Реферат. Программа Цифровая экономика

• Название: Программа Цифровая экономика
• Дата: 24.11.2022
• Размер: 49.8 Kb.
• Имя файла: Реферат.docx
• Тип: Программа; #810361

Содержание

Введение 2

1. Понятие и основные характеристики больших данных 3

2. Источники больших данных. 7

2.1. Большие данные как экономический объект 7

2.2. Большие данные как экономическое благо 8

2.3. Ценность (Value) больших данных 9

Заключение 10

Список литературы 11

Введение
Ускоренное внедрение цифровых технологий в экономике и социальной сфере – одна из целей национального развития на период до 2024 года. Для её достижения принята Национальная программа «Цифровая экономика».

В частности, проект «Цифровые технологии» ставит задачу создания девяти инновационных «сквозных» цифровых технологий, в том числе технологии больших данных. Каждая из «сквозных» технологий является сложнейшей областью инженерии и научных исследований в различных сферах: технической, правовой, экономической и др.

В названных и производных документах постулируются серьёзные социальные и макро - экономические эффекты. Цифровизация меняет «структуру, количественные и качественные параметры как трансформационных, так и транзакционных процессов, организационные формы и модели бизнеса, способы, приёмы труда, создаёт предпосылки для изменения функционала бизнес-процессов».

При этом не требует специальных обоснований утверждение, что предполагаемые эффекты от внедрения новых информационных технологий невозможны без получения соответствующих микроэкономических результатов.

Однако достижение последних не является тривиальной задачей.

Поэтому представляются весьма актуальными исследования по широкому кругу экономических проблем, сопряжённых с внедрением циф- ровых технологий.

В данной работе в качестве предмета исследования рассматривается экономическая сущность больших данных (информации) как компонента одноименной технологии.

1. Понятие и основные характеристики больших данных

Составной термин большиеданныепредставляется не вполне удачным, поскольку имеет признаки, как фразеологизма, так и полисемии.

Прилагательное большиев явном виде указывает на объем (Volume) данных и относится, согласно, к наборам данных, размер которых превосходит возможности типичных баз данных по занесению, хранению, управлению и анализу информации. В многочисленных источниках приводятся конкретные (и различные!) числовые значения, превышение которых позволяет рассматривать данные как большие. В данном контексте эти значения не являются принципиальными.

Термин данныеимеет столь широкую трактовку и большое количество определений, что вызывает серьёзные затруднения в выборе варианта для конкретного использования.

В качестве примера приведём пять (!) IT-ГОСТов, содержащих определение данного понятия.

На одном из интернет ресурсов с использованием онлайнового анализатора проведён лингвистический анализ указанных ГОСТов и предложено интегрирующее определение: данные– «информация (7), представленная (5) в формализованном (3) виде (4), пригодном (5) для обработки (5), интерпретации (3) и передачи (3) автоматическими (4) средствами (6) с возможным участием (6) человека (3)». В скобках приведено количество используемых в ГОСТах словоформ.

В этих определениях важным для настоящего исследования является указание на формализованный вид информации. При «формализации изучаемым объектам, их свойствам и отношениям ставятся в соответствие некоторые устойчивые, хорошо обозримые и отождествимые материальные конструкции, дающие возможность выявить и зафиксировать существенные стороны объектов».

Возможность формализации информации, обрабатываемой автоматизированными информационными системами, в значительной мере зависит от вида информации (данных). В специальной литературе используется три категории данных: структурированные, полуструктуриро- ванные и неструктурированные.

Структурированныеданныехранятся в структуре, определяющей их формат. Типичными примерами таких форматов являются реляционные системы управления базами данных, транзакционные данные, файлы данных, такие как электронные таблицы.

Неструктурированныеданныене имеют внутренней структуры. К этой категории больших данных могут быть отнесены изображения, аудио-, видео- и текстовые файлы.

Слабоструктурированные данныене имеют заданного формата, но организованы по определённым правилам. К слабоструктурированным данным относятся форматированный текст, HTML и т.д.

