Сборник статей i всероссийской научнопрактической конференции 21 22 марта 2018 г. Брянск
 Скачать 4.23 Mb.
|
|
PERIPHERAL TERRITORIES KazakovM.Yu. North-Caucasian Federal University, Russia, Stavropol Abstract. In the article, from the perspective of combining the imperatives of the innovative knowledge economy and the priorities of the development of peripheral- type municipalities, theoretical propositions on the formation of an information and analytical platform for diagnosing problems of territorial formations in the system of municipal management are substantiated. Its functional role and variants of integration into the mechanism of management of municipal formations are shown. Key words: municipal management, economy, peripheral territories, information and analytical support. Проблема сбалансированного развития муниципальных образований всегда представляли собой актуальный массив исследовательской работы специалистов, ученых и практиков из сферы регионального и муниципального управления. В эпоху трансформационного перехода к шестому технологическому укладу, где ключевыми факторами производства будут инновационные знания, высокотехнологичные платформы и креативные индустрии, основанные на соответствующем полиформатном знании, на авансцену управленческой науки выходит проблема разработки новых технологий принятия адекватных решений, в том числе и при разработке стратегических траекторий развития территориальных структур. Вызовы цифровой экономики: условия, ключевые институты, инфраструктура 211 Сегодняшний этап развития системы регионального и муниципального менеджмента характеризуется следующими деструктивными явлениями и процессами: - продолжается разноуровневая «периферизация» муниципальных образований в пространственно-экономическом плане, состоящая в сокращении «объема взаимодействия» муниципальных образований с региональным административно-экономическим центром или центрами; - увеличиваются темпы провинциализации, под которой мы понимаем отставание текущего уровня и скорости социально-экономического развития муниципальных образований от развитых в этом плане территорий; - увеличивающаяся компетентностная и функциональная нагрузка на органы местного самоуправления на фоне сокращения бюджетных ассигнований и размежевания автономных полномочий муниципального менеджмента с региональным; - территории муниципальных образований, их социально-экономическая сфера испытывает негативные последствия мирового экономического кризиса и его Российской специфики, отягощенной сокращением темпов экономического роста, закрытием доступа к внешним финансовым ресурсам, падением объема размещенных инвестиций; на все это накладывается комплекс проблем инерционно-наследственной природы, присущих российской глубинке; - отсутствие внятной пространственно-экономической политики как отдельного направления социально-экономической как на уровне регионов, так и на уровне Федерации. Только эти обозначенные тенденции и процессы формируют устойчиво- деструктивную среду, в которой развиваются муниципальные образования внутрирегиональной периферии. Купирование, нейтрализация или компенсация негативных результатов действия подобного рода явлений и трендов возможно только путем разработки и реализации действенной модели региональной пространственно-экономической политики с дальнейшим выходом на селективную стратегию развития муниципальных образований. Для обеспечения релевантности, адекватности и комплексности стратегических мероприятий развития периферийных муниципальных образований в социально- экономическом и пространственном аспектах необходимо в системе муниципального менеджмента обеспечить выработки постоянно обновляющегося информационного массива о происходящих процессах. Сегодняшнее информационное обеспечение муниципального менеджмента при выработке его органами направлений и характера муниципальной социально-экономической политики включает возможности системы региональной и муниципальной статистики, интернет-источники, результаты специальных аналитических обзоров и исследований[1]. В то же время существует объективная необходимость формирования на муниципальном уровне интегрированной информационно-аналитической системы, с помощью которой имелась бы возможность проводить оперативные и тактические обоснования и аналитические исследования по проблемным 21- 22 марта 2018 г. Брянск 212 аспектам социально-экономической динамики