УДК 330.36:336.64:338.34
DOI: 10.36871/ek.up.p.r.2026.01.03.008

Авторы

Давид Самвелович Налбандян,
Анжелика Мари-Изабелла Ди Пак Санти Босс,
Национальный исследовательский ядерный университет «МИФИ», Москва, Россия

Аннотация

В статье рассматривается необходимость развития IT-компетенций сотрудников финансового мониторинга в условиях цифровизации финансово-экономических процессов. Показано, что применение методов интеллектуального анализа данных при выявлении признаков банкротства компаний требует не только наличия современных аналитических инструментов, но и соответствующего уровня профессиональной подготовки специалистов, обеспечивающих корректную настройку и интерпретацию моделей. Проанализированы основные методы интеллектуального анализа данных, используемые для диагностики финансовой несостоятельности, включая классификационные, кластеризационные и регрессионные подходы. Обосновано, что недостаточный уровень IT-компетенций сотрудников финансового мониторинга ограничивает эффективность раннего выявления предбанкротных состояний и снижает практическую ценность цифровых решений. Сделан вывод о необходимости развития междисциплинарных IT- и аналитических компетенций как ключевого фактора повышения результативности финансового мониторинга и обеспечения экономической безопасности.

Ключевые слова

банкротство, финансовый мониторинг, IT-компетенции, цифровизация, интеллектуальный анализ данных, экономическая безопасность, классификационные методы, кластеризация, регрессионный анализ

Список литературы

  1. Апатова Н. В. Прогнозирование банкротства предприятий с использованием искусственного интеллекта / Н. В. Апатова, В. Б. Попов // Научный вестник: финансы, банки, инвестиции. – 2020. – № 2(51). – С. 113– 120. – DOI 10.37279/2312-5330-2020-2-113- 120. – EDN AVLPZI.
  2. Катков Ю. Н. Система сквозного внутреннего контроля на основе искусственного интеллекта в организациях агросферы / Ю. Н. Катков, А. А. Романова, С. И. Смычков, П. Д. Шалаев // Наука и искусство управления / Вестник Института экономики, управления и права РГГУ. – 2024. – № 4. – С. 18–31. – DOI 10.28995/2782-2222-2024-4- 18-31. – EDN GKJJLF.
  3. Клочихин Г. А. Использование нейросетевых моделей при прогнозировании банкротства предприятий / Г. А. Клочихин, Г. М. Полунин // Хроноэкономика. – 2018. – № 2(10). – С. 107–110. – EDN XRAIXR.
  4. Красинский В. В. Применение искусственного интеллекта в сфере противодействия отмыванию денег и финансированию терроризма / В. В. Красинский, П. Ю. Леонов, Н. В. Морозов // Современное право. 2024. – № 5. – С. 75-82. – EDN SWGQID.
  5. Лавриненко А. Компетенции XXI века в финансовом секторе: перспективы радикальной трансформации профессий. / А. Лавриненко, Н. Шматко // Foresight and STI Governance – 2019. – vol. 13, no 2 – С. 42–51. DOI: 10.17323/2500-2597.2019.2.42.51
  6. Носова С. С. Инновационная перестройка региональной экономики в эпоху цифровизации / С. С. Носова, А. Н. Норкина, Н. В. Морозов // Экономика и предпринимательство. – 2025. – № 7(180). – С. 529–534. – DOI 10.34925/EIP.2025.180.7.091. – EDN XYKFLZ.
  7. Романова А. А. Развитие инструментария стратегирования для целей устойчивого развития компании / А. А. Романова, Д. С. Налбандян // Наука и искусство управления / Вестник Института экономики, управления и права РГГУ. – 2025. – № 2. – С. 93–111. – DOI 10.28995/2782-2222-2025-2-93-111. – EDN ABFGBG.
  8. Сушков В. М. Методы обработки больших данных в задачах финансового контроля / В. М. Сушков, П. Ю. Леонов // Вестник Национального исследовательского ядерного университета «МИФИ». – 2022. – Т. 11, № 5. – С. 348–357. – DOI 10.26583/ vestnik.2022.5. – EDN KZYJWM.
  9. Oluwatosin I. Internal Audit Transformation in the Era of Digital Governance: A Roadmap for Public and Private Sector Synergy // International Journal of Advanced Multidisciplinary Research and Studies – 2024. – 4(6) – p. 1887 – 1904. – https://doi.org/10.62225/2583 049X.2024.4.6.4161
  10. Usul H., Digital transformation in internal audit: Paradigm shifts, emerging risks, and strategic resilience. / H. Usul,B.Y.Alpay // European Journal of Digital Economy Research – 2025. – 6(1) – p. 23- 36. https://doi.org/10.5281/zenodo.15660150
  11. Wyrobek J. (2019). Predicting Bankruptcy at Polish Companies: A Comparison of Selected Machine Learning and Deep Learning Algorithms. Krakow Review of Economics and Management Zeszyty Naukowe Uniwersytetu Ekonomicznego W Krakowie, 6(978), 41-60. https:// doi.org/10.15678/ZNUEK.2018.0978.0603