В работе анализируются методология создания информационно-технологической платформы «цифровых портретов» сложных социально-экономических систем на примере региональных систем России как одного из необходимых элементов стратегического управления процессами достижения национальных целей. Для решения задач, связанных с созданием цифровых портретов, определены практические способы применения технологий Data Mining, алгоритмов искусственного интеллекта, методов математической статистики, линейной алгебры, а также кластерного и экономического факторного анализа. На этой основе предложены модели для целей цифровой трансформации региональных систем управления социально-экономическими процессами.
Идентификаторы и классификаторы
- SCI
- Экономика
С учетом приведенных индексных представлений может быть построена методика оценки состоятельности «элементарных» процессов, основанная на применении класса алгоритмов ИИ, известных как классификация с помощью фиксированных правил [26; 33; 35]. На этом этапе предполагается линейная зависимость пар индикаторов и факторов, причем при анализе для всех пар пока не учитывается потенциальная корреляция между факторами. Отметим, что даже с учетом вынужденного использования малых выборок данных, для гипотезы о линейной зависимости в паре индикатора (Y) и фактора (X) имеются существенные основания. Поскольку в этом случае условное (выборочное) распределение случайной величины Y на практике неизвестно, то применяется стандартная для эконометрики процедура сглаживания экспериментальных данных [28].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Адамов В. Е. Факторный индексный анализ (методология и проблемы). М. : Статистика, 1977. 200 с.
2. Акаев А. А., Ичкитидзе Ю. Р., Петряков А. А., Сарыгулов А. И. Цифровая трансформация экономики: эмпирические факты и математические модели. СПб. : Издательско-полиграфическая ассоциация высших учебных заведений, 2020. 336 с.
3. Акаев А. А., Садовничий В. А. Человеческий фактор как определяющий производительность труда в эпоху цифровой экономики // Проблемы прогнозирования. 2021. № 1 (184). С. 45-58. https://doi.org/10.47711/0868-6351-184-45-58. EDN WFYDGO
4. Белоглазов Д. А. Особенности нейросетевых решений, достоинства и недостатки, перспективы применения // Известия Южного федерального университета. Технические науки. 2008. Т. 84, № 7. С. 105-110. EDN KAPCWZ
5. Блюмин С. Л., Суханов В. Ф., Чеботарёв С. В. Экономический факторный анализ. Липецк : Изд-во Липецкого эколого-гуманитарного института (ЛЭГИ). 2004. 148 с.
6. Виноградова Н. М. Теория индексов. М. : Гостехиздат, 1930. 200 с.
7. Дюк В. А., Флегонтов А. В., Фомина И. К. Применение технологий интеллектуального анализа данных в естественнонаучных, технических и гуманитарных областях // Известия РГПУ им. А. И. Герцена. 2011. № 138. С. 77-83. EDN NDNWEJ
8. Елисеева И. И., Князевский В. С., Ниворожкина Л. И., Морозова З. А. Теория статистики с основами теории вероятности. М. : Финансы и статистика. 2002. 400 с.
9. Ефанов В. А., Чаадаев В. К., Шляхов А. С. Стратегирование цифровой трансформации промышленного предприятия (на примере ФГУП «Российская телевизионная и радиовещательная сеть») // Экономика промышленности. 2023. Т. 16, № 1. С. 95-104. https://doi.org/10.17073/2072-1633-2023-1-95-104. EDN ADVHOJ
10. Журавлев Д. М. Стратегирование цифровой трансформации сложных социально-экономических систем / под науч. ред. В. Л. Квинта. СПб. : ИПЦ СЗИУ РАНХиГС, 2024. (Серия «Библиотека стратега»). 352 с.
11. Журавлев Д. М., Троценко А. Н., Чаадаев В. К. Методология и инструментарий стратегирования социально-экономического развития региона // Экономика промышленности. 2022. Т. 15, № 2. С. 131-142. https://doi.org/10.17073/2072-1633-2022-2-131-142. EDN IAXLHE
12. Журавлев Ю. И., Рязанов В. В., Сенько О. В. Распознавание. Математические методы. Программная система. Практические применения. М. : Фазис. 2006. 176 с.
