CC BY
67
УДК 004.9
Д. В. Уланова, М. И. Шикульский
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ СУБЪЕКТА РОССИЙСКОЙ ФЕДЕРАЦИИ
Цель исследования - получение прогноза показателей социально-экономического развития субъекта Российской Федерации (на примере Астраханской области). Рассмотрен процесс проведения анализа поступающих данных и прогнозирования, описаны этапы процесса (формирование цели исследования, набора участвующих в модели объясняемых и объясняющих переменных; сбор необходимой статистической информации; расчет прогнозных показателей на основе выбранной методики прогнозирования; формирование и визуализация отчетов по анализу и прогнозированию), требования к исходной информации и методы, наиболее часто использующиеся при разработке социально-экономических прогнозов. Отмечается, что для получения согласованных и непротиворечивых прогнозов показателей необходимо учитывать взаимосвязи и взаимодействие между прогнозными показателями. На базе аналитической платформы Deductor разработана информационно-аналитическая система, функцией которой является выполнение сценария, заданного аналитиком, и формирование отчетов. Система рассчитывает все прогнозы, которые затем объединяются в один набор данных, что на основе информации о модели с минимальной ошибкой позволяет выбрать оптимальный прогноз.
Ключевые слова: социально-экономическое развитие региона, прогнозирование показателей, аналитическая платформа, сценарий обработки данных.
Введение
Астраханская область, как геополитический и геокультурно значимый регион, крупный транспортно-транзитный узел, территория, имеющая значительные запасы природных ресурсов, оказалась в выгодном положении и сумела воспользоваться исключительно благоприятными внешними условиями. Успехи в социально-экономической сфере региона во многом связаны с грамотным применением таких средств, как анализ и прогнозирование социально-экономических показателей. В современных условиях, с учетом развития макроэкономической теории, стратегического планирования и широкого применения математических моделей, внимание к прогнозированию не ослабевает, а методы прогнозирования обогащаются и обретают новые черты.
Одной из современных тенденций является рост значения и роли прогноза в системе управления развитием территорий - стратегические целевые решения должны быть обоснованы с применением современных методов и инструментов прогнозирования и должны учитывать специфику развития конкретной территории. Без учета особенностей развития регионов стратегические прогнозы и планы будут попросту бессодержательными. Вне потребностей и спецификации регионов не может быть сформирована и реализована ни одна долгосрочная общегосударственная программа.
Анализ данных и прогнозирование являются базовыми для принятия государственных решений в отношении регулирования социально-экономических процессов. О. Моргенштерн и Дж. фон Нейман в книге «Теория игр и экономическое поведение» [1] отметили, что экономическая теория во всех ее видах в конечном итоге предназначена для построения прогнозов. На современном этапе большое внимание уделяется обеспечению надежного прогнозирования, позволяющего лучше видеть варианты изменений и принимать обоснованные решения, вследствие чего исследование методов и инструментов социально-экономического прогнозирования как элемента управления региональным развитием является актуальной научной задачей.
Этапы построения прогноза показателей социально-экономического развития региона
Задачи обеспечения губернатора Астраханской области и председателя правительства Астраханской области необходимыми аналитическими и справочными материалами возложены на государственное казенное учреждение Астраханской области «Центр социально-экономического мониторинга и аналитики» (далее - Центр аналитики). Построение прогноза показателей социально-экономического развития субъекта Российской Федерации в Центре аналитики включает в себя следующие этапы:
Этап 1. Формирование цели исследования, набора участвующих в модели объясняемых и объясняющих переменных. Основная цель исследования - получение прогноза показа-
телей социально-экономического развития субъекта Российской Федерации. С целью получения согласованных и непротиворечивых прогнозов показателей социально-экономического развития субъекта Российской Федерации при выборе объясняющих переменных необходимо учитывать существование взаимосвязей и взаимодействия между прогнозными показателями [2].
Существует устойчивая зависимость между динамикой населения и параметрами развития экономики и социальной сферы. Демографические показатели оказывают влияние на трудовые ресурсы, а последние оказывают влияние на развитие экономики, а также служат исходной базой для прогнозов объемов и структуры потребления, доходов и расходов населения. Взаимосвязи между рассматриваемыми показателями социально-экономического развития субъекта Российской Федерации по укрупненным блокам формы 2 представлены на рис. 1.
