DESIGN AND IMPLEMENTATION OF INTEGRATED INFORMATION SYSTEM FOR MINISTRY OF EMERGENCY SITUATIONS OF RUSSIA
Abstract and keywords
Abstract (English):
This article describes some of the features and useful experience of the project on development of the information system for the Ministry of the Russian Federation for Civil Defense, Emergencies and Elimination of Consequences of Natural Disasters (EMERCOM of Russia), which was attended by the representatives of the real IT sector and scientific environment. One of the main problems is the integration of data from geographically remote offices of Ministry of Emergency Situations, which led to the creation of a specially designed multi-level database (DB) for the information system. We also describe our experience concerning the regulatory aspects, security of personal data, the development of the overall system architecture, which allows work effectively and submit reports timely to management, etc. The aspects related to the design of interaction is especially highlighted, as the system is used by several diverse target users - from senior management to ordinary inspectors and citizens. The approaches to the analysis of big data accumulated in the system, based on OLAP-technologies and Data mining are presented. The examples of the implementation of the system operational OLAP-reports are considered.

Keywords:
information system, distributed databases, software engineering, big data, OLAP-technology
Text
Введение В последние годы руководство России уделяло особое внимание развитию проекта «Электронное правительство», и это, судя по всему, приносит свои плоды. В течение 10 лет индекс ООН, характеризующий развитие электронного правительства (The UN E-Government Development Index - EGDI), для России увеличился с 0,433 в 2003 г. до 0,735 в 2012 г., причём наша страна в настоящее время занимает самую высокую позицию в Восточной Европе, показав рост на 32 позиции с 2010 г. [1]. Как известно, EGDI состоит из трёх основных компонентов: индекс онлайн-услуг, индекс телекоммуникаций и индекс человеческого капитала. Российские показатели для первых двух индексов существенно превышают среднемировой уровень. Это является хорошим результатом, учитывая понятные проблемы с развитием инфраструктуры в условиях такой обширной территории, как Россия. Однако индекс человеческого капитала не демонстрирует столь впечатляющего преимущества, превышая среднемировое значение только на 23 %. Косвенный показатель готовности любой страны к внедрению электронного правительства - это также степень так называемого «цифрового разрыва», когда для некоторых категорий граждан вероятность использования современных информационно-коммуникационных технологий (ИКТ) и получения от этого соответствующих выгод является существенно более низкой. Часто отмечается (см., например, [2]), что для более-менее развитых стран соответствующие барьеры лежат не в экономической сфере, а возникают, скорее, вследствие неосведомлённости граждан относительно возможностей, предоставляемых ИКТ, и субъективных представлений о чрезмерной сложности электронных услуг. Действительно, важнейшим условием для успеха системы электронного правительства являются её доступность и удобство использования для всех категорий граждан. Отметим, что в 2008 г., когда EGDI только появился, он уже включал в себя такие показатели, как доступность и удобство. В России, однако, количество нормативных документов, касающихся аспектов удобства взаимодействия пользователей системы электронного правительства, в настоящее время измеряется единицами: это Приказ № 470 Минэкономразвития РФ «О Требованиях к технологическим, программным и лингвистическим средствам обеспечения пользования официальными сайтами федеральных органов исполнительной власти» и Федеральный закон от 09.02.2009 8-ФЗ «Об обеспечении доступа к информации о деятельности государственных органов и органов местного самоуправления». Отметим, что ситуация в странах, где данная система более развита, является принципиально иной [3]. Ниже описан опыт разработки информационной системы для органов надзорной деятельности МЧС России, планируемой как сегмент электронного правительства. Команда разработчиков включает как профессиональных ИТ-специалистов Центра управления в кризисных ситуациях ГУ МЧС России по Новосибирской области, так и представителей академической среды из Новосибирского государственного технического университета. При создании проекта системы учитывался опыт Всесоюзного научно-исследовательского института гражданской обороны и чрезвычайных ситуаций МЧС России (ВНИИГОиЧС) и Всесоюзного научно-исследовательского института пожарной охраны МЧС России (ВНИИПО), которые