|
DOI: 10.14489/vkit.2025.10.pp.034-041
Федько В. С., Ковалева О. А., Ковалев С. В.
АНАЛИЗ РЕЛЕВАНТНЫХ ИССЛЕДОВАНИЙ ПРИ РАЗРАБОТКЕ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПОВЫШЕНИЯ УРОВНЯ ДОСТУПНОСТИ ФИНАНСОВЫХ УСЛУГ
(с.34-41)
Аннотация. Проанализированы релевантные научные материалы об имеющихся методах, алгоритмах и программных решениях в области систем поддержки принятия решений, цифровых двойников городов, технологий управления земельными ресурсами, картографирования территорий, интеграции технологий ГИС и больших данных, программ анализа развития территорий и других. Рассмотрены программные реализации для решения задач в социально-экономической сфере отдельных регионов России, Ирана, Китая, Индии и Саудовской Аравии. Определены основные категории и особенности систем и инструментов. Приведены характеристики цифровых двойников, систем для выбора оптимального местоположения в соответствии с заданными критериями, систем для сравнения и кластеризации различных регионов, а также систем поддержки принятия решений для создания планов мероприятий. Анализ программных решений, методов и алгоритмов позволил разработать модель архитектуры и схему жизненного цикла данных разрабатываемой системы поддержки принятия решений повышения уровня доступности финансовых услуг. Система позволит агрегировать данные из различных источников о наличии в населенных пунктах финансовых инструментов, рассчитывать показатели уровня финансовой доступности, визуализировать полученную информацию в аналитических отчетах и геоинформационном модуле, автоматически создавать оптимальный план мероприятий по повышению показателя уровня финансовой доступности для использования в работе Банка России. Разработка системы направлена на повышение уровня развития инфраструктуры предоставления финансовых услуг, что является важной социально-экономической задачей в современном мире. Кроме того, благодаря автоматизации процессов могут быть существенно снижены трудозатраты и минимизирован риск ошибок, связанных с человеческим фактором.
Ключевые слова: системы поддержки принятия решений; жизненный цикл данных; пространственный анализ; финансовая доступность.
Fedko V. S., Kovaleva O. A., Kovalev S. V.
ANALYSIS OF RELEVANT RESEARCH IN DEVELOPING DECISION SUPPORT SYSTEMS AIMED AT ENHANCING THE ACCESSIBILITY OF FINANCIAL SERVICES
(pp.34-41)
Abstract. Relevant scientific materials on available methods, algorithms, and software solutions in the field of decision support systems, digital urban twins, land management technologies, territorial mapping, integration of GIS and big data technologies, territorial development analysis programs, and others are analyzed. Software solutions for solving problems in the socio-economic sphere of certain regions of Russia, Iran, China, India and Saudi Arabia are considered. Based on the results of the analysis, the main categories of systems and tools and their main distinguishing features were identified. The summary table shows the characteristics of digital twins, systems for choosing the optimal location according to specified criteria, systems for comparing and clustering different regions, as well as decision support systems for creating action plans. The analysis of software solutions, methods and algorithms allowed us to compile the presented architecture and data lifecycle scheme of the developed decision support system for increasing the availability of financial services. The system will allow aggregating data from various sources on the availability of financial instruments in localities, calculating indicators of the level of financial accessibility, visualizing the information obtained in analytical reports and the geoinformation module, and automatically creating an optimal action plan to increase the level of financial accessibility for use in the Bank of Russia's work process. The development of the system is aimed at increasing the level of development of the financial services infrastructure, which is an important socio-economic task in the modern world. The system will also significantly reduce labor costs and minimize the risk of human error by automating processes.
Keywords:
В. С. Федько, О. А. Ковалева, С. В. Ковалев (Тамбовский государственный университет имени Г. Р. Державина, Тамбов, Россия) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
V. S. Fedko, O. A. Kovaleva, S. V. Kovalev (Derzhavin Tambov State University, Tambov, Russia) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. A comparison of global agricultural monitoring systems and current gaps / S. Fritz, L. See, J. C. L. Bayas et al. // Agricultural Systems. 2019. V. 168. P. 258–272. DOI: 10.1016/j.agsy.2018.05.010
2. Концепция построения цифрового двойника города / С. А. Иванов, К. Ю. Никольская, Г. И. Радченко и др. // Вестник Южно-Уральского государственного университета. Сер. Вычислительная математика и информатика. 2020. Т. 9, № 4. С. 5–23. DOI: 10.14529/cmse200401
3. Orlova E. V. Design Technology and AI-Based Decision Making Model for Digital Twin Engineering // Future Internet. 2022. V. 14, No. 9. P. 248. DOI: 10.3390/fi14090248
4. Чарыкова О. Г., Маркова Е. С. Региональная кластеризация в цифровой экономике // Экономика региона. 2019. Т. 15, № 2. С. 409–419. DOI: 10.17059/2019-2-8
5. Баринов В. Н., Трухина Н. И., Хахули-на Н. Б. Эффективные технологии в управлении земельными ресурсами // ФЭС: Финансы. Экономика. Стратегия. 2020. Т. 17, № 1. С. 49–54.
