МОДЕЛЬ ГИБКОЙ АРХИТЕКТУРЫ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ ВОССТАНОВЛЕНИЕМ И РАЗВИТИЕМ НОВЫХ ТЕРРИТОРИЙ
DOI:
https://doi.org/10.5281/zenodo.17849829Ключевые слова:
система поддержки принятия решений; системная динамика; причинно-следственный анализ; цифровой суверенитет; новые территории; восстановление; гибридное моделирование; стратегическое управление; FOSS; цифровой двойник; адаптивное управление; социально-экономическое развитие.Аннотация
В статье обосновывается жизнеспособность и стратегическая целесообразность создания гибкой, адаптивной системы поддержки принятия решений (СППР) для управления восстановлением новых территорий Российской Федерации – Донецкой и Луганской Народных Республик, Запорожской и Херсонской областей. Актуальность исследования обусловлена необходимостью преодоления разрушительных последствий военного конфликта, высокой степени неопределенности, дефицита данных и отсутствия научно обоснованных инструментов для проактивного управления. Цель работы – подтвердить гипотезу о том, что синтез методологий системной динамики (System Dynamics, SD) и причинно-следственного анализа (Causal Inference, CI) способен обеспечить создание эффективной СППР для сложных, нелинейных систем в условиях кризиса.
Исследование опирается на междисциплинарный теоретический фундамент, объединяющий достижения теории сложных адаптивных систем, парадигмы адаптивного государственного управления и концепции цифрового суверенитета. В контексте ДНР как нового региона проблематика развития рассматривается через призму постконфликтной трансформации, институциональной фрагментации и структурной зависимости, характерных для территорий, интегрирующихся в новое правовое и экономическое пространство. Анализ показывает, что традиционные подходы государственного управления, основанные на линейных моделях и статистических прогнозах, не способны учитывать нелинейность, синергетику и высокую энтропию социально-экономических процессов в условиях специальной военной операции.
Исследование реализовано в три этапа: на первом – проведена инициация и сбор первичных данных от лиц, принимающих решения; на втором – выполнена обработка и анализ данных с применением описательной статистики, ранговой корреляции, факторного и тематического анализа; на третьем – осуществлена интеграция результатов в имитационные модели. В качестве основных методов использованы: системная динамика для моделирования обратных связей и долгосрочных сценариев, причинно-следственный анализ (включая методы DiD и SCM) для верификации гипотез на основе реальных данных, а также машинное обучение для выявления скрытых зависимостей. Технологической основой выступает FOSS-ориентированный стек (PySD, DoWhy, Apache Kafka, PostgreSQL и др.), обеспечивающий цифровой суверенитет.
Результаты подтверждают рабочую гипотезу: предложенная гибридная архитектура позволяет формировать достоверные, объяснимые и адаптивные рекомендации для регионального управления, что открывает путь к переходу от реактивного реагирования к стратегическому, основанному на доказательствах подходу к восстановлению территорий.
Скачивания
Библиографические ссылки
1. Ackley S. F. Dynamical Modeling as a Tool for Inferring Causation // Frontiers in Psychology. – 2021. – Т. 13. – С. 88–89.
2. Baum-Snow N. Causal Inference in Urban and Regional Economics // Handbook of Regional Science. – 2015. – С. 1159–1185.
3. Bolsunovskaya M. V. Digital Platform for Modeling the Development of Regional Innovation Systems // International Journal of Technology. – 2024. – Т. 15, № 2. – С. 245–260.
4. Ding Y. Dynamical Systems Theory for Causal Inference with Applications to Time Series // Proceedings of Machine Learning Research. – 2020. – Т. 108. – С. 2987–2997.
5. Fredriksson A. Impact evaluation using Difference-in-Differences // Accounting, Auditing & Accountability Journal. – 2019. – Т. 54, № 4. – С. 519–538.
6. Janssen M. Adaptive governance: Towards a stable, accountable and effective public sector // Government Information Quarterly. – 2016. – Т. 33, № 2. – С. 239–248.
7. Kamdem Yv. St. Integrating machine learning with causal inference for enhanced system dynamics modeling [Электронный ресурс] / Yv. St. Kamdem. – URL: https://ijsra.net/sites/default/files/IJSRA-2024-2047.pdf (дата обращения: 01.09.2025).
8. Kamolov S. Methodology of decision support systems for digital public governance // Proceedings of the NISPAcee Annual Conference. – Bratislava, 2021. – С. 1–15.