Рис. 1. Схема взаимосвязей между группами показателей социально-экономического развития субъекта Российской Федерации
Этап 2. Информационно-статистический. Заключается в сборе необходимой статистической информации, т. е. значений факторов и показателей моделируемой системы, участвующих в анализе. Исходная информация [3]:
- должна быть полной, т. е. достаточной для формирования решений модели во всем расчетном периоде;
- должна обладать точностью и достоверностью, достаточной для достижения целей моделирования;
- все показатели, входящие в состав исходной информации, должны быть взаимосогласованными, т. е. соответствовать некоторой логически непротиворечивой системе посылок.
Основными источниками информации в ретроспективе являются:
- сборники и доклады Федеральной службы государственной статистики (Росстат) [4];
- официальные отчеты Федерального казначейства Российской Федерации [5].
К разработке прогнозов по каждому показателю приводится перечень источников информации на ретроспективный период, а для экзогенных факторов - на ретроспективный и прогнозный периоды.
Этап 3. Расчет прогнозных показателей на основе выбранной методики прогнозирования. При разработке социально-экономических прогнозов наиболее часто используют следующие четыре группы методов:
- линейная регрессия (если были выделены факторы, оказывающие наибольшее влияние на прогнозный показатель, а характер зависимости линейный);
- нелинейная регрессия (если были выделены факторы, оказывающие наибольшее влияние на прогнозный показатель, а характер зависимости нелинейный);
- методы экстраполяции (если анализ динамики отдельных показателей в ретроспективный период показал, что последующие значения показателя в наибольшей степени определяются не изменением других факторов, а динамикой этого же показателя в предшествующие периоды);
- детерминированное уравнение (значение отдельных показателей в каждый момент времени однозначно определяется соотношением значений других показателей, поэтому для определения их прогнозных значений используются заранее определенные формулы).
Выбор конкретного вида уравнения в каждом случае проводится по результатам анализа динамики показателя за ретроспективный период, а также должен быть обоснован на последнем этапе при проверке качества модели.
Этап 4. Формирование и визуализация отчетов по анализу и прогнозированию. Даже самые мощные технологии извлечения закономерностей и машинного обучения не представляют особой ценности без инструментальной поддержки в виде соответствующего программного обеспечения, поэтому в качестве реализующей среды нами была выбрана аналитическая платформа Deductor [6], т. к. она имеет необходимый инструментарий и адаптирована для проведения анализа деятельности бюджетной организации.
Концепция и архитектура хранилища данных прогнозирования показателей социально-экономического развития
Внедрение технологий интеллектуального анализа данных на основе платформы Deductor изменяет состав этапов построения прогноза показателей социально-экономического развития субъекта Российской Федерации: обозначить цель; выбрать сценарий, соответствующий цели; выполнить сценарий; сформировать и выгрузить отчеты; отредактировать отчеты. Задача аналитика сводится к корректному выбору сценария обработки данных, а его выполнение и формирование отчетов перекладываются на аналитическую платформу Deductor. Важной задачей для реализации этих этапов становится формирование хранилища данных, пополнение которого происходит периодически из различных внешних источников, в том числе - из статистических отчетов [4, 5]. Структура хранилища данных «Prognozirovanie» включает процессы «Показатель», «Показатели по отраслям», «Показатели по категориям хозяйств» (рис. 2).
