АРХИТЕКТУРА СИСТЕМЫ МОНИТОРИНГА РЕГИОНАЛЬНОЙ ЭКОНОМИЧЕСКОЙ ДИНАМИКИ НА ОСНОВЕ ПОТОКОВОЙ ОБРАБОТКИ ДАННЫХ И МАШИННОГО ОБУЧЕНИЯ
DOI:
https://doi.org/10.5281/zenodo.19231237Ключевые слова:
цифровая экономика, региональное управление, архитектура данных, машинное обучение, потоковая обработка, временные ряды, система поддержки принятия решений, цифровой двойник региона.Лицензия
Аннотация
В статье рассматривается проблема разработки масштабируемых информационных систем для мониторинга и прогнозирования социально-экономической динамики регионов в условиях цифровой трансформации. Актуальность исследования обусловлена ростом объемов данных, генерируемых экономическими агентами, и необходимостью их оперативной обработки для принятия управленческих решений. Целью работы является разработка архитектуры системы хранения и обработки данных, адаптированной для задач регионального управления, с использованием технологий потоковой обработки и машинного обучения. В качестве эмпирической базы использованы данные, аналогичные биржевым котировкам, как модель высоконагруженных временных рядов. Предложена оригинальная архитектура системы, основанная на принципах kappa-архитектуры с использованием брокера сообщений Kafka, СУБД временных рядов QuestDB и платформы управления жизненным циклом моделей MLflow. Проведено сравнение производительности СУБД QuestDB и TimescaleDB, выявившее преимущества первой при записи данных малыми пакетами в реальном времени. Разработан прототип модели машинного обучения для прогнозирования роста показателей, интегрированный в систему через контейнеризацию Docker. Особое внимание уделено возможности адаптации данной архитектуры для задач «цифрового двойника» региона, мониторинга инвестиционной привлекательности и прогнозирования бюджетных рисков. Результаты исследования демонстрируют возможность создания отказоустойчивых инструментов поддержки принятия решений для органов власти, обеспечивающих раннее выявление экономических угроз и оценку эффективности государственных политик.
Скачивания
Библиографические ссылки
1. Рогулин, Р.С. Обзор прикладных основ использования аналитики данных и машинного обучения в прогнозировании спроса / Р.С. Рогулин // Экономические и социально-гуманитарные исследования. – 2023. – № 3(39). – С. 115–126.
2. McKinsey Global Institute. The economic potential of generative AI [Электронный ресурс]. – 2023. – URL: https://www.mckinsey.de (дата обращения: 20.10.2025).
3. OECD. Digital Economy Outlook 2020 [Электронный ресурс]. – 2020. – URL: https://www.oecd.org (дата обращения: 20.10.2025).
4. Богачев, Ю.С. Цифровизация как способ повышения эффективности управления промышленностью России / Ю.С. Богачев // Национальная безопасность. – 2023. – № 3. – С. 79–91.
5. Юшан, К.А. Цифровизация как средство повышения эффективности предприятия / К.А. Юшан // Инновации и инвестиции. – 2018. – № 9. – С. 220–222.
6. Викторов, В.А., Силакова, Л.В. Выявление актуальных компетенций для повышения производительности труда населения в условиях цифровизации России / В.А. Викторов, Л.В. Силакова // Экономика труда. – 2023. – Т. 10, № 7. – С. 999–1018.
7. Алиев, И.М. Влияние цифровой экономики на производительность труда / И.М. Алиев // Экономика труда. – 2021. – Т. 8, № 9. – С. 917–930.
8. Глазьев, С.Ю. Информационно-цифровая революция / С.Ю. Глазьев // Евразийская интеграция: экономика, право, политика. – 2018. – № 1(23). – С. 70–83.
9. Иванов, В.В., Малинецкий, Г.Г. Цифровая экономика: мифы, реальность, перспектива / В.В. Иванов, Г.Г. Малинецкий. – М.: Российская академия наук, 2017. – 64 с.
10. Лютягин, Д.В., Забайкин, Ю.В. Цифровизация промышленности и динамическое нормирование труда – факторы эффективного управления бизнес-процессами и роста производительности труда / Д.В. Лютягин, Ю.В. Забайкин // Управление образованием, теория и практика. – 2023. – № 4(13). – С. 36–43.
11. Саханевич, Д.Ю. Роль цифровизации в развитии социально-экономических систем / Д.Ю. Саханевич // Ученые записки Тамбовского отделения РоСМУ. – 2020. – №20. – С. 63–73.
12. Банников, С.А. Внедрение передовых производственных технологий в России и оценка компаниями их влияния на рост производительности труда и эффективность производственного процесса / С.А. Банников // Beneficium. – 2024. – № 2(51). – С. 6–14.
13. Метляхин, А.И., Никитина, Н.А., Ярыгина, Л.В., Орлова, Э.О. Анализ влияния цифровизации экономики на производительность труда в России / А.И. Метляхин [и др.] // Научно-технические ведомости СПбГПУ. Экономические науки. – 2020. – Т. 13, № 2. – С. 7–17.
14. Андреева, Ж.В., Асалиев, А.М. Исследование динамики показателей эффективности труда под влиянием фактора цифровой трансформации / Ж.В. Андреева, А.М. Асалиев // Лидерство и менеджмент. – 2023. – Т. 10, № 1. – С. 343–356.
15. Ткачева, А.В., Лут, М.С. Проектирование цифровой платформы исследования инновационно-инвестиционного потенциала региона: проектно-реализационные аспекты / А.В. Ткачева, М.С. Лут // Новое в экономической кибернетике. – 2025. – № 2. – С. 37–66. – DOI: 10.5281/zenodo.17081438. – EDN: GASPSM.
