С.С. Михайлова1, Е.С. Будаев2, С.Д. Данилова3, Ю.А. Кораблев4

1–4 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
1 ssmihajlova@fa.ru, 2 budeus@mail.ru, 3 sddanilova@fa.ru, 4 yuakorablev@fa.ru

Постановка проблемы. Управление пространственным развитием регионов РФ осложнено фрагментированностью данных, гетерогенностью источников (статистика, ведомственные, муниципальные системы) и искажением информации при ее передаче между уровнями управления, что препятствует формированию обоснованных решений.

Цель. Разработать концептуальную модель гибридного хранилища данных для системы поддержки принятия решений (СППР), обеспечивающую интеграцию, анализ и визуализацию разнородных данных пространственного развития.

Результаты. Сформирована унифицированная система показателей по восьми тематическим блокам (экономика, социум, инфраструктура, экология и др.), согласованная со «Стратегией пространственного развития РФ до 2036 г.». Предложена гибридная архитектура хранилища на базе Modern Data Warehouse (MDW) с миграцией к Data Lakehouse. Реализована система оценки достоверности данных с иерархией достоверности источников (статистика → ведомственные → муниципальные → альтернативные).

Практическая значимость. Внедрение модели повысит эффективность управления региональным развитием за счет оптимизации консолидации данных, поддержки сценарного прогнозирования и мониторинга стратегии пространственного развития региона, сокращения времени формирования отчетности для лиц, принимающих решения. Область применения предложенной модели – системы государственного управления регионов РФ, аналитические подразделения Минэкономразвития РФ, научно-исследовательские институты.

Михайлова С.С., Будаев Е.С., Данилова С.Д., Кораблев Ю.А. Разработка гибридной модели хранилища данных для системы поддержки принятия решений в области пространственного развития региона // Нелинейный мир. 2025.
Т. 23. № 3. С. 107–116. DOI: https://doi.org/10.18127/ j20700970-202503-13

1. Breslin M. Data Warehousing Battle of the Giants: Comparing the Basics of the Kimball and Inmon Models. Business Intelligence Journal. 9. 2004.
2. Building a Scalable Data Warehouse with Data Vault 2.0 by Daniel Linstedt & Michael Olschimke, 2016.
3. Deciphering Data Architectures: Choosing Between a Modern Data Warehouse, Data Fabric, Data Lakehouse, and Data Mesh. James Serra. 2024.
4. Zaharia M.A., Ghodsi A., Xin R., Armbrust M. Lakehouse: A New Generation of Open Platforms that Unify Data Warehousing and Advanced Analytics. Conference on Innovative Data Systems Research. 2021.
5. Абу Хасан Р., Кириенко А.Б., Хомоненко А.Д. Метод перехода от хранилищ данных к озерам данных геоинформационных систем на основе Лямбда-архитектуры // Интеллектуальные технологии на транспорте. 2024. № 1 (37). С. 45–55. DOI: 10.20295/2413-2527-2024-137-45-55.
6. Круги Громова – исследование русских ИТ-вендоров и российского ПО. URL: https://russianbi.ru/index.php#report.
7. Ландшафт Open Source Data Engineering в 2024 году: место России и мировые тенденции. URL: https://habr.com/ru/ articles/809427/.
8. Проектирование DWH. Data Modeling. Kimball, Data Vault 2.0, Anchor Modeling. URL: https://ivan-shamaev.ru/data-modeling-dwh-kimball-scd-types-data-vault-2-anchor-modeling/.