Целью исследования выступает формирование матрицы выбора методов прогнозирования социально-экономического развития регионов. Его научная новизна состоит в классификации существующих для решения этой проблемы подходов, выявлении их преимуществ и недостатков, подборе необходимых данных и ресурсов, элементов неопределенности и специфических задач, заложенных в прогнозе, а также определении горизонта планирования. В ходе работы применялись такие методы, как системный подход, сравнительный и ретроспективный анализ. Результаты исследования, полученные при изучении публикаций по вопросам прогнозирования социально-экономического развития регионов за последние 20 лет, могут быть полезны как для научного сообщества, так и для лиц, принимающих решения по данным вопросам.
Идентификаторы и классификаторы
- SCI
- Экономика
Критерий «Данные». Методы, непосредственно зависящие от больших массивов ретроспективной информации (эконометрической, ИИ, имитационной), не рекомендуется применять при ее ограниченности. Если же требования к данным не такие строгие (экспертные, трендово-статистические), методы при тех же условиях получают статус «рекомендуется».
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Янукян А. П. Прогнозирование социально-экономического развития регионов на примере Ставропольского края. Kant. 2011;(1):35-37.
2. Петросянц В. З., Дохолян С. В., Каллаева А. С. Эконометрическая модель прогнозирования и сценарные варианты модернизации региональной экономики. Региональные проблемы преобразования экономики. 2008;(1):4-17.
3. Box G. E.P., Jenkins G. M. Time series analysis: Forecasting and control. San Francisco, CA: Holden-Day; 1976. 553 p.
4. Schwartz P. The art of the long view: Planning for the future in an uncertain world. New York, NY: Currency Double day; 1996. 272 p.
5. Dalkey N., Helmer O. An experimental application of the DELPHI method to the use of experts. Management Science. 1963;9(3):458-467. https://doi.org/10.1287/mnsc.9.3.458
6. Forrester J. W. Industrial dynamics. Cambridge, MA: The MIT Press; 1961. 464 p.
7. Бабина О. И. Применение имитационных моделей в анализе и прогнозировании социально-экономического развития региона. Актуальные проблемы общественных наук: теоретическо-прикладной аспект. Мат. междунар. науч.-практ. конф. Хабаровск: Изд. центр «Форпост науки»; 2020:6-16.
8. Дмитриева А. Р., Зотова Е. Ю., Пенина Е. О. Нейросетевое прогнозирование базовых параметров социально-экономического развития региона. Экономика и управление: актуальные проблемы и тенденции развития. Мат. V Всерос. студ. науч.-практ. конф. (Тамбов, 18 марта 2021 г.). Тамбов: ТГУ им. Г. Р. Державина; 2021:166-182.
9. Волошин А. В. Сценарии развития социально-экономической системы в условиях глобальной трансформации. Вестник Сургутского государственного университета. 2023;11(3):30-43. https://doi.org/10.35266/2312-3419-2023-3-30-43
10. Батейкин Д. В. Методика прогнозирования социально-экономического развития региона с учетом интерпретации результатов моделирования. Экономика и предпринимательство. 2015;(12-1):337-340.
11. Вавилова Д. Д., Кетова К. В. Прогнозирование показателей социально-экономического развития региона и сценарий экономического роста. Научные труды Вольного экономического общества России. 2015;194(5):429-440.
12. Зеленцова С. Ю., Кирьянчук В. Е., Крупко А. Э. Роль сценариев в системе прогнозирования социально-экономического развития региона. Регион: системы, экономика, управление. 2008;(3):111-116.
13. Hao H., Wang Y., Chen J. Empowering scenario planning with artificial intelligence: A perspective on building smart and resilient cities. Engineering. 2024;43:272-283. https://doi.org/10.1016/j.eng.2024.06.012
14. Zhukovskiy Y., Tsvetkov P., Koshenkova A., et al. A methodology for forecasting the KPIs of a region’s development: Case of the Russian Arctic. Sustainability. 2024;16(15):6597. https://doi.org/10.3390/su16156597
15. Корнеев А. Г., Агафонов Г. В., Цапах А. С. Моделирование и учет связей экономики и энергетики при прогнозировании социально-экономического развития региона. Пространственная экономика. 2005;(2):80-92.
16. Файзуллин Ф. С., Дзюба Е. И., Губарев Р. В. Прогнозирование социально-экономического развития субъектов Российской Федерации с применением искусственного интеллекта. Инновационные технологии управления социально-экономическим развитием регионов России. Мат. XII Всерос. науч.-практ. конф. с междунар. участием. Уфа: ИСЭИ УФИЦ РАН; 2020:171-178.