Реальные автоматизированные информационные системы, как правило, работают со всеми рассмотренными категориями данных. В этом случае информация может быть охарактеризована термином разнообразие (Variety).

Ещё одним из ключевых параметров больших данных является скорость их накопления и обработки, преимущественно в режиме реального времени (Velocity).

Введённые показатели стали основой для модели больших данных, иногда называемой 3V (VVV) и анонсированной в 2001 г.

Вербальная интерпретация этой модели: «большиеданные– это большой объем, высокая скорость и/или большое разнообразие информационных активов, которые требуют экономически эффективных, инновационных форм обработки информации, позволяющих улучшить понимание, принятие решений и автоматизацию процессов».

Позднее компания IDC² добавила в эту модель, важнейший для экономической характеристики больших данных параметр – ценностьинформации (Value).

Компания McKinsey также отмечает, что большие данные означают высокую ценность, а не только объем (Big data means high value, not just volume). В докладе «Большие данные: следующий рубеж инноваций, конкуренции и производительности» McKinsey выделяет возможности использования больших данных:

• 
  сбор более точной и подробной («прозрачной») информации об экономической деятельности по мере накопления цифровых транзак- ционных данных;
  
• 
  проведение более узкой сегментации клиентов и рынка в различных разрезах, в том числе с учётом персональных пожеланий;
  
• 
  проведение сложной аналитики, которая может существенно улучшить процесс принятия решений (например, увеличить скорость);
  
• 
  улучшения разработки следующего поколения продуктов и услуг.
  

На больших данных удобно получать статистическую информацию. Наконец (самое важное!), большие данные могут содержать скрытуюинформацию – закономерности, взаимосвязи и тенденции (hiddenpattern). Наличие скрытой информации в больших данных есть не что иное, как неполная осведомлённость экономического агента, которая в итоге, как правило, ведёт к недополучению им прибыли. Именно это обстоятельство обусловливает формирование потребности в информации, скрытой в больших данных (далее – информационнойпотребности), предназначенной для рациональной коррекции экономических ожиданий агента.

Наличие скрытой информации детерминирует экономически значимые особенности больших данных, перечисленные ниже.

Техническая асимметрияскрытой информации, которую мы определяем как специфическую форму (частный случай) информационной асимметрии.

Как известно, асимметрия информации есть неравномерное распределение между участниками рынка информации об условиях осу- ществления рыночной сделки и намерениях друг друга. При этом в классических моделях информационной асимметрии (К. Эрроу, М. Спенс) принципиальное значение придаётся волевой составляющей (намерениям) сторон экономических отношений. В случае больших данных волевая составляющая их обладателя в отношении скрытой информации отсутствует. Это меняет субъективный характер экономических отношений, но не снижает информационную неопределённость для агента.

Также в модели технической асимметрии информации, скрытой в больших данных, весьма актуальной является задача определения сигнальных признаков (по М. Спенсу). В этом случае сигнал– это формальный признак, который косвенно характеризует потенциальную полезность скрытой информации для целей обработки больших данных.

Модель (структурно-параметрические характеристики) и ценность скрытой информации являются стохастическими, вариативными и си- туативными (определяются конкретными предметными задачами) и зависят от актуализированного набора больших данных (переменных).

В множестве больших данных возможно выявление скрытых ложных взаимосвязей. Однако задача их исследования не поставлена, хотя в общем виде об этом говорится в ряде источников.

Информационная потребность агента определяется степенью осознания или допущения факта наличия в больших данных скрытой информации, её характеристик и перспектив использования как экономического ресурса.

В случае полной неосведомлённости агента о наличии и характеристиках скрытой информации возможна логическая инверсия, состоящая в апостериорном формировании информационной потребности, т. е. только после получения и анализа информации, а также коррекции экономических ожиданий. При этом сам факт наличия скрытой информации неочевиден и, соответственно, только априорно может быть сформулирована и гипотеза о наличии скрытой информации, причём задача выдвижения гипо- тезы оказывается достаточно неординарной.

Для полноты описания следует указать, что в современном представлении большие данные характеризуются также достоверностью (Veracity), изменчивостью(Variability) и другими показателями качества информации.

