Высокие статистические технологии

Форум сайта семьи Орловых

Текущее время: Пт дек 09, 2022 1:37 am

Часовой пояс: UTC + 3 часа




Начать новую тему Ответить на тему  [ Сообщений: 326 ]  На страницу Пред.  1 ... 5, 6, 7, 8, 9  След.
Автор Сообщение
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб янв 22, 2022 4:04 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1096 от 24 января 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Познакомьтесь с докладами А.И. Орлова "Солидарная информационная экономика - основа новой парадигмы экономической теории", "Миф мировой науки" и "О развитии контроллинга организационно-экономических методов".



Орлов А.И.
д.э.н., д.т.н., к.ф.-м.н., директор Института высоких статистических технологий и эконометрики, профессор МГТУ им. Н.Э. Баумана
prof-orlov@mail.ru

Солидарная информационная экономика - основа новой парадигмы экономической теории

Ключевые слова: экономическая наука, парадигма, Аристотель, инновации, информационное общество, информационно-коммуникационные технологии, менеджмент, солидарная информационная экономика, цифровая экономика.
Keywords: economics, paradigm, Aristotle, innovations, information society, information and communication technologies, management, solidary information economy. digital economy.

1. Введение
Настало время отказаться от устаревшей парадигмы экономической теории, основанной на понятиях рыночной экономики и свободного предпринимательства, и перейти к новой, соответствующей реалиям цифровой экономики. Такой переход необходим для успешной реализации стратегии развития России в XXI веке. Будучи одним из наиболее цитируемых отечественных экономистов (по данным РИНЦ), считаю необходимым обратить внимание коллег на назревшую необходимость смены парадигмы и предложить в качестве основы новой парадигмы разрабатываемую нами солидарную информационную экономику.
Цифровая экономика основана на интенсивном использовании информационно-коммуникационных технологий в реальной экономике и управлении социально-экономическими структурами. Аппаратная база таких технологий - компьютеры, их сети и т.п. Научно-методическая база цифровой экономики активно разрабатывалась с 1940-х годов (а до этого момента была предыстория, которую можно отсчитывать от Лейбница). К настоящему времени количество новшеств перешло в качество. Накопленные научные и практические результаты привели к взрыву инноваций в менеджменте. Прежние технологии управления уходят в прошлое.
Какие воззрения и их практические реализации приходят на смену? Базовой экономической теорией становится разрабатываемая нами с 2007 г. солидарная информационная экономика (первоначальное название - неформальная информационная экономика будущего). Вслед за Аристотелем полагаем, что экономика - это наука о том, как управлять хозяйством. Развиваем идеи В.М. Глушкова (проект ОГАС), Ст. Бира (система Киберсин), В. Пол Кокшотта и Аллина Ф. Коттрелла (продемонстрировали возможность организации производства с целью непосредственного удовлетворения потребностей в масштабах страны или человечества в целом). Солидарная информационная экономика предназначена для замены рыночной экономики в качестве базовой экономической теории.

