Лидирующее место в мире по работе с бизнес-правилами занимает BRMS -информационная система, используемая для ведения, поддержки и исполнения бизнес-правил компании.
Применение BRMS.
Существуют десятки областей применения систем управления бизнес-правилами:
- Биллинг,
- Риск-менеджмент,
- Урегулирование претензий,
- Андеррайтинг,
- Скоринг,
- Проверка соблюдения законодательных требований,
- Ценообразование,
- Кросс-продажи,
- Противодействие отмыванию денежных средств,
- Выявление мошенничества.
Особенности использования систем управления бизнес-правилами в том, что пользователь получает возможность самостоятельно реализовывать в системе бизнес-правила и ограничения на интуитивно-понятном, близком к естественному языке или используя блок-схемы. Алгоритмы могут меняться очень быстро самими пользователями. В любой момент можно посмотреть алгоритм расчета, более того, BRMS хранит историю бизнес-логики, в отличие от транзакционных систем, которые хранят только исторические данные.
1. Источники выявления бизнес -правил
Наиболее часто используемыми на практике среди бизнес-аналитиков являются следующие методы:
- Определение критериев принятия и оценки;
- Мозговой штурм;
- Анализ бизнес-правил;
- Словарь данных и глоссарий;
- Диаграммы потоков данных;
- Моделирование данных;
- Анализ принятия решений;
- Анализ документов;
- Интервью;
- Метрики и ключевые показатели производительности;
- Анализ не функциональных требований;
- Моделирование организации;
- Отслеживание проблем;
- Моделирование процессов;
- Практические занятия по выявлению требований;
- Сценарии и варианты использования.
2. Недостатки «ручных» процессов выявления бизнес-правил
Основными недостатками являются:
- Человеческий фактор, т.е. присутствует возможность ошибки, которая может нарушить работу всех бизнес-правил.
- Субъективность трактовки результатов - даже команда экспертов может не сойтись во мнении.
- Занимает больше времени, чем машинная обработка данных.
Частичное формирование бизнес правил возможно за счет работы BRMS с нейронными сетями и процессу машинного обучения.
Нейронная сеть для формирования бизнес-правил представляет собой частный случай кластеризации данных. При поступлении новых данных, НС находит связи между кластерами данных, и на основании этих связей может сформировать новое бизнес-правило
И машинное обучение, и нейронные сети могут работать только с помощью огромного объема информации, которая постоянно обрабатывается, и из которой система может получать последовательности и зависимости, необходимые для автоматического формирования бизнес-правил.
3. Обзор существующих BRMS. ILOG JRULES
ILOG BRMS позволяет бизнес- пользователям управлять логикой принятия решений в рамках процессов и систем
- Уменьшение времени внесения изменений
- Увеличение прозрачности принятия решений
- Автоматизация принятия решений
- Возможность повторного использования бизнес логики
Основные достоинства использования ILOG JRULES.
- Удобство работы с правилами
- Возможность создания правил и внесения изменений бизнес-специалистами без участия ИТ
- Возможность повторного использования и создания шаблонов бизнес-правил
- Централизованное хранение правил в едином хранилище
- Быстрое изменение правил
- Изменения правил, политик возможно за несколько дней, а не месяцев
- Возможность тестирования правил и проведения анализа «что-если».
- Обеспечение прозрачности и контроля
- Правила, заданные естественным языком могут быть проанализированы бизнес- пользователями
- Поддержка версий позволяет отслеживать все изменения в системе
Живой бизнес требует гибких, расширяемых систем, которые могут оперативно реагировать на изменения деловой конъюнктуры. Моделирование и выделение бизнес-правил - необходимая часть разработки такой среды. Моделирование обеспечивает проверку бизнес-правил на достоверность еще до создания системы.
Библиографическая ссылка
Жданова К.Д., Заскалько Е.В. СИСТЕМЫ УПРАВЛЕНИЯ БИЗНЕС-ПРАВИЛАМИ В УСЛОВИЯХ СОВРЕМЕННОГО БИЗНЕСА // Международный студенческий научный вестник. – 2015. – № 6. ;URL: https://eduherald.ru/ru/article/view?id=13424 (дата обращения: 21.12.2024).