Качество скрытой информации может быть выявлено только в процессе использования, то есть после извлечения её из больших данных. Совершенно очевидно, что эта особенность сама по себе порождает асимметрию информации.

2. Источники больших данных.

Для целей настоящего исследования необходимо также указать на источники больших данных.

В общем случае большие данные могут возникать в результате экономической деятельности самого агента, его контрагентов и сторонних организаций. В некоторых видах экономической деятельности (например, маркетинге) их принято соответственно обозначать англоязычными терминами: firstpartydata,FPD(собственные данные агента); second party data, SPD(данные контрагентов агента); third party data,TPD (данные от внешних источников).

Все три категории данных могут использоваться агентом в экономическом обороте в различных сочетаниях и на различных условиях, в том числе приобретаться бесплатно на основе контрагентских соглашений (SPD) или платно на информационном рынке (TPD). При этом уместно рассматривать большие данные как товар.

2.1. Большие данные как экономический объект

Сформулируем гипотезу: большие данные – оригинальный вид экономических объектов. Для подтверждения данной гипотезы следует определить понятие экономического объекта и соотнести с ним экономические характеристики больших данных.

Термин экономическийобъектдостаточно широко используется в специальной экономической литературе. Однако при разработке вы- сказанной гипотезы автор не обнаружил серьёзных (доктринальных) научных работ, дающих общее определение данному понятию.

В рамках экономической теории известен лишь фрагментарный подход к описанию экономических объектов. В частности, А.А. Орлюк пишет, что «введение информации в экономический оборот позволит придать ей статус самостоятельного экономического объекта». Но общая теория экономических объектов не была создана, хотя её основы были заложены ещё К. Менгером.

Опираясь на общую экономическую теорию и указанные источники, исследуем высказанную гипотезу. В качестве предмета исследования определим рыночные большие данные (TPD).

Будем исходить из того, что в общем случае все идеальные и реальные сущности агент рассматривает через призму экономического интереса и ранжирует их в соответствии со значением в экономической деятельности. Это означает, что множество объективных характеристик сущностей дополняется экономическими характеристиками, актуальными для конкретного агента и конкретной экономической деятельности. Таким образом, любой экономический объект – это продукт убеждений агента и объективных сущностей.

Однако ещё раз подчеркнём: суждение, которое агент выносит в отношении экономического объекта, субъективно. Его истинность или ложность (например, в отношении скрытой информации) может быть установлена при соответствии суждений фактическим данным об объекте, включая внутренние свойства объекта. Но при этом экономические объекты не сводимы ни к суждениям, ни к какому-то внутреннему свойству.

Следствием предположения о наличии в больших данных (TPD) скрытой и полезной для агента информации является его желание обладать такой информацией с целью использования в экономической деятельности.

При этом исполнение ожиданий агента, прежде всего, зависит от внутренних свойств TPD. Так, если реальные значения характеристик (например, достоверность) скрытой информации не соответствуют предполагаемым, то ожидания агента окажутся ложными, в случае получения им права пользования TPD.

Наличие у агента информационной потребности есть отсутствие или, скорее, ограниченность (дефицит) информационного ресурса, не- обходимого для экономической деятельности. Это ограничение определяется уникальностью больших данных как источника скрытой информации.

Преодоление ограничений – это характерное свойство предметной деятельности, предполагающее наличие различных ресурсов для достижения целей. И любая деятельность такого рода является экономической деятельностью, а любая сущность, оцениваемая таким образом, является экономическим объектом.

Таким образом, большие данные как экономический объект следует рассматривать в единстве материальных (объективных) и экономических (субъективных) характеристик. Это положение согласуется с набором рассматриваемых ниже характеристик экономического объекта (по К. Менгеру).

2.2. Большие данные как экономическое благо

Большие данные можно рассматривать как производственный ресурс, который является экономическим благом при выполнении следующих условий:

• 
  удовлетворяет информационную потребность агента;
  
• 
  обладает свойствами, создающими причинную связь с удовлетворением информационных потребностей агента;
  
• 
  существует осознание агентом этой причинной связи;
  
• 
  предоставляет агенту возможность для удовлетворения информационной потребности.
  

