Управление региональным информационным пространством в условиях цифровой экономики
DOI:
https://doi.org/10.17059/2018-4-11Ключевые слова:
цифровая экономика, технологическая революция, нейронет, управление, энтропийный подход, региональные информационные пространства, сетевая конвергенция, нейросетевые эффекты, инфраструктура, информатизацияАннотация
В статье на основе энтропийного подхода и метода определения синергетического эффекта от конвергенции информационных пространств, существующей в условиях цифровой нейросетевой экономики, предложена оригинальная авторская модель, в рамках которой посредством трехмерного моделирования построена поверхность, характеризующая возникающее в ходе сетевой конвергенции снижение энтропии кластеров информационных систем в региональном информационном пространстве. Данная модель характеризует изменения энтропии для кластеров информационных систем, обладающих, в соответствии с Реестром государственных информационных систем Санкт-Петербурга, наиболее характерными с точки зрения количества модулей, общей типологии, функционального назначения параметрами, а также учитывает диапазоны конкретных показателей, характеризующих реальные функционирующие в настоящий момент региональные информационные системы Санкт-Петербурга. Обоснован вывод о том, что возникающие в условиях цифровой экономики синергетические эффекты конвергенции влекут за собой снижение энтропии регионального информационного пространства. Выявлено, что с увеличением количества конвергируемых кластеров информационных пространств в них происходит устойчивое снижение энтропии. Указанные особенности позволяют численно охарактеризовать выявленные эффекты конвергенции и оценить влияние происходящих цифровых структурных трансформаций экономической системы на информационное пространство региона с точки зрения повышения эффективности управления им. Сформулирован вывод: чем большее количество информационных систем будет вовлечено в процессы цифровой конвергенции, тем более существенным будет снижение энтропии и, как следствие, повышение эффективности работы управленческих структур региональной экономической системы. Выявлено актуальное проблемное направление междисциплинарных исследований, заключающееся в том, что в современной цифровой нейросетевой экономике возникает целый класс новых нейросетевых (соционейроморфных) эффектов. Данное исследование имеет практическую значимость для разработки новых управленческих алгоритмов и принятия эффективных управленческих решений в условиях масштабной цифровизации и сетизации региональных и национальных управленческих структур.Библиографические ссылки
Lieberman, M. D. (2007). Social cognitive neuroscience: a review of core processes. Annu. Rev. Psychol., 58. 259–289. doi 10.1146/annurev.psych.58.110405.085654.
Varma, S., McCandliss, B. D. & Schwartz, D. L. (2008). Scientific and pragmatic challenges for bridging education and neuroscience. Educ. Res., 37, 140–152. doi 10.3102/0013189X08317687.
Glimcher, P. W. & Rustichini, A. (2004). Neuroeconomics: the consilience of brain and decision. Science, 306, 447–452.
Klyucharev, V. A., Shmids, A. & Shestakova, A. N. (2011). Neyroekonomika. Neyrobiologiya prinyatiya resheniy [Neuroeconomics: the neurobiology of decision-making] Eksperimentalnaya psikhologiya [Experimental Psychology], 2, 14-35. (In Russ.)
Romanovskiy, A. V. & Shokin, Ya. V. (2010). Neyroekonomika i eyo integratsiya v ekonomicheskuyu nauku [Neuroeconomics and its integration into economic science]. Ekonomicheskie nauki [Economic sciences], 70, 42-44. (In Russ.)
Solodov, A. K. (2015). Sistemnaya neyroekonomika. Opyt postroeniya modeli natsionalnoy ekonomicheskoy sistemy i obespechivayushchey eyo podsistemy finansovogo menedzhmenta. Model sotsialnogo rynka [System Neuroeconomics: the experience of building a model of the national economic system and the financial management subsystem providing it (a model of the social market)]. Moscow, 164. (In Russ.)
Tapscott, D. (1997). The Digital Economy: Promise and Peril In The Age of Networked Intelligence. McGraw-Hill, 368; 1-37. ISBN 0-07-063342-8.