муниципального образования. Сформулируем предполагаемые задачи подобной системы: 1. Формирование оперативного аналитического обзора по релевантным индикаторам пространственно-экономического развития территории; 2. Проведение компаративных во временном и территориальном разрезах исследований по изменениям параметров социально-экономического развития территорий региона; 3. Отслеживание в режиме реального времени пространственного «дрейфа» территорийв диалектике центростремительной и центробежной динамики; 4. Составление оперативных и тактических прогнозов касательно сценариев социально-экономического развития муниципальных образований, составление форм отчетности. Очевидно, что функциональные задачи интегрированной информационной системы управления муниципальным образованием должны корреспондироваться с перспективными направлениями применения информационных технологий в региональном и муниципальном менеджменте: - мультипараметрический мониторинг тенденций пространственно- экономического развития периферийных территорий; - программная среда для социально-экономической дифференциации периферийных территорий - динамический скрининг пространственного дрейфа территорий муниципальных образований периферийного типа относительно центра; - сценарное прогнозирование тенденций будущего развития периферийных территорий. Каким образом можно сформировать информационно-аналитическую платформу для диагностики проблем развития периферийных территорий? Во- первых, необходимо определиться с её информационным наполнением. Во- вторых, следует решить задачу институционального проектирования данной системы и её «встраивания» в существующую систему управления муниципальными образованиями более высокого организационного порядка [2] .В-третьих, необходимо решить комплекс организационно-экономических вопросов по финансированию разработки и функционирования данной системы, обучению персонала, технической поддержке и т.д. Раскрывая информационное наполнение соответствующей аналитической платформы для диагностики проблем развития периферийных территорий отметим, что в общем виде она должна содержать блок экономических показателей, совокупность пространственных характеристик и систему социально-значимых индикаторов развития территории, что позволит с разноаспектных позиций оценить изменения в социально-экономической сфере муниципальных образований и сформировать видение траекторий их развития. Что касается организационно-институционального оформления предлагаемой нами информационно-аналитической платформы, то она может быть реализована в нескольких вариантах. Первый состоит в самостоятельной разработке подобной платформы с применением механизма муниципального Вызовы цифровой экономики: условия, ключевые институты, инфраструктура 213 заказа. Во втором варианте подобная система закупается в готовом виде на региональном уровне, а затем директивно «спускается» вниз. На муниципальный уровень ложится бремя издержек по подготовке кадров и текущему сопровождению внедрения. Обозначим алгоритмизированный порядок функционирования предлагаемой информационно-аналитической платформы для диагностики проблем развития периферийных территорий. На основе первичной информации проводиться расчет и обоснование современных тенденций пространственно- экономического и социально-экономического развития территории, строятся долгосрочные тренды [3]. Затем по сложившимся трендам формируются сценарные прогнозы, которые затем принимаются за ключевые условия разработки стратегии социально-экономического развития муниципальных образований. Обозначенные в данном исследовании теоретико-концептуальные аспекты разработки интегрированной информационно-аналитической платформы для диагностики проблем развития периферийных территорий потребуют, безусловно, своего развития, конкретизации и дополнения. В то же время сама постановка проблемы является новой для системы муниципального менеджмента тематической рубрикацией возможных путей совершенствования механизма управления территориями. Библиографический список 1) Еремин Р.В. Формирование системы паспортизации территорий как фактор повышения их социально-экономического развития // Kant. – 2011. – №1. – С. 15-16. 2) Мирошников Д.М. Методика составления промышленного паспорта региона // Вестник Университета (Государственный университет управления). – 2014. – № 11. – С. 24-27. 3) Мирохина А.