, že jeden z nich poskytl jako jednotku informace, nazývanou „bit“. Tvůrce teorie statistické informace K. Shannon zobecnil výsledek Hartleyho a jeho předchůdců. Jeho díla byla reakcí na prudký rozvoj v polovině století komunikací: rozhlas, telefon, telegraf, televize. Shannonova teorie informace umožnila nastavit a vyřešit problémy optimálního kódování přenášených signálů za účelem zvýšení propustnosti komunikačních kanálů, navrhla způsoby boje proti rušení na linkách atd. V dílech Hartleyho a Shannona se před námi informace objevují pouze ve své vnější slupce, kterou představují vztahy signálů, znaků, zpráv k sobě navzájem pomocí syntaktických vztahů. Kvantitativní měřítko Hartley-Shannon nepředstírá hodnocení obsahové (sémantické) nebo hodnotové, užitečné (pragmatické) stránky přenášené zprávy Tato míra množství informace operuje s neosobní informací, která nevyjadřuje sémantický vztah k objektu .

11 Množství dat V D ve zprávě se měří počtem znaků (číslic) v této zprávě. V různých číselných soustavách má jeden bit různou váhu a podle toho se mění i datová jednotka: v binární číselné soustavě je měrnou jednotkou bit (bitová binární číslice); v desítkovém zápisu je měrnou jednotkou dit (desetinné místo). Množství informace I na syntaktické úrovni nelze určit bez uvážení konceptu nejistoty stavu systému (entropie systému). Získávání informací o systému je totiž vždy spojeno se změnou míry neznalosti příjemce o stavu tohoto systému. Nechte spotřebitele mít nějaké předběžné (a priori) informace o systému, než obdrží informace. Měřítkem jeho neznalosti o systému je funkce H(), která zároveň slouží jako míra nejistoty stavu systému. Podívejme se na jednoduchý příklad. Nechť existují R 0 různé možné události („realizace“), které jsou a priori stejně pravděpodobné. Například při hodu mincí musíme mít události 1 a 0 a R 0 = 2. V případě kostky je počet možných výsledků 6, a proto R 0 = 6. Výsledek hodu mince nebo kostka je interpretována jako recept na přijetí zprávy a je realizován jeden z možných výsledků R 0. Je zřejmé, že čím větší R 0, tím vyšší je nejistota před přijetím zprávy a tím více informací se získá po přijetí zprávy. zpráva. Následně lze celý postup považovat za následující: na samém začátku jsme neměli žádné informace I 0, tzn. pro R 0 stejně pravděpodobné výsledky I 0 = 0. Na úplném konci máme nenulovou informaci I 1 pro R 1 = 1, tzn. s jedním výsledkem. Předpokládejme, že chceme zavést míru množství informace I, která by měla být spojena s R 0. Abychom získali představu o tom, jaký by měl být vztah mezi R 0 a I, požadujeme aditivitu I pro nezávislé události. Pokud tedy máme dvě nezávislé množiny R 01 a R 02, pak celkový počet výsledků je R 0 = R 01 * R 02 a požadujeme, aby I (R 01 * R 02) = I (R 01) + I (R02). Tento požadavek lze splnit, pokud zvolíme I K ln R 0, kde K je konstanta. Konstanta K je libovolná a může být fixována jakýmkoli požadavkem. Běžně se používá následující. Uvažujme o tzv. dvojkové soustavě. Po sestavení všech možných slov délky n dostaneme R = 2n realizací. Chceme dát rovnítko mezi množství informace I a číslem n v takovém systému. n I K ln R 0 K ln 2 Kn ln 2 n, K 1. ln 2 Informace s touto definicí se měří přímo v bitech. Po obdržení nějaké zprávy získal příjemce nějakou další informaci I (), která snížila jeho apriorní neznalost tak, že a posteriori (po přijetí zprávy) nejistota stavu systému se stala H (). Pak je množství informací I () o systému přijaté ve zprávě definováno jako I () = H () H (), tzn. množství informace se měří změnou (poklesem) nejistoty stavu systému. jedenáct

12 Pokud se výsledná nejistota H () stane nulovou, pak počáteční neúplná znalost bude nahrazena znalostí úplnou a množstvím informace I () = H (). Jinými slovy, systémovou entropii H() lze považovat za míru chybějící informace. Entropie systému H(), který má N možných stavů podle Shannonova vzorce, je rovna: N H() P i log P i, i 1 kde Р i je pravděpodobnost, že se systém nachází v i-tý stát. Pro případ, kdy jsou všechny stavy systému stejně pravděpodobné, tzn. jejich pravděpodobnosti jsou rovny P i = 1/N, jeho entropie je určena vztahem H() N i log N N Často je informace kódována číselnými kódy v té či oné číselné soustavě, to platí zejména při prezentaci informace v počítači . Přirozeně, že stejný počet číslic v různých číselných soustavách může zprostředkovat různý počet stavů zobrazovaného objektu, což lze znázornit jako vztah n N m, kde N je počet všech možných zobrazených stavů; m je základ číselné soustavy (různé symboly používané v abecedě), n je počet číslic (znaků) ve zprávě. Nejčastěji používané jsou binární a dekadické logaritmy. Jednotky měření v těchto případech budou bit a dit. Koeficient (stupeň) informativnosti (stručnosti) zprávy je určen poměrem množství informací k množství dat, tzn. Y \u003d I / V D a 0< Y < С увеличением Y уменьшаются объемы работы по преобразованию информации (данных) в системе. Поэтому стремятся к повышению информативности, для чего разрабатываются специальные методы оптимального кодирования информации. Семантическая мера информации Новый этап теоретического расширения понятия информации связан с кибернетикой наукой об управлении и связи в живых организмах, обществе и машинах. Оставаясь на позициях шенноновского подхода, кибернетика формулирует принцип единства информации и управления, который особенно важен для анализа сути процессов, протекающих в самоуправляющихся, самоорганизующихся биологических и sociální systémy. Koncepce vyvinutá v dílech N. Wienera předpokládá, že proces řízení ve zmíněných systémech je procesem zpracování (transformace) nějakým centrálním zařízením informace přijaté ze zdrojů primární informace (senzorických receptorů) a jejího přenosu do těch částí systému. systém, kde je svými prvky vnímán jako příkaz k provedení nějaké akce. Po dokončení samotné akce jsou senzorické receptory připraveny předat informaci o změněné situaci za účelem provedení nového řídicího cyklu. Takto je organizován cyklický algoritmus (sekvence akcí) řízení a oběhu

13 informací v systému. Důležité je, že hlavní roli zde hraje obsah informací přenášených receptory a centrálním zařízením. Informace je podle Wienera „označení obsahu přijatého z vnějšího světa v procesu našeho přizpůsobování se mu a přizpůsobování našich pocitů mu“. Kybernetický koncept tedy vede k nutnosti hodnotit informace jako nějaký druh znalostí, které mají jednu hodnotovou míru ve vztahu k vnějšímu světu (sémantický aspekt) a jinou ve vztahu k příjemci, jeho nashromážděným znalostem, kognitivním cílům a záměrům (pragmatické aspekt). Pokusy o vybudování modelů pojmu informace, pokrývajících sémantický aspekt poznání obsaženého v určité výpovědi o určeném objektu, vedly k vytvoření řady tzv. logicko-sémantických teorií (R. Carnap, I. Bar- Hillel, J. G. Kemeny, E. K. Voishvillo a další). V nich je informace chápána jako snížení nebo odstranění nejistoty. Je přirozené předpokládat, že pomocí jakéhokoli jazyka, pomocí v něm vytvořených výroků, lze popsat určitý soubor možných situací, stavů, alternativ. Sémantické informace obsažené v jakémkoli prohlášení vylučují některé alternativy. Čím více alternativ prohlášení vylučuje, tím více sémantických informací nese. Takže například jednu z možných množin situací lze popsat takto: "všechna tělesa se při zahřívání roztahují." Výrok „kovy se při zahřívání roztahují“ vylučuje všechny alternativy, ve kterých můžeme mluvit o nekovech. Sémantickou sílu výpovědi lze odhadnout pomocí vztahu všechna tělesa (všechny kovy). Ještě informativnější by bylo tvrzení „železo se při zahřívání roztahuje“, protože vylučuje všechny alternativy kromě jedné. Se vší rozmanitostí logicko-sémantických teorií mají společné rysy, naznačují způsob řešení tří souvisejících problémů: určení množiny možných alternativ pomocí zvoleného jazyka, kvantifikace alternativ, jejich relativní srovnání (vážení), zavedení a měřítko sémantické informace. V uvažovaných teoretických konstrukcích - statistických a sémantických informacích šlo o potenciální možnost vytěžit z přenášené zprávy jakoukoliv informaci. Přitom v procesech výměny informací velmi často nastávají situace, kdy síla či kvalita vnímané informace příjemcem závisí na tom, jak je na její vnímání připraven. Koncept tezauru je zásadní v teoretickém modelu teorie sémantické informace navržené Yu.A. Schrader a výslovně s přihlédnutím k roli příjemce. Podle tohoto modelu je tezaurus znalostí příjemce informací o vnějším světě, jeho schopnost vnímat určitá sdělení a informace je rozdíl mezi tezaury. Představte si, že před obdržením telegramu „Zítra se seznamte s letem SU172“ jsme již ze včerejšího dálkového telefonického rozhovoru věděli o nadcházejícím příletu našeho příbuzného nebo přítele a po dotazech jsme zjistili i číslo letu, se kterým by mohl přiletět. ve městě. Náš tezaurus již obsahoval informace obsažené v telegramu. S jeho přijetím se tedy nezměnila a sémantická hodnota této informace se ukázala jako nulová. Je zřejmé, že takové posouzení sémantického obsahu informace se mísí se sémantickým aspektem, skrytým v počáteční „instalaci“ tezauru pro pochopení přijaté zprávy. K měření sémantického obsahu informace, tzn. jeho kvantita na sémantické úrovni, tezaurus měří, který 13

