О некоторых специфических ограничениях применения Data Mining
(Стр. 150-155)

Задача. В современных рыночных условиях субъекты экономики решают вопросы, связанные с прогнозированием, принятием своевременных управленческих решений, от которых зависит эффективное ведение бизнеса. Для принятия управленческих решений используется информация, поступающая из разных источников (внешних и внутренних) и не только в большом объеме, но и разных видов. Чтобы решение было оптимальным, используемая информация должна быть точной, качественной, очищенной и преобразованной от влияния различных факторов. Для получения такой информации используются современные методы анализа данных (Data Mining), позволяющие выявлять скрытые в них закономерности и взаимосвязи. В этой связи актуальной является задача изучения принципиальных ограничений, присущих методам Data Mining, которая до сих пор недостаточно исследована. В статье рассматривается типовые задачи Data Mining и выявляются общие ограничения, используемые при решении методов анализа данных. Приводятся примеры ограничений общности выявляемых на основе анализа данных закономерностей. Модель. В статье исследованы различные методы анализа данных для решения типовых задач классификации и кластеризации данных, выявления ассоциаций и последовательностей, что позволяет осуществлять прогнозирование, проводить анализ отклонений и выполнять визуализацию данных в требуемых пользователю разрезах для принятия управленческих решений. Выводы. Полученные авторами результаты говорят о том, что методы Data Mining следует применять с большой осторожностью относительно перспектив и широты их возможностей. В частности, исследованиями авторов выявлено, что при их применении необходимо учитывать уровень агрегирования содержательно разнородных данных в показатели, формирующие информационную базу аналитических моделей. Практическое значение. Практическая важность исследования заключается в том, что показана возможность получения неоднозначных результатов при использовании разных методов решения одной и той же задачи, что в свою очередь, приводит к проблемам, связанным с объективизацией полученных результатов. С этой целью необходимо развивать формально-логический инструментарий обработки Больших Данных, усиливая соответствие формальных моделей их биологическому прототипу.

Гобарева Я.Л., Городецкая О.Ю., (2022), О НЕКОТОРЫХ СПЕЦИФИЧЕСКИХ ОГРАНИЧЕНИЯХ ПРИМЕНЕНИЯ DATA MINING. Проблемы экономики и юридической практики, 1 => 150-155.

Барсегян, А.А. Методы и модели анализа данных: OLAP и Data Mining / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. Спб: БХВ-Петербург, 2004, 336с., ISBN 5-94157-522-Х
Гобарева, Я.Л. Big Data: большой потенциал управления рисками / Я.Л. Гобарева, О.Ю. Городецкая, М.С. Николаенкова // Транспортное дело России.- 2016. -№ 1. -С. 21-24.
Гобарева, Я.Л. Эффективное управление рисками в банковском бизнесе: Big Data / Я.Л. Гобарева, О.Ю. Городецкая, М.С. Николаенкова // Валютное регулирование. Валютный контроль. -2016. -№2. -С.38.
Гобарева, Я.Л. Возможности технологии Big Data для повышения качества эксплуатации CRM-Систем / Я.Л. Гобарева, О.Ю. Городецкая, Е.Р. Кочанова // Транспортное дело России. -2015. -№5. -С.62-63.
Гобарева, Я.Л. Большие данные в банковской сфере / Я.Л. Гобарева, Г.В. Ширнин // Валютный контроль. Валютное регулирование. -2014. -№ 8. -С. 58-63.
Городецкая, О.Ю. Технологии Big Data: перспективы развития в России / Я.Л. Гобарева, О.Ю. Городецкая // V Международная научно-практическая конференция «Математика, статистика и информационные технологии в экономике, управлении и образовании»: сб. трудов. -Тверь, 2016. -С.34-39.
Дюк, В.А. А. Data Mining. Учебный курс / В.А. Дюк, А.П. Самойленко. Спб: Питер, 2001, 386 с.
Шуремов, Е.Л. Искусственный интеллект и Большие Данные: Без хайпа и наукообразия / Евгений Шуремов. -[б.м]: Издательские решения, 2019. -110 с. -ISBN 978-5-0050-2072-7
Шуремов, Е.Л. Экономический анализ: практические вычисления. Экономические расчеты онлайн / Е.Л. Шуремов. - [б.м]: Издательские решения, 2021. -84 с. -ISBN 978-5-4483-5338-3
Шуремов, Е.Л. Финансовый анализ: формализация содержательных уточнений. Коротко о главном / Е.Л. Шуремов.-[б.м]: Издательские решения, 2020.-88 с.-ISBN 978-5-4483-5847-0
Тимофеев, С. Проблемы, связанные с использованием Data Mining DM-технологии / [Электронный ресурс]. -URL: https://itstan.ru/it-i-is/problemy-svjazannye-s-ispolzovaniem-data-mining-dm-tehnologii.html (дата обращения: 10.01.2022).

Большие данные, информационные технологии, анализ данных, классификация, кластеризация, математическая статистика, нейронные сети.