Принятие решений на основе data science в управлении социальными и экономическими системами

Цель. Определить перспективы и возможные сферы использования data science в процессе принятия решений при управлении социальными и экономическими системами.

Задачи. Проанализировать существующие подходы и перспективные направления использования data science; выполнить анализ методов, позволяющих получать данные в режиме реального времени для принятия решений, выявить пробелы и недостатки; кратко сформулировать выводы, актуальные для практиков и политиков в процессе принятия решений на основе data science.

Методология. Авторами проведен анализ научной литературы, применены методы логического анализа и интерпретации данных.

Результаты. В процессе исследования установлено, что data science вносит существенный вклад в глобальную трансформацию общества, позволяя решать актуальные проблемы социально-экономического развития. Методы, способствующие получению данных в режиме реального времени, повышают эффективность решений при управлении социальными и экономическими системами. Проведен анализ этих методов, выявлены их преимущества и недостатки, представлены примеры их использования. Определены ключевые требования к данным: конфиденциальность, этичность и безопасность. Предложен спектр новых вопросов для будущих исследований в контексте рассматриваемой тематики.

Выводы. Полученные результаты способствуют теоретическому развитию новых подходов применения data science, а также практическому использованию лучших практик в случаях принятия решений в процессе управления социальными и экономическими системами. Эти результаты могут служить основой при разработке и реализации решений политиками и практиками.

1. Daily time spent on social networking by Internet users worldwide from 2012 to 2024. Statista. 2024. URL: https://www.statista.com/statistics/433871/daily-social-media-usageworldwide/ (accessed on 19.08.2024).

2. Liu Y., Soroka A., Han L., Jian J., Tang M. Cloud-based Big Data analytics for customer insight-driven design innovation in SMEs. International Journal of Information Management. 2020;51:102034. DOI: 10.1016/j.ijinfomgt.2019.11.002

3. Guo H., Nativi S., Liang D., et al. Big Earth Data science: An information framework for a sustainable planet. International Journal of Digital Earth. 2020;13(7):743-767. DOI: 10.1080/17538947.2020.1743785

4. Cappa F., Franco S., Rosso F. Citizens and cities: Leveraging citizen science and Big Data for sustainable urban development. Business Strategy and the Environment. 2022;31(2):648-667. DOI: 10.1002/bse.2942

5. Medeiros M.M., Hoppen N., Maçada A.C. Data science for business: Benefits, challenges and opportunities. The Bottom Line. 2020;33(2):149-163. DOI: 10.1108/BL-12-2019-0132

6. Iqbal R., Doctor F., More B., Mahmud S., Yousuf U. Big Data analytics and computational intelligence for cyber-physical systems: Recent trends and state of the art applications. Future Generation Computer Systems. 2020;105:766-778. DOI: 10.1016/j.future.2017.10.021

7. Bhat S.A., Huang N.-F. Big data and AI revolution in precision agriculture: Survey and challenges. IEEE Access. 2021;9:110209-110222. DOI: 10.1109/ACCESS.2021.3102227

8. Donoghue T., Voytek B., Ellis S.E. Teaching creative and practical data science at scale. Journal of Statistics and Data Science Education. 2021;29(S1):S27-S39. DOI: 10.1080/10691898.2020.1860725

9. Shapiro B.R., Meng A., O’Donnell C., et al. Re-shape: A method to teach data ethics for data science education. In: Proc. 2020 CHI conf. on human factors in computing systems (CHI’20). (Honolulu, HI, April 25-30, 2020). New York, NY: Association for Computing Machinery; 2020:1-13. DOI: 10.1145/3313831.3376251

10. Rehman A., Naz S., Razzak I. Leveraging Big Data analytics in healthcare enhancement: Trends, challenges and opportunities. Multimedia Systems. 2022;28(4):1339-1371. DOI: 10.1007/s00530-020-00736-8

11. Leslie D. Tackling COVID-19 through responsible AI innovation: Five steps in the right direction. Harvard Data Science Review. 2020;(1). DOI: 10.1162/99608f92.4bb9d7a7

12. Timmermans J., Blok V., Braun R., Wesselink R., Nielsen R.Ø. Social labs as an inclusive methodology to implement and study social change: The case of responsible research and innovation. Journal of Responsible Innovation. 2020;7(3):410-426. DOI: 10.1080/23299460.2020.1787751

13. Bardhan I., Chen H., Karahanna E. Connecting systems, data, and people: A multidisciplinary research roadmap for chronic disease management. MIS Quarterly. 2020;44(1):185-200. DOI: 10.25300/MISQ/2020/14644

14. Górriz J.M., Ramírez J., Ortiz A., et al. Artificial intelligence within the interplay between natural and artificial computation: Advances in data science, trends and applications. Neurocomputing. 2020;410:237-270. DOI: 10.1016/j.neucom.2020.05.078

15. Borah N., Baruah U., Ramakrishna M.T., et al. Efficient Assamese word recognition for societal empowerment: A comparative feature-based analysis. IEEE Access. 2023;11:82302-82326. DOI: 10.1109/ACCESS.2023.3301564

16. Kim S., Andersen K.N., Lee J. Platform government in the era of smart technology. Public Administration Review. 2022;82(2):362-368. DOI: 10.1111/puar.13422

17. Selwyn N., Gašević D. The datafication of higher education: Discussing the promises and problems. Teaching in Higher Education. 2020;25(4):527-540. DOI: 10.1080/13562517.2019.1689388

18. Nwosu N.T., Babatunde S.O., Ijomah T. Enhancing customer experience and market penetration through advanced data analytics in the health industry. World Journal of Advanced Research and Reviews. 2024;22(3):1157-1170. DOI: 10.30574/wjarr.2024.22.3.1810

19. Devan M., Shanmugam L., Tomar M. AI-powered data migration strategies for cloud environments: Techniques, frameworks, and real-world applications. Australian Journal of Machine Learning Research & Applications. 2021;1(2):79-111.

20. Usman F.O., Eyo-Udo N.L., Etukudoh E.A., et al. A critical review of AI-driven strategies for entrepreneurial success. International Journal of Management & Entrepreneurship Research. 2024;6(1):200-215. DOI: 10.51594/ijmer.v6i1.748

21. Eboigbe E.O., Farayola O.A., Olatoye F.O., Nnabugwu O.C., Daraojimba C. Business intelligence transformation through AI and data analytics. Engineering Science & Technology Journal. 2023;4(5):285-307. DOI: 10.51594/estj.v4i5.616

22. Ahmad T., Madonski R., Zhang D., Huang C., Mujeeb A. Data-driven probabilistic machine learning in sustainable smart energy/smart energy systems: Key developments, challenges, and future research opportunities in the context of smart grid paradigm. Renewable and Sustainable Energy Reviews. 2022;160:112128. DOI: 10.1016/j.rser.2022.112128

23. Market share of advanced analytics and data science technologies worldwide in 2023. Statista. 2023. URL: https://www.statista.com/statistics/1258535/advanced-analytics-data-sciencemarket-share-technology-worldwide/ (accessed on 19.08.2024).