Разработка Информационной Системы Поддержки Принятия Решений: Строгая Методология, Валидация Моделей и Импортозамещающая Реализация

1. Введение

В условиях возрастающей сложности управленческих задач, высокой динамики внешней среды и необходимости обработки колоссальных объемов данных, традиционные методы принятия решений (ПР), основанные исключительно на интуиции и опыте лица, принимающего решение (ЛПР), демонстрируют свою ограниченность. Сегодня эффективность управления напрямую зависит от способности организации быстро и объективно анализировать информацию. Решением этой задачи является разработка Информационных Систем Поддержки Принятия Решений (ИСППР, англ. Decision Support Systems, DSS).

Актуальность работы обусловлена необходимостью создания инструментария, который не только автоматизирует рутинные операции, но и предлагает ЛПР научно обоснованные, многокритериальные варианты действий, минимизируя субъективность и повышая качество решений. В контексте современных требований к цифровому суверенитету Российской Федерации, критически важным становится применение методологий, обеспечивающих надежность системы, а также использование отечественных программных и аппаратных средств.

Цель данной работы — разработка теоретико-методологических основ и практического подхода к созданию ИСППР для конкретной управленческой или классификационной задачи (например, аттестация персонала/студентов), включая строгую формализацию, обоснование выбора математического ядра и архитектурные решения в условиях импортозамещения.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Определить концептуальные основы и провести строгую формализацию задачи принятия решения.
2. Обосновать выбор методологии жизненного цикла, ориентированной на управление рисками.
3. Провести сравнительный анализ и детализировать математические модели ядра, установив критерии их академической валидности.
4. Спроектировать архитектуру хранения данных и выбрать инструментарий с учетом политики импортозамещения.
5. Разработать комплексный подход к оценке эффективности и надежности системы, включающий анализ совокупной стоимости владения.

Объектом исследования выступает процесс принятия решений в выбранной предметной области. Предметом исследования является методология проектирования и разработки ИСППР, включающая математический аппарат и информационное обеспечение.

2. Теоретико-методологические основы и системный анализ ИСППР

2.1. Концептуальный аппарат ИСППР и классификация

Системный анализ любой информационной системы начинается с четкого определения ее роли и функций.

Информационная Система Поддержки Принятия Решений (ИСППР/DSS) — это компьютерная автоматизированная система, предназначенная для помощи ЛПР в сложных, полуструктурированных или неструктурированных задачах принятия решений. Ее целью является предоставление средств для комплексного анализа предметной деятельности, моделирования ситуаций и выработки обоснованных альтернатив.

ИСППР, в отличие от традиционных транзакционных систем, акцентируется на анализе и прогнозировании, а не на обработке, что критически важно для стратегического и тактического управления.

Современная прикладная ИСППР представляет собой комплекс взаимосвязанных подсистем:

• Информационная подсистема: Управление данными (СУБД, хранилище данных) для сбора и обеспечения доступа к релевантной ретроспективной информации.
• Моделирующая подсистема: Содержит набор математических, статистических и оптимизационных моделей, используемых для анализа сценариев и прогнозирования результатов.
• Аналитическая подсистема: Включает инструментарий для OLAP-анализа, статистической обработки и формирования аналитических отчетов.
• Интеллектуальная (экспертная) подсистема: Может содержать экспертные системы, нейронные сети или базы знаний для обработки нечетких данных и предоставления рекомендаций, основанных на знаниях.
• Оценивающая подсистема: Отвечает за сопоставление результатов моделирования с заданными критериями и оценку потенциальных последствий выбранных альтернатив.

Классификация ИСППР по степени участия ЛПР имеет решающее значение для проектирования интерфейса и математического ядра системы:

• Интерактивные ИСППР: Система предоставляет инструменты, а ЛПР самостоятельно вводит данные, строит модели и интерпретирует результаты, принимая окончательное решение (например, аналитические дашборды).
• Квази-автоматические ИСППР: Система генерирует несколько ранжированных вариантов решений, но финальное одобрение или отклонение остается за ЛПР.
• Полностью автоматические ИСППР: Система принимает решение самостоятельно на основе заданных правил и пороговых значений (характерно для систем реального времени, например, в сфере финансового трейдинга или управления производственными процессами).

