В статье раскрываются ключевые аспекты бизнес-аналитики, включая интеграцию данных и приложений, процессы трансформации информации в практические знания, а также разнообразные методы аналитической обработки. Определены отличительные характеристики концепции Big Data и технологий анализа больших данных. Проведена систематизация и сравнительная оценка современных подходов к интеллектуальному анализу информации с акцентом на их применение для решения управленческих задач и разработки бизнес-стратегий. Описана общая архитектура процессов цифровой обработки корпоративной информации. Особое внимание уделено функциональным возможностям предиктивной аналитики и систем прогнозирования. Представлен обзор лидирующих решений в области аналитики и машинного обучения на ИТ-рынке, а также перспективы их интеграции в цифровую экономику. Рассмотрены базовые подходы к обучению моделей в системах искусственного интеллекта и возможности их использования в различных сферах бизнеса. Исследуется специфика применения алгоритмов машинного обучения как составной части систем искусственного интеллекта, анализируются их преимущества и ограничения, а также оценивается потенциал использования данных технологий в современном менеджменте. Перечислены перспективные направления и функциональные возможности развития искусственного интеллекта для корпоративных решений, такие как агентные системы, автоматизированное машинное обучение и причинный искусственный интеллект.
Идентификаторы и классификаторы
- SCI
- Экономика
Немаловажными метриками для оценки производительности обработки больших данных также являются: время выполнения операций, характеризующее скорость решения задач; масштабируемость, отражающая способность системы адаптироваться к растущим объемам данных; удобство использования, определяемое наличием доступных инструментов для разработчиков и аналитиков; эффективность использования ресурсов, включая загрузку процессора, использование памяти и других вычислительных мощностей.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Басергян А.А. Куприянов М.С., Холод И.И. и др. 2009. Анализ данных и процессов. Учебное пособие. 3-е издание. Санкт-Петербург: БХВ-Петербург. 512 с.
2. Кацов И.В. 2024. Искусственный интеллект на предприятии. Теория и практика для маркетинга, управления поставками и производством. Mосква: ДМК Пресс. 710 с.
3. Кацов И.В. 2019. Машинное обучение для бизнеса и маркетинга. Санкт-Петербург: Питер. 512 с.
4. Маслова Л.А., Гутник С.А. и Чеповский П.В. 2017. Бизнес-архитектура решений SAP для автоматизации деятельности финансово-кредитных организаций. Учебное пособие. Mосква: ИНТУИТ. 255 с.
5. Сигель Э. 2014. Просчитать будущее. Кто кликнет, купит, соврет или умрет. Mосква: Альпина Бизнес Букс. 374 с.
6. Старостин В.С. 2018. Трансформация маркетинговых технологий в эпоху машинного интеллекта. Вестник университета. 1 (1). С. 28-34.
7. Abbott D. 2014. Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst. New Jersey: Wiley. 464 p.
8. Baesens B. 2014. Analytics in a Big Data World. The Essential Guide to Data Science and Its Applications. New Jersey: Wiley. 256 p.
9. Balef A.R. and Eggensperger K. 2025. In-Context Decision Making for Optimizing Complex AutoML Pipelines. Preprint Arxiv.org (Cornell University Library). https://doi.org/10.48550/arXiv.2508.13657
10. Brunk J., Stottmeister J.,Weinzierl S. et al. 2020.Exploring the Effect of Context Information on Deep Learning Business Process Predictions. Journal of Decision Systems. Vol. 29. P. 328-343. https://doi.org/10.1080/12460125.2020.1790183
11. Brynjolfsson E., Rock D. and Syverson C. 2017. Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics. National Bureau of Economic Research. No. 24001. P. 1-44. https://doi.org/10.3386/w24001
12. Challapally A., Pease C., Raskar R and Chari P. 2025. The GenAI Divide: State of AI in Business 2025. Cambridge: MIT Vedia Lab. 26 p.
13. Fayyad U., Piatetsky-Shapiro G., Smyth P. and Uthurusamy R. Advances in Knowledge Discovery in Databases. Cambridge: MIT Press. 1996. 625 p.