14 uvádí do souvislosti sémantické vlastnosti informace se schopností uživatele přijímat příchozí zprávu. K tomu se používá koncept tezauru uživatele - soubor informací, které má uživatel nebo systém. V závislosti na vztahu mezi sémantickým obsahem informace S a uživatelským tezaurem S p se mění množství sémantické informace I c, vnímané uživatelem a jím zahrnuté v budoucnu do jeho tezauru. Charakter této závislosti je znázorněn na Obr. 4. Uvažujme dva omezující případy, kdy se množství sémantické informace I c rovná 0: když S p 0, uživatel nevnímá, nerozumí příchozí informaci; pro S p uživatel ví vše a nepotřebuje příchozí informace. 14 I c S p opt S p Maximální množství sémantické informace I c získá spotřebitel při koordinaci jejího sémantického obsahu S se svým tezaurem Sp (Sp = Sp opt), kdy jsou příchozí informace pro uživatele srozumitelné a nesou mu dříve neznámé (chybí v jeho tezauru) inteligenci. Proto je množství sémantických informací ve zprávě, množství nových znalostí přijatých uživatelem, relativní hodnotou. Stejná zpráva může mít pro kompetentního uživatele sémantický obsah a pro nekompetentního uživatele může být nesmyslná (sémantický šum). Při hodnocení sémantické (významové) stránky informace je nutné usilovat o harmonizaci hodnot S a S р. Relativním měřítkem množství sémantické informace může být obsahový faktor C, který je definován jako poměr množství sémantické informace k jejímu objemu: C = I c / V e. Obr.4. Závislost množství sémantické informace vnímané spotřebitelem na jeho tezauru I с = f(s р) ty jeho vlastnosti, které rozhodujícím způsobem ovlivňují chování samoorganizujících se, samosprávných, účelných kybernetických systémů (biologický, sociální, člověk-stroj). Jedním z nejjasnějších představitelů pragmatických teorií informace je behaviorální model komunikace, behaviorální model Ackoff-Milese. Východiskem v tomto modelu je cílová aspirace příjemce informace k řešení konkrétního problému. Příjemce je v „cílově orientovaném stavu“, pokud k něčemu směřuje a má alternativní cesty nerovných

15 efektivnost k dosažení cíle. Zpráva odeslaná příjemci je informativní, pokud změní svůj „účelový stav“. Vzhledem k tomu, že „účelový stav“ je charakterizován sledem možných akcí (alternativ), efektivitou akce a významností výsledku, může zpráva přenášená k příjemci v různé míře ovlivnit všechny tři složky. V souladu s tím se přenášené informace dělí na typy „informující“, „instrukční“ a „motivující“. Pro příjemce tedy spočívá pragmatická hodnota sdělení v tom, že mu umožňuje nastínit strategii chování při dosahování cíle konstruováním odpovědí na otázky: co, jak a proč dělat v každém dalším kroku? Pro každý typ informace nabízí behaviorální model svou vlastní míru a celková pragmatická hodnota informace je definována jako funkce rozdílu mezi těmito veličinami v „účelovém stavu“ před a po jeho změně na nový „účelový stav“ . Další etapou ve vývoji pragmatických teorií informace byla práce amerického logika D. Harracha, který vybudoval logicko-pragmatický model komunikace. Jednou ze slabin behaviorálního modelu je jeho nepřipravenost vyhodnocovat falešné zprávy. Harrachův model zohledňuje sociální povahu lidské komunikace. V souladu s ní musí být přijaté zprávy nejprve zpracovány, poté jsou vybrány zprávy "použitelné". Kritéria pragmatické hodnoty musí být aplikována z celkového počtu použitelných zpráv. 15 Toto měřítko určuje užitečnost informace (hodnoty) pro dosažení cíle uživatele. Tato míra je také relativní hodnotou vzhledem ke zvláštnostem použití těchto informací v konkrétním systému. Je vhodné měřit hodnotu informace ve stejných jednotkách (nebo jim blízkých), ve kterých se měří účelová funkce. I n () = P(/) P(), kde I n () je hodnota informační zprávy pro řídicí systém, P() je a priori očekávaný ekonomický efekt fungování řídicího systému, P(/) je očekávaný efekt fungování systému za předpokladu, že pro řízení budou použity informace obsažené ve zprávě. Teorie informace „ve smyslu Shannona“ vznikla jako prostředek k řešení specifických aplikovaných problémů v oblasti přenosu signálu komunikačními kanály. Proto se v podstatě jednalo a jedná o aplikovanou informační vědu. Rodina takových věd, konkrétně studujících informační procesy v té či oné specifické formě a obsahu, se v druhé polovině našeho století poměrně rychle rozrůstá. Jedná se o kybernetiku, teorii systémů, dokumentaristiku, lingvistiku, symbolickou logiku atd. Jádrem, které všechny tyto studie spojuje, je obecná teorie informace „informologie“, která je založena na syntaktických, sémantických a pragmatických pojetích informace. Kvalita informací Možnost a efektivitu využití informací určují jejich hlavní spotřebitelské ukazatele kvality, jako je reprezentativnost,

16 rozumnost, dostatečnost, dostupnost, relevance, včasnost, přesnost, spolehlivost, stabilita. Reprezentativnost informace souvisí se správností jejího výběru a formování tak, aby adekvátně odrážela vlastnosti objektu. Nejdůležitější zde jsou: správnost konceptu, na jehož základě je původní koncept formulován; platnost výběru podstatných znaků a vztahů zobrazovaného jevu. Porušení reprezentativnosti informace často vede k jejím významným chybám. Smysluplnost informace odráží sémantickou kapacitu, která se rovná poměru množství sémantické informace ve zprávě k množství zpracovávaných dat, tzn. C \u003d I c / V e. S nárůstem obsahu informací se zvyšuje sémantická propustnost informačního systému, protože pro získání stejných informací je nutné převést menší množství dat. Spolu s koeficientem bohatosti C, který odráží sémantický aspekt, lze použít také koeficient obsahu informace, který je charakterizován poměrem množství syntaktické informace (podle Shannona) k množství dat Y = I / V e Dostatečnost (úplnost) informací znamená, že obsahují minimum, ale dostatečné pro přijetí správné rozhodnutí sada indikátorů. Pojem úplnosti informace souvisí s jejím sémantickým obsahem (sémantikou) a pragmatikou. Jako neúplné, tzn. nedostatečné pro správné rozhodnutí a nadbytečné informace snižují efektivitu rozhodnutí učiněných uživatelem. Dostupnost informací pro vnímání uživatelem je zajištěna zavedením vhodných postupů pro jejich příjem a transformaci. Například v informačním systému se informace převádějí do přístupné a uživatelsky přívětivé podoby. Toho je dosaženo zejména koordinací jeho sémantické podoby s uživatelským tezaurem. Relevance informace je dána mírou zachování hodnoty informace pro management v době jejího použití a závisí na dynamice změn jejích charakteristik a na časovém intervalu, který uplynul od výskytu této informace. Aktuálností informace se rozumí její obdržení nejpozději v předem stanovený časový okamžik v souladu s časem řešení úkolu. Přesnost informace je dána mírou blízkosti přijímané informace ke skutečnému stavu objektu, procesu, jevu atp. Pro informace zobrazované digitálním kódem jsou známy čtyři klasifikační koncepty přesnosti: formální přesnost, měřená hodnotou jednotky nejméně významné číslice čísla; skutečná přesnost, určená hodnotou jednotky poslední číslice čísla, jejíž správnost je zaručena; maximální přesnost, které lze dosáhnout ve specifických podmínkách provozu systému; požadovanou přesnost, určenou funkčním účelem indikátoru. Spolehlivost informací je určena jejich schopností odrážet skutečné objekty s požadovanou přesností. Spolehlivost informací se měří úrovní spolehlivosti požadované přesnosti, tzn. pravděpodobnost, že se hodnota parametru zobrazená informacemi liší od skutečné hodnoty tohoto parametru v rámci požadované přesnosti. 16

17 Stabilita informace odráží její schopnost reagovat na změny ve zdrojových datech, aniž by byla ohrožena potřebná přesnost. Stabilita informace, stejně jako reprezentativnost, je dána zvoleným způsobem jejich výběru a utváření. Parametry kvality informací jako reprezentativnost, bohatost, dostatečnost, dostupnost, udržitelnost jsou zcela určovány na metodologické úrovni rozvoje informačních systémů. Parametry relevance, aktuálnosti, přesnosti a spolehlivosti jsou ve větší míře určovány i na metodické úrovni, jejich hodnotu však významně ovlivňuje i charakter fungování systému, především jeho spolehlivost. Parametry relevance a přesnosti přitom striktně souvisí s parametry aktuálnosti a spolehlivosti, resp. Struktura ekonomických informací. Klasifikace Ekonomické informace se vyznačují některými znaky vyplývajícími z jejich podstaty (nebudeme vypisovat vše, zaměříme se na jeden). Důležitou charakteristikou ekonomických informací je jejich struktura. Struktura ekonomických informací hraje stejnou roli jako syntaxe jakéhokoli jazyka. Pokud jde o strukturu informací, rozlišujeme dva vzájemně související aspekty: složení prvků, které tvoří strukturu ekonomických informací; vztah mezi prvky této struktury. Vzhledem k těmto pozicím struktury ekonomických informací vyčlenit jednoduché a složené jednotky informací. Složená jednotka informace (CUI) je jednotka informace, skládající se ze souboru dalších jednotek informací, vzájemně asociativně propojených, tzn. významově příbuzné. Jednoduchou, základní základní jednotkou ekonomických informací jsou rekvizity. Náležitosti jsou elementární nedělitelné jednotky ekonomických informací vyjadřující určité vlastnosti předmětu. Náležitosti mají dvě vlastnosti, které jsou důležité z hlediska jejich zpracování: jediná rekvizita nemůže plně charakterizovat ekonomický proces nebo předmět; samostatný atribut může být součástí různých ekonomických ukazatelů. Každý atribut je charakterizován názvem (názvem), typem a hodnotou. Název atributu je jeho symbolem v procesech transformace. Hodnota atributu je hodnota, která charakterizuje některé vlastnosti objektu, jevu, procesu za konkrétních okolností. Všechny platné hodnoty atributů tvoří sadu nazývanou doména atributů. V závislosti na povaze jimi zobrazené vlastnosti se atributy dělí na atributy atributů a základní atributy. Podrobnosti-atributy odrážejí kvalitativní vlastnosti ekonomického objektu, procesu nebo jevu (čas a místo působení, příjmení, jméno, patronymie výkonného umělce, název díla atd.). Mohou být vyjádřeny v abecední, číselné nebo alfanumerické formě. Atributy-atributy slouží k logickému zpracování složených jednotek, tzn. pro vyhledávání, řazení, seskupování, výběr atd. Podrobnosti-báze charakterizují kvantitativní stránku procesu nebo objektu. vyjádřené v určitých měrných jednotkách (výše vkladu v rublech, sazba daně v procentech atd.). Nejčastěji jsou vyjádřeny v digitální podobě. Lze s nimi provádět logické a aritmetické operace. Pro vyčerpávající popis ekonomického procesu, předmětu nebo jevu je potřeba určitý soubor detailů, který popisuje kvalitativní 17