17. Xu W. Innovative development of territories based on the integrated use of social, resource and environmental potential. Scientific Reports. 2024;14:29233. https://doi.org/10.1038/s41598-024-80876-3
18. Ломакин Н. И., Кузьмина Т. И., Захарченко Ф. Ю. Исследование инновационного развития регионов системой искусственного интеллекта. Вестник Московского гуманитарно-экономического института. 2025;(1):45-52. https://doi.org/10.37691/2311-5351-2025-97-1-45-52
19. Wang X., Zhu X., Anwar M. K., Meng Q., Zhong N. Evaluating the role of AI and empirical models for predicting regional economic growth and transportation dynamics: An application of advanced AI approaches. International Journal of Transportation Science and Technology. 2025;19:156-174. https://doi.org/10.1016/j.ijtst.2024.08.007
20. Пономарев О. Б., Светуньков С. Г. Прогнозирование уровня социально-экономического развития регионов методами комплекснозначной экономики. Социально-экономическое развитие регионов России: реалии современности, тенденции, перспективы (посв. 70-летию колледжа Западного филиала РАНХиГС). Мат. I Междунар. науч.-практ. конф. Калининград: Западный филиал РАНХиГС; 2016:111-114.
21. Тугароол П. Э. Прогнозирование социально-экономического развития регионов Сибирского Федерального округа модифицированным методом обратных вычислений. Сб. избр. ст. науч. сессии ТУСУР. Томск: ТУСУР; 2018;222-225.
22. Звягинцева О. С. Прогнозирование показателей развития региональных социально-экономических систем. Вестник Института дружбы народов Кавказа (Теория экономики и управления народным хозяйством). Экономические науки. 2011;(2):97-102.
23. Шибзухова Р. А., Абанокова Э. Б., Шадуева Э. Ч. Система экспертных оценок и прогнозирование вызовов и угроз экономического развития региона. Международный журнал прикладных наук и технологий Integral. 2020;(6):35. https://doi.org/10.24411/2658-3569-2020-10120
24. Черхарова Н. И. Применение экспертных методов для прогнозирования развития строительной отрасли региона. Вопросы современной науки и практики. Университет им. В. И. Вернадского. 2020;(1):108-114. https://doi.org/10.17277/voprosy.2020.01.pp.108-114
25. Вечтомова Ю. Е. Методы прогнозирования социально-экономического развития в системе управления регионом. Потенциал социально-экономического развития Российской Федерации в новых экономических условиях. Мат. II междунар. науч.-практ. конф. (Москва, 19 ноября 2015 г.). В 2-х ч. Ч. 2. М.: МУИВ; 2016:95-101.
26. Гагиев Н. Н., Шестакова А. А. Прогнозирование социально-экономического развития арктических регионов. Вестник Алтайской академии экономики и права. 2021;(7-1):4-9. https://doi.org/10.17513/vaael.1773
27. Комлева Н. С. Прогнозирование основных показателей социально-экономического развития территории. Управленческий учет. 2022;(4-1):55-65. https://doi.org/10.25806/uu4-1202255-65
28. Кипкеева А. М., Урусов А. А. Оценка социально-экономического развития России: проблемы и перспективы развития. Естественно-гуманитарные исследования. 2021;(38):200-204. https://doi.org/10.24412/2309-4788-2021-6-200-204
Выпуск
Другие статьи выпуска
В статье представлен обзор научных мероприятий и профессиональных дискуссий в рамках ежегодной международной научно-практической конференции «Управление активами», прошедшей в декабре 2025 г. в МГИМО МИД России. Актуальность ее темы — «Искусственный интеллект в принятии экономических решений: активы, акторы, стратегии» — обусловлена современным экспоненциальным ростом внедрения технологий искусственного интеллекта (ИИ) во все сферы экономики, корпоративное и государственное управление, жизнедеятельность людей, что подтверждается результатами отчетов и прогнозов международных консалтинговых компаний, а также выводами российских экспертов. В связи с этим целью конференции, объединившей более 350 участников из нашей страны — студентов классических, экономических, технических, юридических университетов Москвы, Санкт-Петербурга, Тулы, Саратова, Новосибирска, Уфы и других городов России; сотрудников научных институтов, государственных корпораций и частных компаний, а также зарубежных исследователей из Чехии, Китая, Казахстана, Узбекистана, Кыргызстана, Азербайджана, представляющих разные поколения и профессии, — стало формирование активной научной платформы для обмена мнениями и выработки новых знаний по актуальным тенденциям, преимуществам, рискам и ограничениям, связанным с ИИ. В рамках пленарного заседания, практической профессиональной дискуссии и шести секций конференции были представлены итоги исследований, выполненных с применением методов экономико-математического моделирования, системного, критического исторического и причинно-следственного анализа, сценарного подхода и прогнозирования. В докладах участников рассмотрены результаты моделирования экономических и управленческих решений, полученные при использовании суверенных моделей ИИ как в ходе реализации национальных стратегий экономического развития государством-актором, так и в процессе комплексной оценки чувствительности разных отраслей экономики к внедрению ИИ, определения ключевых перспектив формирования конкурентных преимуществ компаний в условиях резкой активизации внедрения технологий ИИ и новых требований к профессиональным компетенциям на рынке труда. Отдельное внимание на конференции было уделено актуализации правового регулирования ИИ.