14. Gandhi A., Adhvaryu K., Poria S. et al. 2023. Multimodal Sentiment Analysis: A Aystematic Review of History, Datasets, Multimodal Fusion Methods, Applications, Challenges and Future Directions. Information Fusion. Vol. 91. P. 424-444. https://doi.org/10.1016/j.inffus.2022.09.025
15. Gutnik S. 2021. Application of Data Mining and Machine Learning Methods to Enhance the Effectiveness of Digital Marketing Strategies. Digital Strategies in a Global Market. Navigating the Fourth Industrial Revolution. Konina N.Yu. (ed.). Cham: Palgrave Macmillan. P. 131-144. https://doi.org/10.1007/978-3-030-58267-8
16. Kumar V., Reinartz W. 2012. Customer Relationship Management: Concept, Strategy, and Tools. Berlin: Springer-Verlag. 411 p. https://doi.org/10.1007/978-3-662-55381-7
17. Rawal A., Raglin A., Rawat D.B. et al. 2025.Causality for Trustworthy Artificial Intelligence: Status, Challenges and Perspectives. ACM Computing Surveys. 57 (6). P. 1-30. https://doi.org/10.1145/3665494
18. Riad M., Naimi M. and Okar C. 2024. Enhancing Supply Chain Resilience Through Artificial Intelligence: Developing a Comprehensive Conceptual Framework for AI Implementation and Supply Chain Optimization. Logistics. 8 (4). P. 1-26. https://doi.org/10.3390/logistics8040111
19. Rogers D.L. 2016. The Digital Transformation Playbook. New York: Columbia Business School Publishing. 278 p.
20. Russell S.J., Norvig P. 2022. Artificial Intelligence. A Modern Approach: Fourth Edition. London: Pearson Education Limited. 1167 p.
21. Shlash A., Khanfar I., Al-Oraini B. et al. 2024. Predictive Analytics on Artificial Intelligence in Supply Chain Optimization. Data & Metadata. Vol. 3. P. 1-395. https://doi.org/10.56294/dm2024395
22. Wang Z., Zhang J. 2025. From Bits to Boardrooms: A Cutting-Edge Multi-Agent LLM Framework for Business Excellence. Preprint Arxiv.org (Cornell University Library). https://doi.org/10.48550/arXiv.2508.15447
23. Yang Q., Wu X., Domingos P. et al. 2006. 10 Challenging Problems in Data Mining Research. International Journal of Information Technology & Decision Making. 5 (4). P. 597-604. https://doi.org/10.1142/S0219622006002258
Выпуск
Другие статьи выпуска
В данной статье представлен всесторонний анализ торговоэкономических отношений между Российской Федерацией и Китайской Народной Республикой, в котором особое внимание уделяется аспектам таможенного взаимодействия. В рамках исследования рассматривается современное состояние двустороннего сотрудничества, определяются его ключевые тенденции, существующие барьеры и направления дальнейшего развития. Проведенный анализ доказывает, что модернизация механизмов таможенного регулирования является критически важным условием для интенсификации товарооборота и устранения существующих барьеров. Значительный экономический потенциал обеих стран в сочетании с взаимодополняемостью их хозяйственных систем создает прочную основу для нивелирования структурных дисбалансов, открывая широкие перспективы для углубления партнерства. Географическая близость России и Китая является важным стратегическим преимуществом, способствующим формированию новых логистических и торговых маршрутов, а также укреплению интеграционных процессов в Евразийском регионе. Авторы обосновывают приоритетность разработки стратегий по углублению таможенной интеграции между двумя странами в условиях глобальных экономических вызовов и геополитической турбулентности. В статье также приводится аргументация в пользу того, что оптимизация таможенных процедур способна не только стимулировать рост взаимной торговли, но и повысить эффективность логистических цепочек, сократить временные и финансовые издержки бизнеса, а также укрепить позиции России и Китая в глобальной торговой системе.