2.2. Строгая формализация задачи принятия решения (ЗПР)

Любое проектирование ИСППР начинается с точной формализации задачи, которую она должна решать. Формализованная задача принятия решений (ЗПР) является основой для разработки математической модели и описывается как строгий кортеж, который задает все необходимые элементы для выбора оптимальной альтернативы.

Строгая формализация ЗПР описывается кортежем:

<L, A, K, X, F, G, D, T, A*>

Где:

• L — Лицо (лица), принимающее решение (ЛПР).
• A — Множество альтернативных вариантов действий или решений ($A = \{a_{1}, a_{2}, …, a_{n}\}$).
• K — Множество критериев выбора ($K = \{k_{1}, k_{2}, …, k_{m}\}$), по которым оцениваются альтернативы.
• X — Множество возможных состояний внешней среды (контекст).
• F — Множество функций, описывающих последствия выбора альтернативы $a_{i}$ при состоянии среды $x_{j}$.
• G — Целевая функция или функция полезности, отражающая предпочтения ЛПР и агрегирующая оценки по критериям.
• D — Решающее правило (алгоритм или метод), которое позволяет выбрать оптимальный вариант.
• T — Требования и ограничения, накладываемые на решение (например, бюджет, сроки, нормативные акты).
• A* — Искомое оптимальное решение, являющееся подмножеством $A$.

Классификация задач по условиям:

Выбор решающего правила D напрямую зависит от условий, в которых осуществляется ПР. Недооценка этого фактора приводит к неверному выбору математического инструментария.

Классификация ЗПР	Характеристика условий	Выбор решающего правила D
Определенности	Последствия каждой альтернативы известны заранее и однозначны.	Детерминированные модели, методы оптимизации (линейное/нелинейное программирование).
Риска	Вероятности наступления каждого состояния среды X известны или могут быть оценены (например, на основе статистики).	Методы теории игр, построение деревьев решений с оценкой математического ожидания выигрыша.
Неопределенности	Вероятности наступления состояний среды X неизвестны, невозможно предсказать их распределение.	Принципы ЛПР (например, критерии Вальда, Сэвиджа, Лапласа), использование методов нечеткой логики.
Конфликта	Решение зависит от действий противоборствующей стороны (наличие активного оппонента).	Методы теории игр.

Для задач, таких как аттестация персонала, где критерии часто являются субъективными (компетентность, лидерские качества) и требуют весовых оценок, характерны условия неопределенности или риска. Это предопределяет использование многокритериальных моделей, способных обрабатывать субъективные и лингвистические переменные.

3. Методология жизненного цикла и управление рисками разработки ИСППР

3.1. Обзор моделей жизненного цикла разработки (Waterfall, Agile, Инкрементная)

Выбор методологии жизненного цикла разработки (Software Development Life Cycle, SDLC) для ИСППР имеет решающее значение, поскольку ошибки на ранних этапах анализа требований могут привести к созданию системы, не отвечающей реальным потребностям ЛПР. Как избежать ситуации, когда уже разработанная, но неадекватная система требует полной переработки?

Классический каскадный процесс (Waterfall Model)

Эта модель подразумевает строго последовательное прохождение стадий:

1. Определение требований (анализ).
2. Проектирование.
3. Конструирование (реализация/кодирование).
4. Тестирование и отладка (верификация).
5. Инсталляция (внедрение).
6. Поддержка (эксплуатация).

Преимущества: Легкость управления, четко определенные сроки и бюджет, высокая структурированность. Недостатки: Крайняя негибкость и устойчивость к изменениям. Для ИСППР, где требования к аналитическим возможностям часто меняются в процессе эксплуатации, это является критическим минусом.

Гибкая методология (Agile)

Agile основана на итеративной и инкрементной разработке с фокусом на коротких циклах (спринтах). Заказчик активно участвует в процессе, получая работающий фрагмент продукта после каждой итерации.

Преимущества: Максимальная гибкость и адаптивность к меняющимся требованиям, быстрая обратная связь. Недостатки: Усложняет оценку трудозатрат и стоимости на старте проекта, требует высокой степени вовлеченности заказчика и стабильности команды.

Инкрементная модель

Эта модель делит систему на модули или сборки (инкременты), каждый из которых проходит полный цикл Waterfall. Инкременты собираются в конечный продукт. Модель обеспечивает постепенное наращивание функционала.