2. Базовая информация о цифровой экономике
Широко применяемые в современных публикациях понятия "инновационная экономика", "высокотехнологическая цивилизация", "общество знаний", "информационное общество" близки понятию "экономика знаний". К этому понятийному ряду можно добавить и появившийся позже термин "цифровая экономика". Современной цифровой экономике посвящена наша монография [1]. Упомянем также "искусственный интеллект".
Руководство нашей страны уделяет большое внимание развитию цифровой экономики. Правительство РФ распоряжением от 28.07.2017 № 1632-р утвердило программу «Цифровая экономика Российской Федерации». Этот документ разработан по указанию Президента РФ, озвученному им в ежегодном Послании Федеральному Собранию РФ 1 декабря 2016 года. Указом Президента Российской Федерации № 215 от 15 мая 2018 года создано Министерство цифрового развития, связи и массовых коммуникаций РФ (на базе Министерства связи и массовых коммуникаций РФ). При этом под цифровой экономикой понимается "хозяйственная деятельность, в которой ключевым фактором производства являются данные в цифровом виде, обработка больших объемов и использование результатов анализа которых по сравнению с традиционными формами хозяйствования позволяют существенно повысить эффективность различных видов производства, технологий, оборудования, хранения, продажи, доставки товаров и услуг" [2].
Таким образом, цифровая экономика основана на интенсивном использовании информационно-коммуникационных технологий в реальной экономике и в управлении конкретными социально-экономическими структурами. Аппаратная (техническая и программная) база таких технологий - компьютеры, сети (как Интернет, так и корпоративные, закрытые для внешних пользователей), облачные хранилища данных и т.п. Как уже отмечалось, научно-методическая база современной цифровой экономики активно разрабатывалась по крайней мере с 1940-х годов (более ранние работы Лейбница, Тьюринга, Поста и др. были одиночными). Однако в настоящее время количество информационно-коммуникационных разработок перешло в качество. Накопленные научные результаты и опыт практического применения привели к взрыву инноваций в менеджменте. Прежние технологии управления, как мы наблюдаем, уходят в прошлое. Каким будет будущее? Обсудим прогнозируемое развитие цифровой экономики.

3. Цифровая экономика как современный этап развития информационно-коммуникационных технологий
Цифровизация является и вызовом, и актуальным "окном возможностей" резкого технологического и экономического скачка. На примере цифровой энергетики это утверждение убедительно обосновали сотрудники Института проблем управления РАН [3]. Обсудим состояние и перспективы цифровой экономики с точки зрения инноваций в менеджменте.
Термин "цифровая экономика" имеет как достоинства, так и недостатки. Основное достоинство - краткость. Один из недостатков - начальное слово в термине "цифровая" нельзя понимать как относящееся к набору из 10 арабских цифр, используемых в арифметике. Ближе к сути цифровой экономики слова "информация" (в том числе словесная) и "компьютер". Другой недостаток - второе слово "экономика" относится к взаимоотношениям людей в процессах производства и распределения, а эти взаимоотношения нельзя считать исключительно "цифровыми". Однако термин "цифровая экономика" широко распространен, закреплен в нормативных документах, поэтому будем его использовать вместо ранее распространенных синонимов.
Широко известны исследования Н. Винера в области цифровой экономики [4]. В середине ХХ в. цифровую экономику назвали экономической кибернетикой, рассматривая ее как часть кибернетики - новой научной области, получившей наименование по названию книги Н. Винера [5], впервые выпущенной в 1948 г. Уже на первоначальном этапе развития кибернетики рассматривались многие проблемы, которые только сейчас стали актуальны для большинства экономических субъектов. Например, влияние роботизации (во времена Винера - автоматизации) на занятость.
В нашей стране в те же пятидесятые годы активно обсуждалась возможность автоматизации управления народным хозяйством (А.И. Берг, А.И. Китов, А.А. Ляпунов). Затем пришло - и весьма быстро (шестидесятые - семидесятые годы) - время грандиозного проекта общегосударственной автоматизированной системы ОГАС (В.М. Глушков), реально реализованной в Чили системы управления экономикой страны Киберсин (Ст. Бир), различных АСУ (автоматизированных систем управления), том числе предназначенных для управления большими системами, например, такими, как военно-морской флот. В Центральном экономико-математическом институте (ЦЭМИ) АН СССР была разработана развернутая система оптимального функционирования экономики СОФЭ. Много было сделано в области применения подходов цифровой экономики (в лице кибернетики) на предприятиях.
После смены экономической системы в наше стране на рубеже 1990-х годов цифровая экономика стала разрабатываться прежде всего на микроуровне (на уровне предприятий и организаций).
Концепции, технологии, системы информатизации бизнеса были разработаны А.М. Карминским и его соавторами [6]. Ими была разработана методология создания информационных систем в экономике, обобщена практика использования таких систем.
Большое количество учебников и монографий посвящено информационному менеджменту на предприятии, экономической эффективности внедрения информационных технологий , информационным системам управления производственной компанией, менеджменту в области информационно-коммуникационных технологий.
Применение инструментария цифровой экономики не ограничивается сферой производства. Так, в настоящее время весьма интенсивно обсуждаются проблемы высшего и среднего образования, например. информационно-коммуникационные технологии в компетентностно-ориентированном образовании.
Многообразным аспектам цифровой экономики посвящено огромное количество публикаций. Мы рассмотрели лишь некоторые из них, отобрав наиболее интересные для нас. Добавим к списку две наши монографии. Перспективные математические и инструментальные методы контроллинга обсуждаются в [7]. Инструментальные методы - это методы, основанные на использовании компьютеров для анализа информации, т.е. методы цифровой экономики. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента рассматриваем в рамках цифровой экономики [8].
Различные аспекты цифровой экономики постоянно обсуждаются на страницах научной периодики, в частности, выпускаемых нашим научным коллективом журналов "Контроллинг" и "Инновации в менеджменте". Рассмотрим только два номера журнала "Инновации в менеджменте" (2018. №№ 3, 4). В передовой статье С.Г. Фалько анализирует бизнес-модели новых предприятий в условиях перехода к цифровой экономике. Экономической диагностике облачных решений (на примере office 365) посвящена работа К. Мамедова и Т.Н. Рыжиковой. Особенности управления человеческим капиталом на предприятиях в условиях цифровой экономики обсуждают Н.Р. Кельчевская и Е.В. Ширинкина. Цифровая трансформация финансового сектора - предмет статьи С.Ю. Перцевой.
Вполне естественно, что в большинстве публикаций по цифровой экономике рассматриваются те или иные конкретные предметные области или стороны. Однако необходимо обсудить бурное развитие цифровой экономики в целом. С какими вызовами мы сталкиваемся? Какое влияние это развитие окажет на хозяйственную деятельность в целом? Какое "окно возможностей" раскрывает цифровая экономика? Почему можно ожидать, что она приведет к резкому технологическому и экономическому скачку?

