В работе осуществлена структуризация на модельном уровне региональной организационной системы и управления ею при использовании результатов многолетней статистической информации для интеллектуальной поддержки принятия решений. Первая структурная модель позволяет оценить характер взаимодействия управляющего центра и компонентов организационной системы по используемым массивам информации статистического учета. Трансфер данных в форме временных рядов осуществляется по группам населения и территориальным образованиям региона. Структурная модель интеллектуальной поддержки принятия решений управляющим центром является составляющей структуры системы управления распределением ресурсного обеспечения. Для ее эффективного использования в качестве основы интеграции результатов предиктивного анализа в процессе принятия управленческих решений на основе оптимизационного моделирования предложено реализовать подсистемы двухуровневой интеллектуализации. Разработана алгоритмическая схема, обеспечивающая двухуровневую интеллектуализацию при принятии управленческих решений, объединяющая модули визуального и предиктивного анализа для последующего использования результатов машинного обучения прогностических моделей в экспертном оценивании и оптимизационном моделировании.
The paper presents the structuring of the regional organizational system and its management at the model level using the results of long-term statistical information for intelligent decision support. The first structural model allows us to assess the nature of the interaction between the control center and the components of the organizational system based on the used arrays of statistical accounting information. Population groups and territorial entities of the region carry out data transfer in the form of time series. The structural model of intelligent decision support by the control center is a component of the structure of the resource distribution management system. For its effective use as a basis for integrating the results of predictive analysis in the process of making management decisions based on optimization modeling, it is proposed to implement two-level intellectualization subsystems. An algorithmic scheme has been developed that provides two-level intellectualization in making management decisions, combining visual and predictive analysis modules for the subsequent use of the results of machine learning of predictive models in expert assessment and optimization modeling.
The authors declare that there are no conflicts of interest present.