ТЕХНОЛОГИЯ АВТОМАТИЗАЦИИ ПРОЦЕССА ПРИНЯТИЯ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ НА ПРОИЗВОДСТВЕННОМ ПРЕДПРИЯТИИ
DOI:
https://doi.org/10.25806/fm-1839Статья поступила в редакцию: 24.03.2025
Статья принята к публикации: 25.04.2025
Статья опубликована: 28.04.2025
Ключевые слова:
большие данные, искусственный интеллект, инструменты больших данных, потоки данных, принятие решения, методика принятия решенияАннотация
Цель исследования – разработка комплексной инфраструктуры, разработка подхода и методологии внедрения инструментов Big Data для построения процесса и автоматизации принятия управленческих решений на производственном предприятии. В результате исследования, определена и разработана архитектура Big Data, распределенную по уровням управления и пятиэтапную схему автоматизации процесса принятия управленческих решений с применением искусственного интеллекта и методов обработки данных. Представлен комплексный подход, объединяющем технологические инструменты обработки больших данных с задачами разных уровней управления предприятием, а практическая значимость состоит в создании детальной методики внедрения инструментов Big Data и ИИ для каждого этапа принятия решений. Предложенная архитектура позволяет преодолеть сложности внедрения технологий больших данных и обеспечить поддержку управленческих решений от операционного до стратегического уровня.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Условия использования. Статьи текущего года распространяются по подписке на журнал «Финансовый менеджмент». Все права защищены. Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU www.elibrary.ru/contents.asp?titleid=9552 . Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) . Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
Список литературы
Березовская Е.А. Работа с сервисом бизнес-аналитики Yandex DataLens. Ростов-н/Д.: Таганрог: Южный федеральный университет, 2022. 92 с.
Боков И.С. Анализ больших данных как средство управления потребительским поведением // E-Scio. 2019. № 9 (36). С. 1-7.
Гончаров К.А. Модификация метода анализа иерархий на основе устранения субъективности экспертных оценок на примере выбора рационального варианта системы приводов ленточного конвейера // Научно-технический вестник Брянского государственного университета. 2024. № 3. С. 170-178.
Королев О.Л., Апатова Н.В., Круликовский А.П. «Большие данные» как фактор изменения процессов принятия решений в экономике // π-Economy. 2017. № 4. С. 31-38.
Лугвищик Т.А., Писарюк С.Н. роль технологии big data в процессе принятия управленческих решений // Мир компьютерных технологий: сборник статей всероссийской научно-технической конференции студентов, аспирантов и молодых ученых,, Севастополь, 05–09 апреля 2021 года / Министерство науки и высшего образования РФ, Севастопольский государственный университет. Севастополь: Федеральное государственное автономное образовательное учреждение высшего образования «Севастопольский государственный университет», 2021. С. 60-65.
Маркеева А.В., Гавриленко О.В. Большие данные как исследовательская технология: возможности и ограничения применения в современной управленческой практике // Общество: социология, психология, педагогика. 2021. № 12 (92). С. 94-103.
Оленьков Е.А. Современные потребности и возможности автоматизировать процесс принятия управленческих решений с помощью инструментов Big Data: обзор научных исследований // Kant. 2024. № 2 (51). С. 106-115. DOI: 10.24923/2222-243X.2024-51.18.
Староверов Б.А., Хамитов Р.Н. Реализация глубокого обучения для прогнозирования при помощи ансамбля нейронных сетей // Известия Тульского государственного университета. Технические науки. 2023. № 4. С. 185-189. DOI: 10.24412/2071-6168-2023-4-185-189.
Тимофеев А.Г., Лебединская О.Г. О построении эффективной организации обработки данных для экономического анализа // Транспортное дело России. 2023. № 6. С. 61-66. DOI: 10.52375/20728689_2023_6_61.
Утепбергенов А.О. Большие данные в управлении человеческими ресурсами // Экономика и социум. 2022. № 4-3 (95). С. 513-519.
Шмелева С.А. Большие данные в процессе принятия решений: от анализа теорий к оценке эффективности практик // Известия СПбГЭУ. 2022. №3 (135). С. 205-212.
Михненко П.А. Теория менеджмента: учебник. 4-е изд. переработанное и дополненное. М.: Синергия, 2019. С. 34-35.
AKM Khaled Ahsan Talukder, Computational Optimization and Innovation Laboratory, Michigan State University, East Lansing, Michigan, 48824. - COIN Report Number 2020008. 2020. [Электронный ресурс]. URL: https://www.egr.msu.edu/~kdeb/papers/c2020008.pdf (дата обращения 16.03.2025).
Mehrbakhsh Nilashi, Abbas Mardani, Huchang Liao, Hossein Ahmadi, Azizah Abdul Manaf and Wafa Almukadi. A Hybrid Method with TOPSIS and MachineLearning Techniques for Sustainable Development ofGreen Hotels Considering Online Reviews Sustainability. 2019. № 11. DOI: 10.3390/su11216013201.
