УДК 303.094.3

Основные проблемы концепции агрегирования показателей

Сапогов Александр Александрович – аспирант Российского государственного социального университета.

Аннотация: В современных условиях существенно меняющихся экономических условий и показателей в коммерческой сфере руководителям и собственникам компаний важно иметь оперативный доступ к объективной экономической информации и аналитике. Задача разработки методов и алгоритмов предварительного анализа данных и их визуализация стала особенно актуальна с появлением больших данных и автоматизированных систем управления баз данных. При этом, предварительный анализ данных, основанный на понимании существа происходящих процессов, позволяет более качественно подходить к вопросу отбора данных и их источников для последующей работы с ними и постановки более глубокой аналитической задачи. Применяемые в данном контексте способы агрегирования показателей должны соответствовать их практической сфере применения и иметь понятную родовую концепцию, включающую условия и ограничения на их применение.

Ключевые слова: агрегирование, концепция, аналитика данных, оптимизация, управление системой, систематизация.

Систематизация и агрегирование данных стали ключевыми задачами в современном мире, особенно в области финансовой коммерческой информации. Однако, существует множество различных методик агрегирования данных, каждая из которых имеет свои недостатки и применимость в зависимости от характеристик данных, таких как однородность, последовательность и взаимосвязь между параметрами. Вместе с тем, несмотря на широкое применение как линейных, так и нелинейных способов агрегирования, отсутствует единая концепция теории агрегирования, описывающая область применения данных методов, условия их применения и их ограничения.

Так, под операцией агрегирования в широком смысле понимается укрупнение каких-либо показателей путем их объединения, слияния с применением математических методов с получением в результате обобщенных, рамочных, синтетических индикаторов, объединяющие в одном итоговом общем показателе изначальные частные. Например, индикатором привлекательности гостиницы для потребителя могут быть агрегированные в один показатель данные о ее расположении, уровне сервиса, дополнительных услугах и пр.

В тоже время, в маркетинге под агрегацией понимаются маркетинговые стратегии, ориентированные на универсальные потребности покупателей и направленные на расширение потребительской базы, предполагающие, что все потребители на данном рынке похожи друг на друга и/или имеют одинаковые потребности. В теории экономики под агрегированием понимается укрупнение экономических показателей посредством их объединения в группу [1]. Агрегированные показатели в статистике представляют обобщенные, синтетические измерители, объединяющие в одном общем показателе многие частные. Так, например, показатель объема сельскохозяйственного или промышленного производства в стране представляет суммарную величину объемов производства всех промышленных или сельхоз предприятий. 

Множество авторов считает «весьма плодотворными методы, основанные на сокращении объемов входной информации математических моделей реальных систем и процессов. Уменьшение входной информации о моделируемом объекте или системе объектов достигается методами, известными под названиями агрегирование, эквивалентирование, декомпозиция и ранжирование факторов». В тоже время отмечается , что «в настоящее время эти методы не формализованы до такой степени, чтобы можно было указать конкретные рецепты, приводящие к решению задачи, и требуют активного участия человека, моделирующего наблюдаемую систему». [2] 

Агрегирование является весьма сильным средством сокращения объема исходной информации, так как позволяет исследователю не только соизмерять значимость отдельных факторов, но и пренебрегать частью наблюдаемых факторов. В связи с этим весьма важно, как отмечается в литературе, сохранить присущие объекту или системе объектов качественные особенности, не утратив их в процессе агрегирования.

В международной финансовой практике «агрегирование — это процесс объединения статей активов, обязательств, собственного капитала, доходов или расходов, которые обладают общими характеристиками и относятся к одной и той же классификационной группе».[3] Агрегирование делает информацию более полезной, обобщая большие объемы данных. Однако агрегирование может также скрывать детали. Поэтому необходимо соблюдать баланс, чтобы большое количество несущественных деталей или чрезмерное агрегирование не мешали пониманию соответствующей информации.

Различные части финансовой отчетности могут требовать разной степени системности. Например, отчет о финансовом положении и отчет о финансовых результатах обычно представляют собой обобщенную информацию, а примечания - более подробную.

