УДК 330
DOI: 10.36871/ek.up.p.r.2025.12.13.029

Авторы

Абдул-Халид Абдул-Муслимович Айбуев,
Мансур Абдул-Муслимович Айбуев,
Грозненский государственный нефтяной технический университет имени академика М. Д. Миллионщикова, Грозный, Россия

Аннотация

В статье рассматриваются теоретические аспекты интеграции методов машинного обучения в системы поддержки принятия управленческих решений на уровне топ-менеджмента. Раскрываются возможности использования алгоритмов прогнозирования, выявления скрытых закономерностей и сценарного моделирования в стратегическом планировании, риск-менеджменте и управлении ресурсами. Анализируются ограничения и вызовы, связанные с интерпретируемостью моделей, качеством данных и необходимостью экспертной валидации. Обосновываются перспективы развития гибридных интеллектуальных систем и формулируются направления дальнейших теоретических исследований.

Ключевые слова

машинное обучение, система поддержки принятия решений, топ-менеджмент, стратегическое планирование

Список литературы

  1. Ахмаров А. В. Модели софинансирования социальных страховых программ: сравнительный анализ и перспективы для России / А. В. Ахмаров, А. М. Мамаева, К. Д. Шахдуллаев // Экономика и управление: проблемы, решения. — 2025. — Т. 11, № 3(156). — С. 211–217. — DOI 10.36871/ ek.up. p. r.2025.03.11.022. — EDN AYUZOK.
  2. Беляев П. Н., Сахаров Г. Д. Прогнозирование финансовых показателей компаний с использованием ансамблей моделей // Финансовая экономика. — 2025. — № 2. — С. 60–72.
  3. Васильева Е. К. Анализ эффективности систем поддержки принятия решений с машинным обучением // Прикладная информатика. — 2024. — Т. 19, № 3. — С. 5–19.
  4. Громова Т. А. Качество данных как фактор эффективности алгоритмов машинного обучения в корпоративном управлении // Информационный менеджмент. — 2025. — № 1. — С. 98–110.
  5. Жарасов Б. С., Абрамов В. И. Цифровые двойники в управлении производством: принципы создания, проблемы внедрения и перспективы развития // Современная экономика: проблемы и решения. — 2024. — № 6 (174). — С. 80–94.
  6. Козлова В. В. Оптимизация бизнес-процессов с применением технологий искусственного интеллекта // Вестник Евразийской науки. — 2025. — Т. 17, № s2. — С. 1–16.
  7. Мухамеджанов А. И., Хабибуллин И. И. Обзор методов машинного обучения для прогнозирования технического состояния газотурбинных двигателей // Вестник КГТУ им. А. Н. Туполева. — 2023. — № 3. — С. 70–78.
  8. Прыткова Е. А., Давыдов В. М. Применение многофакторного анализа показателей качества машиностроительной продукции для оптимизации бизнес-процессов // Вестник МГТУ им. Г. И. Носова. — 2024. — Т. 22, № 3. — С. 152–159.
  9. Рогулин Р. С. Использование методов анализа данных и машинного обучения для прогнозирования и планирования спроса при управлении цепочками поставок // Теоретическая экономика. — 2023. — № 8. — С. 35–53.