а
б
Объект__Имя
Прогнозирование Prognozirovanie
I É |В1 Кубы
Ш prognoz_5 | В 1и1 Процессы
В- Ш Показатели prognoz [ТГ| Атрибуты В-(5) Измерения
Показатель.Код 12 pokazjd
Год 9.0 god В-Й Факты
[loi Значение показателя 9.0 znachenie
- Щ Показатели_по_отраслям pokaz_otras f^n Атрибуты - (Ц Измерения
Показатель.Код 12 pokaz_id
Отрасль. Код 12 otrasljd
Год 9.0 god (à fit] Факты
[Tàl Значение_показагеля 9.0 znach_otr
&■■ Ш Показатели по категориям хозяйств pokaz_kateg Атрибуты В"(5) Измерения
^ Показатель.Код 12 pokazjd
Категория.Код 12 kateg_id
Год 9.0 god В-ftp Факты
[HI Значение 9.0 znachenie I В fui Измерения
H Показатель.Код 12 pokaz_id В Атрибуты
Показатель.Наименование ab pokaz_name
iÇ, Показатель.ЕдиницаИзмерения ab edinjzmer
Рис. 2. Структура хранилища данных «Prognozirovanie». Процессы: а - «Показатели»; б - «Показатели по категориям хозяйств»; в - «Показатели по отраслям»
Рис. 3. Семантический слой хранилища данных «Prognozirovanie»
в
Схему построения реляционного хранилища данных в Deductor реализуют с помощью редактора метаданных. Для каждого узла метаданных - измерения или его атрибута - задают идентификатор, метку и тип данных. Затем определяют ссылки или иерархию измерений и их связь с центральной таблицей фактов (см. рис. 3). Следующим важным этапом является загрузка внешних данных в хранилище данных [7]. Источниками структурированных данных в образовательной версии платформы Deductor Academic могут служить обычные txt-файлы.
Сценарий загрузки имеет древовидную форму, его узлами является последовательность таких операций, как:
1) импорт данных из внешних источников;
2) экспорт данных в измерения с атрибутами, начиная с самого верхнего уровня иерархии;
3) экспорт данных в процессы «Показатель», «Показатели по отраслям», «Показатели по категориям хозяйств».
Фрагмент сценария загрузки изображен на рис. 4. Во вкладке «Сценарии» происходит обработка информации, в ходе которой используются мастера импорта, обработки, визуализации или экспорта.
Щ Сценарии ? т х|
ш Ш | т ш Р I 1
+ ^ Фильтр = Валовая продукция сельского хозяйства 2000-2014 г.г. + ^ Фильтр = Валовой региональный продукт 2000-2014 г.г.
Фильтр = И щеке промышленного производства 2000-2014 г.г.
V1 Фильтр = Объем инвестиций в основной капитал 2000-2014 г.г. ^ Фильтр = Объем работ, выполненным по вцдудеяг-ти "Стоигельство" 200 V1 Фильтр = Свободный инаекс потребительским цен 2000-2014 г.г. ^ Фильтр = Среднемесячная заработная плата 2000-2014 г.г. V1 Фильтр = Уровень зарегистрированной безработицы 2000-2014 г.г. ^ Фильтр = Численность населения 2000-2014 г.г.
+ Текстовый файл (СЛи5ег5\и5ЕН\0е5к[ор^Диплом^Показатели_по_отрасляг
+ Текстовый файл Измерение_группы_категорий_хозяйсгв.М + ] Текстовый Файл Измерение_кагегории_нозяйсгв.М
Рис. 4. Панель сценариев хранилища данных «Pшgnoziшvanie»
В таблице приведены встроенные аналитические методы платформы Deductor, использовавшиеся для анализа входных данных.
Аналитические методы
Аналитические методы Показатель
Скользящее окно Валовая продукция сельского хозяйства; валовой региональный продукт (ВРП)
Линейная регрессия Валовая продукция сельского хозяйства; ВРП
Прогноз Валовая продукция сельского хозяйства; ВРП
Трансформация (объединение) ВРП; индекс промышленного производства; оборот розничной торговли; объем инвестиций в основной капитал; численность населения; коэффициент рождаемости; коэффициент смертности; миграционное сальдо
Кросс-таблица ВРП; индекс промышленного производства; оборот розничной торговли; объем инвестиций в основной капитал; уровень зарегистрированной безработицы (к экономически активному населению); численность населения; коэффициент рождаемости; коэффициент смертности; миграционное сальдо
Все рассчитанные прогнозы объединяются в один набор данных, затем, на основе информации о модели с минимальной ошибкой, выбирается оптимальный прогноз. На основе расчетных данных формулируются выводы о социально-экономическом развитии Астраханской области (рис. 5).
0 Сценарии X | <§) Подключения X 9 Отчеты X
0 В Отчеты Э Й Показатели [2000-2014 гг.]