13. Журавлев Ю. И., Флеров Ю. А., Вялый М. Н. Основы высшей алгебры и теории кодирования. М. : Изд-во ФУПМ МФТИ, 2019. 308 с.
14. Замков О. О., Толстопятенко А. В., Черемных И. Н. Математические методы в экономике. М. : Дело и сервис, 1997. 368 с.
15. Ивченко Г. И., Медведев Ю. И. Математическая статистика : учебник. М. : КД «ЛИБРОКОМ», 2014. 352 с.
16. Исмагилов И. И., Кадочникова Е. И., Костромин А. В. Эконометрика. Казань : Изд-во Казанского университета, 2014. 235 с.
17. Капелюшников Р. И. Искусственный интеллект и проблема сингулярности в экономике // Препринт WP3. 2025.01. Серия WP3 «Проблемы рынка труда»). М. : Изд. дом Высшей школы экономики, 2025. 67 с.
18. Клейнер Г. Б. Производственные функции. Теория, методы, применение. М. : Финансы и статистика, 1986. 238 с.
19. Кремер Н. Ш., Путко Б. А. Эконометрика : учебник для вузов. М. : ЮНИТИ-ДАНА, 2004. 311 с.
20. Лаптева Е. А., Навдаева С. Н., Ирхина Л. Н. Статистика: индексный метод анализа : учеб. пособие. Н. Новгород : Изд-во Нижегородского ГАТУ, 2022. 164 с.
21. Меликян А. А. Применение индексного метода в исследовании региональной цифровой дифференциации // Инновации и инвестиции. 2025. № 3. С. 406-409. EDN GINLLH
22. Некипелов А. Д. Об экономической стратегии и экономической политике России в современных условиях // Научные труды Вольного экономического общества России. 2021. Т. 230, № 4. С. 76-89. https://doi.org/10.38197/2072-2060-2021-230-4-76-89. EDN MHLEYL
23. Некипелов А. Д. От нейтрализации внешних шоков к устойчивому долгосрочному развитию // Научные труды Вольного экономического общества России. 2024. Т. 248, № 4. С. 130-142. https://doi.org/10.38197/2072-2060-2024-248-4-130-142. EDN IMGYWO
24. Обухов А. М. О статистических ортогональных разложениях эмпирических функций // Известия АН СССР. Сер. Геофизика. 1960. № 3. С. 432-439.
25. Овсянников Г. Н. Факторный анализ в доступном изложении: Изучение многопараметрических систем и процессов. М. : КД «ЛИБРОКОМ», 2025. 176 с.
26. Орлов А. И. Искусственный интеллект: статистические методы анализа данных : учебник. М. : Ай Пи Ар Медиа, 2022. 843 с.
27. Регионы России: социально-экономические показатели. М. : Росстат, 2020. 1242 с.
28. Трофимова Е. А., Кисляк Н. В., Гилев Д. В. Теория вероятностей и математическая статистика : учеб. пособие. Екатеринбург : Изд. Уральского университета, 2018. 160 с.
29. Успенский А. Б., Романов С. В., Троценко А. Н. Применение метода главных компонент для анализа ИК-спектров высокого разрешения, измеренных со спутников // Исследования Земли из космоса. 2003. № 3. С. 26-33. EDN OOCSXX
30. Aggarwal Charu C. Neural Networks and Deep Learning: A Textbook, Second Edition, 2023. Springer Cham, 2024. 529 р.
31. Breiman L. Bagging Predictors // Machine Learning. 1996. № 24. P. 123-140.
32. Cook R. D., Weisberg S. Residuals and Influence in Regression. New York: Chapman and Hall, 1982. 230 р.
33. Goodfellow I., Bengio Y., Courville A. Deep Learning (Adaptive Computation and Machine Learning series). The MIT Press, 2016. 800 р.