по заказу Департамента надзорной деятельности и профилактической работы (ДНДПР) МЧС России, в рамках опытно-конструкторской работы, разработали опытный образец системы сбора и анализа данных о состоянии пожарной безопасности и результатов надзорной деятельности объектов защиты на территории Российской Федерации, в том числе автоматизированных баз данных о состоянии пожарной безопасности объектов социальной защиты и здравоохранения. Мы особо выделяем некоторые из проектных решений и стадий разработки, а также предлагаем применять алгоритмы интеллектуального анализа «больших данных», накапливаемых в системе, для повышения объективности и эффективности принятия решений. Проектирование информационной системы Обеспечение безопасности жизнедеятельности населения, территорий и объектов экономики находится в прямой зависимости от уровня организации и осуществления органами надзорной деятельности (ОНД) МЧС России предупредительных мер и контролирующих мероприятий, входящих в компетенцию МЧС России. В настоящее время количество инспекторов составляет более 15,5 тыс. человек, которые осуществляют надзор за безопасностью более 2,3 млн объектов экономики, ежегодно реализуя более 4 млн проверок и 7,5 млн противопожарных мер, предотвращая около 450 тыс. пожаров и ущерб в размере около 35-45 млрд руб. Система сбора, обработки и анализа данных ОНД до проведения автоматизации характеризовалась такими существенными недостатками, как высокая трудоёмкость, низкая оперативность предоставления данных и высокая степень зависимости от компетентности экспертов и аналитиков, осуществляющих предварительное обобщение данных на нижних (территориальных) уровнях иерархии МЧС. Анализ результатов надзорной деятельности, который является чрезвычайно важным для принятия оперативных решений, осуществлялся ежеквартально, но с задержкой в 20 дней, необходимых для обработки данных и получения дополнительной информации от смежных отделов МЧС. Вследствие этого создание интегрированной информационной системы, способной эффективно собирать, хранить и обрабатывать все имеющиеся данные о безопасности объектов экономики на территории России и результатах планомерной надзорной деятельности, находящейся в компетенции МЧС России, было признано необходимым для оценки текущей ситуации с безопасностью, создания обоснованных прогнозов, разработки эффективных планов проверок и обеспечения анализа надзорной деятельности и принятия рациональных решений руководством ОНД МЧС России на всех уровнях иерархии. Основная цель разработанной системы, получившей название «Автоматизированная информационная система (АИС) «Электронный инспектор», - повышение эффективности управления за счёт использования общей информации и технологической структуры, эффективного взаимодействия между задействованными подсистемами, гражданами и организациями. Автоматизированная информационная система «Электронный инспектор» состоит из двух взаимосвязанных подсистем, базирующихся на территориально распределенной системе баз данных (БД): - специальное программное обеспечение «Автоматизированная информационная система сбора информации о противопожарном состоянии объектов надзора и исполнения административных процедур по осуществлению государственного пожарного надзора на объектах надзора» (СПО «ИАП»); - веб-приложение «Система государственных надзоров МЧС России» - система, реализующая функции контроля и анализа состояния безопасности объектов защиты и результатов надзорной деятельности в области федерального государственного пожарного надзора (ФГПН), государственного надзора в области гражданской обороны (ГНГО) и государственного надзора в области защиты населения и территорий от чрезвычайных ситуаций техногенного характера (ГНЗТЧС) на объектах экономики на территории Российской Федерации. Система призвана стать интегрированным информационным ресурсом для автоматизированных процессов по осуществлению надзорной деятельности, мониторингу состояния безопасности объектов надзора, с использованием инструментариев формирования запросов и выводов отчетов (guery-and-reporting tools) и многомерного анализа данных (MDA) для предоставления достоверной информации всем заинтересованным внутренним и внешним пользователям. Целевые пользователи и их задачи. Как было упомянуто выше, мы считаем высокий уровень удобства взаимодействия (юзабилити) важным условием для общего успеха внедрения и использования систем электронного правительства. Таким образом, целевые пользователи и их задачи были определены на самых начальных стадиях проекта (как рекомендуется, например, в [4]). Тремя основными категориями целевых пользователей являются следующие: 1. Государственные инспектора территориальных ОНД МЧС России, осуществляющие надзорную деятельность с применением системы: ведение БД электронных контрольно-наблюдательных дел объектов защиты, состоящих на учете в ОНД МЧС России; планирование деятельности инспекторского состава; исполнение административных процедур по результатам проверок на объектах экономики в области ФГПН, ГНГО и ГНЗНТЧС; ведение анализа состояния безопасности объектов надзора и надзорной деятельности. 