ВОЗМОЖНОСТИ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ «DATA SCIENCE» В ФИНАНСОВОМ УПРАВЛЕНЧЕСКОМ КОНСУЛЬТИРОВАНИИ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.94

ВОЗМОЖНОСТИ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ «DATA SCIENCE» В ФИНАНСОВОМ УПРАВЛЕНЧЕСКОМ КОНСУЛЬТИРОВАНИИ

Т. Д. Киреев, П. Ю. Вайтекунайте, И. В. Кауц Научный руководитель - В. В. Кукарцев

Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. Газ. «Красноярский рабочий», 31

E-mail: dima_kireev_14@mail.ru

В данной статье описываются возможности и перспективы применения «Data science». имитационное моделирование в финансовом управленческом консультировании. Рассмотрены способы применения инструментов в жизни.

Ключевые слова: управленческое консультирование, применение, «Data science».

OPPORTUNITIES AND PROSPECTS OF USING "DATA SCIENCE" IN FINANCIAL MANAGEMENT CONSULTING

T. D. Kireev, P. Yu. Vaitekunaite, I. V. Kauts Scientific supervisor- V. V. Kukartsev

Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation E-mail: dima_kireev_14@mail.ru

This article describes the possibilities and prospects of using "Data science". simulation modeling in financial management consulting. The ways of using tools in life are considered.

Keywords: management consulting, application, «Data science».

Data Science - это применение научных методов при работе с данными, для поиска нужного решения. В широком смысле, естественные науки основаны на Data Science. Например, биолог проводит эксперименты и анализирует результаты для проверки гипотез. Он должен уметь обобщать наблюдения, исключать случайности, делать верные выводы [1, 2].

Характеристика Data Science как аналитической деятельности:

Data Science (наука о данных) - это раздел информатики, изучающий проблемы анализа, обработки и представления цифровой информации включая технологии обработки больших данных в условиях высокого уровня параллелизма (Big Data), статистические методы, средства Data Mining и приложения искусственного интеллекта для работы с данными, а также инструменты проектирования и разработки баз данных [3, 4].

В данном определении заключены несколько основных инструментов Data Science. Перед тем как рассмотреть эти и другие инструменты, которые применяются в data science, представляется важным разграничить управленческое консультирование и data science по аналитическому наполнению их деятельности.

Больше всего консалтинговых проектов с data science сейчас делается в трех отраслях — в банковском секторе, в ритейле и в телекоммуникациях. Эти сферы лучше других готовы к

Секция ««<1синана(с1а(с-кредитнысе oraoniernM нас предприятиях aэpoкocмичecкoй ссхсасли»»

тому, чтобы полноценно внедрять углубленную аналитику. Плюс есть много успешных кейсов и сценариев использования, по которым доказан экономический эффект [5]. Инструменты Data Science, применяемыев управленческом консалтинге. Выделяют три способа применения инструментов DS: автоматизация процессов, работа с Big Data и построение сложных моделей (рис. 1) [6].

п

Автоматизация процессов

■Инструменты В Б автоматизируют повторяющиеся процессов.

■Это позволяет сократить количество потраченного времени и ресурсов при необходимо сти анализировать большое количество данных заданным алгоритмом.

Работа с Big Data

■Инструменты Б5 способны обрабатывать огромные массивы данных ■Это позволяет произвести анализ такого количества данных, для котрогого недостаточно аналитических возможностей базовых инструментов консалтинга

Построение сложных модедей

■Инструменты способны создавать уникальные модели, которые невозможно создать при применении классических инструментов консультанта ■Это позволяет выявить закономерности, которые скрыты глубоко в данных

Рис. 1 Способы применения инструментов Data Science

Можно привести пример кейсов, которые были решены с помощью данных способов (табл. 1) [7].

Характеристика основных инструментов DS, применяемых в консалтинге

Таблица 1

Язык программирования и инструменты Характеристики

Python Язык программирования. Для него написаны огромные библиотеки — пакеты готовых подпрограмм,которые решают распространенные задачи и обрабатывают данные (scikit-learn, PyTorch, Tensorflow, Keras, pandas, numpy).

R Язык программирования. Подходит для работы с эконометрикой и временными рядами. Есть удобные библиотеки для сфер экономики, финансов и статистики. (forecast, astsa).

SQL Язык программирования. Простой в использовании, подходит для первичной обработки данных

Alteryx и аналоги Категория программ с готовыми решениями. Действия, которые можно применить к данным запрограммированы. Нет необходимости применения языков программирования.

Tableau и аналоги Категория программ для визуализации данных. Позволяет создавать отдельные графики и презентации, которые будут воспроизводиться в интерактивном режиме

Данные кейсы наглядно демонстрируют значимость инструментов Data Science в современном управленческом консалтинге. В таблицы упоминаются некоторые инструменты DS, такие как Alteryx, Python и «язык R». Теперь, разобравшись в практической значимости этих инструментов, представляется важным дать характеристику им, а также другим, часто

применяемым в консалтинге нструментам DS. Чтобы применять навыки Data Science в консалтинге, потребуется либо овладеть основными языками программирования, либо специальными программами, либо и теми и другими [8, 9].

В современном управленческом консалтинге Data Science является важным звеном для решения задач, требующих применения аналитических инструментов автоматического вычисления. Исходя из этого, можно сказать, что для консалтинговых корпораций, стали важны компетенции, связанные с инструментами Data Science. Кроме всего прочего, инструменты DS могут быть полезными для решения кейсов, которые не требуют сложного анализа.

В этом случае инструменты DS служат для упрощения работы консультанта. Таким образом, можно резюмировать, что Data Science занимает важное место в современном консалтинге. Анализ способов освоения инструментов DS показал, что сейчас созданы все условия для тех, кто решил освоить эти инструменты.

Библиографические ссылки

1. Чем занимается специалист по Data Science и как начать работать в этой области? — Академия Яндекса [электронный ресурс] - URL: https://academy.yandex.ru/posts/chem-zanimaetsya-spetsialist-po-data-science-i-kak-nachat-rabotat-v-etoy-oblasti

2. Data Analytics and Data Science: Similarities and Differences - Чернобровов Алексей [электронный ресурс]

3. Data Science в консалтинге: математика в боевых условиях -McKinsey Digital [электронный ресурс] - URL: https://vc.ru/mckinsey/95352-data-science-v-konsaltinge-matematika-v-boevyh-usloviyah

4. Официальный сайт Школы анализа данных Яндекса [электронный ресурс] - URL: https://yandexdataschool.ru/)

5. Кукарцев, В. В., & Шеенок, Д. А. (2012). Оценка затрат на модернизацию программного обеспечения критических по надежности систем. Сибирский журнал науки и технологий, (5 (45)), 62-65.

6. Rozhkova A. V., Olentsova J. A. Efficiency of the wild plant market in modern economic conditions //IOP Conference Series: Earth and Environmental Science. - IOP Publishing, 2021. - Т. 848. - №. 1. - С. 012182.

7. Chzhan E. A. et al. Essence and classification of the agribusiness organizations competitive strategies //IOP Conference Series: Earth and Environmental Science. - IOP Publishing, 2019. - Т. 315. - №. 2. - С. 022106.

8. Кукарцев В. В. Программная реализация процесса воспроизводства основных производственных фондов //Сибирский аэрокосмический журнал. - 2009. - №. 2. - С. 288291.

9. Кондрин А. В., Кукарцев А. В. Стратегия внедрения CALS-технологий //Сибирский журнал науки и технологий. - 2011. - №. 3 (36). - С. 210-214.

© Киреев Т. Д., Вайтекунайте П. Ю., Кауц И. В., 2022