РАЗРАБОТКА МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ БИЗНЕС-ПРОЦЕССОВ

УДК 338.2
DOI: 10.36871/ek.up.p.r.2024.04.05.021

Авторы

Александр Валерьевич Натальсон,
Казанский государственный энергетический университет

Аннотация

В статье рассматривается разработка моделей машинного обучения для прогнозирования экономической эффективности бизнес-процессов в условиях быстро меняющейся экономической среды и увеличивающейся конкуренции на рынке. Особое внимание автором уделено моделям машинного обучения, таким как линейная регрессия, случайный лес, градиентный бустинг и нейронные сети, обоснованию их выбора и использования в контексте прогнозирования экономической эффективности. Описываются этапы обработки данных, обучения моделей и оценки их качества с использованием различных метрик. Рассматривается выбор ключевых бизнес-процессов для тестирования моделей машинного обучения, таких как процесс производства, процесс продаж, логистический процесс и финансовый процесс. Автор анализирует результаты и представляет выводы и рекомендации на основе анализа конкретных бизнес-процессов.

Ключевые слова

экономическая эффективность, модели машинного обучения, конкурентоспособность, прогнозирование, бизнес-процессы.