Для разработки ИСППР, особенно интеллектуальных систем, которые работают в турбулентной внешней среде и требуют постоянной доработки аналитического ядра, чисто каскадные методы неприменимы. Однако полная неструктурированность Agile может быть избыточной для академического проекта. Необходим гибридный подход.

3.2. Применение Спиральной модели для разработки ИСППР

Оптимальным выбором для разработки сложной ИСППР, сочетающей жесткие требования к математическому ядру и гибкость к изменениям требований ЛПР, является Спиральная модель (Spiral Model), предложенная Барри Боэмом (1986 г.).

Спиральная модель является комбинацией итеративного и каскадного подходов, но ее центральным элементом является управление рисками. Каждый виток спирали представляет собой этап жизненного цикла, который проходит четыре ключевые фазы:

1. Определение целей: Установление целей и ограничений для текущей итерации, определение требований.
2. Оценка и разрешение рисков: Это ключевая фаза. Проводятся идентификация потенциальных рисков (например, неточность данных, несовместимость математической модели с реальными процессами, изменение требований ЛПР) и разработка мероприятий по их минимизации. Прототипирование используется для разрешения рисков.
3. Разработка и тестирование: Проектирование, кодирование и тестирование инкремента системы.
4. Планирование следующей итерации: Оценка результатов текущего витка и планирование следующего цикла, который будет направлен на углубление функционала или устранение новых рисков.

Обоснование выбора для ИСППР:

ИСППР по своей природе содержит высокие риски, связанные с валидностью математических моделей и неопределенностью требований к аналитике. Спиральная модель позволяет:

• На ранних этапах создавать прототипы (например, прототип ядра принятия решений), чтобы проверить его работоспособность и согласованность с ЛПР, минимизируя риск неадекватности модели.
• Гибко реагировать на уточнение критериев и альтернатив в процессе формализации ЗПР.
• Контролировать технические риски, связанные с интеграцией данных из различных источников.

Таким образом, фокус на фазах оценки и разрешения рисков делает Спиральную модель наиболее адекватной для разработки ИСППР, где цена ошибки в принятии решения может быть чрезвычайно высока.

4. Проектирование математического ядра и критерии валидности моделей

4.1. Сравнительный анализ моделей для ядра принятия решений

Ядро ИСППР — это моделирующая подсистема, которая содержит математический аппарат для обработки входных данных и выработки рекомендаций. Выбор метода зависит от степени формализованности задачи, наличия экспертных знаний и объема доступных данных.

Метод	Применимость	Преимущества	Недостатки
Метод Анализа Иерархий (МАИ / AHP)	Многокритериальные задачи, требующие структурирования целей и критериев; основан на экспертных суждениях.	Строгая иерархическая структура, математически обоснован, позволяет проверять согласованность суждений экспертов.	Субъективность парных сравнений; трудоемок при большом количестве альтернатив/критериев.
Методы Нечеткой Логики	Слабоформализованные задачи, оперирующие неточными, вербальными данными (например, "высокий риск", "средняя компетентность").	Позволяет формализовать лингвистические переменные и субъективные оценки; гибок.	Сложность настройки функций принадлежности; отсутствие строгой процедуры проверки согласованности.
Нейронные Сети (НС)	Задачи классификации и прогнозирования, требующие обучения на больших объемах данных.	Высокая точность при наличии репрезентативной обучающей выборки; автоматическое выявление скрытых закономерностей.	Требует больших объемов исторических данных; "Черный ящик" — трудность в интерпретации полученного решения.

Для задачи, где требуется учесть весовые коэффициенты критериев, основанные на субъективных оценках ЛПР (например, при аттестации, где оцениваются не только количественные, но и качественные показатели), наиболее подходящим и академически строгим является Метод Анализа Иерархий (МАИ) Т. Саати.

4.2. Детализация выбранного метода и критерии согласованности

Метод Анализа Иерархий (МАИ) представляет собой общую теорию измерения, позволяющую выводить шкалы отношений из парных сравнений.

Процедура МАИ включает:

1. Построение иерархии: Разложение сложной проблемы на иерархическую структуру (цель $\to$ критерии $\to$ подкритерии $\to$ альтернативы).
2. Парные сравнения: ЛПР осуществляет попарное сравнение элементов на каждом уровне иерархии относительно элемента вышестоящего уровня. Для этого используется фундаментальная шкала Саати (от 1 — равное значение, до 9 — абсолютное превосходство). Результатом является матрица парных сравнений $A = [a_{ij}]$.
3. Определение весов: Расчет векторов приоритетов (весов) критериев (или альтернатив) путем нахождения собственного вектора матрицы парных сравнений.
4. Проверка согласованности: Оценка логической согласованности суждений ЛПР.