18 a kvantitativní vlastnosti zobrazovaného objektu. Hlavní konstrukční jednotka, sestávající z určitého souboru detailů, které charakterizují jakýkoli konkrétní objekt, skutečnost, proces atd. z kvantitativní i kvalitativní stránky je ukazatelem. Indikátor je soubor logicky souvisejících atributů-znaků a atributů-důvodů, který má ekonomický význam. Indikátor je logický výrok obsahující kvalitativní a kvantitativní charakteristiky zobrazovaného jevu. Ekonomický ukazatel jako složená jednotka informace obsahuje jeden základní atribut a skupinu atributů-atributů, které jsou s ním a mezi sebou navzájem propojené z hlediska významu atributů atributů. Ekonomický ukazatel je základní jednotkou ekonomických informací. Například ukazatel „produkce 120 tisíc plechovek konzerv“ nese kvantitativní hodnotu a kvalitativní znaky této hodnoty. Zároveň je třeba mít na paměti, že v tomto ukazateli je slovní spojení „výroba konzerv konzerv“ atributem rysem a „120 tisíc“ základním atributem. Indikátor je minimální informace stanovená z hlediska složení pro vytvoření nezávislého dokumentu. (tj. dokumenty jsou sestaveny na základě indikátorů) V dokumentech je každý indikátor pojmenován. Podle počtu a složení indikátorů se určuje úroveň jeho informačního obsahu a vypočítává se množství informací v dokumentu. Kromě toho jsou na základě ukazatele nebo jeho detailů vytvářeny databáze, které se využívají při řešení ekonomických problémů. Ekonomický dokument je soubor vzájemně souvisejících ekonomických ukazatelů uspořádaných určitým způsobem. Ekonomický dokument je hlavní a nejpohodlnější formou prezentace informací z pohledu managementu, protože kromě viditelnosti prezentace informací nezbytných pro řešení problému nebo jako výsledek řešení problému obsahuje atributy, které dávají je to právní stav. Nejběžnější formou prezentace ekonomických dokumentů je tabulková forma, která sama o sobě obecný pohled zahrnuje obecnou (nadpis), předmětovou (obsah) a designovou část. Obecná část obsahuje název dokumentu a seznam podrobností společných složením a hodnotou pro všechny indikátory uvedené v dokumentu. Přítomnost společné části dokumentu umožňuje vyhnout se duplicitě informací při charakterizaci všech ukazatelů, které jsou součástí vícestránkového dokumentu. Předmětová část obsahuje podrobnosti, které charakterizují znaky ekonomických ukazatelů vícestránkového dokumentu. (jsou umístěny proměnné atributy-znaky a kvantitativní-součtové podrobnosti-základny: název, číslo položky, množství, kód výrobních nákladů atd.) Návrhová část obsahuje atributy, které se zpravidla přímo nepodílejí na procesu zpracování informací, ale dávají dokumentu právní sílu, protože obsahují podpisy osob zapojených do přípravy dokumentu. Kromě tabulkové formy prezentace dokumentů v praxi organizačního a ekonomického řízení lze použít i dokumenty zjednodušené tabulkové formy, u kterých jsou názvy podrobností uvedeny nikoli v záhlaví dokumentu, ale v tzv. postranní panel, vedle kterého jsou připojeny konkrétní hodnoty příslušných podrobností. Konečně, ekonomické dokumenty mohou obsahovat jak záhlaví, tak postranní lištu. Dokumenty této formy jsou široce používány při přípravě různých 18

19 výkaznictví (statistické, finanční, účetní, daňové atd.). Jako nosič informací pro zobrazování obsahu dokumentů jsou nejrozšířenější: papírová, elektronická (obrazovka) a magnetická média. Pro zjednodušení organizace zpracování, přenosu a ukládání informací obsažených v dokumentech je možné je kombinovat ve formě informačních polí (souborů). Informační pole je z hlediska logické struktury množina dat (dokumentů) stejné formy (jednoho jména) se všemi hodnotami, nebo kombinace takových datových množin vztahujících se k jedné úloze. V druhém případě se pole nazývá zvětšené. Podstata pole je vyjádřena logickým významem a přirozenou účelností jeho struktury. V systémech pro zpracování informací je pole hlavní strukturní jednotkou pro ukládání, přenos a zpracování informací. Pole lze spojovat do větších konstrukčních celků. Největší je informační základna a nejjednodušší formou asociací je informační tok. Informační tok je sada informačních polí, včetně dokumentů, týkajících se konkrétní manažerské činnosti, která má dynamický charakter (informační tok je skupina nebo soubor pohyblivých dat souvisejících s konkrétní oblastí ekonomických výpočtů). Informační základna je souhrn informací skutečného ekonomického objektu Typy ekonomických informací Smysluplná klasifikace informací obíhajících v různých objektech závisí na odvětvové příslušnosti a úrovni řízení. V procesu zpracování však informace procházejí podobnými fázemi, běžnými při řízení různých ekonomických objektů. Na Obr. 1.2 je navrženo zjednodušené schéma zpracování, které odráží účel informace a zdroje jejího výskytu. Uvedené typy informací se liší: ve formě prezentace; organizace skladování; povaha zpracování. 19 Obr Klasifikace ekonomických informací podle charakteru jejich využití v managementu

20 Samozřejmě schéma uvedené na Obr. 1.2 je extrémně zobecněný, nicméně pokrývá téměř všechny specifické číselné informace získané z řídicího systému během jeho provozu. Obecné schéma cyklu informačního procesu, který by měly pokrývat příslušné technologie, je znázorněno na Obr. 20 Vstupní informace vstupují do kontrolního orgánu zvenčí. Část z nich, primární informace, pochází z řídicího objektu a získává se jako výsledek přímého měření nebo výpočtu. Předpokládejme, že u firem zabývajících se průmyslovou výrobou je to objem produkce, počet vad, počet pracovníků, prostoje, zásoby ve skladu atd., pro banky a finanční společnosti- refinanční sazba, objem aktiv a pasiv, úvěrů a vkladů, aktuální platební sazby za ně atd. Primární informace jsou nejtěsněji spjaty se specifickou stránkou činnosti řízených ekonomických objektů a zahrnují jak pomalu se měnící (podmíněně konstantní) a provozní údaje . Charakteristickým rysem primární informace je, že velmi často obsahuje objemové charakteristiky provozu objektu. Na základě těchto trojrozměrných charakteristik je následně pomocí referenčních dat získáno podrobné posouzení skutečného stavu a dynamiky řízeného objektu. Z hlediska procesu řízení hrají primární informace roli zpětné vazby přicházející z řízeného objektu a ukazující dosažené výsledky, ale i odchylky od normativního fungování objektu. Zbytek vstupních informací – někdy se jim říká externí a běžně se dělí na informující a direktivní – pochází od externích orgánů ve vztahu k řídicímu systému. Direktivní informace pocházejí od nadřízených orgánů a mohou podle charakteru podřízenosti obsahovat parametry a podmínky pro tvorbu povinných (daňových) plateb, plánované cíle a jejich úpravy, přidělené limity. Informační informace pocházejí od vyšších orgánů, jakož i od firem, podniků a organizací spojených s objektem kontroly. Jedná se o dodavatele, dodavatele, dopravní organizace, finanční instituce (banky, penzijní fondy, Pojišťovny), územní orgány státní moci. Li

Téma 3. Pojem informace. měřítko informací. 1. Definice informace a její typy. 1.1. Definice informace. Termín informace pochází z latinského informatio, což znamená objasnění, uvědomění,

1 Téma 1. Ekonomické informace a informační procesy v organizačně - ekonomické sféře. 1.1. Informační procesy v ekonomice. Základní pojmy informatiky a informatizace. Koncepce a ekonomické.

POJEM INFORMACÍ. OBECNÁ CHARAKTERISTIKA PROCESŮ SBĚRU, PŘEVODU, ZPRACOVÁNÍ A AKUMULACE INFORMACÍ lektor Ph.D. Docent AZARCHENKOV Andrej Anatoljevič OBSAH SEKCE Předmět a struktura informatiky

VII. Materiály o systému průběžného a závěrečného testování 1. Informace o objektech a jevech prostředí, jejich parametrech, vlastnostech a stavu, vnímané informačními systémy v procesu

INFORMACE A JEJÍ VLASTNOSTI INFORMACE A DATA Termín informace pochází z latinského informatio, což znamená objasnění, povědomí, prezentace. Z hlediska materialistické filozofie informace

1.1. Pojem informace. Obecná charakteristika procesů shromažďování, přenosu, zpracování a shromažďování informací Všechny systémy, jak socioekonomické, tak systémy živé i neživé povahy, fungují neustále

CÍLE A CÍLE DISCIPLÍNY Slovo informatika pochází z francouzského slova Informatique, které vzniklo spojením pojmů Information (informace) a Automatique (automatika). To odráží

Informatika Přednáška 1 doc. Ignatieva Inga Anatolyevna Katedra informačních technologií v celoživotním vzdělávání Objem oboru a typy studijních prací Typ studijních prací Celkem hodin Třídní hodiny

Přednášky informatiky. Základní kurz: Učebnice pro vysoké školy / Ed. S.V. Simonovič. Petrohrad: Petr, 2011. V.B. Volkov, N.V. Makarov. Počítačová věda. Petrohrad: Petr, 2011. A.A. Vasiliev, Yu.A. Stotsky, I.S. Thelin. kancelář

Úvod do informatiky Fyzikální fakulta E. A. Yarevského, St. Petersburg State University 2017 www.spbu.ru www.phys.spbu.ru www.cph.phys.spbu.ru (Katedra výpočetní fyziky) Metodické a vzdělávací materiály Tutoriály

Úvod do informatiky Informace Slovo informace pochází z latinského informatio výklad, výklad, informace. Ve filozofii je informace odrazem reálného světa pomocí informací (zpráv).