А. Пространственно-экономические паспорта территорий как инструмент управления региональной экономикой. Экономика и менеджмент в условиях глобальной конкуренции: проблемы и перспективы: труды научно-практической конференции с международным участием. – СПб.: Изд-во Политехн. ун-та. 2016. – 426 с. – с. 128-135. 21- 22 марта 2018 г. Брянск 214 УДК 004.8 МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ КАК ИНСТРУМЕНТ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ СОЦИАЛЬНО- ЭКОНОМИЧЕСКИХ СИСТЕМ Казаков О.Д., Новиков С.П. Брянский государственный инженерно-технологический университет Россия, г. Брянск Аннотация. Рассматриваются вопросы замены традиционных процедур аналитики деятельности социально-экономических систем алгоритмами машинного обучения. Представлена модель прогнозирования продаж хозяйствующего субъекта на основе алгоритма ARIMA. Модель реализована в RStudio. Ключевые слова: машинное обучение, управление социально-экономическими системами, интегрированная модель авторегрессии. METHODS OF MACHINE TRAINING AS A TOOL OF INCREASING THE EFFICIENCY OF THE ACTIVITY OF SOCIAL AND ECONOMIC SYSTEMS Kazakov O.D., Novikov S.P. Bryansk State Engineering Technological University, Russia, Bryansk Abstract. The questions of replacing the traditional procedures for analyzing the activity of socio-economic systems by algorithms of machine learning are considered. A model for forecasting sales of an economic entity based on the ARIMA algorithm is presented. The model is implemented in RStudio. Key words: machine learning, management of socio-economic systems, autoregressive integrated moving average. Рынок цифровых технологий, направленных на автоматизацию и деятельности социально-экономических, в настоящее время смещает акценты на классы и методы искусственного интеллекта. Сегодня крупные, средние и малые предприятия имеют возможность доступа и внедрения «умных» инструментов для персонализированного маркетинга, анализа рисков и мошенничества, прогностического обслуживания оборудования и т.п. Рынок приложений машинного обучения постоянно растет. Уже можно констатировать частные результаты трансформации рынка информатизации рынка информатизации рынка, когда малый бизнес может позволить себе развернуть пакетные алгоритмы машинного обучения, разработанные как бизнес-решения. Внезапная коммерциализация машинного обучения стала возможной в Вызовы цифровой экономики: условия, ключевые институты, инфраструктура 215 значительной степени из-за доступности превосходного и дешевого оборудования, архитектуры обработки и роста технологий поддержки, таких как Big Data и Hadoop. С машинным обучением традиционная интеллектуальная аналитика была заменена многоуровневым вероятностным прогнозированием, где каждый предсказанный результат имеет связанную вероятностную меру, приводящую к ряду вероятностей, а не одной вероятности. Подобные прогнозы могут быть применены в любых сферах социально-экономических систем. Например, прогностическая аналитика в энергетической отрасли включают в себя оценку энергетических нагрузок, прогнозирование цен, прогнозирование выработки энергии ветра и прогнозирование выработки солнечной энергии. В открытых исследованиях MIT Sloan Review Management декларируются следующие результаты: Получение большей прогнозирующей точности путем создания и оптимизации моделей склонности для руководства продажей и перекрестными продажами - это то, где машинное обучение сегодня вносит вклад в стратегии продажи всенаправленного оружия. По меньшей мере 40% западных компаний уже используют машинное обучение для повышения эффективности продаж и маркетинга. 38% западных компаний кредитовали машинное обучение для улучшения показателей эффективности продаж. Несколько европейских банков увеличивают продажи новых продуктов на 10% при одновременном снижении оттока 20%. Недавнее исследование McKinsey показало, что десятки европейских банков заменяют методы статистического моделирования машинным обучением. Банки также увеличивают оценки удовлетворенности клиентов и стоимость жизни клиентов. Способность машинного обучения масштабироваться по широкому спектру услуг по управлению контрактами, обслуживанию клиентов, финансам, юридическим вопросам, продажам, котировкам к деньгам, качеству, ценообразованию и производственным задачам связана с его способностью постоянно учиться и совершенствоваться. Алгоритмы машинного обучения носят итеративный характер, постоянно учатся и стремятся оптимизировать результаты. Каждый раз, когда происходит просчет, алгоритмы машинного обучения исправляют ошибку и начинают другую итерацию анализа данных. Эти вычисления происходят в миллисекундах, что делает машинное обучение исключительно эффективным при оптимизации решений и прогнозировании результатов. Рассмотрим возможность прогнозирования продаж автомобильных комплектующих по открытым данным компании PowerHorse tractors. Начнем с того, что подготовим график временных рядов для данных. Ниже приведен код R, который мы использовали для чтения данных в R и построения графика временных рядов. 