Innovative technological modes of data mining and modelling for adaptive project management of food industry competitive enterprises in crisis conditions
Ключові слова:
Управління проектами, Data Mining, економічні моделі, диференціально-символічний підхід, нечіткі виробничі правила, ІТ-продукт, харчова промисловість, транспортні мережі, медична допомога населенню, транспортні послугиАнотація
Розроблені в даному дослідженні науково-практичні прикладні проектні рішення щодо Data Mining для підприємств і компаній (на прикладі харчової промисловості) передбачають застосування сучасних кібернетичних методів/алгоритмів обчислень, технологічних режимів і сценаріїв (для інтеграції, попередньої обробки, машинного навчання, тестування та поглибленої комплексної інтерпретації результатів) аналізу та аналітики великих структурованих і напівструктурованих масивів даних для навчання високоякісних описових, предиктивних і навіть прескриптивних моделей.
Запропонований авторами багаторежимний адаптивний Data Mining синергетично поєднує в паралельних і послідовних сценаріях: методи попереднього EDA, методи статистичного аналізу, методи бізнес-аналітики, класичні алгоритми та архітектури машинного навчання, передові методи тестування та верифікації отриманих результатів, методи міждисциплінарної емпіричної експертної інтерпретації результатів, формати/техніки інженерії знань - для відкриття/виявлення раніше невідомих, прихованих і потенційно корисних закономірностей, зв'язків і тенденцій (для управління інноваційними проектами).
Основною методологічною та технологічною метою розробленої методології багаторежимного адаптивного Data Mining для підприємств харчової промисловості є підвищення повноти (підтримки) та точності бізнес- та техніко-технологічного моделювання на всіх рівнях управління проектами підприємств харчової промисловості: стратегічному, тактичному та оперативному.
Шляхом оптимального налаштування гіперпараметрів, параметрів, алгоритмів/методів та архітектури багатоцільових та багатовимірних явних та неявних дескриптивних та предикативних моделей, використання високопродуктивних гібридних паралельних м'яких обчислень для машинного навчання - удосконалена методологія багаторежимного Data Mining (запропонована авторами) дозволяє знаходити/виявляти/видобувати нові, корисні, приховані корпоративні знання з раніше зібраних, вилучених, інтегрованих озер даних, стимулюючи загальну ефективність, стійкість, а отже, і конкурентоспроможність підприємств харчової промисловості різних організаційних масштабів (від індивідуальних, крафтових виробництв до інтегрованих міжнародних холдингів) та в різних групах і нішах харчових продуктів.
Більш детально цілі цього дослідження розкриваються у двох змістовних модулях:
1. Перша частина детальних цілей і завдань цього дослідження стосується ефективного використання Data Mining (і моделювання) в конкурентному управлінні підприємствами і компаніями в сучасній економіці, а саме
– дослідження та перевірка ефективності базових/основних трьох типів Data Mining в управлінні конкурентоспроможним підприємством;
– виявлення основних/головних труднощів та викликів застосування технології Data Mining в управлінні конкурентоспроможним підприємством;
– дослідження та формування переліку базових/основних доцільних функціональних прикладних корпоративних задач для застосування удосконаленої концепції Data Mining;
– визначення переліку основних/головних результатів використання запропонованої концепції та методології Data Mining для ефективного та конкурентоспроможного підприємства в динамічних та кризових умовах;
– визначення основних/головних переваг використання запропонованої концепції та методології Data Mining для ефективного та конкурентоспроможного підприємства в динамічних та кризових умовах;
– дослідження основних/головних технологічних проблем використання запропонованої концепції та методології Data Mining для ефективного та конкурентоспроможного підприємства в динамічних та кризових умовах;
– виявлення основних/головних етичних проблем використання запропонованої концепції та методології Data Mining для ефективного та конкурентоспроможного підприємства в динамічних та кризових умовах;
– дослідження та пошук основних/головних перспектив інтелектуального аналізу даних в управлінні конкурентоспроможним підприємством або компанією.
2. Друга і основна частина деталізованих цілей і завдань цієї публікації стосується ефективного використання Data Mining (і моделювання) в конкурентному управлінні підприємствами і компаніями харчової промисловості, а саме:
– визначення особливостей та методів аналізу та аналітики високорозмірних великих даних на підприємствах харчової промисловості;
– дослідження особливостей та розробка методичних і технологічних прийомів для ефективного режиму OnLine Data Mining на підприємствах харчової промисловості;
– дослідження особливостей та розробка рекомендацій щодо ефективної організації Ad-Hoc Data Mining на підприємствах харчової промисловості;
– дослідження специфіки та розробка прикладних рекомендацій щодо ефективного використання Anomaly & Fraud Detection технологічних даних підприємств харчової промисловості;
– визначення напрямів та розробка рекомендацій щодо ефективного використання Hybrid Data Mining на підприємствах харчової промисловості;
– виявлення особливостей та розробка комплексу науково-практичних рекомендацій щодо ефективного режиму Crisis Data Mining на підприємствах харчової промисловості в динамічних та нестабільних зовнішніх умовах;
– визначення напрямів та розробка рекомендацій щодо майбутніх тенденцій ефективного використання Data Mining на підприємствах харчової промисловості.
Не можна не погодитися з тим, що в сучасних умовах (передкризовий, кризовий та посткризовий стан як регіональних харчових галузей, так і глобального світу; глобалізація та одночасна дуже вузька спеціалізація галузей харчової промисловості; необхідність врахування величезної кількості потокової та пакетної інформації з різних джерел та різних форматів; необхідність швидкої адаптивної оптимальної управлінської реакції/адаптації у відповідь на швидкі зміни глобальної або регіональної ринкової кон'юнктури; нестабільна та важкопрогнозована динаміка зовнішніх впливів: міжнародне, національне, галузеве, місцеве пряме нормативно-правове та непряме державне регулювання харчової промисловості) - розгортання запропонованої авторами багаторежимної адаптивної методології Data Mining призведе до отримання підприємствами, компаніями та організаціями/установами харчової промисловості додаткових конкурентних переваг на державному, регіональному, галузевому та корпоративному рівнях управління.

PROJECT MANAGEMENT: INDUSTRY SPECIFICS
##submission.downloads##
Сторінки
Опубліковано
Категорії
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.