<?xml version="1.0" encoding="UTF-8"?>
<article article-type="research-article" dtd-version="1.3" xml:lang="ru" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="https://metafora.rcsi.science/xsd_files/journal3.xsd">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">moitvivt</journal-id>
      <journal-title-group>
        <journal-title xml:lang="ru">Моделирование, оптимизация и информационные технологии</journal-title>
        <trans-title-group xml:lang="en">
          <trans-title>Modeling, Optimization and Information Technology</trans-title>
        </trans-title-group>
      </journal-title-group>
      <issn pub-type="epub">2310-6018</issn>
      <publisher>
        <publisher-name>Издательство</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.26102/2310-6018/2021.33.2.004</article-id>
      <article-id pub-id-type="custom" custom-type="elpub">988</article-id>
      <title-group>
        <article-title xml:lang="ru">Систематизация уровней зрелости корпоративной  архитектуры в области анализа данных</article-title>
        <trans-title-group xml:lang="en">
          <trans-title>Systematization of the maturity levels of the corporate architecture in the field of data analysis</trans-title>
        </trans-title-group>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author" corresp="yes">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Логинов</surname>
              <given-names>Федор Геннадьевич</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Loginov</surname>
              <given-names>Fedor Gennadievich</given-names>
            </name>
          </name-alternatives>
          <email>lfgoff@bk.ru</email>
          <xref ref-type="aff">aff-1</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Коваленко</surname>
              <given-names>Сергей Александрович</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Sergey</surname>
              <given-names>Alexandrovich Kovalenko</given-names>
            </name>
          </name-alternatives>
          <email>sergpc@yandex.ru</email>
          <xref ref-type="aff">aff-2</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Гребенникова</surname>
              <given-names>Наталия Ивановна</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Grebennikova</surname>
              <given-names>Nataliya Ivanovna</given-names>
            </name>
          </name-alternatives>
          <email>g-naty@yandex.ru</email>
          <xref ref-type="aff">aff-3</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Малиновкин</surname>
              <given-names>Владислав Алексеевич</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Malinovkin</surname>
              <given-names>Vladislav Alexeyevich</given-names>
            </name>
          </name-alternatives>
          <email>malinovkin@mail.ru</email>
          <xref ref-type="aff">aff-4</xref>
        </contrib>
      </contrib-group>
      <aff-alternatives id="aff-1">
        <aff xml:lang="ru">Воронежский государственный технический университет</aff>
        <aff xml:lang="en">Voronezh state technical University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-2">
        <aff xml:lang="ru">Воронежский государственный технический университет</aff>
        <aff xml:lang="en"/>
      </aff-alternatives>
      <aff-alternatives id="aff-3">
        <aff xml:lang="ru">Воронежский государственный технический университет</aff>
        <aff xml:lang="en">Voronezh state technical University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-4">
        <aff xml:lang="ru">Воронежский государственный технический университет</aff>
        <aff xml:lang="en">Voronezh state technical University</aff>
      </aff-alternatives>
      <pub-date pub-type="epub">
        <day>01</day>
        <month>01</month>
        <year>2026</year>
      </pub-date>
      <volume>1</volume>
      <issue>1</issue>
      <elocation-id>10.26102/2310-6018/2021.33.2.004</elocation-id>
      <permissions>
        <copyright-statement>Copyright © Авторы, 2026</copyright-statement>
        <copyright-year>2026</copyright-year>
        <license license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This work is licensed under a Creative Commons Attribution 4.0 International License</license-p>
        </license>
      </permissions>
      <self-uri xlink:href="https://moitvivt.ru/ru/journal/article?id=988"/>
      <abstract xml:lang="ru">
        <p>В настоящее время использование современных технологий и методов анализа данных позволяет создавать более совершенные информационные системы для организации качественного ведения бизнеса. Поэтому при проектировании корпоративной архитектуры данных при наличии существенных объемов информации необходимо учитывать множество факторов, систематизировать и корректно производить выбор определенного уровня зрелости. В данной статье представлен обзор технологий и методов в области анализа данных. Также были представлены и систематизированы уровни зрелости: «лоскутное одеяло», корпоративное хранилище данных, озера данных, машинное обучение, искусственный интеллект. Рассматриваемые средства имеют спрос при построении аналитической архитектуры компании. С помощью них можно осуществлять поиск данных, доступ к ним и обработку. Были рассмотрены и проанализированы преимущества и недостатки методов. Сравнение технологий производится по ряду характеристик, а именно: организация доступа к данным, способ хранения данных, процесс извлечения, преобразования данных, процесс построения бизнес-отчетов, использование машинного обучения, помощь в принятии решений. Эти аспекты являются основными при выборе средств построения корпоративной архитектуры в области анализа данных, так как они являются ключевыми при аналитической обработке данных.</p>