Критерий академической валидности: Отношение Согласованности (CR)

Поскольку парные сравнения основаны на субъективных суждениях, они могут быть не вполне логичными. Например, если критерий А важнее В, а В важнее С, то логично, что А должен быть важнее С. Незначительные отклонения допустимы, но значительные требуют пересмотра оценок.

Для проверки согласованности рассчитывается Индекс Согласованности (ИС), а затем Отношение Согласованности (ОС), или Consistency Ratio (CR).

1. Индекс Согласованности (ИС):

ИС = (λmax - n) / (n - 1)

где $\lambda_{\max}$ — максимальное собственное число матрицы парных сравнений; $n$ — размерность матрицы.

2. Отношение Согласованности (ОС/CR):

ОС = ИС / СИ

где СИ — Случайный Индекс (Random Index, RI), который зависит от размерности $n$ и берется из таблиц Саати.

Требование валидности: Матрица парных сравнений считается согласованной (т.е. суждения ЛПР логически непротиворечивы), если рассчитанное Отношение Согласованности (ОС) не превышает критического порога:

CR ≤ 0,10

Если $CR > 0,10$, эксперт (ЛПР) обязан пересмотреть свои оценки, что обеспечивает академическую строгость и объективность ядра принятия решений. И что из этого следует? Строгое соблюдение этого порога является ключевым фактором для обеспечения доверия к результатам ИСППР и минимизации риска принятия неверных, внутренне противоречивых решений.

4.3. Пример формализации задачи для выбранной предметной области

Рассмотрим пример формализации задачи аттестации персонала (ЗПР).

1. Иерархия: Цель — Выбор кандидата для повышения. Критерии: Опыт (К1), Компетентность (К2), Лидерство (К3). Альтернативы: Кандидат А, Кандидат Б, Кандидат В.

2. Множества (Кортеж ЗПР):

• $L$: Руководитель отдела HR.
• $A$: {Кандидат А, Кандидат Б, Кандидат В}.
• $K$: {Опыт (К1), Компетентность (К2), Лидерство (К3)}.
• $D$: Метод Анализа Иерархий (МАИ).

3. Матрица парных сравнений критериев (гипотетический пример):

ЛПР сравнивает критерии по степени важности (например, Компетентность в 3 раза важнее Опыта).

Критерий	К1 (Опыт)	К2 (Компетентность)	К3 (Лидерство)
К1 (Опыт)	1	1/3	4
К2 (Компетентность)	3	1	5
К3 (Лидерство)	1/4	1/5	1

4. Итоговые веса и решение:

После расчета собственного вектора и проверки CR:

• К1 (Опыт): 15%
• К2 (Компетентность): 65%
• К3 (Лидерство): 20%

Ядро ИСППР далее использует эти веса для оценки каждой альтернативы по каждому критерию, агрегирует результаты и ранжирует кандидатов, выдавая $A^*$ (например, Кандидат Б).

5. Архитектура хранения данных и инструментарий в условиях импортозамещения

5.1. Архитектура хранения данных и OLAP-анализ

Для выполнения аналитических и моделирующих функций ИСППР, требующих обработки больших объемов исторических данных, необходимо специализированное хранение. Традиционные операционные базы данных (OLTP) не подходят для этой цели, поскольку они оптимизированы для быстрых транзакций, а не для сложных аналитических запросов.

Для ИСППР требуется Хранилище Данных (Data Warehouse). Оно представляет собой предметно-ориентированную, интегрированную, неизменчивую и зависящую от времени коллекцию данных, предназначенную для поддержки принятия решений.

Логическая структура хранилища данных, используемая для выполнения многомерных аналитических запросов (OLAP), обычно строится на следующих схемах:

1. Схема «Звезда» (Star Schema): Центральная таблица фактов (содержащая метрики, например, оценки аттестации) напрямую связана с денормализованными таблицами измерений (например, время, сотрудник, подразделение).
   • Преимущества: Простота реализации и понимания; высокая производительность запросов благодаря минимизации операций соединения (join).
   • Недостатки: Избыточность данных в таблицах измерений.
2. Схема «Снежинка» (Snowflake Schema): Таблицы измерений нормализованы, то есть разбиты на дополнительные связанные таблицы, что создает иерархическую структуру.
   • Преимущества: Снижение избыточности данных, экономия места.
   • Недостатки: Усложнение структуры запросов; снижение производительности из-за необходимости выполнения большего количества соединений.