Корпоративное банкротство — это фазовый управленческий процесс, в ходе которого слабые сигналы и маскирующий их информационный шум определяют траекторию деградации задолго до краха организации. К такому выводу мы пришли, сместив фокус диагностики с бухгалтерской и финансовой отчетности в направлении институциональной чувствительности. Концепция фазовой динамики банкротства синтезирована на основе феноменологии рассогласования «декларируемое-фактическое», оценки интенсивности обратной связи и тональности публичных коммуникаций компании. Цель исследования — разработка фазовой модели ранней диагностики банкротства и определение порога утраты рефлексивности, маркирующего для управляющей системы точку невозврата. Эмпирическая часть работы включает реконструкцию предкризисных профилей банкротств компаний Enron, LTCM и Barings Bank. В результате качественного и количественного анализа поведенческих паттернов и публичных коммуникаций на основе авторских индикаторов установлено, что устойчивое одновременное превышение порогов значений последних сопровождается сжатием «окна возможностей» для лиц, принимающих решения, и ускорением эскалации. Полученные результаты позволяют сместить акцент с реагирующего (reactive) на упреждающее (proactive) управление, что снижает вероятность лавинообразного перехода к необратимой фазе кризиса.
На современном этапе цифровой трансформации усиливается стратегическая роль маркетинга в управления торговыми компаниями. Интеграция технологий на базе искусственного интеллекта (ИИ) — таких как ИИ-агенты, синтезированные респонденты, AI-powered CRM системы и предиктивная аналитика — меняет не только функционал, но и саму природу маркетингового управления (МУ). В условиях высокой турбулентности внешней среды и санкционных ограничений использование данного инструментария на базе ИИ позволяет формировать гибкие и адаптивные стратегии, принимать решения в режиме реального времени и выстраивать персонализированные клиентские взаимодействия. Целью исследования явился анализ трансформации маркетингового управления под влиянием ИИ-технологий и выявление их вклада в устойчивость торговой компании. В статье рассматриваются теоретические аспекты МУ, классификация его инструментов, а также риски и барьеры применения искусственного интеллекта. Результатом работы стало формирование авторской модели интеграции ИИ-маркетинга в стратегическое управление торговой компанией и классификации инструментов с учетом их стратегической роли и примеров использования. Результаты исследования могут быть использованы руководителями торговых компаний, специалистами по стратегическому развитию и цифровой трансформации, а также исследователями в области управления для повышения устойчивости и адаптивности бизнеса в условиях внешней турбулентности.
Целью исследования стала систематизация инструментов управления проектным опытом (УПО) и разработка рекомендаций для российских промышленных предприятий. Использованная в ходе работы методология основывается на анализе публикаций российских и зарубежных авторов, изучении отдельных кейсов управления проектами, а также экспертных оценок опытных сотрудников промышленных компаний, непосредственно участвующих в проектной деятельности. В результате исследования, во-первых, выделены основные этапы УПО; во-вторых, предложена классификация механизмов управления проектным опытом с учетом работы с формализованными и неформализованными знаниями, а также систематизированы примеры практических инструментов и ИТ-решений; в-третьих, определены тренды развития УПО; в-четвертых, выявлено отставание практик управления проектным опытом российских предприятий по уровню зрелости, технологической оснащенности и внедрению организационной культуры, ориентированной на знания. Практическая значимость исследования заключается в разработке рекомендаций для российских производственных компаний по преодолению барьеров внедрения продвинутых и передовых инструментов УПО.