Kapitola 1-3. Vlastnosti informací Kvalitativní hodnocení informací Člověk má tendenci subjektivně vnímat informace prostřednictvím určitého souboru jejich vlastností: důležitost, spolehlivost, aktuálnost, dostupnost

MINISTERSTVO ŠKOLSTVÍ A VĚDY RUSKÉ FEDERACE Státní autonomní vzdělávací instituce vysokého školství "NÁRODNÍ VÝZKUM TOMSKOVÁ POLYTECHNICKÁ UNIVERZITA" Sekce

Plán: POČÍTAČOVÁ VĚDA (1. semestr) Téma 1. Základní pojmy z informatiky 1.1. Pojetí informatiky jako vědy a akademická disciplína. 1.2. Hlavní směry informatiky. 1.3. Pojem informace. Hlavní typy

Počítačová věda Obsah Co je informatika? Základní pojmy informatiky 2009 M.L. Tsymbler, G.I. Radchenko Informatika 2 INFORMATIKA Historie, definice 2009 M.L. Tsymbler, G.I. Radčenko informatika 3

Struktura informace Při zvažování struktury informace se rozlišují její jednotlivé prvky, které mohou být jednoduché i složité. Jednoduché prvky nelze dále dělit; se tvoří komplexy

MINISTERSTVO ŠKOLSTVÍ A VĚDY RUSKÉ FEDERACE URAL STÁTNÍ LESNÍ TECHNIKA UNIVERZITA KATEDRA INFORMAČNÍCH TECHNOLOGIÍ A MODELOVÁNÍ Anyanova Ye.V. Informační a kódovací teorie PŘEDNÁŠKOVÝ KURZ pro

MINISTERSTVO ŠKOLSTVÍ A VĚDY RUSKÉ FEDERACE URAL STÁTNÍ LESNÍ TECHNIKA UNIVERZITA KATEDRA INFORMAČNÍCH TECHNOLOGIÍ A MODELOVÁNÍ Anyanova Ye.V. Teoretické základy informatiky PŘEDNÁŠKOVÝ KURZ pro

TEORETICKÉ ZÁKLADY INFORMAČNÍCH VĚD TÉMA: TEORIE INFORMACE Senior Lecture Safonova M.S. 1 Moskva 2016 PLÁN PŘEDNÁŠEK Informace Data Informatika Vlastnosti informací Množství informací. Hartleyho vzorec

Úvod do informatiky Vagin Evgeniy Sergeevich, asistent Ústavu kybernetiky Předmět informatiky Informatika je věda, která studuje vzorce získávání, ukládání, přenosu a zpracování informací v přírodě.

FEDERÁLNÍ STÁTNÍ ROZPOČTOVÉ VZDĚLÁVACÍ INSTITUCE VYSOKÉHO ŠKOLSTVÍ "URAL "URAL STÁTNÍ PRÁVNÍ UNIVERZITA" Večer Fakulta Katedra informačního práva Informace

Vstupní řízení Registrace Základní transformační postupy v informačních technologiích Základní koncepční model informačních technologií obsahuje procesy, procedury a operace s informacemi

1. MĚŘENÍ A PREZENTACE INFORMACÍ 1.1. INFORMACE A JEHO VLASTNOSTI 1.2. KLASIFIKACE A KÓDOVÁNÍ INFORMACÍ Existence oboru a předmětu informatika je nemyslitelná bez jeho hlavního zdroje – informací.

Informatika Informatika zavádí zákony transformace informace v podmínkách fungování automatizovaných systémů, vyvíjí metody pro její algoritmizaci, formování jazykových prostředků komunikace

Přednášky 1., 2. 2. 9. 2016 I Teoretické základy informatiky Cvičení na počítači Algoritmy a programy Teoretické základy informatiky Jazyk Python Úvod do assembleru II Metody programování Cvičení

Přednáška 1. Úvod do informačních technologií Témata k zamyšlení: 1. Informatika jako věda a jako druh praktické činnosti. 2. Informace. Základní pojmy a definice. 3. Informační proces.

Korolkova A. V., Kulyabov D. S. Modelování informačních procesů 3 Kapitola 1. Informační technologie a informační procesy Tato část studuje pojem technologie (zejména informace

Přednášky 1., 2. 5., 12. září 2017 Přednášky Teoretické základy informatiky Praktiky Word Excel PowerPoint http://prog.tversu.ru Def. 1: Informatika (z BDT) je věda o metodách a procesech pro shromažďování, ukládání,

Přednáška 3 Téma: Klasifikace informačních systémů. Plán 1. Rozdělení informačních systémů podle technické úrovně 2. Rozdělení informačních systémů podle charakteru zpracovávaných informací Klíčová slova

Přednáška 4 Množství informací, entropie a redundance sdělení Vzdělávací otázky: První vzdělávací otázka - Množství informací Druhá vzdělávací otázka - Entropie. Třetí školicí otázka je redundance zpráv.

Přednáška 7 Základy organizačně-technického řízení Plán: 1. Úkoly organizačně-technického řízení. Axiomy teorie řízení 3. Ashbyho princip nutné diverzity V teorii řízení je akceptován

OBSAH Předmluva ...................................................... .... 3 Kapitola 1. Pojem informace. Obecná charakteristika procesů sběru, přenosu, zpracování a shromažďování informací 1.1. Hlavní úkoly informatiky ................................

Přednáška 2. Informace v informatice. Informační společnost. Témata ke zvážení: 1. Klasifikace informací; 2. Formy prezentace informací; 3. Znalosti a druhy znalostí; 4. Míry a jednotky množství a

1 Modelovací systémy Klasifikace typů modelovacích systémů. Modelování je založeno na teorii podobnosti, která říká, že k absolutní podobnosti může dojít pouze tehdy, když je objekt přesně nahrazen jiným.

Oddíl 1. Informace a elektronické prostředky jejich zpracování Téma 1.1. Druhy a vlastnosti informací. Reprezentace informací v počítači OP.04. Technické prostředky informatizace Plán přednášek: 1. Pojem informace

Měření informací Neznajkin V.A., student Školitel Rudenko A.Yu., kandidát ekonomie, docent FSBEI HE Volgogradská státní agrární univerzita, Volgograd, Rusko

Závěrečná kontrola v disciplíně "Manažerská rozhodnutí" probíhá na základě testování. Testová úloha má tři úrovně obtížnosti. Chcete-li úspěšně projít závěrečnou kontrolou, musíte ji dokončit

HLAVNÍ ASPEKTY POJMU INFORMACÍ A JEJICH POPIS OBSAHU V INFORMAČNÍ ANTROPOLOGI Toykin, V.V. Krasilnikov, Stavropol V obecném vědeckém aspektu jsou následující přístupy k definici

1. Úkol (( 92 )) TK 1 vyberte jednu odpověď Informace prezentované ve formě vhodné pro zpracování automatizovanými nebo automatickými prostředky jsou signály dat tezauru informace

Téma přednášky: "Cíle a cíle informačních systémů" Plán Úvod I. Hlavní část 1. Základní definice informací a informačního procesu 2. Cíle informačních systémů 3. Úkoly informací

MINISTERSTVO ŠKOLSTVÍ A VĚDY RUSKÉ FEDERACE FEDERÁLNÍ STÁTNÍ ROZPOČET VZDĚLÁVACÍ INSTITUCE VYSOKÉHO ŠKOLSTVÍ

Tolstolutsky V.Yu. Doktor lékařských věd, profesor Ústavu trestního řízení a kriminalistiky Právnické fakulty Lomonosovovy státní univerzity Nižnij Novgorod N.I. Lobačevského Metodický základ pojem "forenzně významné informace"

2. semestr 8 přednášek 16 cvičení 1 E-mail: [e-mail chráněný] 2 osvojit si dovednosti práce s počítačem jako prostředkem k získávání, zpracování, řízení a vytváření nových informací

Příloha 2.2.4. vzdělávací materiál. Téma 1. Přednáškový materiál. Definice, účel, účel Podle definice je CAD organizační a technický systém sestávající ze sady nástrojů

Stupeň 8a Stupeň 8a Stupeň 8a Plánované výsledky zvládnutí předmětu "Informatika" v ročníku 8a Osobní výsledky Student bude mít: porozumění úloze informačních procesů v moderní

Lekce 3. MATEMATICKÉ METODY MODELOVÁNÍ INFORMAČNÍCH PROCESŮ A SYSTÉMŮ Hlavní fáze budování matematického modelu: 1. popis fungování systému jako celku; 2. sestavený

Klinika praktického lékařství a polikliniky Faktory vnějšího a vnitřního prostředí ovlivňující tvorbu výkazů Analýza statistických informací je hlavní fází manažerského

1. Informatika Informatika je věda o metodách a prostředcích sběru, ukládání, zpracování a přenosu informací pomocí výpočetní techniky. V rozdílné země Informatika se nazývá různými názvy. V angličtině

Oddíl 1. Podnikání a informační systémy pro řízení jeho činnosti Téma1. Podnikání jako účelový systém. Informační systémy a jejich role v řízení podniku

AUTONOMNÍ NEZISKOVÉ ORGANIZACE ÚSTAV CELOŽIVOTNÍHO VZDĚLÁVÁNÍ "PROFESIONÁL" 15.1.2018

Lugačov M.I.

Moskevská státní univerzita M.V. Lomonosov, doktor ekonomie, profesor, přednosta. Katedra hospodářské informatiky, Ekonomická fakulta, TP @ econ . shi. sh

Ekonomická informatika na vysoké škole

vzdělání v Rusku

KLÍČOVÁ SLOVA

Informatika, ekonomická informatika, aplikovaná informatika, podniková informatika, IT vzdělávání.