В контексте ИСППР, где приоритетом является скорость аналитических запросов и простота поддержки, более предпочтительной является Схема «Звезда». Она обеспечивает более высокую производительность для выполнения типовых OLAP-операций (срез, прокрутка, детализация, консолидация), необходимых для построения аналитических дашбордов.

5.2. Обоснование выбора инструментария (Postgres Pro)

При выборе инструментария для реализации ИСППР в Российской Федерации критически важным становится учет политики импортозамещения и требований информационной безопасности.

Традиционные проприетарные СУБД, такие как Microsoft SQL Server и Oracle Database, имеют высокие лицензионные затраты и не всегда соответствуют требованиям к безопасности государственных и стратегически важных корпоративных систем.

В качестве альтернативы необходимо выбрать российскую сертифицированную СУБД. На базе открытого и надежного решения PostgreSQL разработана отечественная СУБД Postgres Pro.

Критерий выбора	Проприетарные СУБД (MS SQL/Oracle)	Отечественная альтернатива (Postgres Pro)	Обоснование
Лицензирование	Высокая стоимость; зависимость от зарубежных поставщиков.	Открытый код (PostgreSQL) + российская поддержка/сертификация.	Снижение TCO, обеспечение технологического суверенитета.
Безопасность и сертификация	Требует дополнительных процедур проверки.	Включена в Единый реестр российского ПО; соответствует требованиям ФСТЭК по защите информации.	Соответствие государственным стандартам безопасности данных, критически важно для чувствительных данных (например, аттестация персонала).
Функциональность	Полный набор функций.	Полный функционал, высокая надежность, поддержка расширений (например, PostGIS, TimescaleDB).	Обеспечение необходимого уровня надежности и масштабируемости для работы с хранилищем данных.

Таким образом, для реализации серверной части ИСППР, включая хранилище данных и работу с математическим ядром, Postgres Pro является обоснованным выбором, сочетающим надежность открытых технологий и соответствие нормативным требованиям РФ.

5.3. Проектирование пользовательского интерфейса (UI)

Пользовательский интерфейс (UI) ИСППР должен быть спроектирован с учетом потребностей ЛПР, который обычно не является ИТ-специалистом. Интерфейс должен быть интуитивно понятным, интерактивным и ориентированным на визуализацию. Отсюда следует, что дизайн ИСППР должен быть не просто красивым, но максимально функциональным, позволяющим ЛПР быстро оперировать сложными аналитическими данными.

Ключевые принципы проектирования UI ИСППР:

1. Интерактивность: Обеспечение возможности быстрого изменения входных параметров (критериев, весов, ограничений) для проведения сценарного анализа ("What-If" анализ).
2. Визуализация результатов: Предоставление результатов работы ядра не в виде числовых таблиц, а в графическом виде, что упрощает их интерпретацию и сравнение альтернатив.
3. Использование дашбордов: Дашборды (Dashboard) являются обязательным элементом современного аналитического UI. Они представляют собой единое окно, содержащее ключевые показатели эффективности (KPI) и графики, позволяющие ЛПР с первого взгляда оценить текущую ситуацию, сравнить варианты решений и отслеживать динамику.

Например, дашборд аттестации должен включать:

• Сводный график ранжирования кандидатов по интегральному показателю.
• Диаграммы распределения весов критериев (К1, К2, К3).
• Гистограммы, показывающие отклонение оценки кандидата от среднего значения по группе.

Такой подход позволяет ЛПР не просто получить готовый ответ, но и понять логику его формирования, что повышает доверие к системе и эффективность ее использования.

6. Оценка эффективности, надежности и валидности ИСППР

6.1. Анализ совокупной стоимости владения (TCO)

Оценка эффективности внедрения ИСППР является многоаспектной задачей, поскольку преимущества DSS часто носят непрямой характер (улучшение качества решений, сокращение времени анализа). Для финансового обоснования проекта применяется анализ Совокупной Стоимости Владения (Total Cost of Ownership, TCO).