      </abstract>
      <trans-abstract xml:lang="en">
        <p>The use of modern technologies and methods of data analysis allows you to create more advanced information systems for the organization of high-quality business. Therefore, when designing a cor-porate data architecture, it is necessary to take into account many factors and correctly select a cer-tain level of maturity.&#13;
This article provides an overview of technologies and methods in the field of data analysis. The tools in question are in demand when building the company's analytical architecture. They can be used to search for, access, and process data. The advantages and disadvantages of the methods were consid-ered.&#13;
The comparison of technologies is made by a number of characteristics, namely: the organization of data access, the method of building a data warehouse, the process of extracting, converting data, and the process of building a business report. These aspects are the main ones when choosing the tools for building a corporate architecture in the field of data analysis, since they are key in analytical data processing.</p>
      </trans-abstract>
      <kwd-group xml:lang="ru">
        <kwd>аналитическая обработка данных</kwd>
        <kwd>уровни зрелости корпоративной архитектуры в области анализа данных</kwd>
        <kwd>хранилища данных</kwd>
        <kwd>систематизация данных</kwd>
        <kwd>проектирование корпоративной архитектуры данных</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>analytical data processing</kwd>
        <kwd>maturity levels of the corporate architecture in the field of data ana</kwd>
        <kwd>data warehouses</kwd>
        <kwd>systematization of data</kwd>
        <kwd>designing a corporate data architecture</kwd>
      </kwd-group>
      <funding-group>
        <funding-statement xml:lang="ru">Исследование выполнено без спонсорской поддержки.</funding-statement>
        <funding-statement xml:lang="en">The study was performed without external funding.</funding-statement>
      </funding-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <title>References</title>
      <ref id="cit1">
        <label>1</label>
        <mixed-citation xml:lang="ru">Что такое корпоративное хранилище данных (DWH): основы BigData. Доступно по: https://www.bigdataschool.ru/ (дата обращения 20.05.2021)</mixed-citation>
      </ref>
      <ref id="cit2">
        <label>2</label>
        <mixed-citation xml:lang="ru"> Сарка Д. Microsoft SQL Server 2012. Реализация хранилищ данных. 2014. </mixed-citation>
      </ref>
      <ref id="cit3">
        <label>3</label>
        <mixed-citation xml:lang="ru">Жуковский О.И. Хранилища данных. 2015. </mixed-citation>
      </ref>
      <ref id="cit4">
        <label>4</label>
        <mixed-citation xml:lang="ru">Озеро данных. Доступно по: https://habr.com/ru/post/485180/ (дата обращения 20.05.2021)</mixed-citation>
      </ref>
      <ref id="cit5">
        <label>5</label>
        <mixed-citation xml:lang="ru">Что такое озера данных и почему в них дешевле хранить bigdata. Доступно по: https://mcs.mail.ru/blog/chto-takoe-ozera-dannyh-i-zachem-tam-hranyat-big-data (дата об-ращения 20.05.2021)</mixed-citation>
      </ref>
      <ref id="cit6">
        <label>6</label>
        <mixed-citation xml:lang="ru">Mitchell T. Machine learning. McGraw-Hill Science/Engineering. 1997. </mixed-citation>
      </ref>
      <ref id="cit7">
        <label>7</label>
        <mixed-citation xml:lang="ru">Талачаев И. Е. Применение машинного обучения в задаче классификации с использованием языка Python. Военный инновационный технополис «ЭРА». 2019.</mixed-citation>
      </ref>
      <ref id="cit8">
        <label>8</label>
        <mixed-citation xml:lang="ru">Паклин Н. Б. Бизнес-аналитика: от данных к знаниям. 2013.</mixed-citation>
      </ref>
      <ref id="cit9">
        <label>9</label>
        <mixed-citation xml:lang="ru">Ноткин Л.И. Искусственный интеллект и проблемы обучения. 1999.</mixed-citation>
      </ref>
      <ref id="cit10">
        <label>10</label>
        <mixed-citation xml:lang="ru">10.	Margaret A. Boden. Creativity and artificial intelligence. Elsevier. Artificial intelligence 1998;103:347-356</mixed-citation>
      </ref>
      <ref id="cit11">
        <label>11</label>
        <mixed-citation xml:lang="ru">Шалютин С.М. Искусственный интеллект. 1985.</mixed-citation>
      </ref>
      <ref id="cit12">
        <label>12</label>
        <mixed-citation xml:lang="ru">Magic Quadrant for Data Management Solutions for Analytics. Доступно по: https://b2bsalescafe.files.wordpress.com/2017/07/magic-quadrant-for-data-management-solutions-for-analytics-feb-2017.pdf  (дата обращения 20.05.2021)</mixed-citation>
      </ref>
    </ref-list>
    <fn-group>
      <fn fn-type="conflict">
        <p>The authors declare that there are no conflicts of interest present.</p>
      </fn>
    </fn-group>
  </back>
</article>