Понятие агрегирования близко по смыслу к понятию «обобщение понятий» как логической операции, при которой в результате нескольких логических цепочек, предполагающих исключение определенных признаков, образуется другое понятие, обладающее большей емкостью и более широким, но менее конкретным содержанием (наполнением), как форма преобразования знаний путем осмысленного перехода от узкого частного к широкому общему в абстрактных моделях мира, что обычно соответствует переходу на более высокий уровень абстракции. [4]

Агрегирование - преобразование многомерных моделей в модели принципиально иной размерности - является необходимым инструментом познания «сложных систем». Агрегирование в данном случае можно определить как установление и формулирование взаимосвязей для заданного набора (подмножества) элементов. [5] Любое сложное явление требует от исследователей его описания, обсуждения и анализа с разных сторон и измерений, с различных подходов и точек зрения. Только в результате совместного описания и совместного анализа можно охарактеризовать явление с необходимой и достаточной полнотой. Эти соображения дают представление о совокупности показателей, состоящей из качественно различных языков описания системы, со свойством, что число этих языков минимально необходимо для достижения поставленной цели выявления агрегата.

Ограничения агрегации данных и существующих подходов можно выделить следующим образом: при агрегации данных может быть потеряна часть информации, что может снизить точность анализа и прогнозов. Это особенно актуально, если исходные данные содержат много деталей и нюансов. Также традиционные методы агрегирования данных могут оказаться неэффективными при прогнозировании в быстро меняющейся или нестабильной среде. В таких случаях необходимы более гибкие и адаптивные методы агрегирования, способные реагировать на изменения данных и среды. Возможные пути решения этих проблем включают разработку новых методов агрегирования данных и задач, а также использование современных подходов, таких как машинное обучение и нейронные сети, для адаптивного агрегирования данных.

Действительно, применительно к работе по агрегированию показателей коммерческой деятельности эта работа является моделью «оптимизации системы управления», поскольку позволяет более эффективно (с точки зрения затрат времени) получать объективную информацию об управляемом объекте. Учитывая, что работе по агрегированию предшествует этап декомпозиции [6], методики агрегации данных в этом смысле должны подчиняться принципам оптимизационного моделирования и научным принципам исследования. В частности, решение таких задач требует разделения объектов рассмотрения, «удаления всего несущественного и уточнения всего существенного», чтобы можно было точно и количественно идентифицировать ситуацию и перевести эту идентификацию на математический язык, определение набора «метрик-показателей», характеризующих состояние системы и возможное управление данной системой; определение зависимостей между индикаторами состояния и управления; определение целеполагания через метрики системы в терминах рассматриваемой математической модели. 

Одним из сложных вопросов агрегированного описания сложных систем, базирующегося на введении в расчеты определенных параметров или индикаторов состояний их декомпозированных (разложенных на части) подсистем, является учет весовых коэффициентов. [7]

Исходя из вышеизложенного, методология агрегирования требует дальнейшего теоретического обоснования и совершенствования с целью ее объективного применения.

Список литературы

1. Райзберг Б. А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. — 5-е изд., перераб. и доп. — М.: ИНФРА-М, 2007. — 495 с. — (Б-ка словарей "ИНФРА-М").
2. Исследование систем теплоснабжения/Л.C. Попырин, К.С. Светлов, Г.М. Беляева и др. М.: Наука, 1989.
3. Концептуальные основы представления финансовых отчетов, [Электронный ресурс] https://minfin.gov.ru/ru/perfomance/accounting /mej_standart_fo/standard/kons_msfo?id_38=117374-kontseptualnye_osnovy_ predstavleniya_ finansovykh_otchetov, (дата обращения 18.09.2023 г.) 
4. Кондаков Н. И. Обобщение. Логический словарь-справочник, Изд. 2, М.:Наука, 1975, с. 395
5. Перегудов Ф.И., Тарасенко Ф.Л. Введение в системный анализ. – М.: ВШ, 1989, с. 295, 353.
6. Лэсдон Л. С. Оптимизация больших систем. – М.: Наука, 1975, с.14
7. Краснов А.Е. Агрегированное параметрическое описание состояний сложных систем на разных уровнях иерархии. Сборник трудов II Международной научно-практической конференции «Инновационные информационные технологии (I2T)» (Прага, 22-26 апреля, 2013). Том 2 «Инновационные информационные технологии в науке». – М.: МИЭМ НИУ ВШЭ. – 596 с. (C. 278-285).