Государственная политика в сфере науки и высшего образования направлена на модернизацию образовательных учреждений (ОУ) в интересах лучшего соответствия запросам рынка труда и потребностям общества. Целью исследования явилась оценка текущих параметров и условий функционирования ОУ с учетом специфики агропромышленного комплекса. В статье дается характеристика системы высшего образования аграрного профиля, приводится анализ состояния сети образовательных организаций, детально рассматриваются их особенности, элементы, связи и эффективность. Объектом исследования явилась образовательная сеть вузов, готовящих специалистов для АПК, а его предметом — эффективность подобных ОУ, а также факторы, связи, модели и алгоритмы взаимодействия элементов их организационной системы. Источниками данных в ходе работы послужили стратегические, методические, организационные и иные материалы, характеризующие деятельность образовательных учреждений, подведомственных Минсельхозу России и Минобрнауки России, а также информационно-аналитические и статистические данные. Результаты исследования могут быть использованы государственными органами (в первую очередь Минсельхозом России) в процессе управления деятельностью ОУ аграрного профиля в целях получения более детальной оценки деятельности подведомственных организаций, а также при разработке перспективных (стратегических) планов развития профильных вузов в современных условиях.
Отсутствие консенсуса в отношении количественных мер оценки показателей оригинальности текста порождает проблему интерпретации результатов работы алгоритмов информационных систем, предназначенных для обнаружения в текстах академических заимствований, и сопоставимости экспертных оценок оригинальности результатов интеллектуальной деятельности. Цель исследования — раскрыть природу и сущность феномена академических заимствований посредством методологии менеджмента знаний. Автор рассматривает управление качеством труда исследовательских единиц как новую функцию менеджмента знаний, способную регулировать качество научного знания. Дано авторское толкование природы и сущности академических заимствований как явлений эпистемологического и этико-деонтологического порядка соответственно; показано, что современный (1990–2025 гг.) дискурс академических заимствований сформировался под влиянием цифровой трансформации и содержит около 60 дефиниций, разделенных автором на три группы. Данная инвентаризация проведена для дальнейшего построения терминосистемы академических заимствований. Результаты исследования будут полезны специалистам: по общим вопросам науковедения и теории знания; в области менеджмента, прежде всего в сфере управления знаниями, включая деятельность по организации и контролю научно-исследовательских работ; в сфере оборота авторских прав и прав интеллектуальной собственности; в сфере подготовки, редактирования, обработки академических текстов; преподавателям, студентам и аспирантам, связанным с указанными направлениями; всем, кому необходимы навыки академического письма.
Динамизм, то есть способность качественно меняться, влияя на социально-экономическую ситуацию, выступает важным свойством человеческих ресурсов (human resources, HR) как научной категории. Цель исследования — выявление тенденций и особенностей управленческого дискурса, связанного с динамизмом HR и развивающегося в условиях информационной экономики. В ходе работы были выделены этапы исследования HR как динамической категории, определены особенности влияния информационно-коммуникационных технологий (ИКТ) на изучение взаимосвязей между HR, управленческими практиками и результатами функционирования организационно-экономических систем. Также обозначены направления развития HR-практик, затронуты вопросы синергии HR и технологий. Основным методом исследования стал содержательно-концептуальный анализ научных трудов последних десятилетий. Результаты исследования могут быть полезны ученым и практикам, занимающимся проблемами науки управления в сфере человеческих ресурсов.
На современном рынке труда заметно растет спрос на специалистов по управлению персоналом. Однако целостная концепция этой деятельности еще требует доработки вследствие разрозненного сосуществования здесь различных исследовательских подходов: экономического, кадрового, социально-психологического. Авторы статьи в ходе работы опирались на разработанную ими интегративную многоаспектную методологию управления персоналом. Целью исследования является анализ соответствия реального уровня квалификации специалистов этой сферы, а также выпускников бакалавриата и магистратуры, обучающихся по профилю «Управление человеческими ресурсами» и «Управление персоналом организации», государственным и отраслевым требованиям. В качестве методов исследования использовались полуструктурированные интервью с сотрудниками кадровых служб и линейными руководителями предприятий Набережных Челнов, а также анкетный опрос студентов вузов Республики Татарстан на основе многоступенчатой комбинированной выборки. Таким образом, базу исследования составили специалисты кадровых служб, линейные руководители и студенты вузов. В результате выявлена высокая степень разрыва между представлениями экспертов о необходимых профессиональных компетенциях специалистов по управлению персоналом и их фактической сформированностью у работников кадровых служб. Установлено, что и у студентов управленческих специальностей не сформировано в полной мере представление о содержании их будущей деятельности. Предложенная авторами статьи многофокусная схема понятия «персонал» и разработанный многоаспектный подход к функциональному содержанию управления персоналом могут быть использованы как для совершенствования работы управленческих служб предприятий, так и в ходе подготовки будущих специалистов.
