Проблемы современной трансформации статистики

Статья посвящена проблемам трансформации статистики в условиях появления новых видов статистического наблюдения, позволяющих накапливать, обрабатывать, передавать большие объемы информации с высокой скоростью. Современный этап совершенствования статистики связывают с развитием цифровых технологий, эффективность которых определяет решение целого комплекса задач теоретического и методологического характера. В основе их решения лежит понимание того, что свою роль статистика способна выполнять при условии отображения экономических явлений и процессов как объектов управления, реализуемых в единстве системного, процессного и структурно-функционального подходов. При этом непосредственное решение задач рассматривается на примере производительности труда в производственной структуре с выходом на систему показателей и использованием ее в процессах анализа складывающейся управленческой ситуации. Статистика объективно развивается под влиянием совершенствования цифровых технологий, технологий больших данных — Big data. Развиваясь как технологии интернета, они связаны с приложениями, направленными на формирование рынка стандартизированных услуг, которые могут совместно использоваться большим количеством потребителей. Это ограничивает возможности их применения в основных информационных процессах статистики, назначение которой — обеспечение принятия управленческих решений в отношении конкретных уникальных объектов управления, развивающихся в конкретных уникальных условиях. Но вместе с тем прорывные цифровые технологии становятся фактором ее развития как деятельности, осуществляемой, прежде всего, на собственных информационных платформах аппаратов управления. В ходе исследования использованы методы системного и сравнительного анализа при обобщении современных концепций управления экономическими системами, направлений развития статистики, развития цифровых технологий и их внедрения в процессы статистики.

1. Михненко О.Е., Подкопаев М.Б., Разумовский К.А.Управление стратегической конкурентоспособностью транспортной компании. Мир транспорта. 2014;(5):15–21.

2. Михненко О.Е., Подкопаев М.Б. К вопросу управления стратегической конкурентоспособностью транспортной компании. Вестник российского научно-исследовательского института железнодорожного транспорта. 2014;(6):9–17.

3. Михненко О.Е.Управление экономическими явлениями на железнодорожном транспорте: информационный аспект. М.: МИИТ; 2001. 200 с.

4. Михненко О.Е., Салин В.Н. От анализа статистических данных к анализу реальных явлений на основе статистической информации. Материалы международной науч.-практич. конф. «Наука о данных» (СанктПетербург, 5–7 февраля 2020 г.). СПб.: СПбГЭУ; 2020:196–199.

5. Михненко О.Е Информационные модели в управлении экономическими явлениями. М.: МИИТ; 2007. 48 с.

6. Михненко О.Е. Цифровые технологии и эффективность статистических показателей. Материалы II международной науч.-практич. конф. «Цифровая трансформация в экономике транспортного комплекса. Развитие цифровых экосистем: наука, практика, образование» (Москва, 11 октября 2019 г.). М.: РУТ (МИИТ); 2019:207–216.

7. Миллс Ф. Статистические методы. Пер. с англ. Маслов П.П., ред. М.: Госстатиздат; 1958. 799 с.

8. Weske М. Business Process Management (2nd edition). Springer-Verlag; 2012. 403 c.

9. Репнин В.В., Елиферов В.Г. Процессный подход в управлении: Моделирование бизнес-процессов. М.: Манн, Иванов и Фербер; 2013. 544 с.

10. Месерович М., Мако В. Теория иерархических многоуровневых систем. М.: Мир; 1973.

11. Прохоров А., Коник Л. Цифровая транформация. Анализ, тренды, мировой опыт. М.: Альянс-Принт; 2019. 368 с.

12. Ильин В.В., Михненко О.Е. Принципы использования индексов производительности труда. «Безопасность движения поездов». Труды 13-й научно-практической конференции. М.: МИИТ; 2012.

13. Майер-Шенебергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. Пер. с англ. М.: Манн, Иванов и Фербер; 2014. 240 с.

14. Maryika J., Chui M., Brown B. Big data. The next frontier for innovation, competition and productivity. McKinsey Globe Institute. URL: https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insights/Big%20data%20The%20next%20frontier%20for%20innovation/MGI_big_data_exec_summary.pdf (дата обращения: 17.12.2021).

15. Френкс Б. Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики. Пер. с англ. М.: Интеллектуальная литература; 2016. 367 с.

16. Френкс Б.Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики. Пер. с англ. М.: Манн, Иванов и Фербер; 2014. 343 с.

17. Hassani H., Saporta G., Silva E.S. Data mining and official statistics: Еhe past, the present and the future. Big Data. 2014;2(1):34–43. DOI: 10.1089/big.2013.0038

18. Hostie T., Nibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inferens, Prodiction. (2nd edition). Springer-Verlag; 2009. 763 p.