2020. — Т 12. — №5 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/50ecvn520.html

Полный текст статьи в формате PDF (объем файла: 387.4 Кбайт)

Ссылка для цитирования этой статьи:

Прохорова, М. М. Основные направления совершенствования методики статистического анализа цифровой экономики / М. М. Прохорова // Вестник Евразийской науки. — 2020. — Т 12. — №5. — URL: https://esj.today/PDF/50ECVN520.pdf (дата обращения: 24.04.2024).

Основные направления совершенствования методики статистического анализа цифровой экономики

Прохорова Марина Михайловна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
Аспирант
E-mail: Mar281@yandex.ru

Аннотация. Нарастающие процессы цифровизации и датафикации в экономике России, увеличение объема передаваемой и хранимой информации, рост потребности государства в актуальной и достоверной аналитической информации для принятия управленческих решений накладывают новые требования на систему государственной статистики. Представление агрегированных таблиц и данных не отвечает потребность ключевых стейкхолдеров; необходим переход к предоставлению первичных деперсонифицированных данных в рамках цифровой аналитической платформы. В связи с этим автором рассматриваются ключевые недостатки текущей статистической методологии и основные направления ее совершенствования. К числу таких направлений автор относит развитие действующей статистической методики с использованием искусственного интеллекта с целью полного анализа больших данных, аккумулируемых в рамках перспективной статистической системы. Предлагается и рассматривается методика статистического анализа на базе методов машинного обучения. Приводятся их основные преимущества перед методами традиционной статистики, дается характеристика основным классам решаемых с их помощью задач. Акцентируется внимание на правильной постановке целей при решении задач с помощью методов машинного обучения. Дается характеристика основным этапам построения алгоритма машинного обучения: от отбора и масштабирования признаков до валидации модели на тестовых данных и последующем контроле за ее обучающей способностью. Предложенная автором схема анализа данных с помощью искусственного интеллекта может стать одним из направлений развития действующей статистической методологии, что позволит расширить аналитические возможности информационного обеспечения принимаемых решений на всех уровнях государственного управления.

Ключевые слова: цифровая экономика; цифровизация; информационно-коммуникационные технологии; статистический анализ; машинное обучение

Скачать