TCO позволяет оценить все затраты, связанные с системой на протяжении всего ее жизненного цикла, а не только первоначальные инвестиции. Затраты делятся на три ключевые группы:

1. Первоначальные капитальные затраты (CAPEX):

• Приобретение или разработка программного обеспечения (лицензии, оплата труда разработчиков).
• Приобретение аппаратного обеспечения (серверы, рабочие станции).
• Стоимость внедрения, интеграции с существующими системами.
• Первоначальное обучение персонала.

2. Текущие эксплуатационные расходы (OPEX):

• Затраты на администрирование системы (системные администраторы, аналитики).
• Техническая поддержка и сопровождение (обновление, патчинг).
• Оплата лицензий и подписки (если применимо, для сторонних сервисов).
• Затраты на электроэнергию и обслуживание серверного оборудования.

3. Косвенные/Скрытые затраты:

• Потери производительности из-за простоев: Время, в течение которого система не работает или работает некорректно.
• Затраты на управление изменениями: Необходимость переобучения персонала или реинжиниринга бизнес-процессов из-за внедрения ИСППР.
• Риски неиспользования функционала: Затраты на покупку или разработку функций, которые не используются ЛПР.

Детальный расчет TCO, который включает оценку скрытых затрат (например, на основе анализа рисков, проведенного в Спиральной модели), дает более реалистичную картину экономической целесообразности ИСППР, чем упрощенный расчет чистого приведенного дохода (NPV) или периода окупаемости (PP).

6.2. Оценка надежности и стратегическая валидность

Помимо финансовой эффективности, критическое значение имеет стратегическая валидность и надежность ИСППР.

Надежность (Resilience)

В контексте информационных систем, надежность (resilience) характеризует способность системы обеспечивать устойчивость к кризисным ситуациям, быстро восстанавливаться после сбоев и сохранять функциональность при изменении внешних условий. При выборе СУБД Postgres Pro, сертифицированной ФСТЭК, повышается уровень надежности данных и снижается риск несанкционированного доступа, что критически важно для стратегического планирования.

Стратегическая валидность (Концепция PMS)

Современные системы оценки эффективности деятельности (Performance Measurement Systems, PMS) требуют сочетания финансовых и нефинансовых показателей. Наиболее эффективным подходом является использование концепции Сбалансированной системы показателей (Balanced Scorecard, BSC), которая оценивает ИСППР по четырем перспективам:

1. Финансовая: Традиционные показатели (ROI, NPV, TCO).
2. Клиентская (ЛПР): Удовлетворенность пользователя, сокращение времени на принятие решения.
3. Внутренние бизнес-процессы: Сокращение количества ошибок в решениях, улучшение качества планирования.
4. Обучение и развитие: Повышение квалификации персонала, связанного с использованием системы, рост способности организации к адаптации.

Оценка валидности решений, полученных с помощью ИСППР, включает:

• Техническая валидность: Проверка корректности работы алгоритмов (например, соблюдение условия CR ≤ 0,10 в МАИ).
• Операционная валидность: Соответствие результатов системы реальным управленческим процессам.
• Прогностическая валидность: Проверка точности прогнозов, сделанных системой, на исторических данных или в реальном времени.

Только комплексная оценка, включающая финансовый анализ TCO и стратегический анализ надежности и валидности, позволяет полноценно судить об эффективности разработанной ИСППР.

7. Заключение

В рамках данной работы были разработаны теоретико-методологические основы и практический подход к созданию Информационной Системы Поддержки Принятия Решений, полностью соответствующей требованиям академического исследования и актуальным технологическим вызовам.

Ключевые результаты и выводы:

1. Строгая Формализация ЗПР: Была представлена строгая формализация задачи принятия решения в виде кортежа <L, A, K, X, F, G, D, T, A*>, что является необходимым условием для построения адекватной математической модели, учитывающей условия определенности, риска или неопределенности.
2. Методология, ориентированная на риски: Для разработки ИСППР обоснован выбор Спиральной модели жизненного цикла. Акцент на фазах оценки и разрешения рисков позволяет минимизировать критические угрозы, связанные с неадекватностью требований и сложностью аналитического ядра.
3. Валидация Математического Ядра: В качестве ключевого метода для решения многокритериальных задач выбран Метод Анализа Иерархий (МАИ). Установлен строгий критерий академической валидности экспертных суждений: Отношение Согласованности (CR) должно быть не более 0,10. Это обеспечивает объективность и непротиворечивость результатов, генерируемых системой.
4. Архитектурное решение в контексте Импортозамещения: Для хранения аналитических данных рекомендовано использование Хранилища Данных на основе схемы «Звезда» для обеспечения производительности OLAP-запросов. Выбор СУБД Postgres Pro обоснован ее включением в Единый реестр российского ПО и соответствием требованиям ФСТЭК, что критически важно для обеспечения безопасности и технологического суверенитета.
5. Комплексная Оценка Эффективности: Предложен комплексный подход к оценке, который выходит за рамки простых финансовых метрик. Он включает детализированный анализ Совокупной Стоимости Владения (TCO), с учетом скрытых затрат, а также оценку стратегической надежности (Resilience) системы и ее валидности по методологии Сбалансированной системы показателей.