34. Kao Yi-Hao, Van Roy B. Directed Principal Component Analysis // Operations Research. 2014. Vol. 62, N 4. P. 957-972.
35. McAuley J. Personalized Machine Learning. Cambridge University Press, 2022. 326 р.
36. Stephens-Davidowitz S. Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are. Dey Street Books, 2018. 352 р.
37. Zaki, M. J., Wagner Meira Jr. Data Mining and Machine Learning: Fundamental Concepts and Algorithms. Second Edition. Publisher: Cambridge University Press. 2020. 766 p.
Выпуск
Другие статьи выпуска
В условиях сближения технологической, макроэволюционной и демографической сингулярностей традиционные методы анализа и прогнозирования экономического роста снижают свою эффективность. Информационное перенасыщение во многом обосновывает переход от реактивного управления к превентивному, что ставит перед экономической наукой задачу принципиально нового класса — эффективного обнаружения трендов и конкурентных преимуществ в большом потоке данных. Цель исследования: формализовать процесс практической актуализации новых моделей экономического роста для сложных социально-экономических систем. Исследование опирается на междисциплинарный синтез: классическую экономическую теорию роста, институциональный подход, методологию стратегирования, теорию сложных систем и математического моделирования, а также современные достижения в области конвергенции труда человека и интеллектуальных машин. В результате предложена универсальная методология стратегического управления, объединяющая девять связанных этапов: многоуровневое сканирование и прогнозирование трендов; OTSW-анализ как инструмент креативного созидания; системное целеполагание; процессный подход к управлению жизненным циклом цепочек увеличения стоимости; метод главных компонент; построение цифровой аналитической инфраструктуры на основе больших данных; математическое моделирование причинно-следственных связей и поиск точек бифуркаций; многоагентная ИИ-поддержка интерпретации и принятия решений; формирование плана трансформации на основе моделирования поведения цифрового двойника. Методология обеспечивает переход от описания к действию, от корреляции к причинности, от статического планирования к адаптивному управлению. Предложенный алгоритм представляет собой не инструментальную надстройку, а новый подход к стратегическому мышлению, в которой человек и машина выступают партнерами в проектировании будущего. Его значимость заключается в преодолении критических различий: теория и практика, основанные на данных идеи и контекстуальные суждения, проблемы глобального масштаба и практические решения. Потенциальные сферы применения — уровни национального, регионального и корпоративного управления с акцентом на усиление их образовательного и научно-исследовательского потенциалов.
Актуальность исследования обусловлена ключевой ролью цифровой трансформации как драйвера глобального экономического роста и национальным приоритетом России в цифровизации экономики и социальной сферы, что требует глубокого понимания факторов, влияющих на этот процесс в регионах. Цель данного исследования — разработать и апробировать многофакторную модель, объясняющую дифференциацию уровней цифровизации регионов России под воздействием комплекса драйверов, и определить вклад каждого из них в развитие цифровой инфраструктуры и человеческого капитала.
Методы исследования включают регрессионный и дисперсионный анализ для выявления и количественной оценки силы влияния факторов на результирующие показатели цифровизации (проникновение фиксированного и мобильного интернета, доля занятых в ИКТ). Анализ проводился на основе данных Росстата за 2010–2023 гг. по регионам РФ.
Результаты показали, что цифровизация является детерминированным процессом, на который наиболее сильное влияние оказывают три группы факторов: спросовые (концентрация высокопроизводительных рабочих мест), географические (уровень урбанизации) и институционально-инвестиционные (объем целевого финансирования в ИКТ). Выявлены значительные межрегиональные различия, причем развитие цифровой инфраструктуры и человеческого капитала реагирует на факторы с разной интенсивностью.
Выводы подтверждают, что цифровая трансформация регионов России — это многофакторный и регионально-специфичный процесс. Для его успешного стимулирования необходим дифференцированный подход, учитывающий местные экономические и институциональные условия, а также баланс между развитием инфраструктуры, человеческого капитала и инновационного спроса со стороны реального сектора экономики.