Mesenbourg, T. L. Measuring the Digital Economy. U.S. Bureau of the Census. Retrieved from: http://www.census.gov/content/dam/ Census/library/working-papers/2001/econ/digitalecon.pdf (date of access: 03.04.2018).
Fournier, L. Merchant Sharing. Cornell University Library arXiv:1405.2051. Retrieved from: https://arxiv.org/pdf/1405.2051 (date of access: 18.04.2018).
Vayber, R. (2003). Empiricheskie zakony setevoy ekonomiki [Empirical laws of the network economy]. Problemy teorii i praktiki upravleniya [Theoretical and Practical Aspects of Management], 4, 86-91. (In Russ.)
Varian, H. R. (2005). Ekonomicheskaya teoriya informatsionnykh tekhnologiy. Sotsialno-ekonomicheskie problemy informatsionnogo obshchestva [Economic theory of information technologies: Social and economic problems of the information society]. In: L. G. Melnik (Ed.). Sumy: ITD “Universitetskaya kniga” Publ., 430; 265, 226. (In Russ.)
Knool, S. (2008). Cross-Business Synergies: A Typology of Cross-business Synergies and a Mid-range Theory of Continuous Growth Synergy Realization. Wiesbaden, 388.
Dyatlov, S. A. (2017). Eneyro-setevaya giperkonkurentnaya ekonomika. Monografiya [E-neural-network hypercompetitive economy]. St. Petersburg: SPbGEU Publ., 133. (In Russ.)
Bellaïche, J.-M., Chassaing, T. & Kapadia, S. Digital’s Disruption of Consumer Goods and Retail. The Boston Consulting Group. Retrieved from: https://www.bcg.com/publications/2012/retail-consumer-products-digitals-disruption.aspx (date of access: 18.04.2018).
Bughin, J. & Manyika, J. (2013). Internet matters: Essays in digital transformation. McKinsey & Company. New Media Australia, 236.
Karlik, A. E. & Platonov, V. V. (2016). Mezhotraslevyye territorialnyye innovatsionnye seti [Cross-Industry Spatially Localized Innovation Networks]. Ekonomika regiona [Economy of Region], 12(4), 1218-1232. doi: 10.17059/2016-4-22. (In Russ.)
Dyatlov, S. A. & Lobanov, O. S. (2017). NBIC Convergence as a Stage of Transition of Saint-Petersburg’s E-Government Information Space to the Sixth Techno-Economic Paradigm. Communications in Computer and Information Science, 745, 347-361. doi: 10.1007/978-3-319-69784-0_30.
Dyatlov, S. A., Lobanov, O. S. & Selischeva, T. A. (2017). Information space convergence as a new stage of e-governance development in Eurasian economic space. ACM International Conference Proceeding Series, Part F130282, 99-106. doi: 10.1145/3129757.3129775.
Kovalchuk, M. V. (2011). Konvergentsiya nauk i tekhnologiy – proryv v budushcheye [Convergence of sciences and technologies – breakthrough to the future]. Rossiyskie nanotekhnologii [Nanotechnologies in Russia], 6(1-2), 13–23. (In Russ.)
Koka, B. & Prescott, J. (2002). Strategic Alliances as Social Capital: A Multidimensional View. Strategic Management Journal, 23(9), 795–816.
Shannon, C. (1948). A mathematical theory of communication. Bell System Tech. J., 27, 379–423.
Hartley, R. V. L. (1928). Transmission of Information. Bell Syst. Tech. J., 7, 535–563.
Gavrilova, T. & Khoroshevsky, V. (2000). Bazy znaniy intellektual’nykh sistem: Uchebnik dlya vuzov [Knowledge bases in intellectual systems: Textbook for high schools]. St. Petersburg: Piter Publ., 384. ISBN 5-94723-449-1. (In Russ.)
Plassmann, H., Venkatraman, V., Huettel, S. & Yoon, C. (2015). Consumer neuroscience: applications, challenges, and possible solutions. J. Mark. Res., 52, 427–435. doi: 10.1509/jmr.14.0048.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2018 Дятлов Сергей Алексеевич, Лобанов Олег Сергеевич, Чжоу Вейди
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
