Большие данные в процессе принятия решений: от анализа теорий к оценке эффективности практик

Большие данные в процессе принятия решений: от анализа теорий к оценке эффективности практик

Автор: Шмелева Светлана Андреевна

Журнал: Известия Санкт-Петербургского государственного экономического университета @izvestia-spgeu

Рубрика: Творчество молодых ученых

Статья в выпуске: 3 (135), 2022 года.

Бесплатный доступ

В статье анализируется теоретическая база исследований за последнее десятилетие по теме использования больших данных в процессе принятия решений в государственном управлении. На основе проведенного анализа сделан вывод об обширной степени исследованности применения больших данных в государственном управлении с акцентом на потенциальных выгодах и угрозах, что условно разделяет исследователей на технооптимистов и технопессимистов. Большинство исследований носят эмпирический характер, однако, они разрознены и используют разные подходы для выявления взаимосвязей между большими данными.

Большие данные, государственная политика, государственное управление, процесс принятия решений

Короткий адрес: https://sciup.org/148324753

IDR: 148324753

Список литературы Большие данные в процессе принятия решений: от анализа теорий к оценке эффективности практик

  • Manyika J. Big Data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute, 2011.
  • Helbig N., Dawes S., Dzhusupova Z., Klievink B., Mkude C.G. Stakeholder engagement in policy development: observations and lessons from international experience // Policy practice and digital science. Springer, Cham, 2015. Р. 177-204.
  • Плотников В.А. Цифровизация производства: теоретическая сущность и перспективы развития в российской экономике // Известия Санкт-Петербургского государственного экономического университета. 2018. № 4 (112). С. 16-24.
  • Шмелева С.А. Большие данные в процессе принятия политических решений: от анализа теорий к оценке эффективности практик // Вестник Пермского университета. Политология. 2021. Т. 15. № 3. С. 40-51.
  • Шмелева С.А., ЩербакА.Н. Доверие, экономическое развитие, политический режим: статистический анализ взаимосвязей // Международный журнал исследований культуры. 2014. № 1 (14). С. 54-61.
  • Балашов Б.М. Большие данные и их применение в предвыборной борьбе // Международный журнал гуманитарных и естественных наук. 2017. 11. С. 46-50.
  • Boyd D., Crawford K. Critical Questions for Big Data // Information, Communication & Society. 2012. № 15 (5). Р. 662-679.
  • Dijck J. Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology // Surveillance & Society. 2014. № 12 (2). Р. 197-208.
  • Lim C., Kim K.J., Maglio P.P. Smart cities with big data: Reference models, challenges, and considerations // Cities. 2018. № 82. Р. 86-99.
  • Hazen B.T., Skipper J.B., Boone C.A., HillR.R. Back in business: Operations research in support of big data analytics for operations and supply chain management // Annals of Operations Research. 2018. № 270 (1-2). Р. 201-211.
  • Chaudhary D., Bhushan K., Gupta B.B. Survey on DDoS Attacks and Defense Mechanisms in Cloud and Fog Computing // International Journal of E-Services and Mobile Applications. 2018. № 10 (3). Р. 61-83.
  • Laney D. 3D Data Management: Controlling Data Volume, Velocity and Variety // META Group Research Note. 2001. № 6.
  • Moorthy J., Ghosh P. Big Data and Consumer Privacy, VIKALPA // The Journal for Decision Makers. 2015. № 40 (1). Р. 74-96.
  • Rijmenam M. Why The 3V's Are Not Sufficient To Describe Big Data, Datafloq. [Электронный ресурс]. Режим доступа: https://datafloq.com/read/3vs-suificient-describe-big-data/166 (дата обращения 01.04.2020).
  • Pencheva I., EsteveM., Mikhaylov S.J. Big Data and AI - A transformational shift for government: So, what next for research? // Public Policy and Administration. 2018. № 35 (1). Р. 24-44.
  • Maciejewski M. To do more, better, faster and more cheaply: using big data in public administration // International Review of Administrative Sciences. 2017. № 83 (1S). Р. 120-135.