2. Руководство всех уровней иерархии ОНД МЧС России, осуществляющее с применением системы контроль и анализ безопасности объектов экономики на поднадзорной территории и планирование и анализ результатов надзорной деятельности. Руководство получает аналитические и статистические отчёты в разрезе всех уровней иерархии ОНД МЧС России, в том числе по должностным лицам, по видам надзоров МЧС России, по различным категориям объектов экономики и т. п. Представителям руководства ОНД МЧС были бы полезны также функции поддержки принятия решений и прогнозирования. 3. Обычные граждане, организации и юридические лица, заинтересованные в получении общей информации о структуре и отделах ОНД МЧС, состоянии и степени безопасности конкретных объектов надзора, планах и результатах проверок для конкретных организаций или объектов. Задачи перечисленных категорий пользователей являются довольно разнообразными, но все они включают в том или ином виде информационный поиск и получение систематизированных реестров данных и многомерных статистических и аналитических отчетов в обширной БД системы. Пользователям МЧС России были бы полезны также функции поддержки принятия решений и прогнозирования. Конечно же, сотрудники МЧС должны иметь авторизованный доступ в систему. В отношении обычных граждан было решено использовать технологию Data Mart (информационная «витрина»), с созданием «облегченного» хранилища данных в открытом доступе, в заранее утвержденном формате данных, с учетом нормативных актов безопасности информации. Правовые вопросы и доступ к информации. В качестве наиболее значимого правового акта, имеющего отношение к разработке системы, был определён Федеральный закон от 27.07.2006 152-ФЗ «О персональных данных», обусловивший необходимость разработать как минимум 16 внутренних и общедоступных документов, касающихся безопасности персональных данных (таких, например, как «Политика обработки персональных данных», «Нормативы для прав доступа администраторов системы», «Организация неавтоматизированной обработки персональных данных» и т. д.). Данные о сотрудниках МЧС хранятся в деперсонифицированном виде, который позволяет определить только пользователя системы, но не реальное лицо. В отношении данных об организациях необходимости аналогичного скрытия не возникло, поскольку начиная с 2009 г. соответствующая информация открыто предоставляется из реестра юридических лиц органами государственной власти. Персонифицированные данные в верхних слоях системы не визуализируются, в соответствии с требованиями нормативных актов о персональном учете данные отображаются в деперсонифицированном виде. Персональные данные, однако, становятся доступны авторизованным пользователям на нижнем уровне системы при работе непосредственно инспекторов при вводе административных процедур, когда формируется «Административное дело» для организации или её сотрудника, ответственного за нарушение безопасности объектов надзора. В целом наш опыт в данной сфере свидетельствует, что при разработке программного обеспечения для электронного правительства информационные потребности пользователей зачастую ограничиваются требованиями правовых актов, и их изучение требует особого внимания ещё на начальных стадиях проекта. Ниже описана разработка системы, особо отмечен выбор структуры БД, процесс проектирования интерфейса и реализованные и перспективные методы анализа созданной системы информационного хранилища. Реализация интегрированной информационной системы База данных и общая архитектура системы. После рассмотрения возможных вариантов система была спроектирована с использованием многоуровневой БД, соответствующей организационной структуре ОНД МЧС - так, что каждый отдел ОНД имеет собственную инсталлированную БД (СУБД Firebird 2.1) в архитектуре клиент/сервер. Данные, касающиеся объектов надзора и результатов их проверок на каждой поднадзорной территории, независимо вводятся в каждую из таких «локальных» БД с использованием СПО «ИАП». Затем, в соответствии с установленной правилами периодичностью, данные передаются из территориальных БД в субъектовые, а потом и в интегрированную БД федерального уровня, содержащую данные по всем ОНД МЧС России. Общая схема архитектуры информационной системы представлена на рис. 1. Рис. 1. Архитектура