4. Цифровая революция
Как часто говорят и пишут, цифровизация - четвёртая промышленная революция. Количество инноваций в области применения информационно-коммуникационных технологий в экономике и управлении перешло в качество. Приведем примеры.
Менее двух десятилетий назад - в 2001 г. - мобильные телефоны были, по нашим данным, лишь у 1% населения России. Тогда обсуждали электронный документооборот как новшество. А сейчас всемирный Интернет позволяет нам забыть об офисной работе, привязке к определенному городу и стране. Теперь можно работать над самыми серьезными задачами в команде, члены которой разбросаны по всему миру. Удаленная работа и виртуальные организации без офисов становятся нормой. Не надо ездить в командировки, вопросы можно обсудить и решить с помощью целого ряда информационно-коммуникационных технологий. Горячие головы хотят и образование сделать цифровым.
Констатируем прогрессирующее сокращение (вплоть до ликвидации) слоя посредников. Так, судьба турагентств незавидна: зачем потенциальным клиентам к ним обращаться, когда можно самостоятельно заказать билеты и номер в отеле? Интернет-журнал Factinteres привел примеры профессий, которые в ближайшем будущем перестанут существовать: телефонный оператор, спортивный судья, работник конвейера, туристический агент, диспетчер такси, кассир, водитель такси. Публикуют и более длинные списки профессий, которые исчезнут в ближайшие десятилетия, а также и списки тех, которые появятся. Например, "приговорены" бухгалтеры и преподаватели. Менеджеров, занимающихся кредитами в банках, заменяет искусственный интеллект.
Намечаются изменения и в политической сфере. Место структур представительной демократии постепенно занимают процедуры прямого действия, основанные на голосовании миллионов через Интернет. Примером являются процедуры, применяемые онлайн-платформами Avaaz.org и Change.org.
По мнению ряда специалистов, общество потребления уходит в прошлое. В последние годы мировое сообщество стало больше обращать внимание на то, что заимствование намного экономнее и удобнее обычной покупки. Финансовый кризис 2008 год стал своеобразным катализатором изменений в мировой экономике, появился абсолютно новый феномен — sharing economy, т.е. "совместное владение", в основе которого лежат не привычные нам отношения "купи-продай", а аренда. Sharing economy опирается на цифровые технологии.
Эссе "Мир будущего - ни привычной работы, ни частной собственности, ни личного пространства" написала член парламента Ида Аукен к Мировому экономическому форуму 2017 года (ранее она занимала пост министра экологии Дании). Она пишет: "Мне ничего не принадлежит. У меня нет своей машины. Нет дома. У меня нет бытовых приборов или своей одежды. Это может показаться вам странным, но для нас, жителей города, такая жизнь кажется идеальной. Все, что раньше считалось продуктом, теперь стало услугой. У нас есть доступ к транспорту, жилью, еда и всему, что необходимо в повседневной жизни. Одна за другой эти вещи стали бесплатными, и в итоге у нас не было смысла владеть чем-то" [9] (Auken, 2016).
В цифровой экономике информация становится общедоступной (сначала - для силовых структур). Исчезает само понятие конфиденциальности, коммерческой тайны. Неприкосновенность частной жизни уходит в прошлое. Передвижения граждан (в частности, в автомобилях), письма, переговоры фиксируются на электронных носителях. В ближайшей перспективе становятся ненужными банковские карты, документы, ключи, наличные деньги. Решения о допуске к перечисленным благам будет принимать искусственный интеллект на основе биометрических данных. Ясно, что в цифровом обществе понятия конкуренции и свободы предпринимательства должны быть преобразованы.

