Елена Николаевна ЛЕТЯГИНАкандидат экономических наук, доцент, заведующая кафедрой управления в спорте, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация len@fks.unn.ru https://orcid.org/0000-0002-6539-6988 SPIN-код: 7221-4868
Валентина Ивановна ПЕРОВАкандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация perova_vi@mail.ru https://orcid.org/0000-0002-1992-5076 SPIN-код: SPIN: 3871-2450
Предмет. Исследование состояния промышленного сектора экономики регионов Российской Федерации в целях наращивания цифровой трансформации как одного из инновационных инструментов, обусловливающих устойчивое развитие и технологическое лидерство государства. Цели. Решение многокритериальной задачи анализа развития цифровой трансформации промышленности в субъектах РФ, которая является задачей, характеризуемой нетривиальной формализацией, средствами предлагаемого современного практичного метода – кластерного анализа данных на основе нейросетевого моделирования. Объектами исследования выбраны 85 из 89 регионов России, квалифицируемые 14 официальными критериями, представленными на сайте Федеральной службы государственной статистики. В ракурсе приоритетных подходов развития цифровой трансформации реального сектора экономики приведен обзор научных публикаций российских и зарубежных авторов. В целях продвижения цифровой трансформации представлены динамические показатели использования цифровых технологий и применения промышленных роботов организациями в рамках федеральных округов России. Методология. Для исследования многогранных статистических параметров задействован метод нейросетевого кластерного анализа с использованием информационных технологий. Метод кластеризации посредством нейросетевого моделирования не обременен ограничительными барьерами. При этом не имеется вмешательства из внешнего окружения в работу самоорганизующейся искусственной нейронной сети. Этот метод обеспечивает наглядное отображение на плоскости результатов нейросетевого кластерного анализа. Результаты. В результате кластеризации произошло разграничение регионов РФ на восемь кластерных образований. Подтверждена выдвинутая в работе гипотеза о несоответствии структуры кластеров и структуры федеральных округов Российской Федерации. Получен существенно различный объем кластеров: амплитуда изменения числа субъектов в кластерах составляет 20. Выявлен разнообразный уровень развития цифровой трансформации промышленности в соответствии с рассматриваемыми индикаторами в масштабе кластеров. Выводы. Представлено применение прогрессивного метода исследования цифровой трансформации промышленности Российской Федерации, созданного на базе нейросетевого моделирования и информационных технологий. Результаты работы дали возможность оценки состояния цифровой трансформации в реальном секторе экономики среди больших вызовов внешних источников. При решении задач по продвижению укрепления технологического лидерства страны в контексте национальных целей необходимо использовать различные стержневые направления цифровой трансформации промышленного сектора в субъектах Российской Федерации, учитывая их специфику в пространстве кластерных формаций.
Ключевые слова: цифровая трансформация, промышленность, инновации, кластерный анализ, нейронные сети
Список литературы:
Любушин Н.П., Бабичева Н.Э., Королев Д.С. Экономический анализ возможностей технологического развития России (на примере нанотехнологий) // Экономический анализ: теория и практика. 2012. № 9. С. 2–11. EDN: OPFGSV
Трофимов О.В., Ганин А.Н. Концептуальные основы модернизации предприятий радиоэлектронной промышленности в современных условиях // Российское предпринимательство. 2018. Т. 19. № 12. С. 3787–3798. DOI: 10.18334/rp.19.12.39633 EDN: YYFPED
Когденко В.Г. Методика оценки индикаторов технологического развития отрасли на примере электронной промышленности // Экономический анализ: теория и практика. 2024. Т. 23. № 10. С. 1810–1835. DOI: 10.24891/ea.23.10.1810 EDN: KPAXLV
Трофимов О.В., Фролов В.Г., Климова Е.З. Анализ особенностей развития высокотехнологичных предприятий промышленности в экономике Нижегородской области // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. Т. 61. № 1. С. 33–38. DOI: 10.52452/18115942_2021_1_33 EDN: DGXBXB
Swapan Ghosh, Hughes M., Hodgkinson I., Hughes P. Digital transformation of industrial businesses: A dynamic capability approach. Technovation, 2022, vol. 113, no. 102414. DOI: 10.1016/j.technovation.2021.102414
Frank A.G., Mendes G.H.S., Ayala N.F., Ghezzi А. Servitization and Industry 4.0 convergence in the digital transformation of product firms: a business model innovation perspective. Technological Forecasting and Social Change, 2019, vol. 141, pp. 341–351. DOI: 10.1016/j.techfore.2019.01.014
