Бизнес-информатика

Повышение точности прогнозирования банкротств с использованием оценок Data Envelopment Analysis

Юрий А. Зеленков — Tue, 30 Sep 2025 00:00:00 +0300

Большинство современных моделей прогнозирования банкротства базируется на финансовых коэффициентах, хотя их использование не поддерживается формальной теорией, а интерпретация проблематична. Одной из перспектив повышения качества прогностических моделей является изучение других измерений эффективности фирмы, таких как оценки Data Envelopment Analysis (анализ среды функционирования, DEA). Однако, при этом возникает проблема выбора оптимальной спецификации DEA, поскольку она влияет на форму границы эффективности и прогностические свойства модели. В работе представлен метод автоматического дизайна спецификации DEA, оценки которой затем используются как признаки для предсказания банкротства на основе моделей машинного обучения. Помимо повышения предиктивной точности, метод опирается на предположение, что если оценки DEA улучшают прогноз, то анализ входов и выходов модели может предоставить информацию о причинах банкротств. Метод включает три этапа. На первом этапе с помощью иерархической кластеризации выбираются учетные показатели, потенциально подходящие для DEA. На втором – исследуются каузальные связи между выбранными показателями, на их основе определяются входы и выходы модели DEA. На третьем этапе рассчитывается чистая техническая эффективность, эффективность масштабирования и эффективность смешивания, которые добавляются к данным, содержащим финансовые коэффициенты. Эксперименты с наборами данных Российских компаний, полученными из финансовой отчетности за 2018 и 2019 гг., показывают, что включение этих оценок в список признаков улучшает точность предсказания на 20% и более, что превосходит предыдущие аналогичные работы. Анализ моделей DEA дает представление о причинах банкротства фирм как в стабильные, так и в кризисные периоды.

Повышение эффективности прогнозирования банкротств при помощи синтетических данных

Елизавета В. Лашкевич — Tue, 30 Sep 2025 00:00:00 +0300

Прогнозирование финансовой несостоятельности компаний имеет решающее значение для инвесторов, кредиторов и регулирующих органов. Однако доступ к высококачественным, сбалансированным данным для обучения моделей часто ограничен из-за соображений конфиденциальности, нехватки информации или особенностей предоставления финансовой отчетности. В данной работе исследуется потенциал методов создания синтетических данных для увеличения экземпляров миноритарного класса в несбалансированных наборах данных и тем самым потенциального улучшения моделей прогнозирования несостоятельности. В работе сравнивается производительность различных методов снижения дисбаланса, включая такие классические, как, например, метод синтетического увеличения выборки меньшинства (Synthetic Minority Over-sampling Technique), с новыми подходами к генерации синтетических данных на основе байесовских сетей, маргинальных распределений, случайных лесов и генеративных состязательных сетей. Исследуется эффективность этих методов с точки зрения их способности улучшить такие показатели классификации, как коэффициент Джини, среднее геометрическое, доля ложно положительных и ложно отрицательных решений. В качестве выборки для эксперимента взяты реальные финансовые показатели промышленных компаний малого и среднего бизнеса Финляндии за 2021. Полученные результаты вносят вклад в растущий объем знаний о генерации синтетических данных и их применении для решения проблем несбалансированных наборов данных и улучшения прогностического моделирования в финансовой сфере, а также дают представление об эффективности различных методов создания синтетических данных для сэмплирования несбалансированных наборов данных и повышения точности и надежности моделей прогнозирования несостоятельности фирм.

Цифровизация государственного финансового контроля: онтологическое моделирование как инструмент для реализации датацентричного подхода

Наталья Ф. Алтухова, Ольга И. Долганова, Ольга А. Морозова — Tue, 30 Sep 2025 00:00:00 +0300

Движение в сторону датацентричных архитектур является глобальным трендом как для коммерческих, так и для государственных структур. Поэтому несомненный интерес представляет рассмотрение вопросов совершенствования государственного финансового контроля в рамках парадигмы датацентричного государственного управления и разработка концептуального подхода к сбору и анализу информации о подконтрольных объектах с учетом возможностей расширения набора источников информации и типов данных о деятельности компаний. На сегодняшний день в российском научном пространстве практически не исследуются вопросы концептуализации предметной области финансового контроля, а имеющиеся наработки носят фрагментарный характер. Поэтому целью этой работы является обоснование целесообразности применения онтологической модели в области цифровизации государственных функций финансового контроля, а также разработка прототипа онтологической модели государственного (муниципального) финансового контроля. На основе анализа опыта России и зарубежных стран (Китай, США, Канада, Южная Корея, Аргентина, Бразилия, Индия и пр.) в области цифровизации государственных функций финансового контроля сформулированы организационно-управленческие и технологические рекомендации по построению эффективной системы риск-ориентированного государственного (муниципального) финансового контроля. Выполнена систематизация и ранжирование рекомендаций с помощью подхода GRAGE и метода экспертных оценок. Опрос показал, что в фокусе внимания экспертов находятся вопросы разработки стандартизованных подходов к сбору и обработке разнородных данных, а также вопросы разработки онтологической модели. Основное внимание уделяется построению онтологии предметной области государственного финансового контроля. Предложено использовать комбинацию онтологии верхнего уровня (стандартизованную в РФ базисную формальную онтологию BFO) с предметной онтологией, разработанной с учетом специфики реализации государственного финансового контроля в РФ. Методология онтологического инжиниринга опиралась на фрактальный подход, фреймворк Methontology и методологию визуально-аналитического мышления. Выполнена спецификация онтологии, получен прототип мета-онтологии, включающей основные понятия государственного финансового контроля, построены прототипы онтологий категории и источники данных, используемые при проведении экспертно-аналитических мероприятий государственными структурами.

Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финуниверситета.

Управление техническим обслуживанием транспортного парка в организации на основе технологии распределенного реестра

Станислав И. Трофимов, Леонид С. Восков, Михаил М. Комаров — Tue, 30 Sep 2025 00:00:00 +0300

В условиях растущей конкуренции на рынке транспортных услуг компании ищут новые способы повышения операционной эффективности и снижения затрат на обслуживание автомобильного парка. В статье представлена инновационная модель управления техническим состоянием транспортных средств, описывающая механизм оценки состояния техники с использованием технологии распределенного реестра и смарт-контрактов. Предложена информационная система автоматизации технического обслуживания, способная выполнять функции мониторинга и инициировать техническое обслуживание транспортных средств без участия человека за счет автоматической регистрации событий эксплуатации и обслуживания, а также использования смарт-контрактов для запуска предопределенных действий. Такой уровень автоматизации позволяет своевременно предотвращать внеплановые поломки, что напрямую способствует увеличению срока службы транспортных средств. Предложенное решение позволяет транспортным компаниям автоматизировать процессы принятия решений о техническом обслуживании, сократить время простоя транспорта и оптимизировать операционные расходы. Модель обеспечивает прозрачность данных об эксплуатации транспортных средств, повышает доверие к информации и сокращает цепочку принятия решений. Особую ценность решение представляет для компаний общественного транспорта, где критически важны бесперебойность перевозок и безопасность пассажиров.

Исследование выполнено за счет гранта Российского научного фонда № 24-19-00299

Рынок BI-технологий в России: анализ перехода на отечественные решения в контексте импортозамещения

Савелий С. Гудзь, Ольга А. Цуканова — Tue, 30 Sep 2025 00:00:00 +0300

Российский рынок технологий бизнес-аналитики (Business Intelligence, BI) претерпел значительные преобразования под влиянием политики импортозамещения и геополитических сдвигов. Уход крупных зарубежных вендоров, таких как Microsoft Power BI, Tableau и Qlik, изменил ситуацию, увеличив спрос на отечественные решения BI. В данном исследовании рассматривается текущее состояние российского рынка BI, анализируются проблемы и возможности, связанные с переходом на локальные платформы. В то время как мировые тенденции делают упор на внедрение облачных технологий, BI с самообслуживанием и аналитику на основе искусственного интеллекта, российский рынок сталкивается с определенными барьерами, включая нормативные ограничения облачных сервисов, нехватку квалифицированных специалистов и ограниченную функциональность отечественных решений по сравнению с их международными аналогами. В исследовании используется сравнительный анализ глобальных и отечественных платформ BI, оцениваются их преимущества и ограничения в контексте импортозамещения. Ключевые российские решения в области BI, такие как «Форсайт. Аналитическая платформа», «Visiology» и «Yandex DataLens», продемонстрировали потенциал в заполнении пробела, оставленного иностранными поставщиками, предлагая функциональные возможности, адаптированные к потребностям местного бизнеса. Однако остаются проблемы в таких областях, как удобство использования, масштабируемость и интеграция с корпоративной ИТ-инфраструктурой. В статье также исследуется роль государственных инициатив и корпоративных инвестиций в ускорении развития конкурентоспособных отечественных BI-технологий. Полученные данные свидетельствуют о том, что, несмотря на трудности адаптации, российский рынок BI развивается за счет усиления цифровизации, растущего спроса предприятий на принятие решений на основе данных и необходимости развития независимых аналитических экосистем. Решение таких вопросов, как улучшение обучения пользователей, расширение возможностей платформы и укрепление сотрудничества между ИТ-разработчиками и предприятиями, будет иметь решающее значение для успешного продвижения BI-технологий в России. Это исследование вносит вклад в продолжающийся дискурс об эволюции российского рынка BI, подчеркивая его роль в поддержке конкурентоспособности бизнеса и устойчивости экономики в условиях быстро меняющейся технологической и нормативной среды.

Оценка удовлетворенности клиентов цифровых банков: сентимент-анализ и тематическое моделирование на основе данных индонезийских банков

Рита Пурнамасари, Абдуррахман Рахим Тхаха — Tue, 30 Sep 2025 00:00:00 +0300

Развитие цифровых банков в Индонезии изменило способ доступа клиентов к финансовым услугам, особенно с использованием мобильных приложений. Цель данного исследования – оценка удовлетворенности пользователей и их взаимодействия с пятью ведущими цифровыми банками Индонезии: Blu, Jago, Jenius, NeoBank и SeaBank. В ходе исследования выполнены анализ тональности с применением метода VADER, тематическое моделирование с помощью TF-IDF, а также временной анализ для выявления закономерностей отзывов пользователей с 2018 года по середину 2024 года. Результаты исследования показывают положительную корреляцию между оценками тональности и рейтингами пользователей, причем приложения с высоким уровнем сентимент-скоринга, такие как Jenius и SeaBank, также имеют более высокие рейтинги. Кроме того, выявлено, что в определенные периоды (2021 год для NeoBank и Jenius и 2024 год для SeaBank) количество отзывов резко возрастает, что по времени совпадает с запуском новых функций или обновлений приложений. Квадрант-анализ позволяет выявить конкурентную позицию цифровых банков на основе настроений и вовлеченности пользователей. Полученные результаты подчеркивают важность стабильности приложений и качества обслуживания для удовлетворенности пользователей. Результаты исследования содержат практические рекомендации для цифровых банков по оптимизации стратегий обслуживания и улучшению пользовательского опыта.