системы в разрезе территориально распределенной системы управления МЧС Хотя данные аспекты, связанные с передачей данных и синхронизаций всех БД между собой, безусловно, увеличивали сложность архитектуры и приводили к необходимости решения дополнительных задач на различных стадиях проекта, тем не менее в целом выбранная архитектура была признана успешной в условиях географически распределённой и разнородной структуры отделов ОНД и состояния системы компьютерной оснащенности и связи в ОНД МЧС России. В результате выбора такой архитектуры и исходя из требований безопасности интерфейс системы был реализован в виде двух относительно независимых частей системы: СПО «ИАП» с территориально распределенной БД и веб-приложением, функционирующими на сводной федеральной БД «Система государственных надзоров МЧС России», и официальный общедоступный сайт «Государственный надзор МЧС России». Таким образом, с учетом различных категорий целевых пользователей и упомянутых выше соображений и требований, система была реализована как две относительно независимые подсистемы - Интранет (с доступом только для авторизованных пользователей и только из сети МЧС) и общедоступный веб-сайт, причём обе подсистемы работают с одной БД. На общедоступный веб-сайт, разработка которого в настоящее время ещё продолжается, были возложены следующие задачи: - предоставление гражданам и представителям организаций достоверной и своевременной информации о состоянии объектов надзора, о деятельности ОНД МЧС и о планах и результатах проверок; - способствование созданию позитивного имиджа для ОНД и МЧС в целом посредством информирования общественности об их целях, полномочиях и юридических основаниях деятельности; - обеспечение эффективного двустороннего взаимодействия между гражданами и организациями, с одной стороны, и ОНД, с другой; предоставление всей требуемой информации о структуре ОНД и контактной информации. Одной из непростых задач стало проектирование веб-интерфейсов как для Интранета, так и для веб-сайта, которые позволили бы достичь высокого уровня юзабилити для системы, и в частности эффективности информационного поиска в условиях весьма существенного объема данных в БД. Процесс проектирования интерфейса системы. В ходе проектирования веб-интерфейса системы было определено, в частности, что он должен иметь современный вид, отличаться минимально возможной сложностью и в наименьшей степени полагаться на предыдущий опыт пользователя в сфере ИКТ. Мультимедийные и флеш-технологии также не должны использоваться без серьёзных оснований. Представление информации предпочтительно в виде обычного гипертекста, который может быть легко скопирован и сохранён, а использование файлов форматов .doc и .pdf должно быть по возможности минимизировано. Следует отметить, что распространённым неудачным решением при создании веб-сайтов электронного правительства является формирование их структуры в соответствии с организационной структурой соответствующего правительственного органа, вследствие чего максимально интегрированной становится информация о безопасности объектов экономики по всем видам надзоров компетенции МЧС России, о разделении которых целевые пользователи сайта не имеют представления. Что касается Интранета, то основной проблемой было размещение обширной и разнородной информации для различных групп 3 категорий пользователей. Так, в нашем случае мы стремились сделать всё возможное для интуитивно понятного позиционирования по уровням иерархической структуры ОНД МЧС России, с использованием интерактивной географической карты РФ, представляя на всех страницах сайта информацию для выбранного уровня территории России: от территориальных ОНД МЧС России, субъектовых и региональных ОНД, до РФ в целом. Структура сайта также разделена на функциональные блоки в соответствии с выполняемыми системой задачами: реестры объектов экономики, планы и результаты надзорной деятельности, многофункциональный инструментарий аналитических и статистических отчетов. Одним из удачных решений стало введение в интерфейс сайта, функционирующего для сотрудников МЧС России, контекстно-зависимого блока «Быстрые ссылки» обеспечивающего мгновенный доступ к различным профессионально-ориентированным информационным системам МЧС России (рис. 2). Рис. 2. Прототип интерфейса системы (Интранет) Последующий процесс проектирования интерфейса носил итеративный характер и в основном полагался на такой метод, как экспертное оценивание, поскольку пользовательское тестирование могло проводиться только удалённо - доступ к целевым пользователям из состава сотрудников МЧС организован через общероссийский форум пользователей системы и ежеквартальные отчеты управлений МЧС субъектов России