21- 22 марта 2018 г. Брянск 216 Очевидно, что приведенная выше диаграмма имеет тенденцию к росту продаж, и есть также сезонный компонент. Чтобы удалить восходящий тренд через 1-й порядок, дифференцируем ряд и преобразуем его в статичный Далее нам нужно сделать ряд статичный по дисперсии для создания надежных прогнозов с помощью моделей ARIMA Один из лучших способов сделать ряд, статичным по дисперсии, - это преобразование исходной серии через log transform (рисунок 1). Рисунок 1. Преобразование исходной серии через log transform Теперь создадим графики автокорреляции (ACF) и частичный автокорреляционный коэффициент (PACF), чтобы идентифицировать шаблоны в приведенных выше данных, которые являются стационарными по среднему значению и дисперсии. Идея состоит в том, чтобы идентифицировать присутствие компонентов AR и MA в остатках. Ниже приведен код R для создания графиков ACF и PACF (рисунок 2). Вызовы цифровой экономики: условия, ключевые институты, инфраструктура 217 Рисунок 2. Графики автокорреляции (ACF) и частичный автокорреляционный коэффициент (PACF) На следующем шаге предскажем продажи автокомплектующих на ближайшие 3 года, то есть на 2018, 2019 и 2020 годы, по вышеуказанной модели (рисунок 3). Синей линией на диаграмме отображается выход с прогнозируемыми значениями продаж комплектующих. Диапазон ожидаемой ошибки (т.е. 2- кратное стандартное отклонение) отображается оранжевыми линиями по обе стороны от прогнозируемой синей линии. Таким образом, можно констатировать, что с развитием методов машинного обучения традиционная интеллектуальная аналитика была заменена многоуровневым вероятностным прогнозированием, где каждый предсказанный результат имеет связанную вероятностную меру, приводящую к ряду вероятностей, а не одной вероятности. Подобные прогнозы могут быть применены в любых сферах социально-экономических систем. 21- 22 марта 2018 г. Брянск 218 Рисунок 3. Прогноз продаж автокомплектующих на 2018 г., 2019 г., 2020 г. Библиографический список 1. Азаренко Н.Ю. Информационная безопасность в управлении современной организацией /Н.Ю. Азаренко, В.Д. Рустамова // Экономика и эффективность организации производства: сб. науч. тр.– Брянск: БГИТУ, 2017. – Вып.25. – С. 81-84 2. Азаренко Н.Ю., Михеенко О.В. Инновационные технологии в управлении развитием территории // Экономика и управление: проблемы, решения. 2017. Т. 2. № 12. С. 40-50. 3. Титов А.Б., Михеенко О.В. Экономическая безопасность в системе национальной безопасности России // Общество: политика, экономика, право. 2017. № 1. С. 46-49. 4. Чепикова Е.М. Современные тенденции и вызовы цифровой экономики // Экономика и предпринимательство. 2018. № 1(90). С. 776-778. Вызовы цифровой экономики: условия, ключевые институты, инфраструктура 219 УДК 328.28 МЕТОДИКА ОЦЕНКИ ЭФФЕКТИВНОСТИ СОЦИАЛЬНЫХ IT – ПРОЕКТОВ Козлова И.Р. Брянский государственный инженерно-технологический университет, Россия, г. Брянск Аннотация. В статье рассмотрены основные методы оценки эффективности социальных IT-проектов. Определены ключевые факторы и критерии,которые необходимо учитывать при выборе модели оценки социального IT-проекта. Приведенабалльная методика оценки эффективности проекта. Ключевые слова: социальный проект, факторы эффективности, методы оценки эффективности социальных IT-проектов, критерии эффективности, бальный метод оценки. METHODOLOGY FOR ASSESSING THE EFFECTIVENESS OF SOCIAL IT PROJECTS Kozlova I.R. Bryansk State Technological University of Engineering, Russia, Bryans Abstract.The article discusses the main methods of evaluating the effectiveness of social IT projects. The key factors and criteria that need to be taken into account when choosing a model for evaluating a social IT project are identified. The point technique of estimation of efficiency of the project is resulted. |