«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Прогностический (предиктивный) и предписывающий (прескриптивный) анализ: теоретические аспекты

Журнал «Экономический анализ: теория и практика»
т. 18, вып. 7, июль 2019

Получена: 22.05.2019

Получена в доработанном виде: 04.06.2019

Одобрена: 17.06.2019

Доступна онлайн: 30.07.2019

Рубрика: Теория экономического анализа

Коды JEL: G30, G32

Страницы: 1243–1255

https://doi.org/10.24891/ea.18.7.1243

Когденко В.Г. доктор экономических наук, заведующая кафедрой финансового менеджмента, Национальный исследовательский ядерный университет «МИФИ», Москва, Российская Федерация 
kogdenko7@mail.ru

https://orcid.org/0000-0001-9732-1174
SPIN-код: 5187-2698

Предмет. Теоретические вопросы прогностического и предписывающего анализа.
Цели. Обобщение алгоритмов и направлений прогностического, предписывающего анализа и выявление источников повышения эффективности компании в результате использования цифровой аналитики.
Методология. Использованы общенаучные принципы и методы исследования: анализ и синтез, группировка и сравнение, абстрагирование, обобщение.
Результаты. Определены характеристики прогностического и предписывающего анализа, алгоритмы построения моделей, выявлено шесть направлений анализа. Исследованы ключевые алгоритмы современной аналитики – построение трендов и регрессионных моделей, кластеризация и классификация данных, выявление аномалий в данных и ассоциативный анализ. Рассмотрен алгоритм построения моделей, включающий работу с обучающим и тестовым набором данных. В рамках каждого направления анализа выделены основные элементы и источники повышения эффективности бизнеса. В клиентской аналитике – это моделирование и воздействие на поведение покупателей, в продуктовой аналитике – выявление вектора развития продукта; в промышленной аналитике – контроль и оптимизация бизнес-процессов, в аналитике персонала – моделирование и воздействие на поведение персонала, в аналитике мошенничества – своевременное выявление аномального поведения, в аналитике экосистемы и бизнес-среды – выявление возможных источников финансовых, материальных и интеллектуальных ресурсов от широкого круга стейкхолдеров.
Выводы. Определены решения для повышения эффективности бизнеса в результате применения цифровой аналитики – это адаптация продукта и маркетингового комплекса к потребностям клиентов, снижение стоимости бизнес-процессов, разработка эффективной кадровой политики, превентивное принятие решений относительно мошеннических операций, оптимизация бизнес-модели. Статья может быть полезна специалистам аналитических служб компаний.

Ключевые слова: предиктивная аналитика, прескриптивная аналитика

Список литературы:

  1. Морхат П.М. Право интеллектуальной собственности и искусственный интеллект: монография. М.: ЮНИТИ-ДАНА, 2018. 121 с.
  2. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. М.: Манн, Иванов и Фербер, 2014. 240 с.
  3. Сигель Э. Просчитать будущее: Кто кликнет, купит, соврет или умрет. М.: Альпина Паблишер, 2018. 374 с.
  4. Дэвенпорт Т. и др. О чем говорят цифры. Как понимать и использовать данные. М.: Манн, Иванов и Фербер, 2014. 224 с.
  5. Брускин С.Н. Методы и инструменты продвинутой бизнес-аналитики для корпоративных информационно-аналитических систем в эпоху цифровой трансформации // Современные информационные технологии и ИТ-образование. 2016. Т. 12. № 3-1. С. 234–239. URL: Link
  6. Аптекман А., Калабин В. и др. Цифровая Россия: новая реальность. URL: Link
  7. Тышковский Р. Что делать СЕО во время цифровой революции // Бизнес в цифровую эпоху: сборник статей. URL: Link
  8. Лолейт М. и др. Математика российского люкса: перспективы роста и потребительское поведение. Использование углубленной аналитики для совершенствования стратегии роста люксовых брендов. URL: Link
  9. Любушин Н.П., Лыков А.И., Бабичева Н.Э. Использование ресурсоориентированного экономического анализа в оценке устойчивого развития хозяйствующих субъектов // Вестник Тамбовского университета. Сер.: Гуманитарные науки. 2015. № 2. С. 32–45. URL: Link
  10. Добрынин А.П., Черных К.Ю., Куприяновский В.П., Синягов С.А. Цифровая экономика – различные пути к эффективному применению технологий (BIM, PLM, CAD, IOT, Smart City, BIG DATA и другие) // International Journal of Open Information Technologies, 2016, vol. 4, no. 1, pp. 4–11. URL: Link
  11. Брускин С.Н. Модели и инструменты предиктивной аналитики для цифровой корпорации // Вестник Российского экономического университета им. Г.В. Плеханова. 2017. № 5. С. 135–139. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 18, вып. 7, июль 2019

Другие номера журнала