6. Епринцев С. А., Шекоян С. В. Геоинформационное картографирование урбанизированных территорий как механизм пространственной оценки социально-экологических факторов // Геополитика и экогеодинамика регионов. 2019. Т. 5(15), № 3. С. 109–115.
7. Аскарова А. Р., Сафиуллин Н. А. Pest-анализ управления социально-экономическим развитием муниципального образования // Инновационные идеи молодых исследователей для агропромышленного комплекса: сб. материалов Международной научно-практической конференции. Пенза, Россия. 24–26 марта 2021 г. Т. III. Пенза: Пензенский государственный аграрный университет, 2021. С. 30–33.
8. Киреева М. М., Павленко И. Г. Методический подход к оценке использования ресурсного потенциала территории для развития внутреннего туризма // Journal of New Economy. 2021. Т. 22, № 2. С. 23–43. DOI: 10.29141/2658-5081-2021-22-2-2
9. Макаров В. Л., Бахтизин А. Р., Бекларян Г. Л., Акопов А. С. Имитационное моделирование системы «умный город»: концепция, методы и примеры // Национальные интересы: приоритеты и безопасность. 2019. Т. 15, № 2(371). С. 200–224. DOI: 10.24891/ni.15.2.200
10. Zhou C., Wu Y. A planning support tool for layout integral optimization of urban blue-green infrastructure // Sustainability. 2020. V. 12, No. 4. P. 1–22. DOI: 10.3390/su12041613
11. Яицкая Н. А., Бригида В. С. Геоинформационные технологии при решении трехмерных геоэкологических задач: пространственная интерполяция данных // Геология и геофизика Юга России. 2022. Т. 12, № 1. С. 162–173. DOI: 10.46698/VNC.2022.86.27.012
12. Mohsin M., Ali Sk. A., Shamim S. K., Ahmad A. A GIS-based novel approach for suitable sanitary landfill site selection using integrated fuzzy analytic hierarchy process and machine learning algorithms // Environmental Science and Pollution Research. 2022. V. 29, No. 21. P. 31511–31540. DOI: 10.1007/s11356-021-17961-x
13. Comprehensive Risk Assessment of Urban Waterlogging Disaster Based on MCDA-GIS Integration: The Case Study of Changchun, China / Ch. Duan, J. Zhang, Ya. Chen et al. // Remote Sensing. 2022. V. 14, No. 13. P. 3101. DOI: 10.3390/rs14133101
14. Sztubecka M., Skiba M., Mrówczynska M., Bazan-Krzywoszanska A. An innovative decision support system to improve the energy efficiency of buildings in urban areas // Remote Sensing. 2020. V. 12, No. 2. P. 259. DOI: 10.3390/rs12020259
15. Potential measurement of Iran's western regional wind energy using GIS / R. Zahedi, M. Ghorbani, S. Daneshgar et al. // Journal of Cleaner Production. 2022. V. 330. P. 129883. DOI: 10.1016/j.jclepro.2021.129883
16. Application of probabilistic and machine learning models for groundwater potentiality mapping in Damghan sedimentary plain, Iran / A. Arabameri, J. Roy, S. Saha et al. // Remote Sensing. 2019. V. 11, No. 24. P. 3015. DOI: 10.3390/rs11243015
17. Топоров А. В., Пивоварова И. И., Саркисов С. В. Методы статистического анализа для оценки однородности пространственно-распределенных данных и экологического районирования // Актуальные проблемы военно-научных исследований. 2019. № S2(3). С. 49–57.
18. Воробьев А. В., Пилипенко В. А., Еникеев Т. А., Воробьева Г. Р. Геоинформационная система для анализа динамики экстремальных геомагнитных возмущений по данным наблюдений наземных станций // Компьютерная оптика. 2020. Т. 44, № 5. С. 782–790. DOI: 10.18287/2412-6179-CO-707
19. Akbarian H., Gheibi M., Hajiaghaei-Keshteli M., Rahmani M. A hybrid novel framework for flood disaster risk control in developing countries based on smart prediction systems and prioritized scenarios // Journal of Environmental Management. 2022. V. 312. P. 114939. DOI: 10.1016/j.jenvman.2022.114939
20. Albraheem L., Alawlaqi L. Geospatial analysis of wind energy plant in Saudi Arabia using a GIS-AHP technique // Energy Reports. 2023. V. 9. P. 5878–5898. DOI: 10.1016/j.egyr.2023.05.032
1. Fritz, S., See, L., Bayas, J. C. L., et al. (2019). A comparison of global agricultural monitoring systems and current gaps. Agricultural Systems, 168, 258–272. https://doi.org/10.1016/j.agsy.2018.05.010
2. Ivanov, S. A., Nikolskaya, K. Yu., Radchenko, G. I., et al. (2020). Concept for building a digital twin of a city. Vestnik Yuzhno-Ural'skogo Gosudarstvennogo Universiteta. Ser. Vychislitel'naya Matematika i Informatika, 9(4), 5–23. [in Russian language] https://doi.org/10.14529/cmse200401
3. Orlova, E. V. (2022). Design technology and AI-based decision making model for digital twin engineering. Future Internet, 14(9), 248. https://doi.org/10.3390/fi14090248