5. Цифровая экономическая теория
В новой ситуации нужна новая экономическая теория. Для ее разработки целесообразно обратиться к истокам экономической науки.
Согласно определению Аристотеля, экономика – это хозяйственная деятельность, направленная на удовлетворение естественных потребностей человека [10]. В XIX-ХХ вв. мировая экономика превратилась в свой антипод – хрематистику: обогащение стало самоцелью, различные финансовые спекуляции подменили реальное производство, власть постепенно переходила к наднациональным хозяевам денег – банкирам-ростовщикам. Вместо удовлетворения потребностей людей - упор на прибыль. В теоретическом осмыслении хозяйственной деятельности стала господствовать рыночная экономика. Хотя по оценке американского экономиста и теоретика менеджмента П. Друкера, 1873 г. – «конец эры либерализма – конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику» [11], до сих пор в сознании российских исследователей и практических работников продолжает господствовать рыночная риторика.
Вернуться на путь Аристотеля позволяет разрабатываемая нами солидарная информационная экономика, развивающая идеи ОГАС В.М. Глушкова и системы "Киберсин" Ст. Бира. Первая Интернет-публикация по этой теории сделана нами 11 июня 2007 г. (http://forum.orlovs.pp.ru/viewtopic.php?f=2&t=570). На 08.01.2020 этот ресурс просмотрен более 227,9 тыс. раз, что свидетельствует об интересе специалистов. Основные идеи солидарной информационной экономики впервые были сформулированы в статье [12]. Список публикаций по солидарной информационной экономике (первоначальное название - неформальная информационная экономика будущего) на 08.01.2020 включает 59 названий (http://forum.orlovs.pp.ru/viewtopic.php?f=2&t=951). Основные результаты отражены в монографии [1], публикациях 2019 г. [13-16].