  • Аркин П.А., Богданова В.В., Шмелева С.А., Аркина К.Г. Методические вопросы закупочной логистики адгези-вов и компаундов химической отрасли России // Известия Санкт-Петербургского государственного экономического университета. 2021. № 5 (131). С. 110-119.
  • Höchtl J., Parycek P., Schöllhammer R. Big data in the policy cycle: Policy decision making in the digital era // Journal of Organizational Computing and Electronic Commerce. 2016. № 26 (1-2). Р. 147-169.
  • Brynjolfsson E., McAfee A. The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton & Company, 2014.
  • Janssen M., van der Voort H., Wahyudi A. Factors influencing big data decision-making quality // Journal of Business Research. 2017. № 70. Р. 338-345.
  • ХайдеггерМ. Вопрос о технике. Время и бытие: Статьи и выступления. М.: Республика, 1993. 445 с.
  • Kitchin R. The real-time city? Big data and smart urbanism // GeoJournal. 2014. № 79 (1). Р. 1-14.
  • Vydra S., Klievink B. Techno-optimism and policy-pessimism in the public sector big data debate // Government Information Quarterly. 2019. № 36 (4). Р. 27-38.
  • Van der VoortH.G., KlievinkA.J., ArnaboldiM., Meijer A.J. Rationality and politics of algorithms. Will the promise of big data survive the dynamics of public decision making? // Government Information Quarterly. 2019. № 36 (1). Р. 27-38.
  • Stewart J. Value conflict and policy change / In: Public Policy Values. Palgrave Macmillan, London, 2009. Р. 33-46.
  • Motupalli V. How Big Data is Changing Democracy // Journal of International Affairs. 2017. № 71 (1). Р. 71-80.
  • Бондарев В. Почему не заработал советский интернет? // Родина. 2007. № 7. С. 113-116.
  • СидороваА.А. Электронное правительство: повышение общественного участия в управлении государством // Государственное управление. Электронный вестник. 2017. № 62. С. 87-103.
  • Авдеева И.А. Анализ зарубежного опыта использования глобальных технологий «BigData» // Вестник евразийской науки. 2016. № 6 (37). С. 1-11.
  • Булгакова Е.В. Использование «больших данных» в системе государственного управления: условия, возможности, перспективы // Юридическая наука и практика: Вестник Нижегородской академии МВД России. 2015. № 3 (31). С. 10-14.
  • Двинских Д.Ю., Талапина Э. Риски развития оборота данных в государственном управлении // Вопросы государственного и муниципального управления. 2019. № 3. С. 7-30.
  • Савельев А. Проблемы применения законодательства о персональных данных в эпоху «Больших данных» (Big Data) // Право. Журнал Высшей школы экономики. 2015. № 1. С. 43-66.
  • Аркин П.А., Иванов М.Б., Бородина Е.П. Методические вопросы управления интеллектуальной собственностью, публикуемой на сайтах в информационно-телекоммуникационной сети "интернет" // Известия Санкт-Петербургского государственного экономического университета. 2018. № 1 (109). С. 80-87.
  • Соловейчик К.А. Концептуальные основы создания инновационных промышленных кластеров в России: монография. СПб.: Изд-во СПбГУЭФ, 2010. 127 с.
  • Аркин П.А., Соловейчик К.А. Кластерный подход как основа формирования производственных комплексов современной России // Известия Санкт-Петербургского университета экономики и финансов. 2010. № 3 (63). С. 23-26.
  • Аркин П.А., Соловейчик К.А. Менеджмент интеллектуальных ресурсов предприятий при формировании региональных кластеров // Проблемы современной экономики. 2009. № 4 (32). С. 126-130.
  • Соловейчик К.А. Методический подход к моделированию промышленных кластеров // Экономика и управление. 2011. № 1 (63). С. 42-45.
  • Голубев А.Г. Логистические подходы организации межфирменного взаимодействия в кластере: диссертация на соискание ученой степени кандидата экономических наук / Санкт-Петербургский государственный экономический университет. СПб., 2013.
  • Аркин П. А., Голубев А. Г. Методическое обеспечение взаимодействия промышленных предприятий внутри кластера: логистический подход // Известия Санкт-Петербургского университета экономики и финансов. 2013. № 1 (79). С. 33-38.
  • Аркин П.А., Голубев А.Г. Структуризация инновационного процесса в кластере: информационно-логистический метод // Известия Санкт-Петербургского государственного экономического университета. 2014. № 1 (85). С. 58-62.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp