С.В. Прокопчина1, Л.С. Звягин2

1, 2 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
1 svprokopchina@fa.ru, 2 lszvyagin@fa.ru

Постановка проблемы. В условиях цифровой экономики необходимо определить специфику информационных потоков малых и средних предприятий (МСП) и предложить принципы их метрологического обоснования и мониторинга для структурированной и неструктурированной информации МСП. Сформированная таким образом модель цифрового образа предприятия дает прекрасный инструмент для аналитиков и управленческого состава с целью повышения эффективности своей деятельности.

Цель. Обосновать выбор регуляризирующего байесовского подхода (РБП) и интеллектуальных технологий на его основе для моделирования, оценки состояния и развития МСП в условиях неопределенности и ситуационной нестабильности; разработать концептуальную основу, измерительную модель и цифровой образ предприятия малого и среднего бизнеса на базе методологии и технологий РБП.

Результаты. Разработан комплекс методологических принципов мониторинга и управления развитием МСП. Отмечено, что, в отличие от существующих, этот комплекс позволяет обеспечить устойчивое управление МСП в условиях цифровой трансформации экономики, информационной неопределенности, ситуационной нестабильности внешней среды.

Практическая значимость. Предложенная модель цифрового образа предприятия может быть расширена за счет включения в нее дополнительных характеристик и применена не только для субъектов МСП, но и крупных организаций, как эффективный инструмент мониторинга, оценки и анализа состояния и развития, принятий решений, в том числе и стратегического уровня. По сути, разработанная модель представляет собой цифровой двойник предприятия, действующего в реальных условиях, характеризующийся неопределенностью поступающей информации, которая может быть учтена за счет предложенного цифрового инструмента.

Прокопчина С.В., Звягин Л.С. Применение байесовских интеллектуальных технологий для реализации системного подхода к измерению эффективности малых и средних предприятий // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 6.
С. 57−68. DOI: 10.18127/j19998554-202506-06

1. Природа, факторы и измерение успешности предприятий малого и среднего бизнеса в России: монография / под общ. ред. В.И. Бархатова, Д.А. Плетнёва. М.: Перо. 2015. 302 с.
2. Бобылев С.Н. Индикаторы устойчивого развития: региональное измерение. Пособие по региональной экологической политике. М.: Акрополь, ЦЭПР. 2007. 60 с.
3. Жуков Р.А., Прокопчина С.В. Программный комплекс «Инфоаналитик 2.0». Свидетельство о государственной регистрации программы для ЭВМ № 2024617544 от 03.04.2024.
4. Одинцов Б.Е. Информационные системы управления эффективностью бизнеса: Учебник и практикум для вузов. М.: Юрайт. 2022. 206 с.
5. Одинцов Б.Е. Сбалансированно-целевое управление развитием предприятия: модели и технологии: Моно­графия. М.: ИНФРА-М. 2017. 162 c.
6. Тарасова Н.П., Кручина Е.Б. Индексы и индикаторы устойчивого развития / Матер. междунар. конф. «Устойчивое развитие: природа – общество – человек». Т. 1. М.: ЗАО «Инновационный экологический фонд». 2006. 236 с.
7. Прокопчина С.В. Интеллектуальные измерения на основе регуляризирующего байесовского подхода. М.: Изд. дом «Научная библиотека». 2021.  499 с.
8. Жуков Р.А., Прокопчина С.В. Моделирование функционирования социо-эколого-экономических систем на основе многоуровневого оптимизационного подхода в условиях неопределенности. Отчет о НИР № 22-28-20061. Российский научный фонд, 2022.
9. Пархименко В.А., Савчик О.А., Верняховская В.В. и др. Цифровая трансформация в маркетинговой деятельности: от автоматизации к алгоритмическому маркетингу // Big Data and Advanced Analytics. 2020. № 6-1. С. 303.
10. Лукьянец А.А., Прокопчина С.В. Поддержка принятия решений в управлении энергоснабжающими организа­циями на основе регуляризирующего байесовского подхода. Томск: Изд-во Томский некоммерческий фонд развития региональной энергетики. 2006. 399 с.
11. Королева Д.А. Применение технологий байесовских интеллектуальных измерений в аудиторской практике // Экономика и управление. Проблемы и решения. Т. 1(61). 2017. С. 101–105.
12. Прокопчина С.В. Новый тип нейронных сетей: байесовские измерительные нейронные сети (БИН) на основе методологии регуляризирующего байесовского подхода // Мягкие измерения и вычисления. 2020. Т. 35. № 10. С. 17–24.
13. Прокопчина С.В. Системный подход в условиях неопределенности. От системных измерений к системному синтезу // Мягкие измерения и вычисления. 2018. № 11 (12). С. 3–13.
14. Mari l., Giordany A. Towards a concept of property evaluation type. XIII Symposium of IMECO, June, 2010.
15. Mary L., Lazarotti V., Manzini R. Measurement in soft systems: epistemological framework a case study. Measurement. 2009. V. 42. P. 241–253.