Секция «Финансово-кредитные отношения на предприятиях аэрокосмической отрасли»
УДК 004.6
МЕТОДЫ ОБРАБОТКИ ДАННЫХ В ФИНАНСОВОМ СЕКТОРЕ
В. Д. Дмитриев, П. Ю. Вайтекунайте, А. С. Коростелев Научный руководитель - Е. Л. Вайтекунене
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Email vlad-dmitriev-84@mail.ru
В данной работе рассмотрены несколько методов обработки данных в финансовом секторе, а также представлено их описание.
Ключевые слова: анализ, метод, данные, процесс, обработка
DATA PROCESSING METHODS IN THE FINANCIAL SECTOR
V. D. Dmitriev, P. Yu. Vaitekunaite, A. S. Korostelev Scientific Supervisor - E. L. Vaitekunene
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation Email vlad-dmitriev-84@mail.ru
In this paper, several methods of data processing in the financial sector are considered, as well as their description is presented.
Keywords: analysis, method, data, process, processing
Большие данные содержат информацию, которая может охватывать тысячи терабайт. Кроме того, эта информация должна постоянно обновляться. Например, данные, полученные из call-центров, социальных сетей, данные о торговле на фондовом рынке и так далее.
Технология интеллектуального анализа данных:
Метод предполагает нахождение определенных закономерностей в необработанных данных с помощью интеллектуального анализа. Интеллектуальный анализ данных используется для:
- нахождение аномальных данных в информационном потоке при анализе аномалий;
- выявление факторов, влияющих на параметры, с помощью регрессионного анализа;
- распределение данных в группы с похожими характеристиками, т.е. классификация данных [1, 2].
Метод прогнозной аналитики:
Говоря проще, метод прогнозирования. Располагая достаточным количеством актуальной информации, вы можете сделать прогноз и дать ответ на вопрос: "Как в будущем могут развиться события?". Принцип прогностической аналитики заключается в следующем: сначала вам необходимо изучить данные за предыдущий период; найти закономерности или другие факторы, которые покажут результат; а затем использовать нейронную сеть и математические вычисления для создания модели, которая может делать прогнозы [3, 4].
Методология прогнозирования, которая будет использоваться в самых разных областях. Например, прогностическая аналитика помогает выявлять и предотвращать действия мошенников в банке или страховой компании. В медицине на основе данных пациента
Актуальные проблемы авиации и космонавтики - 2022. Том 3
проводится прогностический анализ, который хорошо определяет его уязвимость к тому или иному диагнозу [5].
Принцип статистического анализа:
Суть данного метода заключается в сборе данных, изучении их на основе определенных параметров и нахождения результата, определенного в процентном соотношении. В этом методе есть один минус — не полная точность данных в небольших выборках. Следовательно, для нахождения наиболее правильных результатов необходимо собрать больше начальных данных.
Некоторые методы маркетинговых исследований, такие как а/В-тестирование, связаны со статистическим анализом. A/B-тестирование обычно используется для того, чтобы увеличить конверсии, а сам тест состоит из сравнения двух групп: контрольной группы, которая не подлежит изменениям, и второй группы, которая была схожей по воздействию (например, ее показывали в разных рекламных форматах). Этот тест позволит вам понять, каких целей вы достигаете лучше.
Для нахождения статистической информации используется:
- корреляционный анализ для определения зависимости данных друг от друга;
- процент анализа результатов;
- динамика последовательности, позволяющая оценить серьезность изменения в определенных условиях, а также за определенный промежуток времени [6, 7].
Метод объединения и интеграции данных:
Практически во всех случаях большие данные поступают из разных источников, т. е данные имеют неоднородный формат. Добавлять эти данные в единую базу данных нет смысла, так как они не связаны между собой.
Для того, чтобы использовать информацию из разных источников необходимо использовать такие методы как:
- приведение данных в один формат путем преобразования документа, перевода текста, цифр в соответствии с текстовым шаблоном;
- дополнительная информация фильтруется и удаляется из памяти, если она не была доступна для анализа [8, 9].
Библиографические ссылки
1. Обработка больших данных: основные методы [Электронный ресурс]. URL: https://gb.ru/blog/obrabotka-bolshikh-dannykh/ (дата обращения: 16.01.2022).
2. Чугреев, В. Л. Использование прогнозной аналитики в информационно-аналитических системах поддержки принятия решений / В. Л. Чугреев, Д. А. Баданин. — Текст : непосредственный // Молодой ученый. — 2016. — № 6 (110). — С. 49-52. — URL: https://moluch.ru/archive/110/27127/ (дата обращения: 16.01.2022).
3. Интеграция данных. [Электронный ресурс]. URL: https://www.tadviser.ru/index.php/Статья:Интеграция_данных (дата обращения: 16.01.2022).
4. Особенности и общие принципы статистического анализа [Электронный ресурс]. URL: https://studopedia.ru/3_185331_osobennosti-i-obshchie-printsipi-statisticheskogo-analiza-biomeditsinskih-dannih.html (дата обращения: 16.01.2022).
5. Fedorova N. V. et al. Methods of assessing the efficiency of the foundry industrial marketing //IOP Conference Series: Materials Science and Engineering. - IOP Publishing, 2020. - Т. 734. -№. 1. - С. 012083.
6. Кондрин, А. В., & Кукарцев, А. В. (2011). Стратегия внедрения CALS-технологий. Сибирский журнал науки и технологий, (3 (36)), 210-214.
7. Tynchenko, V. S., Tynchenko, V. V., Bukhtoyarov, V. V., Kukartsev, V. V., Kukartsev, V. A., & Eremeev, D. V. (2019, May). Application of Kohonen self-organizing maps to the analysis of
Секция ««Финансово-кредитные отношения на предприятиях аэрокосмической отрасли»»
enterprises' employees certification results. In IOP Conference Series: Materials Science and Engineering (Vol. 537, No. 4, p. 042010). IOP Publishing.
8. Stupin, A. O., Kukartsev, V. V., Tynchenko, V. S., Kukartsev, V. A., Cherepanov, A. I., & Rozhkova, A. V. (2020, November). Management modelling of the natural resources extraction station by agency modelling means. In Journal of Physics: Conference Series (Vol. 1661, No. 1, p. 012196). IOP Publishing.
9. Кукарцев В. В., Шеенок Д. А. Оптимизация программной архитектуры логистических информационных систем //Логистические системы в глобальной экономике. - 2013. - №. 3-1. - С. 138-145.
О Дмитриев В. Д., Вайтекунайте П. Ю., Коростелев А. С., 2022