Разработанный подход представляет собой законченную методологическую базу для проектирования и реализации ИСППР, готовой к внедрению в условиях современной российской ИТ-инфраструктуры.

Список использованной литературы

1. SPBSTU.RU [Электронный ресурс]. URL: http://spbstu.ru (дата обращения: 31.10.2025).
2. KPFU.RU [Электронный ресурс]. URL: http://kpfu.ru (дата обращения: 31.10.2025).
3. BNTU.BY [Электронный ресурс]. URL: http://bntu.by (дата обращения: 31.10.2025).
4. MOLUCH.RU [Электронный ресурс]. URL: http://moluch.ru (дата обращения: 31.10.2025).
5. NAROD.RU [Электронный ресурс]. URL: http://narod.ru (дата обращения: 31.10.2025).
6. TPU.RU [Электронный ресурс]. URL: http://tpu.ru (дата обращения: 31.10.2025).
7. CYBERLENINKA.RU [Электронный ресурс]. URL: http://cyberleninka.ru (дата обращения: 31.10.2025).
8. SPCRAS.RU [Электронный ресурс]. URL: http://spcras.ru (дата обращения: 31.10.2025).
9. DONNTU.DP.UA [Электронный ресурс]. URL: http://donntu.dp.ua (дата обращения: 31.10.2025).
10. CLEVERICS.RU [Электронный ресурс]. URL: http://cleverics.ru (дата обращения: 31.10.2025).
11. WORKSECTION.COM [Электронный ресурс]. URL: http://worksection.com (дата обращения: 31.10.2025).
12. HABR.COM [Электронный ресурс]. URL: http://habr.com (дата обращения: 31.10.2025).
13. NSC.RU [Электронный ресурс]. URL: http://nsc.ru (дата обращения: 31.10.2025).
14. RESEARCHGATE.NET [Электронный ресурс]. URL: http://researchgate.net (дата обращения: 31.10.2025).
15. XN—80AAI1DK.XN—P1AI [Электронный ресурс]. URL: http://xn--80aai1dk.xn--p1ai (дата обращения: 31.10.2025).
16. SV-JOURNAL.ORG [Электронный ресурс]. URL: http://sv-journal.org (дата обращения: 31.10.2025).
17. TECHLIBRARY.RU [Электронный ресурс]. URL: http://techlibrary.ru (дата обращения: 31.10.2025).
18. SCIENCE-EDUCATION.RU [Электронный ресурс]. URL: http://science-education.ru (дата обращения: 31.10.2025).
19. RESEARCH-JOURNAL.ORG [Электронный ресурс]. URL: http://research-journal.org (дата обращения: 31.10.2025).
20. FA.RU [Электронный ресурс]. URL: http://fa.ru (дата обращения: 31.10.2025).
21. SFEDU.RU [Электронный ресурс]. URL: http://sfedu.ru (дата обращения: 31.10.2025).
22. DSTU.DP.UA [Электронный ресурс]. URL: http://dstu.dp.ua (дата обращения: 31.10.2025).
23. VSU.RU [Электронный ресурс]. URL: http://vsu.ru (дата обращения: 31.10.2025).
24. SPBU.RU [Электронный ресурс]. URL: http://spbu.ru (дата обращения: 31.10.2025).
25. ASTERA.COM [Электронный ресурс]. URL: http://astera.com (дата обращения: 31.10.2025).
26. LOGINOM.RU [Электронный ресурс]. URL: http://loginom.ru (дата обращения: 31.10.2025).
27. STUDFILE.NET [Электронный ресурс]. URL: http://studfile.net (дата обращения: 31.10.2025).