Детальная информация

Тема выпускной квалификационной работы: «Многокритериальный поиск эффективных управленческих решений для повышения выживаемости и ускорения роста компаний в изменяющихся рыночных условиях методами анализа данных и машинного обучения». Данная работа посвящена исследованию зависимости выживаемости альянсов от различных бизнес-факторов и построению алгоритма множественного оптимизированного случайного лесы для выявления этих зависимостей. Задачи, которые решались в ходе исследования: Анализ существующих экономических бизнес-стратегий для поиска эффективных управленческих решений в изменяющихся рыночных условиях. Анализ исходных данных, исследование влияния независимых внешних переменных на характеристики выживаемости и роста компаний и альянсов, выявление наиболее важных факторов. Построение модели для алгоритма машинного обучения, осуществляющего выявление наиболее эффективных деревьев решений, используя соотношение данных по деятельности отдельных компаний и выживаемости альянсов. Программная реализация алгоритма машинного обучения. Исследование работы алгоритма на реальных данных. Работа проведена на базе двух главных источников – датасета с информацией об альянсах и группе датасетов из Бюро ван Дайк. Был проведен анализ данных, показывающий наглядно влияние бизнес-стратегий на компании в разные временные промежутки. Анализ проводился методами множественной линейной регрессии и модификацией алгоритма случайного леса. В результате был проанализирован рынок бизнес-стратегий, выделены ключевые слова и рассчитана модель взаимоотношений SIC-кодов. Построена модель множественной линейной регрессии и выявлены наилучшие параметры по p-значениям. Разработан алгоритм и модель множественного случайного леса. На основании проведенных исследований были выведены независимые переменные, оказывающие сильное влияние на выживаемость компаний. Также продемонстрировано, что МОСЛ показывает не только важные переменные, но и их взаимосвязи.

The subject of the graduate qualification work is «Multi-criteria search for effective management solutions to increase the survival and accelerate the growth of companies in changing market conditions by using data analysis and machine learning methods». The given work is devoted to studying the dependence of the survival of alliances on various business factors and the construction of an algorithm for multiobjective optimized random forests to identify these dependencies. The research set the following goals: Analysis of existing economic business strategies to find effectivemanagement solutions in changing market conditions. Analysis of initial data, research of the influence of independent externalvariables on the characteristics of survival and growth of companies and alliances, identification of the most important factors. Building a model for a machine learning algorithm that identifies the mosteffective decision trees using the ratio of data on the activities of individual companies and the survival of alliances. Software implementation of the machine learning algorithm. Research the work of the algorithm on real data. The work was made with two main sources - a dataset with information about alliances and a group of datasets from the Bureau van Dijk. Data analysis was made, which clearly showed the impact of business strategies on companies in different time periods. The analysis was carried out using multiple linear regression methods and a modification of the random forest algorithm. As a result, the market of business strategies was analyzed, keywords were identified, and a model of the relationship of SIC-codes was calculated. A model of multiple linear regression was built and the best parameters for p-values ​​were identified. An algorithm and a model for a multiobjective optimized random forest have been developed. Based on the conducted research, independent variables were derived that have a strong impact on the survival of companies. It has also been demonstrated that MORF shows not only important variables, but also their relationships.