6. Кратко о некоторых основных идеях солидарной информационной экономики
Согласно [1] cначала необходимо выявить потребности (т.е. задать цель работы социально-экономической системы). Затем планируем действия по удовлетворению этих потребностей. В качестве инструментальных методов укажем на оптимизационные алгоритмы (прежде всего на алгоритмы линейного программирования) и межотраслевой баланс Леонтьева. Как показали шотландские экономисты Кокшот и Котрелл [17, 18], мощности компьютеров к концу ХХ в. достигли такого уровня развития, что стало возможным провести расчеты, во-первых, для всех производимых товаров и услуг, во-вторых, для всего Земного шара. Отсюда, в частности, следует, что работавший в СССР Госплан в принципе не мог полностью выполнять свою задачу (планирование деятельности народного хозяйства) из-за низкой производительности компьютеров. Недостатки в работе Госплана в СССР были неизбежны. И такие недостатки хорошо известны.
Если планирование не вызывает принципиальных сложностей, то разработка методов целеполагания требует дальнейших исследований. Идея сетевого общества и сетевой демократии [1] должна быть дополнена инструментарием экспертных оценок.
В соответствии с [1] кратко рассмотрим шестишаговую схему применения солидарной информационной экономики для повышения эффективности процессов управления в крупной корпорации (как примере крупномасштабной экономической системы), организации (предприятия) которой находятся в различных регионах.
1. Выделение ЗАДАЧ, для решения которых привлекаются и/или будут привлекаться эксперты.
2. После составления и гармонизации СИСТЕМЫ ЗАДАЧ (в управленческих терминах) составляем систему МОДЕЛЕЙ ЭКСПЕРТИЗ (описываем систему «черных ящиков», т.е. систему «входов» - «выходов») в терминах организационно-экономического моделирования экспертной деятельности.
3. На основе МОДЕЛЕЙ разрабатываем (адаптируем или вновь предлагаем) МЕТОДЫ экспертных исследований (т.е. сбора и анализа экспертных оценок, на пути от «входа» к «выходу»).
4. На основе МЕТОДОВ выявляем ТРЕБОВАНИЯ к экспертам (включая внешних), а также к регламентам экспертных процедур (т.е. «условия применимости» экспертных методов), включая регламенты формирования сети (реестра) экспертов, формирования экспертной комиссии (ЭК), заданий экспертам, процедурам сбора и анализа мнений экспертов, выработки заключений ЭК.
5. Формируем основы НТД (нормативно-технических документов) по созданию и деятельности СИСТЕМЫ ЭКСПЕРТИЗ Компании.
6. Разрабатываем пошаговую процедуру и график внедрения проекта по созданию СИСТЕМЫ ЭКСПЕРТИЗ Компании.
Новизна научных основ проекта «Сеть экспертов» состоит, в частности, в том, что вместо отдельных экспертных комиссий, предназначенных для проведения конкретных экспертиз, строим СЕТЬ ЭКСПЕРТОВ, работающую постоянно и являющуюся составной частью системы управления корпорации. Сеть экспертов действует в постоянном контакте (и в переплетении) с системой принятия управленческих решений. Сетевая корпоративная экспертная структура является открытой – любой сотрудник через корпоративную информационную систему может включиться в эту структуру (как эксперт с совещательным голосом).
Таким путем в рамках отдельно взятой конкретной корпорации реализуются основные идеи солидарной информационной экономики и открытого сетевого общества. Имеем в виду прежде всего ракетно-космическую промышленность, к которой относятся многие наши работы (см., например, [8]).
Эффективность применения подходов солидарной информационной экономики в государственном и муниципальном управлении, международной деятельности, планировании и контроле в масштабах Земного шара не вызывает сомнений.

Выводы
Мы рассматриваем цифровую экономику как современный этап развития информационно-коммуникационных технологий, основанных на использовании компьютеров и сетей. Проанализировано многообразие исследований в области цифровой экономики. Количество инноваций в области информационно-коммуникационных технологий в экономике и управлении перешло в качество - имеем дело с четвёртой промышленной революцией. В современных условиях нужна новая (цифровая) экономическая теория. В качестве таковой предлагаем солидарную информационную экономику, основанную на идеях Аристотеля, Глушкова, Ст. Бира и других.

Список литературы

1. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
2. Стратегия развития информационного общества в Российской Федерации на 2017 – 2030 годы (утв. Указом Президента РФ от 09.05.2017 № 203).
3. Воропай Н.И., Губко М.В., Ковалев С.П. и др. Проблемы развития цифровой энергетики в России // Проблемы управления. 2019. № 1. С. 2-14.
4. Винер Н. Кибернетика и общество. - М.: Изд-во иностранной литературы. 1958. - 200 с.
5. Винер Н. Кибернетика, или управление и связь в животном и машине. 1948-1961. - 2-е издание. - М.: Наука; Главная редакция изданий для зарубежных стран, 1983. - 344 с.
6. Информатизация бизнеса: концепции, технологии, системы / А.М. Карминский, С.А. Карминский, В.П. Нестеров, Б.В. Черников; Под ред. А.М. Карминского. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2004. - 624 с.
7. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф. С.Г. Фалько. Монография (научное издание). – Краснодар, КубГАУ. 2015. – 600 с.
8. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
9. Auken Ida, Parliament of Denmark. Welcome to 2030. I own nothing, have no privacy, and life has never been better - 2016. URL: https://www.weforum.org/agenda/2016/11/ ... t-that-is/ (дата обращения 08.01.2020).
10. Аристотель. Политика // Сочинения в 4-х томах. - М:, Мысль, 1983. Т.4. - 830 с.
11. Друкер П.Ф. Новые реальности в правительстве и политике, в экономике и бизнесе, в обществе и мировоззрении: Пер. с англ. - М.: Бук Чембэр Интернэшнл, 1994. - 380 с.
12. Орлов А.И. Неформальная информационная экономика будущего. // Неформальные институты в современной экономике России: Материалы Третьих Друкеровских чтений. - М.: Доброе слово: ИПУ РАН, 2007. – С.72-87.
13. Орлов А.И. Аристотель и цифровая экономика // Biocosmology – neo-Aristotelism. Vol. 9, Nos. 1&2, Winter/Spring 2019. С. 7-20.
14. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
15. Орлов А.И. Цифровая экономика, инновации в менеджменте, контроллинг и идеи Аристотеля // Информационное общество и цифровая экономика: глобальные трансформации. Материалы IV Национальной научно-практической конференции (Краснодар, 23 - 25 мая 2019 г.). - Краснодар: Издательство: Кубанский государственный университет, 2019. - С. 44-56.
16. Орлов А.И., Сажин Ю.Б. Инновации в менеджменте, экология, хрематистика и цифровизация // Инновации в менеджменте. 2019. № 4(22).
17. Cockshott W. Paul and Cottrell Allin F. Information and Economics: A Critique of Hayek. November 1996. [Электронный ресурс]. URL: http://ricardo.ecn.wfu.edu/~cottrell/so ... itique.pdf (дата обращения 08.01.2020).
18. Кокшотт П. Расчёт в натуральной форме: от Нейрата до Канторовича. Перевод С. Маркова под ред. С. Голикова и Д. Левыкина [Электронный ресурс]. URL: http://left.ru/2009/6/cockshott188.phtml (дата обращения 08.01.2020).

Публикация:
1156. Орлов А.И. Солидарная информационная экономика - основа новой парадигмы экономической науки / Россия: Тенденции и перспективы развития. Ежегодник. Вып. 15: Материалы XIX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения». Ч. 1 / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2020. –С. 163-167.
http://ukros.ru/archives/22646
http://innclub.info/archives/16770
https://www.academia.edu/42202130/



Орлов А.И.
д.э.н., д.т.н., к.ф.-м.н., профессор, директор Института высоких статистических технологий и эконометрики, профессор МГТУ
prof-orlov@mail.ru

Миф мировой науки

Ключевые слова: наука, управление, миф, наукометрия, число цитирований, библиографические базы данных.
Keywords: science, management, myth, scientometrics, number of citations, bibliographic databases.

