Building a technological landscape of innovative solutions based on data mining

Cover Page

Cite item

Full Text

Abstract

The relevance of the research is determined by the development of digital technologies and digital transformation of enterprises. The complexity is the modeling of business automation and innovation management, which requires methods of applied research management and consideration of technology readiness. The purpose of this paper is to build an automation model in Orange analytical and simulation modeling environment. Descriptive methods, analytical methods and data discovery methods are used to achieve the research objective. The object of the study is the approaches to building a technology landscape. The subject of the study is the analysis of models and tools based on data mining. The result of the study is the developed model of automation based on intelligent data analysis, realized in the form of a conceptual scheme, which can be used to build a technological landscape of innovative solutions at enterprises and conclusions are made about the feasibility of using this model. 

Full Text

Restricted Access

About the authors

Vladimir А. Shiboldenkov

N. E. Bauman Moscow State Technical University

Author for correspondence.
Email: vshiboldenkov@bmstu.ru

Candidate of Economic Sciences, Docent, Deputy Head of the Department of Business Informatics

Russian Federation, Moscow

Daniil М. Kkhan

N. E. Bauman Moscow State Technical University

Email: kkh-daniil@yandex.ru

Master student Department of Business Informatics

Russian Federation, Moscow

References

  1. Wang C-H, Gu Y-W. Sales Forecasting, Market Analysis, and Performance Assessment for US Retail Firms: A Business Analytics Perspective. Applied Sciences. 2022. V.12. No 17: 8480. https://doi.org/10.3390/app12178480.
  2. Bhurtel M., Danda B.R. Unveiling the Landscape of Operating System Vulnerabilities. Future Internet. 2023. V. 15. No 7: 248. https://doi.org/10.3390/fi15070248
  3. Frontistis Z, Lykogiannis G, Sarmpanis A. (2023) Machine Learning Implementation in Membrane Bioreactor Systems: Progress, Challenges, and Future Perspectives. Review Environments V. 10. No 7: 127. https://doi.org/10.3390/environments10070127.
  4. Nicoletti B, Appolloni A. Artificial Intelligence for the Management of Servitization 5.0. Sustainability. 2023. V. 15. No 14: 11113. https://doi.org/10.3390/su151411113.
  5. Tubis A.A., Grzybowska K., Król B. Supply Chain in the Digital Age: A Scientometric–Thematic Literature Review. Sustainability. 2023. V. 15. No 14: 11391. https://doi.org/10.3390/su151411391.
  6. Dijkstra T.K., Henseler J. Consistent and asymptotically normal PLS estimators for linear structural equations. Computational Statistics & Data Analysis. 2015. No 81. P. 10-24 https://doi.org/10.1016/j.csda.2014.07.008.
  7. Drobkova O.S., Drogovoz P.A. Primenenie ekonomiko_matematicheskoi modeli ocenki urovnya integracii predpriyatii promishlennogo kompleksa [Application of economic and mathematical model for assessing the level of integration of enterprises of industrial complex] // Kreativnaya ekonomika [Creative Economy]. 2023. V. 17. No 1. P. 165-182. doi: 10.18334/ce.17.1.116675.
  8. Erkmen T., Günsel A., Altındağ E. The role of innovative climate in the relationship between sustainable IT capability and firm performance. Sustainability. 2020. V.12. No 10, 4058. https://doi.org/10.3390/su12104058
  9. Schmidt, D., Butturi, M.A., Sellitto, M.A. () Opportunities of Digital Transformation in Post-Harvest Activities: A Single Case Study of an Engineering Solutions Provider. AgriEngineering. 2023. V. 5. No 3, P. 1226-1242. https://doi.org/10.3390/agriengineering5030078.
  10. Kashevarova N.A., Panova D.A. Space industry of the People’s Republic of China: Ecosystem transformation, in XLV Academic Space Conference, AIP Conference Proceedings 2549, 080030 (2023); https://doi.org/10.1063/5.0108953.
  11. Pellicelli M. Gaining Flexibility by Rethinking Offshore Outsourcing for Managing Complexity and Disruption. Engineering Proceedings. 2023. V. 39. No 1: 37. https://doi.org/10.3390/engproc2023039037
  12. Fedorova E., Drogovoz P., Nevredinov A., Kazinina P., Qitan C. Impact of MD&A sentiment on corporate investment in developing economies: Chinese evidence // Asian Review of Accounting. 2022. V. 30. No 4. P. 513-539. doi: 10.1108/ARA-08-2021-0151.
  13. Fedorova E.A., Grishchenko Yu.I., Grishchenko A.V., Drogovoz P.A. Evaluation of information disclosure in annual reports of extractive industry companies // Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2021. V. 5 P. 172-176. https://doi.org/10.33271/nvngu/20214/172.
  14. Golubev S.A., Efremov A.A., Gorokhova A.S. Razrabotka metodologii nauchno_tehnologicheskogo prognozirovaniya na osnove instrumentov TRIZ [Development of scientific and technological forecasting methodology based on TRIZ tools] // Ekonomicheskii analiz [Economic Analysis]. 2021. No 187(1-2). P. 223-231. https://doi.org/10.21003/ea. V187-22.
  15. Travushkina A.A., Shchelokova A.N., Shiboldenkov V.A., Yusufova O.M. Obzor perspektiv razvitiya tehnologii cifrovih dvoinikov produktov, uslug i servisov v sektore materialnogo proizvodstva [Review of the prospects of development of digital twin technology of products, services and services in the sector of material production] // Voprosy innovatsionnoy ekonomiki [Issues in innovation economics]. 2022. V. 12. No 3. doi: 10.18334/vinec.12.3.115215.