-•(3 Фильтр = Валовая продукция сельского хозяйства во все« категориям ■•■■[3 Фильтр = Валовой региональный продукт 2000-2014 г.г. Фильтр = Индекс промышленного производства 2000-2014 г.г. Ф ильтр = 0 борот розничной торговли 2000-2014 г. г. : - Фильтр = Объем инвестиций в основной капитал 2000-2014 г.г. Фильтр = Объем работ, выполненный по виду деят-ти "Стоительство" Ф ильтр = Свободный индекс потребительских цен 2000-2014 г. г. Фильтр = Среднемесячная заработная плата 2000-2014 г.г. Фильтр = Уровень зарегистрированной безработицы 2000-2014 г.г. : - Фильтр = Численность населения 2000-2014 г.г. --Ц) Фильтр = Коэффициент рождаемости 2000-2014 г.г. :■•••[§ Фильтр = Коэффициент смертности 2000-2014 г.г. ■•••(3 ^ ИЛЬТР = Миграционное сальдо 2000-2014 г.г. ; В-ЦЦ Среднемесячная з/п по отраслям
Щ] Фильтр = Среднемесячная заработная плата по отраслям 2009-201 Группировка (Измерения: Отрасль.Код | Отрасль.Наименование; Ф Группировка (Измерения: Отрасль.Код | Отрасль.Наименование; Ф ; В О Валовая продукция с/к во веек категория« хозяйств ;■■'• Щ Показатели по категориям хозяйств [1| Кросс-таблица - Животноводство (Строки: Год; Колонки: Категория. Кросс-таблица - Земледелие [Строки: Год; Колонки: Категория. Код Прогнозы
Прогноз • валовая продукция с/х (горизонт: 2) Прогноз - ВРП [горизонт: 2] В Й Зависимость показателей : [Ц ВРП ИПП
:■ ВРП - Объем инвестиций в осн. капитал ВРП - Миграционное сальдо ВРП - Коэффициент рождаемости
1 Диаграмма_? т О X
ёЩщ - iif -JAJ^BI 11 JJL_
^ -■-' Mrt lIlllKIIÍ-HI ¡ЮЖДаЕМСКПИ
^-■- Уровенн зарегистрированной безработицы [к экономически активному населению наконец
Рис. 5. Фрагмент отчета о социально-экономическом развитии Астраханской области
Данные отчеты являются управляющей информацией и служат для обеспечения руководства Астраханской области необходимыми аналитическими и справочными материалами.
Заключение
В ходе исследования на базе современных автоматизированных технологий разработана система эффективного анализа поступающих данных и прогнозирования социально-экономического развития Астраханской области как субъекта Российской Федерации. Описан процесс проведения анализа поступающих данных и прогнозирования: сбор статистических данных, формирование банков данных, выбор модели прогнозирования, анализ и обработка данных и формирование аналитических отчетов. Система, на основе информации о модели с минимальной ошибкой, позволяет выбрать оптимальный прогноз.
Использование системы будет способствовать обеспечению надежного прогнозирования, позволяющего руководству региона лучше видеть варианты изменений и принимать обоснованные решения.
СПИСОК ЛИТЕРА ТУРЫ
1. Моргенштерн О., Дж. фон Нейман. Теория игр и экономическое поведение. М.: Книга по Требованию, 2012. 708 с.
2. Khanova A. A., Protalinsky O. M., Dorokhov A. F., Bolshakov A. A. Socio-Economic Systems Strategic Management Concept Based On Simulation // World Applied Sciences Journal. 2013. Vol. 24, no. 24. P. 74-79.
3. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ-Петербург, 2004. 336 с.
4. Регионы России. Социально-экономические показатели. 2014: Стат. сб. М. Росстат, 2014. 900 с.
5. Оценка результатов реализации мер правового регулирования государственной программы Российской Федерации «Управление государственными финансами и регулирование финансовых рынков» за 2014 год. URL: http://www.roskazna.ru/upload/iblock/9e2/otsenka-rezultatov-realizatsii-mer.xlsx (дата обращения: 15.11.2016).
6. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям: учеб. пособие. СПб.: Питер, 2010. 704 с.