Формирование устойчивой и динамичной экономики является одной из национальных целей развития России, достижение которой невозможно без координации стратегических приоритетов на федеральном и региональном уровнях государственного управления. В статье рассматривается задача преобразования национальных целей в систему измеримых индикаторов, позволяющих оценивать динамику социально-экономических процессов в субъектах РФ, и связанных с ними управляемых на региональном уровне факторов. Цель исследования заключается в разработке и эмпирической проверке модели оценки эффективности бизнеса, обеспечивающей измерение вклада в достижение национальных целей и отражающей ключевые параметры регионального развития. В исследовании использованы методы экономико-математического моделирования на основе агрегированной официальной статистической информации Федеральной службы государственной статистики, обработанной с использованием прикладного программного решения «Региональные экономические стратегии». Апробация модели оценки эффективности бизнеса проведена на примере восьми регионов Российской Федерации, представляющих все федеральные округа и характеризующихся медианными значениями одного из ключевых параметров — ВРП на душу населения. Были выявлены и статистически подтверждены зависимости между управляющими индикаторами и управляемыми факторами, т. е. найдены устойчивые универсальные и регионально-специфические социально-экономические процессы субъектов РФ. Полученные результаты подтверждают аналитическую состоятельность модели и демонстрируют ее практическую применимость к обеспечению мониторинга социально-экономического развития субъектов РФ, а также к разработке региональных программ, направленных на повышение предпринимательской активности, развитие торговли и стимулирование малого бизнеса.
В статье рассматривается трансформация теоретических и прикладных подходов к исследованию экономического роста в условиях цифровизации и устойчивого развития. Актуальность работы обусловлена необходимостью перехода российской экономики к новой модели роста, ориентированной на качество, инновации и человеческий капитал. Современные вызовы глобальной конкуренции, технологической перестройки и институциональной неопределенности требуют переосмысления традиционных источников экономического роста и выработки комплексных методологических решений. Цель — разработать теоретико-методологическую основу новой модели экономического роста, соответствующей современным вызовам цифровой трансформации и устойчивого развития. В исследовании использованы методы анализа и синтеза, системного и структурно-функционального подходов, сравнительного и статистического анализа. Эмпирическая часть опирается на данные официальной статистики. Применение системного анализа позволило сформировать концептуальную схему «ядро — оболочка — фильтры качества», отражающую взаимосвязь эндогенных, институциональных, цифровых и экологических факторов роста. Проведена систематизация современных моделей экономического роста и выделены ключевые направления их эволюции — от экзогенных к эндогенным и институциональным концепциям. Установлено, что ядром современных моделей выступают знания, инновации и человеческий капитал; институциональная оболочка задает условия реализации потенциала этих факторов, а фильтрами качества служат экологическая устойчивость, социальная инклюзивность и цифровая трансформация. Эмпирический анализ российской экономики подтвердил актуальность перехода от экстенсивного к инновационно-цифровому типу роста, ориентированному на повышение производительности, технологическое обновление и развитие человеческого потенциала. Формирование новой модели экономического роста для России требует интеграции цифровых, институциональных и человеческих факторов в единую стратегию развития. Приоритетным направлением должно стать повышение качества человеческого капитала, стимулирование инноваций, укрепление институтов и создание условий для устойчивого технологического развития. Переход к такой модели позволит обеспечить долгосрочную конкурентоспособность и устойчивость российской экономики, а также реализовать концепцию качественного роста, в которой ключевыми ориентирами выступают производительность, социальное благополучие и экологическая сбалансированность.