  16. Latyshev V.I. Modeling and engineering support of strategic decisions in the security management of financial and economic objects, in Modelling in engineering 2020, AIP Conference Proceedings 2383, 070016 (2022); https://doi.org/10.1063/5.0083620.
  17. Shiboldenkov V.A. Review of economic and mathematical modeling tools for the innovation diffusion process, in Modelling in engineering 2020, AIP Conference Proceedings 2383, 070002 (2022); https://doi.org/10.1063/5.0074533.
  18. Boavida R., Navas H., Godina R., Carvalho H., Hasegawa H. A. (2020) Combined Use of TRIZ Methodology and Eco-Compass tool as a Sustainable Innovation Model. Applied Sciences. V.10. No 10:3535. https://doi.org/10.3390/app10103535.
  19. Kashevarova N.A., Kulikova M.E., Ryaskina A.D. Analiz roli intellektualnoi sobstvennosti v ramkah koncepcii ustoichivogo razvitiya [Analysis of the role of intellectual property within the concept of sustainable development] // Konkurentosposobnost v globalnom mire: ekonomika, nauka, tehnologii [Competitiveness in the global world: economics, science, technology]. 2022. No 6. P. 209-214.
  20. Nekrasov A.M., Nekrasova M.A. Povishenie roli professionalnogo obucheniya i povisheniya kvalifikacii bez otriva ot raboti [Increasing the role of vocational training and inservice training] // Ekonomika i predprinimatelstvo [Economics and Entrepreneurship]. 2021. No 4. P. 675-677.
  21. Tyulin A.E., Chursin A.A., Drogovoz P.A., and Yudin A.V., Investigation of Processes Determining the Dominance of Unique Products in Sales Markets, in XLIV Academic Space Confer-ence, AIP Conference Proceedings 2318, 070013 (2021); https://doi.org/10.1063/5.0035790.
  22. Vannusov D.D., Dadonov V.A., Tereshchenko M.V. Organizational features of innovative CAD implementation in existing production systems // IX Czarnowski Readings. MATEC Web of Conferences. 2020. V. 311. Art. No 02009. doi: 10.1051/matecconf/202031102009
  23. Shiboldenkov V.A., Panova D.A. Analiz dannih proizvodstvennogo processa v realnom vremeni: innovacionnaya analiticheskaya platforma s ispolzovaniem tehnologii iskusstvennogo intellekta kompanii Sight Machine Incorporated [Real-time analysis of manufacturing process data: an innovative analytics platform using artificial intelligence technology from Sight Machine Incorporated] // Kreativnaya ekonomika [Creative Economy]. 2020. V. 14. No 12. doi: 10.18334/ce.14.12.111489.
  24. Zaid A.A., Jaaron A.A.M., Talib B.A. The impact of green human resource management and green supply chain management practices on sustainable performance: An empirical study. Journal of Cleaner Production. 2018. No 204. P. 965– 979. https://doi.org/10.1016/j. jclepro.2018.09.062.
  25. Zhang Y., Luo Y., Zhang X., Zhao J. How Green Human Resource Management Can Promote Green Employee Behavior in China: A Technology Acceptance Model Perspective. Sustainability. 2019. V. 11, 5408. https://doi.org/10.3390/su11195408.
  26. Zimenkov R.I. Novie yavleniya v zarubejnoi deyatelnosti amerikanskih TNK [New phenomena in the foreign activities of American TNCs] // Investicii v Rossii [Investments]. 2020. V. 303. No 4. P. 26-34.
  27. Kashevarova, N.A., Gorozhankin V.O., Slobodyansky P.A. Konceptualnaya model IT-resheniya dlya avtomatizacii patentnih issledovanii [Conceptual model of IT-solution for patent research automation] // Vestnik universiteta [Vestnik of the University]. 2020. No 5. P. 58-64. doi: 10.26425/1816-4277-2020-5-58-64.
  28. Garina I.O. Tehniko-ekonomicheskie aspekti razrabotki i vnedreniya specializirovannoi ontologii dlya upravleniya jiznennim ciklom produkcii v mashinostroitelnoi otrasli [Technical and economic aspects of the development and implementation of specialized ontology for product life cycle management in the machine-building industry] // Voprosi innovacionnoi ekonomiki [Issues of innovation economy]. 2020. V. 10. No 3. doi: 10.18334/vinec.10.3.110602.
  29. Yusufova O.M., Shiboldenkov V.A., Andreeva A.A. Analiz tehnologii cifrovoi logistiki dlya avtomatizacii i servisnoi integracii skladskih processov organizacii [Analysis of digital logistics technologies for automation and service integration of the organization's warehouse processes] // Voprosi innovacionnoi ekonomiki [Issues of innovation economy]. 2020. V.10. No 3. doi: 10.18334/vinec.10.3.110285.
  30. Yusufova O.M., Shiboldenkov V.A., Ponomaryova E.I. Analiz tehnologii upravleniya proizvodstvennimi potrebnostyami slojnoi sistemi v usloviyah neopredelennosti [Analysis of technologies for managing production needs of a complex system in conditions of uncertainty] // Kreativnaya ekonomika [Creative Economy]. 2020. V. 14. No 5. doi: 10.18334/ce.14.5.100961.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Assessment of the maturity of innovative solutions

Download (185KB)
Indexing metadata
3. Fig. 2. Automation model for building a technological landscape (the numbers indicate the data flow from the Preprocess Text widget)

Download (166KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».