Отсутствие любого из перечисленных условий не позволяет рассматривать большие дан- ные как благо.

2.3. Ценность (Value) больших данных

Определение экономической ценности информации, в том числе и больших данных, является весьма непростой задачей. Дело в том, что общие нерешённые проблемы определения стоимости и цены, потребительской стоимости и полезности информации дополняются отмеченной априорной неопределённостью модели больших данных, способных удовлетворять информационные потребности агента. Также неопределёнными являются причинно- следственные связи между обладанием благом, его количеством (данных) и достижением целей агента.

В работе полагаем возможным рассматривать в качестве аксиомы следующее подтверждённое практикой утверждение: большие данные обладают высокой ценностью.
Большиеданные кактовар

В современной экономике информация приобретает форму товара, который может быть продан и приобретён для конкретного потребления, а объем доступа к этому товару зависит от оплаты. Поэтому при необходимости данные (TPD) могут быть приобретены агентом на информационном рынке, т. е. являются товаром в экономическом смысле и обладают присущими товару свойствами: доступность для использования, наличие цены, приемлемой для агента, и др.
Большиеданныекакобъект обмена

Наличие информационной потребности у одного агента и возможности её удовлетворения другим агентом объективно создаёт основу для осуществления экономических отношений обмена больших данных продавца на денежныесредствапокупателя. Мерой эквивалентности обмена выступает цена.

Таким образом, нетрудно видеть, что большие данные, полученные из TPD-источника, отвечают классическим представлениям об объекте, участвующем в экономических отношениях.

Данные FPD- и SPD-источников в явном виде не участвуют в экономическом обороте (обмене между участниками рынка) и поэтому не имеют такого атрибута, как цена, и, соответственно, не ассоциированы со средством обмена (деньгами). Однако, это не даёт оснований исключать их из категории экономическихобъектов, поскольку полный набор рассмотренных экономических характеристик данных из FPD-источника формируется, например, при организации внутреннего хозрасчёта агента. Такое же утверждение может быть высказано и в отношении данных из SPD-источников, которые также участвуют в обмене, только в рамках более сложных экономических отношений.

Заключение

Рассмотрение больших данных в качестве самостоятельного экономического объекта позволяет ставить и решать задачу оптимизации экономических характеристик новых информационных технологий, например минимизации затрат на создание системы управления большими данными или совокупной стоимости владения большими данными как экономическим ресурсом.

Список литературы

1. Карпычев В.Ю. Цифровая экономика: определите значения слов и не только // Экономический анализ: теория и практика. 2019. Т. 18. № 11. С. 1992– 2005.

2. Государственные стандарты (ГОСТы) в информационных технологиях (ИТ). Часть II - Унификация в стандартах. Термин «данные» // Сайт компании «Техническая документация». URL: https://tdocs. su/21917 (дата обращения: 12.02.2020).

3. Ивин А.А., Никифоров А.Л. Словарь по логике. М.: Туманит, ВЛАДОС, 1997. 384 с.

4. Николаев А.А. Разнообразие структур данных в современной информации // Молодой ученый. 2019. № 23. С. 21–23.

5. История больших данных (Big Data) – часть 1 // Портал «Компьютерра». URL: https://www.compu .

6. Козачок И.В., Краснова С.Г. Экономическая сущность асимметрии информации и её влияние на функционирование рынка 2007. № 2. С. 29–35.

7. Талеб Н.Н. Антихрупкость. Как извлечь выгоду из хаоса. М.: КоЛибри, Азбука-Аттикус, 2014.

8. Карпычев В.Ю., Карпычев М.В. Информация как объект гражданских правоотношений // Актуальные проблемы частного и публичного права, 2018. С. 73–76.

9. Менгер К. Основания политической экономии // Австрийская школа в политической экономии. К. Менгер, Е. Бѐм-Баверк, Ф. Визер / Пер. с нем.; Предисл., коммент., сост. В.С. Автономова. М.: Экономика, 1992. С. 31–242.