Цифровая трансформация ресурсоснабжающих организаций в России становится ключевым элементом устойчивого развития коммунальной отрасли. В условиях растущей потребности в энергоэффективности, автоматизации и прозрачности бизнес-процессов компании все активнее внедряют современные технологии — от интеллектуальных систем учета и дистанционного мониторинга до больших данных и искусственного интеллекта. Это позволяет оптимизировать операционные расходы, сократить потери ресурсов, повысить точность прогнозирования и улучшить качество обслу живания потребителей. Целью исследования стало формирование процессной модели цифровой трансформации ресурсоснабжающей организации. Актуальность проделанной работы связана, с одной стороны, с необходимостью обеспечить как устойчивое развитие предприятий коммунальной службы, так и доступность их услуг для населения, а с другой — следовать общему курсу государственной политики и регулирования, в частности достижению целей национального проекта «Цифровая экономика» и ведомственного проекта «Умный город» Минстроя России. В статье представлено исследование влияния методических и практических подходов к внедрению инновационных технологий, современных сервисов и платформ на процесс принятия управленческих решений. В ходе работы использовались такие научные методы, как сравнительный и логический анализ (в том числе при изучении научной литературы). Результаты исследования будут полезны для ресурсоснабжающих организаций и научного сообщества в рамках развития подходов к эффективному управлению коммунальной инфраструктурой.
В статье представлен комплексный анализ трансформации некоммерческого сектора (НКС) в регионах Российской Федерации на основе рейтинга «Регион- НКО» (2020–2025 гг.). целью исследования стало выявление с помощью данного инструмента ключевых изменений в развитии социально ориентированных некоммерческих организаций (СО НКО), трендов формирования третьего сектора и факторов, влияющих на эти процессы. В статье на основе анализа восьми рейтинговых критериев и 54 показателей рассматриваются структурные преобразования НКС, динамика взаимодействия СО НКО с основными стейкхолдерами, трансформация механизмов поддержки и особенности региональных экосистем третьего сектора. Особое внимание уделяется снижению межрегиональных диспропорций и формированию устойчивых моделей его развития. В ходе работы автором статьи изучены основные тенденции формирования инфраструктуры сектора, обеспечения финансовой устойчивости и вовлеченности граждан в деятельность НКО, проанализирована динамика численности организаций. Результаты исследования позволяют выявить перспективные направления их государственной и гражданской поддержки, а также определить факторы успеха и региональные типологии развития.
Цель исследования заключается в анализе современных проблем развития отечественного сельского хозяйства, а также ключевых методов их эффективного решения в рамках государственного управления. Автором предложено изменение программно-целевого подхода, заключающееся в разделении его на два направления: факторы, способствующие развитию отрасли и препятствующие ее росту, а затем — на отдельные факторы-цели. Последние были подвергнуты ситуационному анализу, для разработки наиболее целесообразных с точки зрения модернизации аграрного сектора методов воздействия. В ходе работы автором исследования выделены 5 основных факторов отраслевого развития. Для каждого из них предложен комплекс мер для прогрессивного роста, касающихся финансовой поддержки аграрного сектора, экспорта, мелиоративного строительства, интенсификации производства, продолжения и расширения программ импортозамещения, а также развития сельских территорий как метода непрямой поддержки сельского хозяйства. Основными источниками данных для настоящего исследования послужили материалы Росстата, относящиеся к функционированию отрасли и инновационному прогрессу в экономике, а также показатели развития сельских территорий. В заключительной части статьи представлен анализ факторов развития российской сельскохозяйственной отрасли и оценка современных условий хозяйствования. Полученные результаты и выводы исследования будут интересны специалистам в области управления развитием АПК.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- ФИНУНИВЕРСИТЕТ
- Регион
- Россия, Москва
- Почтовый адрес
- 125167, город Москва, Ленинградский пр-кт, д. 49/2
- Юр. адрес
- 125167, город Москва, Ленинградский пр-кт, д. 49/2
- ФИО
- Прокофьев Станислав Евгеньевич (Ректор)
- E-mail адрес
- rector@fa.ru
- Контактный телефон
- +8 (499) 9439580