9. Kolomytseva A., Iskra H., Medvedeva M., Denysenko Y. Model for forecasting the indicators of the inter organizational interaction forms efficiency in a virtual environment // AIP Conference Proceedings : International Conference on Numerical Analysis and Applied Mathematics, ICNAAM 2020. – 2022. – Art. 110024. – DOI: 10.1063/5.0081528.
10. Lychkina N.N. Social sphere modeling based on system dynamics methods // Proceedings of the 29th International Conference of the System Dynamics Society. – Washington, 2011. – С. 1–18.
11. Mohamed Hassan Taha, Nazik Elmalaika Obaid Seid Ahmed Husain, Wail Nuri Osman Mukhtar, Mohamed Elhassan Abdalla. Adaptive strategies of a medical school during Sudan's armed conflict [Электронный ресурс]. – URL: https://pmc.ncbi.nlm.nih.gov/articles/PMC12039123/ (дата обращения: 01.09.2025).
12. Morris D. R. Causal Inference and System Dynamics in Social Science Research // Proceedings of the 19th International Conference of the System Dynamics Society. – Atlanta, 2001. – С. 1–15.
13. Neshcheret A. Smart cities in Russia: Technological innovations and digital twins // BIO Web of Conferences. – 2024. – Т. 118. – Art. 04037.
14. Nigmatulina D. Sanctions and misallocation: How sanctioned firms won during the Russia-Ukraine war [Электронный ресурс]. – URL: https://eprints.lse.ac.uk/118037/3/dp1886.pdf (дата обращения: 01.09.2025).
15. Pellegrini G. Stakeholders' engagement for improved health outcomes: A systematic review // Health Policy and Technology. – 2025. – Т. 14, № 1. – Art. 100876.
16. Uleman J. F., Petersen A. H., Rod N. H. Bridging System Dynamics and Causal Epidemiology: An Integrated Approach [Электронный ресурс]. – URL: https://onlinelibrary.wiley.com/doi/abs/10.1002/sdr.1799 (дата обращения: 01.09.2025).
17. Yashin S. Neural Simulation of Digital Twin of Top Management Motivation Mechanism in Government Agencies // International Journal of Technology. – 2023. – Т. 14, №2. – С. 350–367.
18. Zhu M., Wang L., Sebot J., Arbab B., Salimi B., Cloninger A. Using Causal Inference to Explore Government Policy Effects During COVID-19 [Электронный ресурс]. – URL: https://arxiv.org/html/2503.09957v1 (дата обращения: 01.09.2025).
19. Буканов Е.К. Развитие системы государственного управления в области здравоохранения Донецкой Народной Республики в условиях интеграции / Е. К. Буканов // Науки о здоровье. – 2023. – № 4. – С. 45–52.
20. Быстрай Г.П. Методы нелинейной динамики в анализе и прогнозировании экономических систем регионального уровня / Г.П. Быстрай, Л.А. Коршунов, И.А. Лыков, Н.Л. Никулина, С.А. Охотников // Журнал экономической теории. – 2010. – № 3. – С. 103 114.
21. Волошин А.И. Моделирование управленческих решений в постконфликтных регионах / А. И. Волошин // Управленческое консультирование. – 2023. – № 4. – С. 78–92.
22. Демидова О.А. Методы пространственной эконометрики и оценка региональных программ развития / О. А. Демидова // Проблемы прогнозирования. – 2021. – № 4. – С. 107–134.
23. Загорная Т.О. Формирование экосистем цифровой экономики: модели и механизмы : монография / Т. О. Загорная, А. О. Коломыцева, О. В. Снегин ; под науч. ред. Т.О. Загорной. – Краснодар : Новация, 2023. – 355 с.
24. Клименко А.В. Цифровые двойники в государственном управлении / А.В. Клименко, Е.А. Смирнов // Электронное государство. – 2024. – № 2. – С. 45–61.
25. Коломыцева А.О. Экспериментальная модель анализа и управления данными в системе информационной поддержки развития бизнес-процессов предприятия / А.О. Коломыцева, В.Л. Панова // Новое в экономической кибернетике. – 2019. – № 4. – С. 33–47.
26. Костенок И.В. Исторический потенциал пространственного развития экономических процессов на территории так называемого Большого Донбасса – ДНР и ЛНР / И. В. Костенок, Я. В. Хоменко // Географический вестник. – 2024. – № 1. – С. 56–69.