о результатах внедрения, замечаниях и предложениях по системе АИС «Электронный инспектор». Многофункциональный анализ данных хранилища информационной системы Согласно современным оценкам таких компаний, как IBM и Intel, объем данных, ежедневно создаваемых и передаваемых в мире, имеет порядок экзабайтов (1018), причём ежегодный прирост составляет около 50 %. Это является одной из причин, почему анализ значительных объемов данных с начала 2000-х гг. стал выделяться в самостоятельную область, получившую название «большие данные» (Big Data). Отмечается, что такие данные характеризуются не только значительными объемами, которые в некоторых случаях делают невозможным долговременное хранение данных, но и высокой скоростью прироста (и, соответственно, необходимой обработки) и многообразием в плане структуры данных [5] - например, в результате порождения в информационных системах различных ведомств. В некоторых случаях данные могут являться неструктурированными, что порождает отдельную проблему их предварительного структурирования - приведения к виду, в котором они могут быть обработаны методами искусственного интеллекта или автоматизированного анализа данных. В целом «большие данные» могут иметь или онлайн-природу (Всемирная сеть, БД поисковых систем и т. п.) или могут создаваться в ходе работы информационных систем предприятий и организаций. В нашем случае эксплуатация представленной системы в ОНД МЧС привела к накоплению данных о результатах проверок об объектах надзора, собранных за последние несколько лет. Данные системы, накопленные с 2012 г., характеризуются объемами около 853 690 записей о фактически проведенных проверках на 1 647 000 действующих объектах экономики и являются структурированными - согласно установленной разработчиками (архитекторами) жёсткой структуре БД. Современные методы анализа данных позволяют извлекать из накопленных данных огромную выгоду - в частности повышать эффективность надзорной деятельности государственных органов [6]. В создаваемой системе в качестве основных задач многофункционального анализа накапливаемой информации были определены следующие: 1. В СПО «ИАП» - автоматизация деятельности сотрудников ОНД МЧС России: - мониторинг и анализ состояния безопасности объектов надзора; - планирование проверок на подведомственной территории; - исполнение административных процедур по результатам надзора; - формирование запросов и выводов отчетов. 2. В веб-приложениях АИС «Электронный инспектор» - многомерный анализ накопленных данных в целях поддержки принятия решений на всех уровнях иерархии ОНД МЧС России на базе федерального хранилища данных (ХД): - мониторинг и анализ состояния безопасности объектов надзора; - анализ служебной деятельности в целях поддержки принятия решений. Для реализации подсистемы анализа данных в системе была использована концепция многомерного ХД. По определению технического директора компании Prism Solution Б. Инмона, ХД есть предметно ориентированный, неизменчивый, интегрированный набор данных, применяемый для поддержки решений менеджерами [7]. Хранилище данных представленной системы предметно ориентировано на хранение данных о результатах плановых проверок объектов надзора (транзакциях). Интегрированность обеспечивается возможностью загрузки в ХД информации из источников, поддерживающих различные форматы данных и созданные в различных приложениях. Отметим, что данные, допускающие различный формат, в процессе загрузки преобразуются к единому представлению. Помимо хранения детализированных данных о результатах отдельных проверок, хранилище содержит агрегированные данные по всем необходимым измерениям и уровням агрегирования. Для поддержки хронологии в хранилище вводятся такие измерения, как время и дата. Сущность многомерного представления данных состоит в следующем. Большинство реальных процессов описывается множеством показателей, свойств, атрибутов. Если собрать всю эту информацию в таблицу, то она окажется сложной для визуального анализа и осмысления. Более того, она может оказаться избыточной. Процесс извлечения информации из такой таблицы оказывается сложным и запутанным. Данная проблема возникает из-за того, что в плоскую двумерную таблицу загружаются многомерные данные. Разработка модели OLAP-кубов зарекомендовала себя наиболее эффективным и наглядным способом представления и оперативного анализа данных. Хранилище накопленных в системе данных может быть представлено OLAP-кубом, содержащим два исходных измерения, определяемых категориальными переменными «Дата проверки» и «Объект проверки». Фактами такого куба являются переменные «Количество проверок» и «Количество нарушений» для каждого типа нарушений. Многомерный анализ определяется