Информация о статье

Название статьи:

Оптимизация бизнес-процессов с помощью методов Data Mining

Авторы:
Пересыпкин А.А., старший преподаватель, кафедра финансов и учета, Мелитопольский государственный университет, г. Мелитополь, Российская Федерация, peresypkin_oleksandr@mail.ru,

Сосновская И.Л., старший преподаватель, кафедра финансов и учета, Мелитопольский государственный университет, г. Мелитополь, Российская Федерация, melirina2@yandex.ru

В рубрике:
РАЗДЕЛ 4. ТЕОРИЯ И ПРАКТИКА УПРАВЛЕНИЯ

Год: 2026 Том: 8 Номер журнала: 3

Страницы: 129-135

Тип статьи: Научная статья

УДК: 004.62:668.5

Аннотация:
В условиях стремительного роста объемов корпоративных данных традиционные подходы к управлению операционной эффективностью перестают обеспечивать требуемую скорость и точность решений. Целью статьи является систематизация и обоснование ключевых направлений применения инструментов интеллектуального анализа данных (Data Mining) для оптимизации сквозных бизнес-процессов. Рассмотрены методы классификации, кластеризации, поиска ассоциативных правил, анализа аномалий и прогнозирования временных рядов в контексте конкретных управленческих задач. Показано, как комбинация описательных и предсказательных моделей позволяет выявлять неочевидные узкие места, снижать операционные издержки и повышать качество обслуживания. Приведены примеры практической реализации в розничной торговле, логистике и банковской сфере, демонстрирующие экономический эффект от внедрения предложенных решений.

Ключевые слова: Data Mining, оптимизация бизнес-процессов, интеллектуальный анализ данных, машинное обучение, управление процессами, прогнозирование, кластеризация, ассоциативные правила, анализ аномалий

Скачать полный текст статьи

Список цитируемой литературы:

Гришин А.В. Интеллектуальный анализ данных в управлении операционной эффективностью предприятий / А.В. Гришин, Д.А. Новиков // Прикладная информатика. - 2021. - Т. 16, № 4. - С. 55-67.
Witten I.H. Data Mining: Practical Machine Learning Tools and Techniques / I.H. Witten, E. Frank, M.A. Hall. - 4th ed. - Cambridge: Morgan Kaufmann, 2020. - 664 p.
Сергеев Д.А. Управление цепями поставок на основе предиктивной аналитики: опыт розничных сетей / Д.А. Сергеев, В.П. Кузнецов // Логистика и управление цепями поставок. - 2022. - № 3. - С. 112-121.
Chen H. Business Intelligence and Analytics: From Big Data to Big Impact / H. Chen, R.H.L. Chiang, V.C. Storey // MIS Quarterly. - 2020. - Vol. 44, No. 4. - P. 1165-1188.
Provost F. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking / F. Provost, T. Fawcett. - 2nd ed. - Sebastopol: O'Reilly Media, 2022. - 408 p.
Петрова А.В. Кластеризация клиентской базы и прогнозирование оттока в телекоммуникационной компании / А.В. Петрова // Маркетинг и маркетинговые исследования. - 2023. - № 2. - С. 88-99.
Ларионов В.Г. Применение ассоциативных правил для оптимизации процессов управления возвратами в электронной коммерции / В.Г. Ларионов, А.А. Семенов // Экономика и математические методы. - 2022. - Т. 58, № 1. - С. 102-114.
Гусев А.Н. Прогнозирование отказов промышленного оборудования методами машинного обучения / А.Н. Гусев // Научно-технический вестник информационных технологий, механики и оптики. - 2023. - Т. 23, № 5. - С. 712-720.
Семенов А.А. Обнаружение аномалий в финансовых транзакциях с использованием методов Data Mining / А.А. Семенов // Финансы и кредит. - 2024. - Т. 30, № 2. - С. 134-145.

Байкальский государственный университет

Информация о статье

Оптимизация бизнес-процессов с помощью методов Data Mining