7. Зинченко М. Н., Артюшина Е. А. Реализация OLAP-технологии на базе аналитической платформы Deductor Academic // Современные наукоемкие технологии. 2014. № 5 (ч. 2). С. 88-90.
Статья поступила в редакцию 13.03.2017
ИНФОРМАЦИЯ ОБ АВТОРАХ
Уланова Деля Валерьевна — Россия, 414056, Астрахань; Астраханский государственный технический университет; магистрант кафедры прикладной информатики; [email protected].
Шикульский Михаил Игоревич - Россия, 414056, Астрахань; Астраханский государственный технический университет; канд. техн. наук, доцент; доцент кафедры прикладной информатики; [email protected].
D. V. Ulanova, M. I. Shikulskiy
PREDICTIVE ANALYSIS AND FORECASTING SOCIO-ECONOMIC DEVELOPMENT OF THE SUBJECT OF THE RUSSIAN FEDERATION
Abstract. The article analyzes the features of forecasting analysis of the socio-economic development of the RF subject (the Astrakhan region is taken as an example). The article describes the process of conducting analysis of coming data and forecasting; shows the stages of the process (forming a purpose of the study, collecting participating explanatory variables; accumulation of important statistical data; analyzing forecast figures using a certain predicting method; forming and visualizing analysis and prediction reports), requirements to baseline information and most common methods of socio-economic forecast. The existing relationship and interaction between the forecasting indicators should be taken to consideration in order to obtain well-coordinated and consistent data forecasts. On the basis of the analytical platform Deductor there has been developed the information-analytical system, its purpose is running of the script proposed by an analyst, and creating reports. The system calculates the forecasts, which are then combined into one data set. This method is based on information about the model, which allows selecting the optimal forecast with a minimum error.
Key words: economic and social development of the region, forecasting indicators, analytical platform, data processing script.
REFERENCES
1. Morgenstern O., von Neumann J. Theory of Games and Economic Behavior. Princeton University Press, 2007. 776 p.
2. Khanova A. A., Protalinsky O. M., Dorokhov A. F., Bolshakov A. A. Socio-Economic Systems Strategic Management Concept Based On Simulation. World Applied Sciences Journal, 2013, vol. 24, no. 24, pp. 74-79.
3. Barsegian A. A., Kupriianov M. S., Stepanenko V. V., Kholod I. I. Metody i modeli analiza dannykh: OLAP i Data Mining [Methods and models of data analysis: OLAP and Data Mining]. Saint-Petersburg, BKhV-Peterburg, 2004. 336 p.
4. Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli. 2014 [Regions of Russia. Socio-economic factors. 2014]: Statisticheskii sbornik. Moscow, Rosstat, 2014. 900 p.
5. Otsenka rezul'tatov realizatsii mer pravovogo regulirovaniia gosudarstvennoi programmy Rossiiskoi Federatsii «Upravlenie gosudarstvennymi finansami i regulirovanie finansovykh rynkov» za 2014 god [Analysis of implementation measures of legal regulation of the RF state program "Public financial management and financial market regulation"]. Available at: http://www.roskazna.ru/upload/iblock/9e2/otsenka-rezultatov-realizatsii-mer.xlsx (accessed: 15.11.2016).
6. Paklin N. B., Oreshkov V. I. Biznes-analitika: ot dannykh k znaniiam [Business intelligence: from data to knowledge]. Saint-Petersburg, Piter Publ., 2010. 704 p.
7. Zinchenko M. N., Artiushina E. A. Realizatsiia OLAP-tekhnologii na baze analiticheskoi platformy Deductor Academic [Implementation of OLAP technology on the basis of analytical platform Deductor Academic]. Sovremennye naukoemkie tekhnologii, 2014, no. 5 (part 2), pp. 88-90.
The article submitted to the editors 13.03.2017
INFORMATION ABOUT THE AUTHORS
Ulanova Delya Valeryevna - Russia, 414056, Astrakhan; Astrakhan State Technical University; Master's Course Student of the Department of Applied Informatics; [email protected].
Shikulskiy Mikhail Igorevich - Russia, 414056, Astrakhan; Astrakhan State Technical University; Candidate of Technical Sciences, Assistant Professor; Assistant Professor of the Department of Applied Informatics; [email protected].