В послании Федеральному собранию 15 января 2020 г. президент России В.В. Путин подчеркнул, что «суверенитет нашего народа должен быть безусловным», и предложил внести в Конституцию норму, окончательно закрепляющую верховенство российского законодательства над международным. Рассмотрим ситуацию в управлении наукой с позиций этого предложения В.В. Путина. Ключевым вопросом является отношение к понятию «мировая наука».
В среде научных работников культивируется миф мировой науки. Согласно нему предполагается, что каждое новое исследование - это кирпичик в здание мировой науки. Научный работник должен быть знаком с достижениями своих коллег как отечественных, так и зарубежных. В свою очередь, он обязан донести свои результаты до исследователей всех стран.
Мой полувековой опыт научной деятельности говорит о том, что эти утверждения - миф, причем миф вредный. Статья посвящена обсуждению различных сторон этого мифа и его разоблачению.
Защитники мифа будут пытаться перейти на личность автора статьи. Поэтому начнем с объективной оценки вклада автора в науку. Более полувека назад в фундаментальной монографии В.В. Налимова и З.М. Мульченко [1] установлено, что объективной оценкой вклада ученого науку является число цитирований его публикаций в дальнейших научных работах. Автор является одним из наиболее цитируемых отечественных исследователей по экономике и математике, в чем легко убедиться, взглянув на данные Российского индекса научного цитирования. На 22 января 2020 г. в РИНЦ зарегистрировано 522 публикации автора настоящей статьи, 13572 цитирования, индекс Хирша 40. Сопоставьте со своими данными.
Надо уточнить, что речь идет о фундаментальной науке. Научные исследования разделим на прикладные и фундаментальные. Прикладные научные исследования выполняются в интересах определенных заказчиков, которые и оценивают их успешность. Публикация полученных научных результатов не всегда целесообразна. Ограничения накладывает необходимость соблюдения государственной или коммерческой тайны. Для фундаментальных исследований нет таких заказчиков, поскольку их результаты никому конкретно не нужны. Фундаментальные научные исследования нацелены на приращение знания. Такое приращение когда-то в будущем (но весьма редко) может дать полезные практические результаты. Поэтому результативность фундаментальных научных исследований приходится оценивать по их вкладу в информационный процесс развития науки, по тому, как публикация использовалась в работах дальнейших исследователей, т.е. по показателям цитируемости. Из двух работ та оказала большее влияние на развитие науки, которую больше цитируют. Хотя к этому базовому утверждению можно дать ряд комментариев (см., например, [2]), его глубинная истинность не вызывает сомнений.
Как подсчитать число цитирований научной работы? Такая возможность появилась только в эпоху цифровой экономики и больших данных, когда можно осуществить сплошной поиск по широкой совокупности открытых информационных ресурсов. Точнее говоря, в мире действует ряд баз данных и построенных на их основе индексов цитирования.
Пишут, что «Российский индекс научного цитирования (РИНЦ) — библиографическая база данных научных публикаций российских учёных». Действительно, значительное число работ российских ученых отражено в РИНЦ, в частности, опубликованные в журналах «списка ВАК» (перечень ведущих рецензируемых научных журналов, включённых Высшей аттестационной комиссией России в список изданий, рекомендуемых для опубликования основных научных результатов диссертации на соискание ученой степени кандидата и доктора наук). Но отнюдь не все высококачественные издания индексируются в РИНЦ. Например, РИНЦ игнорирует журнал «Экономист» (прежнее название «Плановое хозяйство»), издаваемый с 1924 г., ежегодник «Статистические методы оценивания и проверки гипотез», выпускаемый с 1976 г., журнал «Биокосмология – нео-Аристотелизм» (Bilingual Electronic Journal of Universalizing Scientific and Philosophical Research based upon the Original Aristotelian Cosmological Organicism). Хорошо известно, что РИНЦ не индексирует часть российских научных публикаций. Тем не менее, по нашей экспертной оценке, РИНЦ дает достаточно адекватное представление о российской науке [3].