как одновременный анализ по нескольким измерениям. По каждому измерению может производиться консолидация данных. Любое направление консолидации включает серию последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Так, измерение «Дата проверки» может определяться следующим направлением консолидации «Месяц, квартал, год», а измерение «Объект надзора» последовательно обобщается в группы по измерениям иерархии рассматриваемой системы. В итоге имеем многомерную модель процесса, представленную на рис. 3. После создания структуры хранилища и наполнения его данными, собранными с помощью интегрированной системы, можно провести их оперативный или углубленный анализ с использованием технологий OLAP и Data mining. При проведении OLAP-анализа двумерные таблицы извлекаются из многомерных кубов, для чего используются различные операции манипулирования с размерностями: вращение, агрегация и детализирование, формирование «срезов». Для формирования OLAP-отчетов в системе сформирована страница «Официальные отчеты», которая в виде интерактивной запросной системы позволяет анализировать выбранные показатели в разрезе времени, по структуре ОНД и с раскладкой некоторых показателей по заложенным видам. Пользователь может сам выбрать показатели, период и вид аналитического отчета для любого уровня иерархии ОНД МЧС России. Дополнительно предоставляется возможность выбора вида графического представления. Рис. 3. OLAP-куб процесса проверки объектов экономики В качестве примера рассмотрим создание аналитических отчетов по основным показателям надзорной деятельности в области пожарной безопасности. На рис. 4 представлена табличная форма отчета для сравнения количества фактических проверок (kod_stroki = 3) с запланированным количеством проверок (kod_stroki = 4). Рис. 4. Фрагмент отчета сравнения плановых и фактических показателей надзорной деятельности Подсистема анализа данных обладает широкими визуальными средствами. На рис. 5 представлены данные по количеству проверок в I квартале 2014 г. по субъектам Сибирского федерального округа, отчетных данных официальной статистики, в сравнении с реальными данными, введенными в АИС «Электронный инспектор». Данный вид анализа выявляет несоответствия и позволяет контролировать процесс внедрения и использования разработанной системы в РФ. Рис. 5. Сравнительный анализ ввода результатов проверок по Сибирскому федеральному округу Накопление в системе огромного количества систематизированной информации делает возможным применение интеллектуального анализа с использованием методов извлечения знаний Data mining, предполагающего более глубокий анализ, чем оперативный анализ OLAP. По определению Г. Пиатецкого-Шапиро, Data mining - это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных, доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Для поиска нетривиальных закономерностей используются различные классические и эвристические алгоритмы, включая аппарат нейронных сетей различных архитектур, регрессионный анализ, деревья решений, эволюционные схемы и т. д. Однако для практического применения важна классификация не по применяемым алгоритмам, а по специфике решаемых задач. В соответствии с такой спецификой выделяются пять типов закономерностей, обнаруживаемых с помощью методов Data mining: ассоциация (имеет место в случае, если несколько событий связаны друг с другом; последовательность (цепочка связанных во времени событий); классификация (выявляются признаки, выделяющие группу, к которой принадлежит тот или иной объект); кластеризация (отличается от классификации тем, что сами группы заранее не заданы, система анализа самостоятельно выделяет различные однородные группы данных); прогнозирование (основой для систем прогнозирования служит историческая информация, хранящаяся в БД в виде временных рядов). При формировании алгоритмов автоматизации деятельности сотрудников ОНД МЧС России в СПО «ИАП» использовались и планируются к использованию все пять типов закономерностей Data mining. В частности, при формировании алгоритмов проведения проверки и применения административно-процессуальной деятельности использовались закономерности ассоциация, классификация и последовательность. Алгоритм проведения проверок объектов экономики учитывает цепочку связанных во времени событий и накопленной информации по результатам предыдущих надзорных мероприятий. Сокращенно цепочка событий проведения проверок включает в себя: 1. Планирование проверок, которое осуществляется с учетом вида объекта (периодичность проведения проверок), типа проверок (различны алгоритмы проведения и основные функции проверки), данных о ранее проведенных проверках (состояние безопасности, выполнение предписаний и административных взысканий) и наличия независимой оценки рисков на объекте. 