Настоящее исследование посвящено систематизации концептуальных подходов к управлению межорганизационными бизнес-процессами (МОБП) промышленных предприятий. Проведенный теоретический анализ подтвердил ограниченность изолированного применения существующих моделей координации, таких как управление цепочками поставок, реляционный менеджмент и теория транзакционных издержек. Основным результатом работы является обоснование интегрированной концептуальной рамки, объединяющей три взаимосвязанных измерения: структурно-технологическое, подразумевающее совместимость систем и стандарты данных; процессно-организационное, включающее регламенты, распределение ответственности и ключевые показатели эффективности (KPI); реляционно-поведенческое, охватывающее доверие, общие нормы и механизмы разрешения конфликтов. Особо подчеркивается диалектическая взаимозависимость данных аспектов и их критическая роль в условиях специфики промышленного сектора, для которого характерны капиталоемкость, длинные производственные циклы и высокие требования к надежности. При этом дисбаланс в развитии любого из измерений закономерно ведет к снижению общей эффективности взаимодействия. Практическая значимость данного исследования заключается в признании управления МОБП в качестве стратегической компетенции, что требует целенаправленного развития сетевого мышления, проведения диагностики баланса аспектов координации и внедрения адаптивных механизмов. В качестве перспектив для дальнейших исследований определены разработка методик диагностики зрелости управления, анализ распределения выгод в асимметричных партнерствах и изучение влияния цифровых платформ.
Китайско-узбекское сотрудничество представляет собой ключевой элемент геополитической и экономической динамики Центральной Азии. Данное партнерство вышло далеко за рамки торгового взаимодействия, распространившись на такие сферы, как энергетика, транспортная логистика, агропромышленный комплекс, безопасность и образовательные обмены. Современный этап стратегического партнерства двух стран характеризуется ориентацией на экономический прагматизм и достижение геополитического баланса. Модель китайского инвестирования, ориентированная на реализацию «коротких и быстрых» инициатив в различных регионах и отраслях, демонстрирует растущую адаптивность китайского подхода и прагматизм узбекской стороны, заинтересованной в диверсификации национальной экономики. Однако за внешней динамикой скрывается фундаментальный вызов, связанный с необходимостью для Узбекистана балансировать между очевидными экономическими выгодами и рисками нарастающей зависимости. Вопросы поддержки позиции Китая по уйгурской проблематике остаются неотъемлемой частью двустороннего диалога. На современном этапе отношения приобрели характер зрелой многомерной взаимозависимости: для Узбекистана они стали главным внешним ресурсом модернизации, а для Китая — ключевым элементом укрепления влияния в регионе. В этой связи способность Ташкента эффективно выстраивать диалог, максимизируя преимущества и минимизируя риски, определяет не только его собственное будущее, но и контуры геоэкономического ландшафта Центральной Азии в целом.
В работе проведен сравнительный анализ экономических структур и степени ресурсной зависимости Ботсваны, Чили, Демократической Республики Конго (ДРК), Кении и Замбии. Исследование основано на анализе ключевых индикаторов, включая скорректированные сбережения от минеральной добычи, добавленную стоимость обрабатывающей промышленности, долю потребления возобновляемой энергии и объем минеральной ренты. На основе данных Всемирного банка за период 1994–2021 гг. с применением методов описательной статистики, корреляционного и регрессионного анализа, а также однофакторного дисперсионного анализа (ANOVA) оценены межстрановые различия в ресурсной зависимости, уровне индустриализации и экологической устойчивости. Результаты свидетельствуют о том, что Чили и Замбия демонстрируют высокие значения минеральной ренты и скорректированных сбережений, подтверждая модель ресурсно зависимой экономики, тогда как Кения и Ботсвана характеризуются минимальной зависимостью от минеральных ресурсов. Наибольшие показатели потребления возобновляемой энергии зафиксированы в ДРК и Замбии, тогда как Ботсвана и Чили существенно отстают по данному параметру. Выявленные закономерности подчеркивают необходимость сбалансированного подхода между ресурсодобычей и целями устойчивого развития. Установлена положительная корреляция между минеральной рентой и скорректированными сбережениями при одновременной отрицательной связи с потреблением возобновляемой энергии. В то же время положительная взаимосвязь между развитием обрабатывающей промышленности и использованием возобновляемых источников энергии указывает на потенциальную совместимость промышленного роста с экологическими императивами при условии проведения целенаправленной политики. Проведенный анализ также позволил идентифицировать ключевые тенденции: несмотря на положительное влияние минеральных рент на формирование сбережений, они могут косвенно ограничивать инвестиции в возобновляемую энергетику. Уровень развития обрабатывающей промышленности существенно варьируется: Чили и ДРК обладают более диверсифицированной промышленной базой по сравнению с Ботсваной и Замбией. Полученные результаты обосновывают необходимость реализации стратегий, направленных на промышленную диверсификацию, устойчивое управление природными ресурсами и стимулирование инвестиций в возобновляемую энергетику. В частности, Чили и Замбии целесообразно реинвестировать доходы от минеральных ресурсов в развитие возобновляемой энергетики, Ботсване и Кении — активизировать энергетический переход, ДРК — модернизировать энергетическую инфраструктуру для обеспечения промышленного роста.
