МЕТОДИ ТА МОДЕЛІ DATA MINING В ЗАДАЧАХ ПРОГНОЗУВАННЯ СОЦІАЛЬНО-ЕКОНОМІЧНИХ ПРОЦЕСІВ

Анотація

Підвищення рівня розвитку соціально-економічних систем, забезпечення ефективності процесів, що в них відбуваються – одна з головних задач для керівництва будь-якої країни. Моделі прогнозування, що використовуються для аналізу великих масивів даних, дозволяють більш ефективно управляти підприємствами. Досить широке застосування методів Data Mining в роздрібній торгівлі, маркетингу, фінансах, охороні здоров’я, промисловому виробництві та інших областях свідчить про те, що видобута та оброблена інформація не тільки надає корисну інформацію про бізнес, а й дає змогу більш точно оцінити свою роботу та розробити детальні бізнес-плани та стратегії розвитку. Використання методів та моделей Data Mining у процесах прогнозування соціально-економічних процесів забезпечує більш точні прогнозні розрахунки. Для підбору методу вирішення задач прогнозування необхідно розуміти чи є макроряд стаціонарним чи нестаціонарним, чи характеризується макроряд чітким трендом або сезонністю. Для прогнозування стаціонарних часових рядів найпопулярнішими моделями є модель авторегресії та рухомого середнього. ARIMA-моделі охоплюють достатньо широкий спектр часових рядів, а невеликі модифікації цих моделей дозволяють достатньо точно описувати і часові ряди з сезонністю. У статті розглядається роль, значення і зміст методів Data Mining в соціально- економічних процесах, потенціал використання Big Data в бізнес середовищі. Виконано процедури застосування методів Data Mining для практичної реалізації алгоритмів Data Mining і створення прогнозного ВВП України на мові програмування Python з використанням статистичного пакета statsmodels. Виконано прогноз ВВП України за допомогою моделі подвійного експоненціального згладжування. Проведено аналіз можливостей використання моделі ARIMA для прогнозу ВВП України.