Афонасова М.А. Системное управление развитием обрабатывающей промышленности в условиях цифровизации и технологической модернизации // Вестник Алтайской академии экономики и права. 2024. № 12-1. С. 31–35. DOI: 10.17513/vaael.3862 EDN: ODNIOM
Жарина Н.А., Скреметов Н.А., Велибекова А.А. Стратегическое управление промышленностью под влиянием процессов цифровизации // Экономика и управление: проблемы, решения. 2025. Т. 14. № 4. С. 295–302. DOI: 10.36871/ek.up.p.r.2025.04.14.032 EDN: VPVSAO
Тронин С.А., Ботсваку А. Моделирование влияния цифровизации на рост производительности в промышленности России до 2030 г. // Кузнечно-штамповочное производство. Обработка материалов давлением. 2024. № 2. С. 83–92. EDN: YTSJLW
Крюков В.В., Разумова Ю.В., Солдатова Л.С. Проектное управление цифровой трансформацией как условие устойчивого развития компаний // Креативная экономика. 2022. Т. 16. № 11. С. 4251–4264. DOI: 10.18334/ce.16.11.116531 EDN: FCTUBJ
Xu Zhao, Qi-an Chen, Haitao Zhang et al. A study on the influencing factors of corporate digital transformation: empirical evidence from Chinese listed companies. Scientific Reports, 2024, vol. 14, no. 6243. DOI: 10.1038/s41598-024-56729-4
Мацко Н.А., Харитонова М.Ю. Цифровизация горной промышленности и состояние минерально-сырьевой базы // Известия Дальневосточного федерального университета. Экономика и управление. 2022. № 3. С. 37–47. DOI: 10.24866/2311-2271/2022-3/37-47 EDN: ZUAFES
Летягина Е.Н. Особенности оценки экономической эффективности внедрения инноваций в энергетику // Вестник Нижегородского университета им. Н.И. Лобачевского. 2010. № 3-2. С. 520–522. EDN: NCTOPV
Летягина Е.Н. Управление цифровой трансформацией отраслей, комплексов, предприятий: монография. Нижний Новгород: ННГУ, 2021. 240 с.
Никитин Г.С., Скобелев Д.О. Эффективность государственных и корпоративных инвестиций в развитие реального сектора экономики // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 4. С. 32–41. DOI: 10.52452/18115942_2022_4_32 EDN: EIBCZN
Трофимов О.В., Саакян А.Г. Политика импортозамещения на предприятиях оборонно-промышленного комплекса России // Вестник Нижегородского госуниверситета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 3. С. 44–49. DOI: 10.52452/18115942_2022_3_44 EDN: IRKMLP
Малкина М.Ю. Промышленность российских регионов в условиях новых антироссийских санкций // Пространственная экономика. 2024. Т. 20. № 3. С. 39–66. DOI: 10.14530/se.2024.3.039-066 EDN: DNNMZK
Захаров В.Я., Фролов В.Г., Трофимов О.В. Методологические аспекты развития сложных экономических систем в условиях цифровой трансформации промышленности // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2020. № 2. С. 14–24. EDN: PRROCR
Любушин Н.П., Летягина Е.Н., Перова В.И. Исследование инновационного развития региональной экономики как императива устойчивого социально-экономического роста России с применением нейросетевого моделирования // Экономический анализ: теория и практика. 2021. Т. 20. № 8. С. 1394–1414. DOI: 10.24891/ea.20.8.1394 EDN: KKGIWK
Перова В.И., Плехова Ю.О. Методы искусственного интеллекта в исследовании экономической деятельности субъектов Российской Федерации в контексте усиления технологического лидерства страны // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2024. № 3. С. 42–49. DOI: 10.52452/18115942_2024_3_42 EDN: JQKVQV
Едронова В.Н. Первые итоги реализации национальной стратегии развития искусственного интеллекта // Экономический анализ: теория и практика. 2024. Т. 23. № 3. С. 490–511. DOI: 10.24891/ea.23.3.490 EDN: CHPHMC
Брикач Г.Е., Строков А.А. Повышение экономической безопасности коммерческой организации при использовании возможностей искусственного интеллекта // На страже экономики. 2024. № 4. С. 24–31. DOI: 10.36511/2588-0071-2024-4-24-31 EDN: SZMGMF
Малкина М.Ю., Плехова Ю.О., Перова В.И., Сочков А.Л. Исследование влияния отраслевой структуры российских регионов на их экономическое развитие с использованием методов искусственного интеллекта // Экономический анализ: теория и практика. 2025. Т. 24. № 2. С. 123–143. DOI: 10.24891/ea.24.2.123 EDN: YCLCJX
Плехова Ю.О., Перова В.И. Инновационный метод анализа управления социально-экономическим развитием регионов России с применением нейросетевого моделирования // Вопросы инновационной экономики. 2025. Т. 15. № 1. С. 125–144. DOI: 10.18334/vinec.15.1.122530 EDN: LHRJVC
Kohonen T., Oja E., Simula O. et al. Engineering applications of the self-organizing map. Proceedings of the IEEE, 1996, vol. 84, no. 10, pp. 1358–1384. DOI: 10.1109/5.537105
Ning Chen, Lu Chen, Yingchao Ma, An Chen. Regional disaster risk assessment of China based on self-organizing map: Clustering, visualization and ranking. International Journal of Disaster Risk Reduction, 2019, vol. 33, pp. 196–206. DOI: 10.1016/j.ijdrr.2018.10.005
Kaufman L., Rousseeuw P. Finding groups in data: An introduction to cluster analysis. Hoboken, NJ, John Wiley & Sons Inc., 2005, 342 p.