ANOTACE

Článek je věnován popisu vývoje oboru "Ekonomická informatika" na ruských univerzitách. Jsou diskutovány hlavní zdroje formování ekonomické informatiky: tvorba počítačů, formování výpočetní matematiky a matematická ekonomie. Je ukázána zásadní integrační role akademiků L. V. Kantoroviče a A. N. Tichonova při vytváření základních základů IT vzdělávání v Rusku. Z hlediska ekonomických a technických výsledků transformace je zaznamenána nejednoznačnost důsledků přechodu domácí počítačové techniky na jedinou sérii počítačů "Ryad", vytvořené na základě IBM-360. Zvláštní pozornost je věnována vzdělávání IT specialistů v rámci standardů „Aplikovaná informatika“, „Obchodní informatika“ a nedostatečnost tohoto vzdělávání pro řešení moderních problémů ekonomiky informačních systémů, která je předmětem ekonomické informatiky, je nedostatečná. zobrazeno. Právě klasické vysokoškolské IT školení ekonomů je základem logiky prezentace materiálu v tomto článku.

Pokusíme se podat obrázek o vývoji ekonomické informatiky v Rusku s ohledem na dynamiku univerzitních struktur, které poskytují rozsáhlou přípravu odborníků v oblasti informatiky obecně. Ekonomická informatika byla vytvořena dvěma úzce souvisejícími proudy poznání, formovanými v hlubinách matematiky a ekonomie. Počítače, které se objevily v reakci na potřeby vědy a resortů obrany, měly zjevně obrovský potenciál pro své využití v tradičních (nevojenských) oborech vědy a národní ekonomika. K realizaci tohoto potenciálu bylo zapotřebí specialistů nového typu, schopných efektivně využívat a rozvíjet vznikající výpočetní schopnosti. Připravte si takové

specialisty byly schopny pouze nové ústavy a fakulty, jejichž osnovy by spojovaly kompetence matematiků, fyziků, ekonomů, specialistů v oblasti programování - což tvořilo základní základy rozvoje informačních technologií. Výhledově lze konstatovat, že takové ústavy a fakulty vznikly a úspěšně řeší úkoly stanovené pro vzdělávání specialistů v oblasti IT a IS. Tady jde jen o to, že ekonomové se v této činnosti zatím neprojevili v dostatečné míře.

Začátek počítačové éry v SSSR. Matematika, technologie a ekonomie.

Jak víte, práce na vytvoření prvního počítače v SSSR - malého elektronického výpočetního stroje (MESM) - zahájil v Kyjevě tým vedený S. A. Lebeděvem v roce 1948. MESM byl uveden do provozu v prosinci 1951.

4. prosince 1948 zaregistroval Státní výbor Rady ministrů SSSR pro zavádění vyspělých technologií do národního hospodářství vynález I. S. Bruka a B. I. Rameeva „Automatický digitální elektronický stroj“ pod č. 10475. Tento vynález byl uveden do praxe v Energetickém ústavu Akademie věd SSSR v Moskvě v laboratoři vedené I. S. Brukem v podobě počítače M-1. V lednu 1952 byl M-1 uveden do zkušebního provozu. Jedna z prvních M-1 řešila problémy v jaderném výzkumu skupiny akademika S. L. Soboleva, v Ústavu I. V. Kurčatova. Byl vyroben v jediném exempláři, ale jeho architektura a mnoho zásadních rozhodnutí byly později přijaty jako základ pro vývoj sériových strojů "Minsk", "Razdan" atd.

Ale matematika žila nejen v tradičních vědeckých a inženýrských výpočtech. V.V.Leontiev formuloval v letech 1923-24 problém konstrukce mezisektorové rovnováhy, která vyžadovala velký výpočetní výkon18. Koncem 30. let se objevily práce L.V.Kantoroviče, které vytvořily základ pro pronikání matematiky do ekonomické výpočty. Byl formulován známý problém „překližkové důvěry“, který se stal základem pro vytvoření optimalizačního přístupu v ekonomickém plánování. V roce 1937 L.V. Kantorovich na žádost inženýrů místního překližkového trustu vyřešil problém najít nejlepší způsob zpracování 5 druhů materiálu na 8 strojích s určitou produktivitou každého z nich pro každý druh materiálu. Ve zdánlivě jednoduchém problému L. V. Kantorovich viděl a poprvé formuloval problém lineárního programování a navrhl způsob jeho řešení, výrazně omezil výčet při hledání optimálních řešení a předpokládal potřebnou aplikaci

18 V. V. Leontiev získal v roce 1973 Nobelovu cenu za ekonomii za vývoj metody „Cost-output“ pro sestavení bilance vstupů a výstupů.

výpočetní technika.19

Důležitou etapou v tvorbě L.V. Kantorovich byl publikován v "Uspekhi Mathematical Sciences" v roce 1948, jeho velký článek "Functional Analysis and Applied Mathematics" a poté - v roce 1956 "Functional Analysis and Computational Mathematics", který učinil z funkční analýzy přirozený jazyk výpočetní matematiky. Podle akademika S.L. Sobolev, během několika let bylo stejně nemožné představit si výpočetní matematiku bez funkcionální analýzy jako bez počítačů.

Tyto myšlenky jednoty funkcionální analýzy a výpočetní matematiky, stejně jako spojení s ekonomikou, důsledně ztělesňoval L.V. Kantoroviče do života: když v roce 1948 byla na Matematicko-mechanické fakultě Leningradské státní univerzity zorganizována příprava specialistů na "výpočtovou matematiku" a později - v roce 1958 - když byla na Ekonomické fakultě vytvořena specializace "Ekonomická kybernetika" Leningradské státní univerzity V roce 1959 se L.V.Kantorovič stal jedním z organizátorů (a učitelů) slavného „šestého ročníku“ Ekonomické fakulty Leningradské státní univerzity. Do „šestého ročníku“ byli zapsáni absolventi obvyklého pátého ročníku a řada mladých ekonomů na prohloubené studium matematických metod a počítačů. Je třeba poznamenat, že někteří absolventi tohoto kurzu měli znatelný vliv na vývoj sovětského a ruského ekonomika, konkrétně se jedná o akademiky Akademie věd SSSR: A.G. Aganbegyan, A. I. Anchishkin, N. Ya Petrakov, S. S. Shatalin.

Je přirozené, že procesy rozvoje přípravy specialistů v oblasti výpočetní matematiky a ekonomicko-matematických metod nebyly izolované. Ve stejné době probíhaly obdobné procesy formování základů pro využití výpočetní techniky ve vědě a ekonomii v Moskvě a Moskevské státní univerzitě.V roce 1949 byla na Fakultě mechaniky a matematiky v Moskvě vytvořena katedra výpočetní matematiky. Státní univerzita, kterou v letech 1952-1960 vedl již námi výše citovaný akademik S. L. Sobolev. V té době na katedře vyučovali takoví vynikající specialisté jako A. A. Ljapunov, M. V. Keldysh, M. R. Shura-Bura a další.

V roce 1958 vytvořil vynikající ekonom a statistik, akademik Akademie věd SSSR V.S. Němčinov laboratoř ekonomických a matematických metod na Akademii věd a v roce 1962 na Ekonomické fakultě Moskevské státní univerzity katedru Matematické metody pro analýzu ekonomie (MMAE). Slavní absolventi 6. ročníku L.V.Kantoroviče - S.S.Shatalin (vedl katedru v r.

19 V roce 1965 L.V. Kantorovich spolu s V.S. Němčinov a V.V. Novožilov obdržel Leninovu cenu „za vědecký vývoj metody lineárního programování a matematických modelů ekonomiky“. V roce 1975 byli L. V. Kantorovich a T. Koopmans oceněni Nobelovou cenou za ekonomii za vytvoření základů lineárního programování.

1970 -1983) a N. Ya Petrakov - ředitel Ústavu pro tržní problémy Ruské akademie věd (od roku 1990 do roku 2014). Sám L.V.Kantorovič vedl v 70. letech řadu let vědecký seminář na této katedře. Potřebu absolventů této katedry z velké části tvořil Ústřední ekonomický a matematický ústav Akademie věd SSSR (CEMI Akademie věd SSSR) zřízený v roce 1963 na základě stejnojmenné laboratoře, která řadu let sloužila jako odborná školka pro výcvik specialistů na katedře MMAE MGU. CEMI Akademie věd SSSR samozřejmě vznikla z iniciativy a za účasti V.S. Němčinova. Prvním ředitelem ústavu se stal akademik N. P. Fedorenko a v roce 1985 jej vystřídal akademik V. L. Makarov, nejbližší žák L. V. Kantoroviče.

50. a 60. léta 20. století hodně přispěla k povědomí o potřebě rozšířit přípravu specialistů v oblasti softwaru, a to nejen technologických, ale i ekonomických procesů. Především to bylo usnadněno úkoly nové vědy „Operation Research“, generované výpočetní matematikou, algoritmy pro řešení problémů řízení zásob a také formulací vědeckých principů řízení podniku. Existují zkušenosti s používáním prvního podnikového informačního systému Material Resource Planning (MRP), vyvinutého v 50. letech 20. století v USA, ale získaného na skutečných obchodních problémech v 60. letech 20. století. I ti, kdo pochybovali, se nakonec přesvědčili o obrovských možnostech využití elektronických počítačů (počítačů) v ekonomice.