2. Вынесение распоряжения на проверку, согласование с прокуратурой. 3. Проведение проверки в указанные сроки или отмена проверки на законных основаниях. 4. Формирование результатов проверки в течение 3 суток от даты завершения проверки: - составление акта проверки, вручение акта представителю субъекта; - регистрация в акте выявленных нарушений обязательных требований с использованием интерактивных информационных систем нормативных требований; - выдача предписаний об устранении нарушений обязательных требований, с указанием субъектов исполнения предписания, с учетом ответственности и полномочий и перечислением мероприятий устранения нарушений обязательных требований по пожарной безопасности, и сроков устранения; - возбуждение дел об административных правонарушениях (ДАП) на основе выявленных нарушений обязательных требований безопасности и Кодекса Российской Федерации об административных правонарушениях; - формирование информации в органы исполнительной власти и ведомства о выявленных нарушениях обязательных требований безопасности. Аналогично разработан алгоритм ведения ДАП, возбужденных должностными лицами ОНД МЧС России по результатам проверок с функцией отслеживания временных последовательностей событий согласно принятому в РФ законодательству (рис. 6). Рис. 6. Журнал ДАП с учетом состояния В перспективе планируется внедрение системы интеллектуального анализа данных с применением методов распознавания и выявления ассоциаций данных для выявления «черных» списков объектов экономики с критическим состоянием безопасности в сфере ответственности МЧС России. Заключение МЧС России, являющееся ответственным за обеспечение безопасности населения, территорий и объектов экономики, характеризуется комплексной и распределённой структурой, а в ходе его деятельности генерируются значительные объемы данных, в отношении которых требуется проведение своевременного анализа, составления отчётов и поддержка принятия дальнейших решений. Создание и внедрение в 2011 г. вышеописанной интегрированной информационной системы позволило обеспечить потребности как Министерства, так и обычных граждан, через открытость информации, касающейся состояния безопасности объектов и деятельности ОНД МЧС по проведению проверок. Проект по разработке системы, который продолжается по настоящее время, свёл вместе профессиональных разработчиков программного обеспечения и представителей научной среды, а некоторые составляющие опыта, полученного в ходе проекта, приведены нами в данной статье. Отметим, что в то время как инфраструктурные и технологические аспекты в проекте были проработаны относительно беспроблемно, моменты, касающиеся анализа задач целевых пользователей и итеративного улучшения юзабилити системы, не получили достаточно высокой оценки заказчика. В целом представляется, что улучшение взаимодействия всех категорий пользователей и изучение опыта стран, более «продвинутых» в развитии средств электронного правительства, будут в значительной степени способствовать прогрессу электронного правительства и в Российской Федерации. Исследования по использованию «больших данных», накопленных в нашей системе, еще только начинаются. Реализованы возможности многомерного оперативного анализа на основе OLAP-технологии, а также элементы углубленного анализа на основе технологии Data mining. Однако уже видны перспективы и огромный потенциал данных исследований. В дальнейшем планируется развитие аналитических и прогнозных возможностей интегрированной информационной системы для выявления скрытых закономерностей в данных, а также их использование для решения задач управления и принятия решений.
References

1. United Nations: E-Government Survey 2012. N'yu-York: Izd-vo OON, 2012.

2. Bakaev M. E-learning and Elder People: Barriers and Benefits / M. Bakaev, V. Ponomarev, L. Prokhorova // IEEE Region 8 International Conference on Computational Technologies in Electrical and Electronics Engineering. SIBIRCON, Novosibirsk, 2008. P. 110-113.

3. Danilov N. A. Pravovoe regulirovanie elektronnogo pravitel'stva v zarubezhnyh stranah / N. A. Danilov: avtoref. dis. … kand. yurid. nauk. M., 2013. 22 s.

4. Nielsen J. Bridging the Designer-User Gap. Alertbox 17 March 2008. Nielsen Norman Group, 2008.

5. Laney D. The Importance of 'Big Data': A Definition / D. Laney // URL: http://www.gartner.com/resId =2057415 11.07.2014.

6. Mayer-Shenberger V. Bol'shie dannye. Revolyuciya, kotoraya izmenit to, kak my zhivem, rabotaem i myslim / V. Mayer-Shenberger, K. Kuk'er. M.: Mann, Ivanov i Ferber, 2014. 230 s.

7. Inmon B. Building the Data Warehouse / B. Inmon. New York: Wiley and Sons, 1992.