УДК 330.342
DOI: 10.36871/ek.up.p.r.2024.01.06.017
Авторы
Мурад Гусейнович Исаев,
ФГБОУ ВО «Дагестанский государственный университет» г. Махачкала
Аннотация
В рамках статьи представлен математический аппарат для прогнозирования результативности управления цифровой трансформацией экономических бизнес-систем. Методологическую базу исследования составляет адаптированная версия метода KNN (k-Nearest Neighbors) или метод случайного леса при работе с большим объемом данных. Предложенный подход позволяет определить тип диджитализации бизнес-экосистемы (сильная, средне-сильная и т. д.). Особое внимание уделено применимости метода KNN для прогнозирования параметров управления цифровой трансформацией. Приведены этапы имплементации метода, начиная со сбора исходных данных и заканчивая оценкой качества модели с использованием метрик RMSE (Root Mean Square Error) или R-квадрат. Описаны возможности применения алгоритма на конкретных примерах, включая определение оптимального числа ближайших соседей (k) и выбор метрики расстояния. Анализ производится на основе многомерного пространства признаков, в котором расстояние между объектами измеряется с использованием евклидовой метрики. Подробно рассмотрен алгоритм разбиения данных на обучающую и тестовую выборки, а также вычислительные аспекты применения метода, включая программный код на языке Python с использованием библиотек scikit-learn, NumPy и SciPy. Исследование имеет практическую значимость для специалистов в области управления цифровой трансформацией, предоставляя инструментарий для качественного и количественного анализа параметров управления и принятия обоснованных решений.
Ключевые слова
цифровая трансформация, управление инновациями, метод k-ближайших соседей (KNN), прогнозирование параметров, машинное обучение.
