О.А. Салтыкова1, В.Д. Саушкин2

1,2 РУДН им. Патриса Лумумбы (Москва, Россия)

1 olga_a_saltykova@mail.ru; 2 kingrailag@gmail.com

Постановка проблемы. Исследование возможности и преимуществ использования нейронных сетей для оценки конкурентоспособности предприятий в условиях цифровой экономики - актуальная задача, решаемая с учетом активного развития цифровой экономики и накопления данных с реальных предприятий.

Цель. Доказать актуальность применения методов машинного обучения для решения задачи классификации конкурентоспособности предприятий.

Результаты. Установлены основные факторы, оказывающие влияние на конкурентоспособность организации, а также предложены классы конкурентоспособности для определения цифровой конкурентоспособности предприятия. Для решения задачи классификации разработана архитектура многослойной нейронной сети и выполнена ее реализация на языке Python. Для классификации определено три класса: Normal, Below_norm, Above_norm. Показано, что применение такой архитектуры позволяет достигнуть точности более 90% при решении задач классификации. Для подтверждения работоспособности нейросети реализован функционал построения матрицы сопоставлений, которая показывает процентное соотношение безошибочно классифицируемых объектов к неверному определению. Приведены результаты работы нейронной сети при решении задачи классификации конкурентоспособности.

Практическая значимость. Анализ данных с помощью методов машинного обучения позволит эффективно оценивать конкурентоспособность предприятий и принимать правильные управленческие решения.

Салтыкова О.А., Саушкин В.Д. Преимущества и роль машинного обучения при оценке конкурентоспособности предприятий в условиях цифровой экономики // Нелинейный мир. 2024. Т. 22. №1. С. 22-29. DOI: https://doi.org/10.18127/j20700970-202401-03

1. Ежова В.А. Конкурентоспособность организации: Учеб. пособие. СПб: ВШТЭ СПбГУПТД. 2022. 38 с.
2. Мартынова Ю.А. Методы машинного обучения при оценке конкурентоспособности предприятия // Вопросы инновационной экономики. 2020. Т. 10. № 1. С. 549-562  .
3. Саушкин В.Д., Бесхмельнов М.И., Лыгарев Я.С., Шмелева А.Г. Имитационное моделирование факторов конкурентоспособности предприятия в цифровой экономике // Современное состояние, проблемы и перспективы развития отраслевой науки. М.: Изд-во «Перо». 2021. С. 532-535.
4. Кох Р. Принцип 80/20. Как работать меньше, а зарабатывать больше: Пер. с англ. Линева И. М.: Бомбра. 2021. 432 с.
5. Белкин В.Н., Белкина Н.А., Владыкина Л.Б. Теоретические основы оценки конкурентоспособности предприятий // Экономика региона. 2015. № 1. С. 145-155.
6. Махмудова Г.Н., Ашуров З.А. Факторы конкурентоспособности национальных рынков в условиях цифровой трансформации экономики // Цифровая трансформация экономических систем и перспективы // Сб. трудов 6 Всеросс. науч.-практич. конф. с зарубежным участием. СПб: «ЭКОПРОМ». 2022. С. 113-116.
7. Ширшиков С.П. Классификация факторов, влияющих на конкурентоспособность малых и средних строительных организаций // Санкт-Петербургский гос. архитектурно-строительный ун-т // Обществознание и социальная психология. 2022. С. 189-198.
8. Черкасов Д.Ю., Иванов В.В. Машинное обучение // Наука, техника и образование. 2018. № 5(46). С. 85-87.
9. Левченко К.М., Сыч А.А. Нейронные сети // БГУИР. 2022. С. 90-93.
10. Абдрахманов М.И. Библиотека Matplotlib. 2019. 100 с.