27. Маслобоев А.В. Технология и средства автоматизации имитационного моделирования процессов управления региональной безопасностью [Электронный ресурс] / А. В. Маслобоев, В. А. Путилов // Программные продукты и системы. – 2018. – № 2 (31). – URL: https://www.researchgate.net/publication/325470311 (дата обращения: 01.09.2025).
28. Петрухин К.Ю. Анализ процессов интеграции новых регионов страны: Донецкая и Луганская Народные Республики, Запорожская и Херсонская области / К.Ю. Петрухин // Экономика региона. – 2025. – Т. 12, № 1. – С. 78–92.
29. Промышленные платформы и экосистемы : монография / под ред. В.В. Акбердиной. – Екатеринбург : Институт экономики УрО РАН, 2024. – 278 с.
30. Пшунетлев А.А. Обоснование системной динамики в исследовании проблем регионального развития / А. А. Пшунетлев // Вестник АГТУ. – 2014. – № 2. – С. 145–152.
31. Романюк В.В. Направления развития перерабатывающей промышленности Донецкой Народной Республики: экономико-статистическая оценка / В.В. Романюк // Новое в экономической кибернетике : сборник научных трудов. – 2019. – № 2–3. – С. 158 159.
32. Россия 2035: пространство развития. Научный доклад [§5. Развитие приоритетных геостратегических территорий] / под ред. чл.-кор. РАН А. А. Широва. – М. : Динамик Принт, 2025. – 364 с.
33. Правительство Российской Федерации. Восстановление и социально-экономическое развитие новых регионов : постановление Правительства РФ от 22 декабря 2023 г. № 2255 // Официальный интернет-портал правовой информации. – URL: http://government.ru/rugovclassifier/908/events/ (дата обращения: 01.09.2025).
34. Донецкая Народная Республика. Закон от 02.10.2015 г. № 80-IНС «О республиканских программах» // Народный Совет Донецкой Народной Республики : официальный сайт. – URL: http://npa.dnronline.su/2015-11-04/80-ihc-o-respublikanskih-programmah-dejstvuyushhaya-redaktsiya-po-sostoyaniyu-na-29-11-2019g.html (дата обращения: 01.09.2025).
35. О персональных данных : Федеральный закон от 27.07.2006 г. № 152-ФЗ (в ред. от 28.02.2025) // СПС «КонсультантПлюс». – URL: https://www.consultant.ru/document/cons_doc_LAW_61801/ (дата обращения: 01.09.2025).
36. О развитии искусственного интеллекта в Российской Федерации : Указ Президента РФ от 10 октября 2019 г. № 490 // СПС «КонсультантПлюс». – URL: https://www.consultant.ru/document/cons_doc_LAW_335184/ (дата обращения: 01.09.2025).
37. Донецкая Народная Республика. Законопроект «О системе стратегического планирования в Донецкой Народной Республике» (подготовлен ко второму чтению) // Министерство экономического развития Донецкой Народной Республики : официальный сайт. – URL: http://mer.govdnr.ru/index.php?option=com_content&view=article&id=1734:stratplan-zakon-300816&catid=8&Itemid=141 (дата обращения: 01.09.2025).
38. О безопасности критической информационной инфраструктуры : Федеральный закон от 26.07.2017 г. № 187-ФЗ (в ред. от 24.06.2025) // СПС «КонсультантПлюс». – URL: https://www.consultant.ru/document/cons_doc_LAW_220885/ (дата обращения: 01.09.2025).
39. Центр стратегических разработок при Правительстве РФ. Аналитическая записка № 08-08/25 «Исследование института оценки регулирующего воздействия в субъектах Российской Федерации». – М., 2025. – 28 с. [Электронный ресурс]. – URL: https://www.csr.ru/upload/iblock/454/do5saq3k5x5bzx5trw9qta4u5vy0nvg3.pdf (дата обращения: 01.09.2025).
References
1. Ackley, S. F. (2021) [Dynamical Modeling as a Tool for Inferring Causation]. Frontiers in Psychology. 13, 88–89.
2. Baum-Snow, N. (2015) [Causal Inference in Urban and Regional Economics]. Handbook of Regional Science. 1159–1185.
3. Bolsunovskaya, M. V. (2024) [Digital Platform for Modeling the Development of Regional Innovation Systems]. International Journal of Technology. 15(2), 245–260.
