В статье проведен анализ экономико-математических моделей и методов поддержки принятия решений в условиях неопределенности. Изучен отечественный и зарубежный опыт экономических ситуаций, связанных с распространением знаний, определены основные аспекты экономики знаний. Рассмотрены методы представления знаний, в частности определены правила построения продукционной модели знаний. Проведен анализ интеллектуальных систем, основанных на обучении и самообучении (с «учителем», без «учителя») и сделан вывод о том, что для оценки экономических процессов необходимо рассматривать комплекс методик, связанных с плохо формализуемыми задачами, к которым относятся экономические задачи.
Методологическая база исследования включает методику нечеткого управления, методику Саати и методику байесовских сетей, которые лежат в основе разработанной экономико-математической модели. Теоретическая и практическая значимость исследования заключается в обосновании необходимости разработки комплексной оценки эффективности мобильного приложения.
В качестве объекта исследования выбран ПАО «СКБ-банк», предмет исследования – разработка дополнительного модуля «Проведение финансовых операций по карте ПАО „СКБ-банк“» мобильного приложения.
Проведена оценка эффективности разработки, в частности при разработке модуля «Проведение финансовых операций по карте ПАО „СКБ-банк“» мобильного приложения. Для этого определены метрики, которые послужили критериями для определения эффективности проекта, а также определены риски проекта, оценка которых получена на основе теории нечетких множеств. Сформированные методики поддержки принятия решений в условиях неопределенности позволили сделать вывод об эффективности проекта в целом. Разработанная модель может быть применена для оценки эффективности мобильных приложений для любых компаний.
- Волкова Е.С., Гисин В.Б. (2019). Нечеткие множества и мягкие вычисления в экономике и финансах. М.: Литрес.
- Конышева Л.К., Назаров Д.М. (2011). Основы теории нечетких множеств. М.: Питер.
- Молодецкая С.Ф. (2012). Теория нечетких множеств как инструмент стратегического планирования ресурсов // Управленец. № 1. С. 58–69.
- Назаров Д.М., Конышева Л.К. (2019). Интеллектуальные системы: Основы теории нечетких множеств. М.: Юрайт.
- Пегат А. (2013). Нечеткое моделирование и управление. М.: Бином. Лаборатория знаний.
- Райли Д. (2006). Экспертные системы: принципы разработки и программирование. М.: Вильямс.
- Рассел С., Норвиг П. (2015). Искусственный интеллект. Современный подход. М.: Вильямс.
- Станкевич Л.А. (2016). Интеллектуальные системы и технологии. М.: Юрайт.
- Ухоботов В.И. (2011). Избранные главы теории нечетких множеств. Челябинск: Издательство Челябинского государственного университета.
- Хайкин С. (2015). Нейронные сети. М.: Вильямс.
- Ясницкий Л.Н. (2016). Интеллектуальные системы. М.: Бином. Лаборатория знаний.
© Статья. Молодецкая С. Ф., .