Инновационные методы разработки систем поддержки принятия решений (СППР) в управлении экономическим развитием
https://doi.org/10.46914/1562-2959-2025-1-1-55-70
Аннотация
В данной статье рассматриваются инновационные методы разработки систем поддержки принятия решений (СППР) в контексте управления экономическим развитием. Актуальность исследования обусловлена необходимостью повышения эффективности управления государственными программами развития и оптимизации бюджетных ресурсов в условиях цифровой трансформации экономики. Авторы исследуют современные методологии и инструменты, применяемые при разработке СППР, уделяя особое внимание их использованию в экономической сфере. Рассматривается роль системного подхода как ключевой методологии для создания интегрированных решений в государственном управлении и проведения всестороннего анализа экономических процессов. Основная цель статьи – анализ и предложение новых подходов к разработке СППР для повышения эффективности управления государственными экономическими программами. Рассматриваются экономические аспекты и принципы данных систем, а также основные инструменты и технологии, применяемые для их реализации в государственном управлении. Особое внимание уделяется анализу сложностей, связанных с созданием СППР для решения таких экономических задач, как прогнозирование финансовых показателей, оптимизация бюджетных расходов и управление экономическими рисками. В работе обсуждается важность интеграции интеллектуальных СППР в процессы управления государственными программами экономического развития. Рассматриваются конкретные инструменты, используемые при разработке СППР для экономического анализа, и объясняется их роль в улучшении процессов принятия экономических решений. Результаты исследования: предложена инновационная модель интеграции искусственного интеллекта и анализа больших данных в СППР; определены методы повышения точности экономических прогнозов и эффективности распределения государственных ресурсов; разработана новая архитектурная модель СППР для государственного управления. Практическая значимость исследования заключается в разработке рекомендаций по внедрению инновационных СППР в практику государственного управления экономическим развитием. Предложенные подходы направлены на повышение эффективности использования бюджетных средств, улучшение качества экономического прогнозирования и ускорение процессов принятия обоснованных экономических решений. Область применения: государственное экономическое управление, стратегическое планирование, оптимизация бюджетных ресурсов. Научная новизна: предложен комплексный подход к созданию СППР для решения экономических задач, разработаны новые методы интеграции искусственного интеллекта и анализа больших данных.
Ключевые слова
Об авторах
М. К. УандыковаКазахстан
д.э.н., профессор
г. Алматы
Г. Н. Астаубаева
Казахстан
к.э.н., ассистент-профессор
г. Алматы
Г. С. Мухамеджанова
Казахстан
м.э.н., ст. преподаватель
г. Алматы
Т. Ш. Миркасимова
Казахстан
м.э.н., ст. преподаватель
г. Алматы
Список литературы
1. Халин В.Г., Чернова Г.В. Системы поддержки принятия решений: учебник и практикум для вузов – Москва: Издательство Юрайт, 2025. – 501 с. URL: https://urait.ru/bcode/558208 (дата обращения: 12.01.2025).
2. Теория измерений. URL: http://www.machinelearning.ru/wiki/index.php?title=Теория_измерений (дата обращения: 21.10.2024)
3. Мещеряков В.А., Бадеева Е.А., Шалобаев Е.В. Метрология. Теория измерений: учебник для академического бакалавриата. – М.: Изд-во Юрайт, 2019. – 167 с.
4. Kahneman D., Tversky A. Prospect Theory: An Analysis of Decision under Risk // Econometrica. 1979. Vol. 47. no. 2. P. 263–291.
5. Improving Decision Support Systems with DataMining Techniques. URL: https://www.intechopen.com/books/advances-in-data-mining-knowledge-discovery-and-applications/improving-decision-support-systemswith-data-mining-techniques (accessed: 01.12.2024)
6. Садовникова Н.П., Парыгин Д.С., Коробкин Д.М. Методы и модели в аналитических программных средствах: учебное пособие. Волгоград: ВолгГТУ. – 2017. – 96 с.
7. Фоменков С.А., Орлова Ю.А. Основы системного анализа: учебное пособие. – Волгоград: ИУНЛ ВолгГТУ, 2012. – 230 с.
8. Системный анализ. URL: https://ru.wikipedia.org/wiki/Системный_анализ (дата обращения: 15.12.2024)
9. Оптнер С.Л. Системный анализ для решения проблем бизнеса и промышленности. – М.: Концепт, 2013. – 205 с.
10. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. – М.: СИНТЕГ, 1998. – 247 с.
11. Fowler M. Patterns of Enterprise Application Architecture. Addison-Wesley Professional, 2002, p. 560.
12. Wickham H., Grolemund G.R. Import, Tidy, Transform, Visualize, and Model. Data Hadley Wickham, Garrett Grolemund. 2016.
13. Feiler P., Gluch D. Model-Based Engineering with AADL: An Introduction to the SAE Architecture Analysis & Design Language. Addison-Wesley Professional. 2012.
14. Power D. Decision Support Systems: Concepts and Resources for Managers. London: Quorum Books, 2002. P. 251.
15. Zuev A., Parygin D., Sadovnikova N., Aleshkevich A., Boiko D. Analysis Methods of Spatial Structure Metrics for Assessment of Area Development Effectiveness // Communications in Computer and Information Science: Proceedings of the 5th International Conference on Digital Transformation and Global Society. St. Petersburg, Russia, Springer. 2020. Vol. 1242. P. 273–288.
16. Donzelli P.A. A Decision Support System for Software Project Management // IEEE Software. 2006. Vol. 3(4). P. 67.
17. Hammond E.B., et al. The Development of a Novel Decision Support System for Regional Land Use Planning for Brownfield Land // Journal of Environmental Management. 2024. Vol. 349. No. 119466.
18. Eom S.B. A Decision Support System: Unstructured and Semi-Structured Problems, and the Role of Business Intelligence Systems // Oxford Research Encyclopedias, Politics. 2020.
19. Shiau W.L., Chen H., Wang Z., Dwivedi Y.K. Exploring core knowledge in business intelligence research // Internet Research. 2023. Vol. 33. No. 3. P. 1179–1201.
20. Shollo A., Hopf K., Thiess T., Müller O. Shifting ML value creation mechanisms: A process model of ML value creation // Journal of Strategic Information Systems. 2022. Vol. 31, No. 3. Article 101734.
21. Soeffker N., Ulmer M.W., Mattfeld D.C. Stochastic dynamic vehicle routing in the light of prescriptive analytics: A review // European Journal of Operational Research. 2022. Vol. 298. No. 3. P. 801–820.
22. Srinivas S., Ravindran A.R. Optimizing outpatient appointment system using machine learning algorithms and scheduling rules: A prescriptive analytics framework // Expert Systems with Applications. 2018. Vol. 102. P. 245–261.
23. Stein N., Meller J., Flath C.M. Big data on the shop-floor: Sensor-based decision-support for manual processes // Journal of Business Economics. 2018. Vol. 88. P. 593–616.
Рецензия
Для цитирования:
Уандыкова М.К., Астаубаева Г.Н., Мухамеджанова Г.С., Миркасимова Т.Ш. Инновационные методы разработки систем поддержки принятия решений (СППР) в управлении экономическим развитием. Вестник университета «Туран». 2025;(1):55-70. https://doi.org/10.46914/1562-2959-2025-1-1-55-70
For citation:
Uandykova M.K., Astaubayeva G.N., Mukhamejanova G.S., Mirkassimova T.S. Innovative methods for developing decision support systems (DSS) in economic development management. Bulletin of "Turan" University. 2025;(1):55-70. (In Kazakh) https://doi.org/10.46914/1562-2959-2025-1-1-55-70