Действующий

- тенденции и закономерности, включая периодичность, которые указывают на то, что может повлиять на будущее;

- корреляции, которые могут дать указания на возможные причинно-следственные отношения для дальнейшей проверки.

Ограничение и неопределенность, связанные с данными, следует выявлять и понимать.

Прошлые данные нельзя считать применимыми в будущем, но они могут дать указание лицам, принимающим решения, о том, что более или менее вероятно в будущем может произойти.

6.2.4 Разработка и применение моделей

Модель является приблизительным представлением реальности. Ее назначение состоит в том, чтобы преобразовать то, что может быть изначально сложной ситуацией, в более простые вещи, которые легче проанализировать. Модель можно использовать, чтобы помочь понять смысл данных и имитировать то, что может произойти на практике при разных условиях. Модель может быть физической, представленной в программном обеспечении или быть набором математических отношений.

Моделирование обычно включает следующие этапы:

- описание проблемы;

- описание цели построения модели и желаемых результатов;

- разработка концептуальной модели решения проблемы;

- создание физического, программного или математического представления концептуальной модели;

- разработка программного обеспечения или других инструментов для анализа поведения модели;

- обработка данных;

- проверка или калибровка модели путем анализа исходов для известных ситуаций;

- формирование выводов по результатам моделирования в отношении проблемы, существующей в реальном мире.

Каждый из этих этапов может включать в себя приближения, допущения и экспертные оценки и (если возможно) они должны быть проверены людьми, которые не связаны с разработчиками. Критические предположения в отношении доступной информации следует пересмотреть и оценить их достоверность.

Для достижения достоверных результатов при использовании моделей необходимо убедиться, что:

- концептуальная модель адекватно отражает оцениваемую ситуацию;

- модель используется для той области применения, для которой она была разработана;

- существует твердое понимание теории, лежащей в основе модели, и любых связанных вычислений;

- выбор параметров и математических представлений концепции является обоснованным;

- существует твердое понимание теории, лежащей в основе расчетов;

- входные данные являются точными и надежными или характер модели учитывает надежность используемых входных данных;

- модель работает по плану без внутренних ошибок или сбоев в работе;

- модель стабильна и не слишком чувствительна к небольшим изменениям в основных входах.

Этого можно достичь:

- проведением анализа чувствительности для проверки того, насколько чувствительна модель к изменениям входных параметров;

- стресс-тестированием модели с конкретными сценариями, часто экстремальными;

- сравнением результатов с прошлыми данными (за исключением тех данных, на которых модель была разработана);

- проверкой того, что полученные результаты являются подобными, когда модель используется разными людьми;

- сопоставление выходов модели с фактическими результатами.

Должна быть сохранена полная документация по модели, теориям и предположениям, на которых она основана, достаточная для проверки модели.

6.2.5 Меры предосторожности при использовании программ для анализа

Программное обеспечение может использоваться для представления и организации данных или для их анализа. Программы для анализа часто предоставляют упрощенный пользовательский интерфейс и быстрый вывод данных, что может приводить к недопустимым результатам, которые незаметны для пользователя. Недействительные результаты могут возникнуть из-за:

- недостатка в алгоритмах, используемых для представления ситуации;

- допущений, сделанных при разработке и использовании модели, лежащей в основе программного обеспечения;

- ошибок ввода данных;

- проблем с преобразованием данных при использовании нового программного обеспечения;

- недостаточной интерпретации результатов.

Коммерческое программное обеспечение часто является черным ящиком (коммерческая тайна) и может содержать любую из этих ошибок.

Новое программное обеспечение должно быть проверено с использованием простой модели с входами, имеющими известный выход, прежде чем перейти к тестированию более сложных моделей. Результаты тестирования должны быть сохранены для использования в будущих версиях обновлений программы или для новых программ анализа данных.

Ошибки в построенной модели можно проверить, увеличивая или уменьшая входные параметры, чтобы определить, изменяются ли выходные параметры, как это от них ожидается. Это может быть применено к каждому из различных входных параметров. Ошибки входных данных часто идентифицируются при изменении входных данных. Этот подход также предоставляет информацию о чувствительности модели к изменениям данных.

Хорошее понимание математики, относящейся к конкретному анализу, позволяет избегать ошибочных выводов. Вероятно, не только указанные выше ошибки, но и выбор конкретной программы может оказаться неприемлемым. Легко отслеживать работу программы и считать, что ответ будет правильным. Необходимо собрать доказательства, чтобы проверить, что результаты являются обоснованными.

6.3 Применение технологий оценки риска

6.3.1 Обзор

Технологии, описанные в приложениях А и Б, используются для рассмотрения риска в процессе принятия решений, в которых существует неопределенность, включая решения о том, следует ли и как снижать риск. Технологии оценки могут использоваться, когда:

- риск идентифицируется;

- определяются источники и факторы риска, уровень воздействия на них;

- исследуется общая эффективность управления и оценивается эффект предлагаемых методов обработки риска;

- исследуются последствия, вероятность и риск;

Форма поиска

6.3 Применение технологий оценки риска