Důležitou etapou ve vývoji tohoto směru na Moskevské státní univerzitě byla organizace pod vedením profesora I.S. Berezina v roce 1955 počítačového centra, prvního v univerzitním prostoru SSSR. Výpočetní centrum Moskevské státní univerzity se stalo základnou pro školení odborníků na katedře výpočetní matematiky. Výpočetní centrum vytvořilo vědeckou a technickou platformu pro výrazné rozšíření kontingentu školících specialistů v oblasti počítačového softwaru. Na základě Ústavu výpočetní matematiky Fakulty mechaniky a matematiky a Výpočetního centra (CC MGU) byla organizována Fakulta výpočetní matematiky a kybernetiky (CMC) MSU. Zakladatelem nové fakulty a jejím prvním děkanem byl akademik A.N. Tichonov, vědecký ředitel Výpočetního centra Moskevské státní univerzity a vedoucí katedry výpočetní matematiky Mekhmatu. Andrey Nikolajevič byl prvním, kdo nejen realizoval potřeby vědy a národního hospodářství pro odborníky nového typu, ale také dokázal v zemi vytvořit systém pro školení personálu v oblasti výpočetní matematiky a programování. V únoru 1970 byl vydán příkaz Ministerstva vysokého školství SSSR č. 114 o schválení struktury fakulty VMK MSU. Fakulta CMC Moskevské státní univerzity se stala první v seznamu téměř 50 podobných fakult nově vytvořených na počátku 70. let na významných univerzitách v SSSR. Objevila se celá větev školících specialistů v oblasti počítačového softwaru,

který měl podpořit velké změny v sovětské politice vytváření a využívání výpočetní techniky. Šlo o přechod země na nové standardy informačních technologií – zavedení „Unified System“ – řady počítačů, které kopírovaly architekturu amerických počítačů řady IBM-360. Potřeba takového řešení se již objevila: byla diktována konceptem národního automatizovaného systému (OGAS) vyvinutým pod vedením V. M. Glushkova. OGAS byl navržen tak, aby řešil celostátní problém účetnictví a kontroly pro nerušené uplatňování metod socialistického plánování a řízení v SSSR,

Sovětská počítačová revoluce

Dne 18. března 1968 byl vydán rozkaz ministra rozhlasového průmyslu SSSR č. 138 o vytvoření NITSEVT a jeho jmenování hlavní organizací pro vývoj Jednotného počítačového systému (ES COMPUTER) Ryad. Od té doby spory a diskuse o účelnosti rozhodnutí vyrábět stroje EU kopírováním architektury sálových počítačů IBM S/360 neutichly.

Je třeba poznamenat, že až do roku 1968 byla tvorba počítačů v SSSR poměrně špatně koordinována. V různých částech SSSR bylo několik konstrukčních kanceláří, které vyvinuly úžasné počítače druhé generace, které pracovaly v různých matematice a splňovaly své vlastní technologické standardy. Nesporným vůdcem byl výkonný BESM-6 konstrukční kanceláře S.A. Lebeděva, který používal 6bitové slovo. V národním hospodářství byly oblíbené počítače Minsk se 7bitovými bajty (jen počítačů Minsk-32, navržených V.V. Pržijalkovským, bylo nakonec vyrobeno asi 3000 kusů). Rodina strojů řady Ural, vyvinutá B.I. Rameevem, vyráběná v Penze, byla velmi progresivní. Ukrajinský „Mir“, jerevanský „Nairi“, vilniuský „Ruta-110“, moskevský „Setun“ měly své výhody. (Všimněte si, že jedinečný počítač Setun, který používal ternární číselný systém, byl vyvinut na Moskevské státní univerzitě pod vedením N. P. Brusentsova). Není třeba dodávat, že každá rodina byla vybavena vlastními periferiemi a originálním softwarem. Tato talentovaná a zajímavá paleta počítačů mohla řešit lokální problémy různé povahy, ale nebylo možné s jejich pomocí vytvořit národní infrastrukturu pro organizaci informačních procesů. Velmi aktuální tak zněla otázka perspektiv rozvoje tuzemského elektronického počítačového inženýrství. V roce 1966 se v národohospodářském plánu zmiňuje, že nové počítače třetí generace by měly být postaveny na „jednotném strukturálním a mikroelektronickém technologickém základu a kompatibilních programovacích systémech pro výpočetní střediska a automatizované systémy zpracování informací.

V oficiální zprávě ITMiVT, v polovině roku 1966, jasná odpověď, as

ale S.A. Lebeděv nedovolil postavit Ryad. Spolu s akademikem V. M. Glushkovem však vyjádřil názor, že kopírování počítačů třetí generace IBM S / 360 by znamenalo zaostávání za světovými standardy o několik let, protože řada S / 360 se začala vyrábět již v roce 1964. Kdyby jen tito významní vědci věděli, jak optimistické bylo jejich hodnocení.

V rozmanitosti, která existovala v SSSR, byly počítače Ural nejblíže požadavkům třetí generace. Bashir Iskanderovich Rameev formuloval a realizoval myšlenku rodiny počítačů na principu softwarové a konstruktivní kompatibility nezávisle a dříve než řada IBM S / 360. Při vývoji rozhodnutí Státní komise Ministerstva rozhlasového průmyslu SSSR v roce 1968 se však s domácí verzí vůbec nepočítalo. Diskuse se zúčastnila pouze americká IBM a britská ICL. Výběr komise stále nenechává lhostejnými odborníky v oblasti výpočetní techniky. Debata o tom, zda toto rozhodnutí bylo strategickou chybou a kdo za to může, pokračuje. Zápisy ze schůzí státních komisí opravují námitky domácích vývojářů Lebeděva, Rameeva, Gluškova a dalších - ale pevné stanovisko prezidenta Akademie věd SSSR M. V. Keldyshe a ministra rozhlasového průmyslu SSSR

VD Kalmykov rozhodl problém ve prospěch kopírování IBM S / 360.

Bylo to tragické rozhodnutí pro sovětský počítačový průmysl, který zničil strategické pokyny její vývoj. Gigantický intelektuální kapitál domácího vývoje v podobě vyráběné a perspektivní výpočetní techniky, stejně jako odpovídajícího softwaru, se stal zbytečným spolu s jeho nositelem - velkým oddělením vysoce kvalifikovaných odborníků. Někdo se dokázal přeškolit, ale měřítkem bylo vychovat nové odborníky. Je pravda, že zde zůstal seriózní kontingent vývojářů pro vojenské účely v čele se studentem

S.A. Lebedeva - Akademik V.S. Burtsev. Počítačový software pro raketové systémy S-300, vyvinutý pod vedením V.S. Burtseva, stále úspěšně řeší stanovené úkoly. Vědecké dědictví po něm navíc stále živí nápady vývojářů superpočítačové techniky.

Z hlediska ekonomiky lze však s jistotou říci, že rozhodnutí přijatá v roce 1968 Státní komisí Ministerstva radioprůmyslu SSSR neměla v celostátním měřítku pro národní hospodářství rozhodující sílu. země. Ne, i ta nejlepší z hlediska technologie, možnost rozvoje domácí výpočetní techniky by mohla napravit neefektivní socialistický systém národního hospodářství. Idealistické plánované hospodářství bylo rovněž odsouzeno k záhubě, pokud by byl projekt OGAS úspěšně realizován, protože v této ekonomice neexistovaly přirozené tržní mechanismy pro řízení ekonomiky. Plánovací prvky mohou být dobré a

užitečné, pokud netvrdí, že jsou univerzálně použitelné vždy a všude. Zejména západní ekonomové - L. von Mises již ve dvacátých letech prokázali nemožnost racionální ekonomické kalkulace v systému, kde neexistuje soukromý pozemek na výrobních zdrojích a neexistují reálné (tržní) ceny (von Misesův teorém). Před technologickým dovybavením v SSSR bylo nutné zapojit se do ekonomické reformy – vytvoření podmínek pro vznik skutečných ekonomické nástroje samoregulace. Takže v roce 1968 v SSSR bylo docela možné zapomenout na IBM, spoléhat se na slibnou rodinu počítačů Ural nebo opustit všechny stávající - mohlo by to mít méně negativních důsledků pro národní hospodářství. Zároveň je těžké popřít významný pokrok, který se objevil ve vývoji národního programovacího průmyslu, jehož specialisté při přechodu na mezinárodní standardy získali nové příležitosti pro organizaci práce a získali přístup k nahromaděným světovým knihovnám. programů. Příprava a rozhodování ve specifických oblastech včetně národního hospodářství - a zároveň obohaceno o přístup k již zavedeným databázím průmyslových aplikací.

Nová éra IT školení

Jednotná politika počítačové podpory vědeckého rozvoje a národního hospodářství SSSR tedy vyžadovala adekvátní masovou personální podporu. Metodickou práci na organizaci celounijního školení potřebných odborníků ve skutečnosti vedla fakulta CMC Moskevské státní univerzity, opírající se o autoritu a znalosti nejvyšších odborníků Akademie věd SSSR. „Akademické“ zajištění metodiky pro školení IT specialistů by nám mohlo závidět kdejaké vědecké centrum na světě. Normativní složku zajišťovalo Ministerstvo školství SSSR.

Lze poznamenat, že ve světě je kontrola nad tvorbou metodických základů pro vzdělávání IT specialistů tradičně oblastí zájmu odborných veřejných organizací. Ve Spojených státech se této role ujala Asociace pro výpočetní stroje (ACM) a Computer Society of IEEE nebo IEEECS.

kteří se této práci věnují od 60. let 20. století. minulé století . V roce 1965 vypracoval vzdělávací výbor organizace ACM první návrh modelového programu pro vysokoškolské kurzy informatiky (Computer Science), který byl po revizi publikován v roce 1968 ve své konečné podobě a stal se známým jako Curriculum 68. nebyl normativní součástí vypracovaného dokumentu, měl doporučující charakter pro americké univerzity, ale de facto rychle se změnil v mezinárodní standardškolení IT specialistů „Výpočetní kurikulum (CC)“. Sponzorováno ACM a IEEE-CS

Skupina Petera Denninga v roce 1989 připravila zprávu „Computing as a Discipline“. V nové disciplíně "Výpočetní technika" byly rozlišeny dvě složky: "Počítačová věda" a "Počítačové inženýrství", To bylo metodicky začleněno později do základního kurikula СС2001, který byl vyvinut ve verzích СС2005. SS2005 však již obsahoval zásadní rozdíl oproti předchozím verzím – jasně naznačuje nutnost vyškolit specialisty pro aplikovaná odvětví. Světové profesní organizace AIS (Association of Information Systems) a AITP (Association for Information Technology Professionals) - vytvářejí IS2002. V rodině výpočetní techniky se objevuje nový plnohodnotný člen – informační systémy. CC2005 "Výpočetní technika" zahrnuje následující oblasti: Počítačové inženýrství (Computer Engineering - CE), Computer Science (Computer Science - CS), Softwarové inženýrství (Software Engineering - SE), Systémy informačních technologií (Information Technology - IT), Informační systémy ( Information Systémy - IS). Ruské vysoké školství také reaguje na potřebu specialistů pro přípravu, vývoj a provoz aplikací v odborném univerzitním výcviku, v roce 2000 se objevuje nový státní vzdělávací standard pro odbornost 351340 „Aplikovaná informatika (podle krajů)“ (nařízení Ministerstva Vzdělání Ruska ze dne 14.03.2000).