В настоящее время динамичное взаимодействие крупных банков и компаний высокотехнологичного сектора на финансовых рынках становится объектом пристального внимания не только со стороны экономистов и регулирующих органов, но и широкой общественности в глобальном масштабе. Обладая значительным технологическим, клиентским и инновационным потенциалом, бигтех-компании активно расширяют свое присутствие в финансовой сфере, предлагая цифровые решения, которые трансформируют традиционные модели предоставления услуг. Данная тенденция не только обостряет конкурентную борьбу между ключевыми участниками рынка, но и стимулирует поиск эффективных моделей взаимовыгодного партнерства. В данном контексте особую научную и практическую значимость приобретает изучение фундаментальных принципов построения отношений между системообразующими банками и технологическими гигантами. Анализ современной практики позволяет выявить объективные противоречия и зоны взаимной заинтересованности сторон, что имеет ключевое значение для определения перспективных форматов сотрудничества, оценки потенциальных выгод и системных рисков в условиях новой экономической реальности. Таким образом, комплексное исследование современных вызовов и возможностей данного альянса позволит спрогнозировать вероятные траектории развития его участников на российских и мировых финансовых рынках.
Современный мировой экономический порядок претерпевает фундаментальную трансформацию, выходящую за рамки традиционных представлений о деглобализации и движущуюся в сторону более сложного феномена — стратегической реглобализации. В данной статье оспаривается устоявшийся нарратив об ослаблении глобальной интеграции. Отмечается, что государства активно перестраивают экономические связи под влиянием геополитических сдвигов, технологической конкуренции и соображений национальной безопасности. Более глубокий анализ, выходящий за пределы поверхностных индикаторов, таких как рост торговых барьеров и разрывы цепочек поставок, позволяет выявить сложную переконфигурацию глобальных взаимосвязей, в рамках которой усиление суверенного контроля над критическими секторами сочетается с сохранением архитектуры международного сотрудничества. Прослеживаются три потенциальных сценария реглобализованного будущего: фрагментация мировой экономики на конкурирующие высокорисковый сценарий полной экономической бифуркации по модели холодной войны 2.0 и более оптимистичный вариант прагматичной многополярности, допускающей элементы избирательного сотрудничества. Данные траектории определяются углубляющимся соперничеством между США и Китаем, растущим влиянием экономик Глобального Юга, а также стремительным развитием искусственного интеллекта и устойчивых технологий. Автор приходит к выводу, что новая фаза глобализации, сохраняя глобальную взаимосвязанность, будет характеризоваться ослаблением западной гегемонии, возрастающей непредсказуемостью политического ландшафта и отступлением от либеральных экономических принципов. В завершение формулируются практические рекомендации по адаптации стран к формирующейся реальности, подчеркивающие необходимость внедрения гибких систем управления, способных совмещать защиту национальных интересов с использованием преимуществ международного экономического сотрудничества.
УВАЖАЕМЫЕ ЧИТАТЕЛИ! Представляю вашему вниманию новый выпуск журнала «Международный бизнес».
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- МГИМО
- Регион
- Россия, Москва
- Почтовый адрес
- 119454, Москва, проспект Вернадского, 76.
- Юр. адрес
- 119454, Москва, проспект Вернадского, 76.
- ФИО
- Торкунов Анатолий Васильевич (РЕКТОР)
- E-mail адрес
- portal@inno.mgimo.ru
- Контактный телефон
- +7 (495) 2294049
- Сайт
- https://mgimo.ru/