4. Ding, Y. (2020) [Dynamical Systems Theory for Causal Inference with Applications to Time Series]. Proceedings of Machine Learning Research. 108, 2987–2997.
5. Fredriksson, A. (2019) [Impact evaluation using Difference-in-Differences]. Accounting, Auditing & Accountability Journal. 54(4), 519–538.
6. Janssen, M. (2016) [Adaptive governance: Towards a stable, accountable and effective public sector]. Government Information Quarterly. 33(2), 239–248.
7. Kamdem, Yv. St. (2024) [Integrating machine learning with causal inference for enhanced system dynamics modeling]. Retrieved from https://ijsra.net/sites/default/files/IJSRA-2024-2047.pdf.
8. Kamolov, S. (2021) [Methodology of decision support systems for digital public governance]. Proceedings of the NISPAcee Annual Conference. Bratislava, 1–15.
9. Kolomytseva, A., Iskra, H., Medvedeva, M., & Denysenko, Y. (2022) [Model for forecasting the indicators of the inter organizational interaction forms efficiency in a virtual environment]. AIP Conference Proceedings: International Conference on Numerical Analysis and Applied Mathematics, ICNAAM 2020. 110024. https://doi.org/10.1063/5.0081528.
10. Lychkina, N. N. (2011) [Social sphere modeling based on system dynamics methods]. Proceedings of the 29th International Conference of the System Dynamics Society. Washington, 1–18.
11. Mohamed Hassan Taha, Nazik Elmalaika Obaid Seid Ahmed Husain, Wail Nuri Osman Mukhtar, & Mohamed Elhassan Abdalla. (2023) [Adaptive strategies of a medical school during Sudan's armed conflict]. Retrieved from https://pmc.ncbi.nlm.nih.gov/articles/PMC12039123/.
12. Morris, D. R. (2001) [Causal Inference and System Dynamics in Social Science Research]. Proceedings of the 19th International Conference of the System Dynamics Society. Atlanta, 1–15.
13. Neshcheret, A. (2024) [Smart cities in Russia: Technological innovations and digital twins]. BIO Web of Conferences. 118, 04037.
14. Nigmatulina, D. (2023) [Sanctions and misallocation: How sanctioned firms won during the Russia-Ukraine war]. Retrieved from https://eprints.lse.ac.uk/118037/3/dp1886.pdf.
15. Pellegrini, G. (2025) [Stakeholders' engagement for improved health outcomes: A systematic review]. Health Policy and Technology. 14(1), 100876.
16. Uleman, J. F., Petersen, A. H., & Rod, N. H. (2024) [Bridging System Dynamics and Causal Epidemiology: An Integrated Approach]. Retrieved from https://onlinelibrary.wiley.com/doi/abs/10.1002/sdr.1799.
17. Yashin, S. (2023) [Neural Simulation of Digital Twin of Top Management Motivation Mechanism in Government Agencies]. International Journal of Technology. 14(2), 350–367.
18. Zhu, M., Wang, L., Sebot, J., Arbab, B., Salimi, B., & Cloninger, A. (2025) [Using Causal Inference to Explore Government Policy Effects During COVID-19]. Retrieved from https://arxiv.org/html/2503.09957v1
19. Bukanov, E. K. (2023) [Development of the state management system in healthcare of the Donetsk People’s Republic under integration conditions]. Nauki o zdorov'e = Sciences of Health. 4, 45–52. (In Russian).
20. Bystrai, G. P., Korshunov, L. A., Lykov, I. A., Nikulina, N. L., & Okhotnikov, S. A. (2010) [Methods of nonlinear dynamics in the analysis and forecasting of regional economic systems]. Zhurnal ekonomicheskoy teorii = Journal of Economic Theory. 3, 103–114. (In Russian).
21. Voloshin, A. I. (2023) [Modeling managerial decisions in post-conflict regions]. Upravlencheskoe konsul'tirovanie = Management Consulting. 4, 78–92. (In Russian).
22. Demidova, O. A. (2021) [Methods of spatial econometrics and assessment of regional development programs]. Problemy prognozirovaniya = Forecasting Problems. 4, 107–134. (In Russian).
23. Zagornaya, T. O. & Kolomytseva (2023) Formation of digital economy ecosystems: models and mechanisms / ed. by T. O. Zagornaya / Kolomytseva A.O. & Snegin, O. V. (eds.) Krasnodar: Novatsiya. 355 p. (In Russian).
