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.
Морхат П.М. Право интеллектуальной собственности и искусственный интеллект: монография. М.: ЮНИТИ-ДАНА, 2018. 121 с.
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.
Сигель Э. Просчитать будущее: Кто кликнет, купит, соврет или умрет. М.: Альпина Паблишер, 2018. 374 с.
Дэвенпорт Т. и др. О чем говорят цифры. Как понимать и использовать данные. М.: Манн, Иванов и Фербер, 2014. 224 с.
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
Аптекман А., Калабин В. и др. Цифровая Россия: новая реальность. URL: Link
Тышковский Р. Что делать СЕО во время цифровой революции // Бизнес в цифровую эпоху: сборник статей. URL: Link
Лолейт М. и др. Математика российского люкса: перспективы роста и потребительское поведение. Использование углубленной аналитики для совершенствования стратегии роста люксовых брендов. URL: Link
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
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
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