Dokument upřesňuje: „Absolvent - informatik (s kvalifikací v oboru) musí mít specializaci určenou oblastí aplikace metod informatiky a profesně zaměřených informačních systémů, seznam studovaných oborů v určité oblasti, informační obory a závěrečné kvalifikační práce.“ Zároveň je určena i oblast aplikace kvalifikovaných znalostí: „Informatik (s kvalifikací v oboru) se zabývá spíše profesně zaměřeným shellem (který navrhuje, vytváří a používá), sestávajícím ze speciálního softwaru. nástroje, informační podpora a organizačních opatření na podporu fungování konkrétních procesů v aplikační oblasti a v menší míře se zabývá jádrem informačního systému (vývoj komplexu výpočetní techniky, operační systém, systémy pro správu databází atd.).

O něco později, v roce 2003, byl otevřen další standard specializace 080500 „Obchodní informatika“ (nařízení Ministerstva školství Ruské federace ze dne 8. července 2003) pro školení specialistů, jejichž oblast profesní činnosti „zahrnuje : Návrh podnikové architektury, Strategické plánování rozvoje řízení podniku IS a ICT, Procesy životního cyklu organizace Řízení podniku IS a ICT, Analytická podpora procesů

rozhodování pro řízení podniku“.

Ruská ekonomika tak přijímá specialisty na „Aplikovanou informatiku“, aby poskytovali IT podporu informačním procesům v následujících odvětvích: „ekonomie, právo, politologie, psychologie, sociologie, politologie, psychologie, ekologie, humanitární a sociální a další, ve kterých profesionálně orientované informační systémy...“, stejně jako specialisté na „Obchodní informatiku“ pro zajištění informačních procesů v podnicích.

Nyní je de facto světovým metodickým standardem pro školení IT specialistů pro aplikovaná odvětví kurikulum Informační systémy 2010 (IS2010), vytvořené celým profesionálním IT světem pomocí zdroje Wiki. Nejúplnější profesní obor absolventů tohoto směru je popsán v СС2005. Zde se také rozlišuje mezi cílovými oblastmi školení pro IS a IT specialisty: „Odborníci této specializace (informační systémy) se zabývají především informacemi, které může počítač poskytnout podniku, aby mohl lépe definovat a dosáhnout svých cíle, stejně jako s procesy, které podnik zavádí nebo zlepšuje pomocí informačních technologií. ... Informační systémy se zaměřuje na informační aspekty informačních technologií. Informační technologie jsou takovým doplňkem: oblastí jejich zájmu je technologie samotná, ale ne informace, které zpracovává. IT programy jsou navrženy tak, aby produkovaly absolventy se správnou kombinací teoretických znalostí a praktických dovedností pro řízení informačních technologií organizace a lidí, kteří tyto technologie používají.“

Didaktická role ekonomické informatiky

Předložený popis osnov pro národní vzdělávání specialistů v oboru "Aplikovaná informatika", "Business informatika" a jim blízké americké kurikulum "Informační systémy - IS 2010" nám umožňuje zavést nový směr: "Ekonomická informatika", s cílem analyzovat společné a odlišné a zhodnotit jeho vyhlídky.

Za prvé je třeba poznamenat, že „Ekonomická informatika“ není zahrnuta v národním seznamu specializací odborného výcviku a jedním z cílů této studie je prokázat proveditelnost uvažování o této problematice, možná v kontextu dalších oblastí, které budou bude diskutováno níže.

Ekonomická informatika je věda o informačních systémech používaných v ekonomice a podnikání a také o ekonomice těchto systémů.

Tato definice obsahuje označení rozdílu mezi oblastmi

Aplikace: Ekonomická informatika se zabývá porovnáváním nákladů a přínosů využívání informačních systémů v tradičním schématu ekonomické analýzy. Jak "Aplikovaná informatika", tak "Obchodní informatika" a "IS -2010" jsou zaměřeny na školení specialistů v oblasti aplikace informačních technologií k řešení problémů v dané oblasti. Hodnocení účinnosti takových rozhodnutí zůstává předmětem klasické ekonomie. Kromě toho vyžaduje ekonomický popis a studium informačního produktu, který má mnoho netriviálních vlastností cen, spotřeby a vývoje. Existují tradiční ekonomické problémy: výroba a distribuce informačních produktů. Moorův zákon vyžaduje ekonomický výklad, podle kterého produktivnější informační produkt má nižší cenu. Trh s informačními produkty se formuje a vyvíjí podle vlastních zákonitostí: obíhají na něm i reálné hmotné entity, ale hlavním motorem tohoto trhu je nehmotná služba nebo služba, která má vlastnost nevyčerpatelnosti a nulových mezních nákladů. Zde se z „informačního vzduchu“ vytvářejí nová odvětví (hry), „z ničeho“ vznikají gigantické majetky. A konečně, informace samy o sobě se stávají zbožím, pro jehož popis klasické ekonomické modely nejsou vhodné: poptávka negeneruje nabídku. Objevují se informační produkty, jejichž ekonomické vlastnosti vyžadují moderní výklad: neomezený přístup ke cloudovým službám poskytovaným koncovým uživatelům zdarma, růst spotřebitelských vlastností produktů informačních technologií bez zvýšení jejich ceny. Neobvyklá je také struktura ceny informačního produktu, ve které mezní náklady bývají nulové.

Ekonomika informačních systémů v dnešní době vypadá stejně přirozeně jako ekonomika kteréhokoli odvětví národního hospodářství – například ekonomika zemědělství nebo ekonomika průmyslu. Informační trh má však s trhem s obilím jen málo společného a k popisu trhu informačních produktů je zapotřebí nového výzkumu.

Obecně platí, že při projednávání otázek obecné ekonomické informatiky s výpočetní technikou je třeba poznamenat, že tyto vědy mají přímou souvislost pouze s ohledem na informační technologie (IT) a informační systémy (IS). Přitom pro ekonomy v pojmu "informační technologie" - na prvním místě - "informace", "informace", služby, které zajišťují informační procesy, a teprve potom - "technologie". Jak bylo uvedeno výše, informační systémy jsou předmětem studia ekonomické informatiky a samotný název je charakterizován přítomností definice „informační“, a nikoli „výpočetní“ – přímo vycházející ze základního směru „výpočetní techniky“, neboť moderní aplikované úkoly, včetně

ekonomický obsah – jsou spojeny především se zpracováním a analýzou smysluplných informací, přičemž vlastní kalkulace jsou považovány za nezbytný dostupný nástroj.

Když už mluvíme o efektivitě IS, lze si všimnout objektivní relevance vzniku „ekonomické informatiky“: prostředí pro využívání informačních systémů se dnes kvalitativně změnilo. Podle některých odborníků prakticky vymizelo tradiční poradenství v oblasti využívání IP, zaměřené na formulaci cílů a záměrů implementace a výběr nejlepší možnosti IP pro konkrétní podnik. Za desítky let aktivního vstupu IS do praxe plánování, řízení a rozhodování organizací se vytvořil dostatečně kvalifikovaný kontingent uživatelů, který je schopen samostatně odpovídat na prvotní otázky formulace zadání. Kromě toho standardizace IT poskytla procesy konvergence, které v praxi minimalizovaly důsledky chyby výběru typu IC. Hlavní problematikou poradenství byl problém efektivity fungování IS, jeho dopad na procesy přidané hodnoty podniku. Na tuto otázku lze odpovědět pouze jedním způsobem: poskytnout přístupy k odhadu nákladů a přínosů používání počítačů.

Je zřejmé, že není zajištěna ekonomická oblast působnosti pro IT specialisty připravující se podle výše uvedených osnov a osnov. To není překvapivé: oblast působnosti IT specialistů má charakter inženýrských, technologických služeb pro podnikání. Jemnosti identifikace a hodnocení nákladů a přínosů patří do oblasti ekonomie a studenty IT tradičně nezajímají. Práce na takovém posouzení navíc není strukturovaná a nelze ji zredukovat na známý obchodní proces nebo dobře známý algoritmus s pevným počtem opakování. To je záležitost pro ekonomy.

Co je výsledkem studia v oboru ekonomická informatika? Co budou vědět a umět absolventi, kteří absolvovali celý cyklus školení?

Základem organizace IT školení pro ekonomy je formulace dvou důležitých ustanovení.

Prvním je správná definice „vstupního bodu“ IT a IS v konkrétní předmětové oblasti ekonomie a podnikání. Pro ekonomiku a podnikání tuto roli hraje obchodní proces a poskytování IT služeb, pro vzdělávání - vzdělávací proces, pro zdravotnictví - lékařský proces atd. Charakteristickým rysem hlavní podstaty konkrétní aplikace je její procesní povaha, hromadné rozložení v předmětné oblasti, opakování v čase a prostoru. Specifikace hlavní entity je úkolem specialistů – ekonomů. Účelem školení těchto odborníků v oblasti IT a IS je poskytnout jim znalosti, dovednosti a schopnosti popsat IT služby používané k

automatizace obchodních procesů.

Druhým ustanovením je jasné vymezení cílů přípravy budoucích specialistů v oblasti IT a IS. Dobré znalosti, dovednosti a schopnosti v oblasti IT a IS podle našeho názoru umožňují absolventovi získat konkurenční výhodu na profesním trhu. Pro klasické univerzity a moderní NRU se zdá přirozené formulovat roli IT a IS jako nástrojů ke zlepšení efektivity základních podnikových procesů: vědeckých a vzdělávacích aktivit. Hlavním účelem využití těchto nástrojů je zkvalitnění přípravy specialistů a zajištění vysoké úrovně řízení provozních činností a konkurenceschopnosti organizace. Dosažení nejvyšší odborné úrovně v ekonomice a podnikání na univerzitách je možné pouze vybudováním logického řetězce přípravy vlastních IT specialistů. Prvky nebo stupně tohoto řetězce jsou známé: bakalářský stupeň - magisterský stupeň - postgraduální studium. Obvykle můžeme předpokládat, že každá fáze odpovídá vlastní úrovni IT školení. Základní - pro bakalářské studium, odborné - pro magisterské studium, výzkumné - pro postgraduálního studenta. Úspěch školení bude patrnější jak pro mladé odborníky, tak pro univerzitu a pro celý průmysl, pokud výsledkem každé fáze bude specialista na konkrétní předmět, a nikoli na technickou oblast. K tomuto účelu je nutné vytvořit odpovídající institucionální prostředí, jehož prvkem bude národní vzdělávací systém se vzdělávacími standardy a odpovídající specializací - ekonomickou informatikou.