24. Klimenko, A. V., & Smirnov, E. A. (2024) [Digital twins in public administration]. Elektronnoe gosudarstvo = Electronic Government. 2, 45–61. (In Russian).
25. Kolomytseva, A. O., & Panova, V. L. (2019) [Experimental model of data analysis and management in the information support system for enterprise business process development]. Novoe v ekonomicheskoy kibernetike = New in Economic Cybernetics. 4, 33–47. (In Russian).
26. Kostenok, I. V., & Khomenko, Ya. V. (2024) [Historical potential of spatial development of economic processes in the so-called Greater Donbas – DPR and LPR]. Geograficheskiy vestnik = Geographical Bulletin. 1, 56–69. (In Russian).
27. Masloboev, A. V. & Putilov, V. A. (2018) [Technology and tools for automating simulation modeling of regional security management processes]. Programmnye produkty i sistemy = Software & Systems. 2(31). Retrieved from https://www.researchgate.net/publication/325470311 (In Russian).
28. Petrukhin, K. Yu. (2025) [Analysis of new regions’ integration processes: Donetsk and Lugansk People's Republics, Zaporizhzhia and Kherson Oblasts]. Ekonomika regiona = Regional Economics. 12(1), 78–92. (In Russian).
29. Promyshlennye platformy i ekosistemy Industrial Platforms and Ecosystems (2024) / ed. by V. V. Akberdina. Yekaterinburg: Institute of Economics, Ural Branch of the Russian Academy of Sciences. 278 p. (In Russian).
30. Pshunetlev, A. A. (2014) [Justification of system dynamics in the study of regional development problems]. Vestnik AGTU = Bulletin of Astrakhan State Technical University. 2, 145–152. (In Russian).
31. Romanyuk, V. V. (2019) [Directions for the development of the processing industry of the Donetsk People's Republic: economic and statistical assessment]. Novoe v ekonomicheskoy kibernetike = New in Economic Cybernetics. 2–3, 158–159. (In Russian).
32. Rossiya 2035: prostranstvo razvitiya = Russia 2035: Space for Development (2025) / ed. by A. A. Shirov. Moscow: Dinamik Print. 364 p. (In Russian).
33. Government of the Russian Federation. (2023) [Restoration and socio-economic development of new regions]. Decree of the Government of the Russian Federation No. 2255 of December 22, 2023. Retrieved from http://government.ru/rugovclassifier/908/events/ (In Russian).
34. Donetsk People's Republic. (2015) [On republican programs]. Law of the Donetsk People's Republic No. 80-IНС of October 2, 2015. Retrieved from http://npa.dnronline.su/2015-11-04/80-ihc-o-respublikanskih-programmah-dejstvuyushhaya-redaktsiya-po-sostoyaniyu-na-29-11-2019g.html (In Russian).
35. Russian Federation. (2006) [On personal data]. Federal Law No. 152-FZ of July 27, 2006. ConsultantPlus. Retrieved from https://www.consultant.ru/document/cons_doc_LAW_61801/ (In Russian).
36. Russian Federation. (2019) [On the development of artificial intelligence in the Russian Federation]. Decree of the President of the Russian Federation No. 490 of October 10, 2019. ConsultantPlus. Retrieved from https://www.consultant.ru/document/cons_doc_LAW_335184/ (In Russian).
37. Donetsk People's Republic. (2016) [Draft law “On the System of Strategic Planning in the Donetsk People's Republic” (prepared for the second reading)]. Ministry of Economic Development of the Donetsk People's Republic. Retrieved from http://mer.govdnr.ru/index.php?option=com_content&view=article&id=1734:stratplan-zakon-300816&catid=8&Itemid=141 (In Russian).
38. Russian Federation. (2017) [On the security of critical information infrastructure]. Federal Law No. 187-FZ of July 26, 2017. ConsultantPlus. Retrieved from https://www.consultant.ru/document/cons_doc_LAW_220885/ (In Russian).
39. Center for Strategic Research under the Government of the Russian Federation. (2025) [Analytical note No. 08-08/25 “Study of the institution of regulatory impact assessment in the subjects of the Russian Federation”]. Moscow. 28 p. Retrieved from https://www.csr.ru/upload/iblock/454/do5saq3k5x5bzx5trw9qta4u5vy0nvg3.pdf (In Russian).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Новое в экономической кибернетике» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