В статье приводится краткий обзор состояния международных политических отношений, констатируется трансформация субъектности глобальных процессов и делается вывод о кризисных явлениях современной глобализации в ключе кризиса ее субъектности. Далее проводится анализ современных концепций рационального мироустройства в соответствии с базовыми трендами современности, определяющими направления опережающего социально-экономического развития. Результатом является концепция «экономики национальных целей», в которой ключевым критерием эффективности государственной политики и экономического прогресса выступает не традиционный показатель роста валового внутреннего продукта, а результаты достижения стратегически значимых целей, обеспечивающих долгосрочную устойчивость и суверенитет государства. Эта парадигма — опережающее развитие на основе национальных целей — предполагает переход от реактивной экономической политики к системному, целенаправленному конструированию будущего страны. В «экономике национальных целей» экономическая политика подчинена системе долгосрочных приоритетов, определенных государством как ключевые для суверенитета, безопасности, технологического прорыва и качества жизни граждан. В отличие от классической экономики, где центральным агентом является рынок, в этой парадигме государство выступает стратегическим координатором, формирующим условия для достижения общественно значимых результатов. Национальные цели развития России — это основа новой цивилизационной и экономической парадигмы. Опережающее развитие, основанное на суверенитете, технологической автономии и целеполагании, позволяет стране не просто адаптироваться к изменениям, но формировать собственный вектор будущего. Эта парадигма — ответ на вызовы времени и основа для устойчивого, безопасного и справедливого развития России в XXI в., и ее реализация требует не только политической решимости, но и создания новой экономической науки, способной мыслить стратегически и действовать на опережение.
В эпоху глобальной трансформации мирового порядка, отмеченной множеством внешних и внутренних вызовов, предложена новая концептуальная модель вывода российской экономики на траекторию сбалансированного роста, соответствующая стратегическим императивам обеспечения национальной безопасности и суверенитета. Подчеркивается необходимость перехода от господствующей модели, ориентированной на максимизацию валового внутреннего продукта и экспорт сырьевых ресурсов, к новой многовекторной системе экономического развития, в которой приоритетные национальные цели становятся определяющими координатами стратегического планирования и рационального распределения средств. Центральной становится гипотеза о переосмыслении экономического роста, исторически абсолютизированного как самоцель, в инструментальный механизм, служащий достижению более сложных и многогранных целей: технологическому суверенитету, повышению качества жизни граждан, сбалансированному развитию регионов и устойчивому воспроизводству человеческого капитала как основного ресурса постиндустриальной экономики. Раскрываются институциональные предпосылки формирования новой парадигмы, в которой национальные проекты приобретают статус не просто программных инициатив, но фундаментальной организационно-экономической основы, способной интегрировать государственные, общественные и частные усилия в единую и тесно взаимосвязанную систему развития. Особое внимание уделяется необходимости перехода к гибким и адаптивным формам управления, включающим сценарное прогнозирование и индикативное планирование, которые позволяют оперативно реагировать на внешние и внутренние колебания, сохраняя при этом стратегическую целостность национальной экономической политики. Обозначена новая роль государственного сектора не как монопольного регулятора, а как стратегического институционального инвестора, катализатора инноваций и гаранта социального контракта, обеспечивающего реализацию принципов эффективности, экологической ответственности и эгалитарности в рамках единой стратегии национального развития. В заключение акценты ставятся на зависимость успеха предложенной модели не столько от количественных параметров ресурсной базы, сколько от наличия устойчивой политической воли, высокого качества государственного управления и осознанного социального выбора в пользу долгосрочных общественных интересов, что, в свою очередь, предполагает формирование новой политической экономии, основанной на доверии, прозрачности и коллективной ответственности за будущее нации. Статья адресована исследователям, государственным деятелям, экспертам и всем, кто участвует в формировании стратегии будущего России.
РЕДАКЦИОННАЯ СТАТЬЯ
Издательство
- Издательство
- РАНХиГС
- Регион
- Россия, Москва
- Почтовый адрес
- 119571, город Москва, пр-кт Вернадского, д. 82 стр. 1
- Юр. адрес
- 119571, город Москва, пр-кт Вернадского, д. 82 стр. 1
- ФИО
- Комиссаров Алексей Геннадиевич (РЕКТОР)
- Контактный телефон
- +7 (499) 9569832