Podobné návrhy by platily i pro další obory: historickou informatiku, biologii, medicínu,... Zdá se, že v seznamu univerzitních oborů by měly být zastoupeny všechny. Ale podle návrhu nového nařízení ministerstva školství se na tomto seznamu objevuje pouze podnikatelská, bio-, geo- a aplikovaná informatika.

Školení takových specialistů ve skutečnosti probíhá, často probíhá intuitivně a výrazně závisí na subjektivních faktorech. Desetiletí rozšířeného využívání informačních technologií a systémů však již vytvořily dostatečnou odbornou rezervu oborových kompetencí, existují představy o profesních standardech – to vše by mělo vést k oficiálnímu vytvoření odpovídajících oborových specializací a specializací vysokého školství.

Závěr

Ve světě i v Rusku již vznikly odborné skupiny zabývající se problémy ekonomiky informačních systémů. V moderních podmínkách se tyto otázky stávají klíčovými při rozhodování o výběru, implementaci a provozu informačních systémů na

podniky a organizace.

V současné době neexistuje systém pro školení specialistů schopných analýzy ekonomické důsledky implementace informačních systémů. Současný systém IT vzdělávání řeší především problém přípravy technických specialistů.

Zajištění inovativního rozvoje konkrétních aplikovaných oborů vysokoškolského vzdělávání vyžaduje vytvoření systému přípravy IT specialistů v aplikovaném humanitárním a socioekonomickém sektoru. To vyžaduje vytvoření specializací nejen v aplikované (technické), ale i v oborové informatice.

Literatura

1. Kantorovič L.V., "Matematické metody organizace a plánování výroby", L .: Edice Leningrad státní univerzita, 1939. - 67 s.

2. Kantorovič L.V. Funkcionální analýza a aplikovaná matematika. „Pokroky v matematických vědách“ 1948

3. Kantorovič L.V. Funkční analýza a výpočetní matematika, 1956. http://en.cs.msu.ru/node/62 - historie VMC do roku 2000.

4. Makson: Dvě tragédie sovětské kybernetiky. Informační a analytický portál OKO PLANETY^M, 29. 2. 2012.

5. Ludwig von Mises. Die Wirtschaftsrechnung im sozialistischen Gemeinwesen", Archiv fuer Sozialwissenschaften und Sozialpolitik, sv. XLVII, č. 1 (duben 1920).

6. Mises L. Lidská činnost. Pojednání o ekonomické teorii. M., Ekonomie, 2000.

7. "Efektivita investic do IT", M., SoDIT, 2013, 194s.. ISBN 978-5-4465-0104-5.

8. Suchomlin V.A. Mezinárodní vzdělávací standardy v oblasti informačních technologií. Aplikovaná informatika, č. 1 (37), 2012.

9 Výpočetní osnovy 2001 (CC2001). Informatika, závěrečná zpráva, (15. prosince 2001). Společná pracovní skupina pro učební osnovy výpočetní techniky, IEEE Computer Society, Association for Computing Machinery.

10. Výpočetní osnovy 2005 (CC2005). Přehledová zpráva, pokrývající vysokoškolské studijní programy v oboru počítačové inženýrství, informatika, informační systémy, informační technologie, softwarové inženýrství. The Association for Computing Machinery (ACM), The Association for Information Systems (AIS), The Computer Society (IEEE-CS), 30. září 2005.

11. J.T. Gorgone, G.B. Davis, J.S. Valacich, H.Topi, D.L. Feinstein, H.E. Longenecker, Jr. IS 2002, Vzorový učební plán a směrnice pro bakalářské studijní programy v informačních systémech. Asociace pro výpočetní techniku (ACM), Asociace pro informační systémy (AIS), Asociace profesionálů v oblasti informačních technologií AITP.

12. H. Topi, J. S. Valacich, R. T. Wright, K. M. Kaiser, J. F. Nunamaker, Jr., J. C. Sipior, G. J. de Vreede. IS 2010, Vzorový učební plán a směrnice pro bakalářské studijní programy v informačních systémech. Asociace pro výpočetní techniku (ACM), Asociace pro informační systémy (AIS).

13. Lugačev M.I., Abramov V.G., Skripkin K.G., Tikhomirov V.V. Metodika tvorby programů pro obor "Informatika" pro oblasti vedlejšího vzdělávání. Max Press, M., 2006.

14. Lugachev M.I., Skripkin K.G., IT kompetence jako součást ekonomického vzdělávání. Bulletin Moskevské státní univerzity. 6. řada, Ekonomika, č. 4, 2009.

15. Návrh vyhlášky Ministerstva školství a vědy Ruské federace „O schválení seznamů specializací a směrnic pro přípravu vysokoškolského vzdělávání“ http://www.consultant.ru/law/hotdocs/26905.html

1.1.1. Předmět, předmět, metody a úkoly ekonomické informatiky

Intenzivní zavádění informačních technologií do ekonomiky vedlo ke vzniku jedné z oblastí v informatice - ekonomické informatiky, která je integrovanou aplikovanou disciplínou založenou na mezioborových souvislostech informatiky, ekonomie a matematiky. Teoretickým základem pro studium ekonomické informatiky je informatika. Slovo „informatics“ (informatique) pochází ze sloučení dvou francouzských slov: information (informace) a automatique (automatické), které byly zavedeny ve Francii k definování oblasti činnosti spojené s automatizovaným zpracováním informací. Existuje mnoho definic informatiky. Informatika je věda o informacích, o tom, jak jsou shromažďovány, ukládány, zpracovávány a poskytovány pomocí výpočetní techniky. Informatika je aplikovaná disciplína, která studuje strukturu a obecné vlastnosti vědeckých informací atd. Informatika se skládá ze tří vzájemně propojených složek: informatiky jako základní vědy, jako aplikované disciplíny a jako výrobního odvětví. Hlavními předměty informatiky jsou:

 informace;

 počítače;

 informační systémy; Obecné teoretické základy informatiky:

 informace;

 číselné soustavy;

 kódování;

 Algoritmy. Struktura moderní informatiky: 1. Teoretická informatika. 2. Výpočetní technika. 3. Programování. 4. Informační systémy. 5. Umělá inteligence. Ekonomická informatika je věda o informačních systémech používaných k přípravě a rozhodování v managementu, ekonomice a podnikání. Předmět ekonomické informatiky jsou informační systémy, které poskytují řešení podnikatelských a organizačních problémů, které vznikají v ekonomických systémech (ekonomických objektech). To znamená, že předmětem ekonomické informatiky jsou ekonomické informační systémy, jejichž konečným cílem je efektivní řízení ekonomického systému. Informační systém je soubor softwaru a hardwaru, metod a lidí, kteří zajišťují sběr, uchovávání, zpracování a výdej informací pro zajištění přípravy a rozhodování. Mezi hlavní součásti informačních systémů využívaných v ekonomice patří: software a hardware, podnikové aplikace a správa informačních systémů. Účelem informačních systémů je vytvořit moderní informační infrastrukturu pro řízení společnosti. Předmět disciplíny- technologie, způsoby automatizace informačních procesů s využitím ekonomických dat. Úkol disciplíny- studium teoretických základů informatiky a získání dovedností v používání aplikovaných systémů pro zpracování ekonomických dat a programovacích systémů pro osobní počítače a počítačové sítě. Více...>>> Téma: 1.1.2. Data, informace a znalosti

1.1.2. Data, informace a znalosti

Základní pojmy data, informace, znalosti. Mezi základní pojmy, které se v ekonomické informatice používají, patří: data, informace a znalosti. Tyto pojmy se často používají jako synonyma, ale mezi těmito pojmy jsou zásadní rozdíly. Pojem data pochází od slova data - skutečnost a informace (informatio) znamená objasnění, prezentaci, tzn. informace nebo zprávu. Data- jedná se o soubor informací zaznamenaných na konkrétním médiu ve formě vhodné pro trvalé uložení, přenos a zpracování. Transformace a zpracování dat vám umožní získat informace. Informace je výsledkem transformace a analýzy dat. Rozdíl mezi informacemi a daty je v tom, že data jsou pevné informace o událostech a jevech, které jsou uloženy na určitých médiích, a informace se objevují jako výsledek zpracování dat při řešení konkrétních problémů. Databáze například ukládají různá data a na určitý požadavek systém správy databází vydá požadované informace. Existují i jiné definice informací, např. informace jsou informace o objektech a jevech prostředí, jejich parametrech, vlastnostech a stavu, které snižují míru nejistoty a neúplnosti znalostí o nich. Znalost- jedná se o zpracované informace zaznamenané a ověřené praxí, které byly použity a mohou být znovu použity pro rozhodování. Znalosti jsou typem informací, které jsou uloženy ve znalostní bázi a odrážejí znalosti specialisty v určité oblasti. Znalosti jsou intelektuální kapitál. Formální znalosti mohou mít formu dokumentů (norem, předpisů), které upravují rozhodování nebo učebnic, návodů, jak řešit problémy. Neformální znalosti jsou znalosti a zkušenosti odborníků v určité oblasti. Je třeba poznamenat, že neexistují žádné univerzální definice těchto pojmů (data, informace, znalosti), jsou interpretovány různými způsoby. Rozhodnutí jsou přijímána na základě obdržených informací a dostupných znalostí. Rozhodování- jedná se o výběr nejlepšího řešení v určitém smyslu z množiny proveditelných řešení na základě dostupných informací. Vztah dat, informací a znalostí v rozhodovacím procesu je znázorněn na obrázku.

K vyřešení problému jsou fixní data zpracována na základě existujících znalostí, poté jsou získané informace analyzovány pomocí stávajících znalostí. Na základě analýzy jsou navržena všechna proveditelná řešení a jako výsledek volby je jedno rozhodnutí v určitém smyslu nejlepší. Výsledky rozhodnutí doplňují znalosti. V závislosti na rozsahu použití mohou být informace různé: vědecké, technické, manažerské, ekonomické atd. Pro ekonomickou informatiku jsou ekonomické informace zajímavé.