4. Charykova, O. G., & Markova, E. S. (2019). Regional clustering in the digital economy. Ekonomika Regiona, 15(2), 409–419. [in Russian language] https://doi.org/10.17059/2019-2-8
5. Barinov, V. N., Trukhina, N. I., & Khakhulina, N. B. (2020). Efficient technologies in land resource management. FES: Finansy. Ekonomika. Strategiya, 17(1), 49–54. [in Russian language]
6. Eprintsev, S. A., & Shekoyan, S. V. (2019). Geoinformation mapping of urbanized territories as a mechanism for spatial assessment of socio-ecological factors. Geopolitika i Ecogeodinamika Regionov, 5(15)(3), 109–115. [in Russian language]
7. Askarova, A. R., & Safiullin, N. A. (2021). PEST-analysis of the management of socio-economic development of a municipality. In Innovative ideas of young researchers for the agro-industrial complex (Vol. 3, pp. 30–33). Penza State Agrarian University. [in Russian language]
8. Kireeva, M. M., & Pavlenko, I. G. (2021). Methodological approach to assessing the use of a territory's resource potential for the development of domestic tourism. Journal of New Economy, 22(2), 23–43. [in Russian language]. https://doi.org/10.29141/2658-5081-2021-22-2-2
9. Makarov, V. L., Bakhtizin, A. R., Beklaryan, G. L., & Akopov, A. S. (2019). Simulation modeling of a "smart city" system: Concept, methods and examples. Natsional'nye Interesy: Prioritety i Bezopasnost', 15(2(371)), 200–224. [in Russian language]. https://doi.org/10.24891/ni.15.2.200
10. Zhou, C., & Wu, Y. (2020). A planning support tool for layout integral optimization of urban blue-green infrastructure. Sustainability, 12(4), 1–22. https://doi.org/10.3390/su12041613
11. Yaitskaya, N. A., & Brigida, V. S. (2022). Geoinformation technologies for solving three-dimensional geo-ecological problems: Spatial data interpolation. Geologiya i Geofizika Yuga Rossii, 12(1), 162–173. [in Russian language]. https://doi.org/10.46698/VNC.2022.86.27.012
12. Mohsin, M., Ali, Sk. A., Shamim, S. K., & Ahmad, A. (2022). A GIS-based novel approach for suitable sanitary landfill site selection using integrated fuzzy analytic hierarchy process and machine learning algorithms. Environmental Science and Pollution Research, 29(21), 31511–31540. https://doi.org/10.1007/s11356-021-17961-x
13. Duan, Ch., Zhang, J., Chen, Ya., et al. (2022). Comprehensive risk assessment of urban waterlogging disaster based on MCDA-GIS integration: The case study of Changchun, China. Remote Sensing, 14(13), 3101. https://doi.org/10.3390/rs14133101
14. Sztubecka, M., Skiba, M., Mrówczynska, M., & Bazan-Krzywoszanska, A. (2020). An innovative decision support system to improve the energy efficiency of buildings in urban areas. Remote Sensing, 12(2), 259. https://doi.org/10.3390/rs12020259
15. Zahedi, R., Ghorbani, M., Daneshgar, S., et al. (2022). Potential measurement of Iran's western regional wind energy using GIS. Journal of Cleaner Production, 330, 129883. https://doi.org/10.1016/j.jclepro.2021.129883
16. Arabameri, A., Roy, J., Saha, S., et al. (2019). Application of probabilistic and machine learning models for groundwater potentiality mapping in Damghan sedimentary plain, Iran. Remote Sensing, 11(24), 3015. https://doi.org/10.3390/rs11243015
17. Toporov, A. V., Pivovarova, I. I., & Sarkisov, S. V. (2019). Methods of statistical analysis for assessing the homogeneity of spatially distributed data and environmental zoning. Aktual'nye Problemy Voenno-Nauchnykh Issledovanii, S2(3), 49–57. [in Russian language]
18. Vorobev, A. V., Pilipenko, V. A., Enikeev, T. A., & Vorobeva, G. R. (2020). A geographic information system for analyzing the dynamics of extreme geomagnetic disturbances based on data from ground-based stations. Kompyuternaya Optika, 44(5), 782–790. [in Russian language]. https://doi.org/10.18287/2412-6179-CO-707
19. Akbarian, H., Gheibi, M., Hajiaghaei-Keshteli, M., & Rahmani, M. (2022). A hybrid novel framework for flood disaster risk control in developing countries based on smart prediction systems and prioritized scenarios. Journal of Environmental Management, 312, 114939. https://doi.org/10.1016/j.jenvman.2022.114939
20. Albraheem, L., & Alawlaqi, L. (2023). Geospatial analysis of wind energy plant in Saudi Arabia using a GIS-AHP technique. Energy Reports, 9, 5878–5898. https://doi.org/10.1016/j.egyr.2023.05.032
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 700 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2025.10.pp.034-041
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 700 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2025.10.pp.034-041
and fill out the form
.
|
Текущий номер
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»