Роль интеллектуальной обработки данных в оптимизации финансовой эффективности компаний


Цитировать

Полный текст

Аннотация

Актуальность исследования заключается в возрастающей необходимости применения интеллектуальной обработки данных (ИОД) для повышения финансовой эффективности бизнеса в условиях экономической нестабильности. Развитие искусственного интеллекта и машинного обучения позволяет организациям эффективно управлять рисками, оптимизировать внутренние процессы и повышать точность финансового прогнозирования. Цель исследования - оценка влияния интеллектуальной обработки данных на финансовую эффективность бизнеса, выявление ключевых проблем и путей их решения. Для достижения цели проведен обзор литературы, определены методы оптимизации бизнес-процессов, выявлены барьеры внедрения ИОД и перспективы его применения. Методы исследования включают сравнительный, системный и статистический анализ. Применение данных методов позволило глубоко исследовать проблему внедрения ИОД в реальные бизнес-кейсы. Результаты исследования подтверждают, что интеллектуальная обработка данных значительно повышает финансовую эффективность компаний. Однако внедрение ИОД сопряжено с рядом проблем, таких как необходимость дополнительных инвестиций, перестройка бизнес-процессов и обеспечение квалификации персонала. Несмотря на сложности, внедрение ИОД позволяет компаниям существенно повысить конкурентоспособность и прибыльность. Результаты исследования показали, что интеллектуальная обработка данных в условиях современной экономики является важным инструментом для повышения финансовой устойчивости и конкурентоспособности бизнеса. При грамотно организованном внедрении ИОД способствует оптимизации процессов, улучшению прогнозирования и управлению рисками, что приводит к улучшению финансовых результатов.

Об авторах

Елизавета Игоревна Чаплыгина

Российский университет дружбы народов

Email: 1132236525@pfur.ru
ORCID iD: 0009-0002-7037-0317

магистрант кафедры механики и процессов управления, инженерная академия

Российская Федерация, 117198, г. Москва, ул. Миклухо-Маклая, д. 6

Лариса Владимировна Круглова

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: kruglova-lv@rudn.ru
ORCID iD: 0000-0002-8824-1241
SPIN-код: 2920-9463

кандидат технических наук, доцент кафедры механики и процессов управления, инженерная академия

Российская Федерация, 117198, г. Москва, ул. Миклухо-Маклая, д. 6

Софья Григорьевна Главина

Российский университет дружбы народов

Email: glavina_sg@pfur.ru
ORCID iD: 0000-0002-5174-8962
SPIN-код: 4511-1442

кандидат экономических наук, доцент кафедры политический экономии им. В. Станиса, экономический факультет

Российская Федерация, 117198, г. Москва, ул. Миклухо-Маклая, д. 6

Список литературы

  1. Martynova YuA. Digital transformation and innovative management models in the industrial complex: challenges and opportunities for increasing competitiveness. Innovation & investment. 2023;(6):99-102. (In Russ.) EDN: WQXRCL
  2. Zhukov BM. Administrative flexibility as the factor of maintenance of innovative activity of the enterprise. Business In Law. 2012;(1):304-306. (In Russ.) EDN: OVZXRJ
  3. Sanarikova A. Optimization of business processes using artificial intelligence: prospects and challenges. Endless light in science. 2025;(2):137-142. (In Russ.) http://doi.org/10.24412/2709-1201-2025-28-137-142 EDN: WYWNEY
  4. Flegontov AV, Fomin VV. Software system for data processing. Izvestia: Herzen University Journal of Humanities & Sciences. 2013;(154):41-48. (In Russ.) EDN: PUHJLR
  5. Renaldo N, Suhardjo, Suharti, Suyono, Cecilia. Optimizing Company Finances Using Business Intelligence in Accounting. Journal of Applied Business and Tech-nology. 2022;3(2):209-213. https://doi.org/10.35145/jabt.v3i2.107
  6. Pingili R. AI-driven intelligent document processing for healthcare and insurance. International Journal of Science and Research Archive. 2025;14:1063-1077. https://doi.org/10.30574/ijsra.2025.14.1.0194
  7. Kirichenko AO, Zolkin AL, Urusova AB, Malova NN. Research on the impact of big data on decision-making in the corporate sector. Journal of Applied Research. 2024;(2):51-55. (In Russ.) https://doi.org/10.47576/2949-1878.2024.2.2.007 EDN: EOCPCD
  8. Andrushchuk VV. The role of artificial intelligence in optimizing financial transactions in the global market. Economics: Yesterday, Today and Tomorrow. 2024;14(3-1):299-307. (In Russ.) EDN: WKOFUR
  9. Murodov SA. Implementation of artificial intelligence in business processes: prospects for small and medium-sized enterprises in developing countries. Raqamli Iqtisodiyot. 2025;10:63-77. (In Russ.)
  10. Pingili R. AI-driven intelligent document processing for banking and finance. International Journal of Management & Entrepreneurship Research. 2025;7(2):98-109. https://doi.org/10.51594/ijmer.v7i2.1802
  11. Kirilyuk IL. Methods of data mining and regulation of the digital transformation of the financial industry in Russia and in the world. The Bulletin of the Institute of Economics of the Russian Academy of Sciences. 2020;(4):152-165. http://doi.org/10.24411/2073-6487-2020-10048 EDN: YVWFOY
  12. Voshev DV, Vosheva NA, Shepel RN, Son IM, Drapkina OM. Comparative analysis of the use of electronic internet of things technologies in the healthcare sector of foreign countries and Russia. Manager zdravoohranenia. 2023;(8):44-53. (In Russ.) http://doi.org/10.21045/1811-0185-2023-8-44-53 EDN: KBFHTM
  13. Zaslavskaya VL. Applied system analysis as a tool for achieving subject goals in business analytics. Chronoeconomics. 2022;4(38):51-65. (In Russ.) EDN: SKDSYE
  14. Akter S, Bandara R, Hani U, Wamba SF, Foropon C, Papadopoulos T. Analytics-based decision-making for service systems: A qualitative study and agenda for future research. International Journal of Information Management. 2019;48:85-95. https://doi.org/10.1016/j.ijinfomgt.2019.01.020
  15. Matsiush IV. Application of neural networks in monitoring and forecasting financial flows. Vestnik of Polotsk State University. Part D. Economics and Law Sciences. 2024;2(67):16-20. (In Russ.) http://doi.org/10.52928/2070-1632-2024-67-2-16-20 EDN: CWAZFR
  16. Gu Sh, Kelly BT, Xiu D. Empirical Asset Pricing via Machine Learning. 31st Australasian Finance and Banking Conference, 2018, 2019. Paper No. 18-04. http://doi.org/10.2139/ssrn.3159577
  17. Nazipov RS. Prospects for applying artificial intelligence in optimizing companies’ business processes. International journal of humanities and natural sciences. 2024;7-3(94):179-185. (In Russ.) http://doi.org/10.24412/2500-1000-2024-7-3-179-185 EDN: TXWTNE
  18. Savvin AA, Nemtsev DS, Dragulenko VV. Application of machine learning in forecasting economic growth. Journal of Applied Research. 2023;(12):91-96. (In Russ.) http://doi.org/10.47576/2949-1878_2023_12_91 EDN: JHNUTF

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).