16. Московченко, Д.Д. Управления проектами в цифровой среде / Д.Д. Московченко // Бюллетень экономических и социологических исследований. – 2024. – № 1. – С. 34–41.
17. Хачемизова, Э.А., Ешугова, С.К., Кумпилова, А.Р. Информационная система администрирования регионального агротуризма с использованием искусственного интеллекта / Э.А. Хачемизова, С.К. Ешугова, А.Р. Кумпилова // Креативная экономика. – 2025. – Т. 19, № 5. – С. 1333–1350. – DOI: 10.18334/ce.19.5.123149.
18. Саликов, В.В. Функционирование национальной инновационной системы с учетом особенностей цифровой инновационной инфраструктуры / В.В. Саликов // Журнал прикладных исследований. – 2025. – С. 142–147.
19. Ершова, Е.Ю. Аддитивные технологии как основа наращивания потенциала национальной инновационной системы / Е.Ю. Ершова // Вестник Академии знаний. – 2025. – № 4. – С. 212–216.
20. Грачев, С.А., Мурашко, Е.К., Милойчикова, А.В. Сравнительный анализ категориального аппарата в контексте развития национальной инновационной системы / С.А. Грачев, Е.К. Мурашко, А.В. Милойчикова // Естественно-гуманитарные исследования. – 2025. – № 1. – С. 150–155. – EDN: OKTBSJ.
References
1. Rogulin, R.S. (2023) [Overview of applied foundations of using data analytics and machine learning in demand forecasting]. Ekonomicheskie i sotsialno-gumanitarnye issledovaniya, 3(39), 115–126. (In Russian).
2. McKinsey Global Institute. (2023). The economic potential of generative AI. Retrieved from: https://www.mckinsey.de (date of application: 20.10.2025).
3. OECD. (2020). Digital Economy Outlook 2020. Retrieved from: https://www.oecd.org (date of application: 20.10.2025).
4. Bogachev, Yu.S. (2023) [Digitalization as a means of improving the efficiency of industrial management in Russia]. Natsionalnaya bezopasnost', 3, 79–91. (In Russian).
5. Yushan, K.A. (2018) [Digitalization as a means of improving enterprise efficiency]. Innovatsii i investitsii, 9, 220–222. (In Russian).
6. Viktorov, V.A. & Silakova, L.V. (2023) [Identification of relevant competencies to enhance labor productivity of the population under digitalization conditions in Russia]. Ekonomika truda, 10(7), 999–1018. (In Russian).
7. Aliev, I.M. (2021) [Impact of the digital economy on labor productivity]. Ekonomika truda, 8(9), 917–930. (In Russian).
8. Glazyev, S.Yu. (2018) [Information-digital revolution]. Evraziyskaya integratsiya: ekonomika, pravo, politika, 1(23), 70–83. (In Russian).
9. Ivanov, V.V. & Malinetsky, G.G. (2017). Tsifrovaya ekonomika: mify, real'nost', perspektiva [Digital economy: Myths, reality, perspective]. Moscow: Russian Academy of Sciences. (In Russian).
10. Lyutyagin, D.V. & Zabaykin, Yu.V. (2023) [Digitalization of industry and dynamic labor standardization – factors of effective business process management and labor productivity growth]. Upravlenie obrazovaniem, teoriya i praktika, 4(13), 36–43. (In Russian).
11. Sakhanevich, D.Yu. (2020) [The role of digitalization in the development of socio-economic systems]. Uchenye zapiski Tambovskogo otdeleniya RoSMU, 20, 63–73. (In Russian).
12. Bannikov, S.A. (2024) [Implementation of advanced production technologies in Russia and assessment by companies of their impact on labor productivity growth and production process efficiency]. Beneficium, 2(51), 6–14. (In Russian).
13. Metlyakhin, A.I., Nikitina, N.A., Yarygina, L.V. & Orlova, E.O. (2020) [Analysis of the impact of economic digitalization on labor productivity in Russia]. Nauchno-tekhnicheskie vedomosti SPbGPU. Ekonomicheskie nauki, 13(2), 7–17. (In Russian).
14. Andreeva, Zh.V. & Asalieva, A.M. (2023) [Study of the dynamics of labor efficiency indicators under the influence of digital transformation factor]. Liderstvo i menedzhment, 10(1), 343–356. (In Russian).
15. Tkacheva, A.V. & Lut, M.S. (2025) [Design of a digital platform for studying the innovative and investment potential of a region: project-implementation aspects]. Novoe v ekonomicheskoy kibernetike, 2, 37–66. https://doi.org/10.5281/zenodo.17081438. (In Russian).
16. Moskovchenko, D.D. (2024) [Project management in a digital environment]. Byulleten' ekonomicheskikh i sotsiologicheskikh issledovaniy, 1, 34–41. (In Russian).
17. Khachemizova, E.A., Eshugova, S.K. & Kumpilova, A.R. (2025) [Information system for administering regional agrotourism using artificial intelligence]. Kreativnaya ekonomika, 19(5), 1333–1350. https://doi.org/10.18334/ce.19.5.123149. (In Russian).
18. Salikov, V.V. (2025) [Functioning of the national innovation system taking into account the features of digital innovation infrastructure]. Zhurnal prikladnykh issledovaniy, 142–147. (In Russian).
19. Ershova, E.Yu. (2025) [Additive technologies as a basis for building up the potential of the national innovation system]. Vestnik Akademii znanij, 4, 212–216. (In Russian).
20. Grachev, S.A., Murashko, E.K. & Miloychikova, A.V. (2025) [Comparative analysis of the categorical apparatus in the context of the development of the national innovation system]. Estestvenno-gumanitarnye issledovaniya, 1, 150–155. EDN: OKTBSJ. (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.