Из западных библиографических баз данных научных публикаций российским администраторам в области науки наиболее известны две - Скопус (Scopus) и WoS (Web of Science). Разработчиком и владельцем Scopus является западная издательская корпорация Elsevier (Амстердам, Нидерланды). До 2016 года система WoS разрабатывалась и принадлежала компании Thomson Reuters, с 3 октября 2016 года управляется новой независимой компанией — Clarivate Analytics (Филадельфия, Пенсильвания, США). Есть много других библиографических баз данных научных публикаций как общих (например, Академия Google), так по отдельным группам научных специальностей (например, Agris - по всем вопросам сельского хозяйства и смежным с сельским хозяйством областям).
Весьма важно, какие публикации индексируются в той или иной базе данных. В связи с этим обстоятельством необоснованность некоторых широко распространенных утверждений поражает. Например, на основе данных библиографической базы Scopus утверждают, что вклад России в мировую науку составляет порядка 1% (ссылок не даем, чтобы не пропагандировать недостойные работы и их авторов). Однако в указанную базу включено более 6000 американских журналов и только около 200 — российских (а только в «списке ВАК» — несколько тысяч российских журналов). Нельзя удивляться малой цитируемости отечественных работ — просматривается один российский журнал на 30 американских! Если же сделать напрашивающуюся поправку — умножить на 30, чтобы уравнять число индексируемых журналов — то получим, что оценка доли России — 30 %, что вполне сопоставимо с американской долей (28,7 %).
Миф мировой науки имеет ряд составляющих (см. также [4]).
Одна из составляющих этого мифа - необходимость тщательного знакомства с зарубежными публикациями, имеющими отношение к тематике работы отечественного исследователя. Следствием является требование к списку цитируемых статей и книг - зарубежные публикации должны составлять в нем десятки процентов. На самом же деле начинать исследование вполне можно с постановки важной (для исследователя) задачи, не беспокоясь о том, что о ней думают в России или за рубежом. Для дальнейшего развития могут пригодиться публикации российских ученых. Зарубежные статьи нужны лишь тогда, когда нет отечественных по той же тематике. Чем дальше ученый развивает свою тематику, тем больше ему приходится ссылаться на свои собственные предыдущие публикации и тем меньше - на внешние, отечественные и тем более зарубежные.
В качестве примера рассмотрим историю развития новой области прикладной статистики - статистики нечисловых данных [5]. Предыстория (1970-е годы) была связана с осознанием зарубежного опыта, но на основе переводов книг, а не поиска оригинальных западных статей. С момента выделения новой области (1979 г.) доля ссылок на зарубежных авторов монотонно падает, проводится цитирование внутри статистики нечисловых данных, т.е. цитирование отечественных авторов. Мы оказались настолько впереди зарубежья, что оглядываться на него не имеется смысла, это не приносит пользы.
Вторая составляющая мифа мировой науки - якобы имеется необходимость сообщить свои научные результаты мировому научному сообществу, причем почему-то англоязычному. Мировое сообщество либо игнорирует такие попытки, либо набрасывается на ценные идеи, порождая клубок публикаций, в котором уже и не разглядишь исходную отечественную идею. Можно привести образное сравнение. Отечественный ученый изготовил, скажем для примера, стол. Западному ученому стол понравился, и он решил его доработать - покрасил один угол. Второй покрасил ножку, третий - ящик, и т.д. В результате наблюдаем клубок публикаций. Как выглядит цитирование? Первый доработчик цитирует отечественного автора. Второй - пишет, что продолжает работу первого. Третий - развивает идеи второго. Основополагающий вклад россиянина забывается, не находит отражения в цитируемости. Этот эффект хорошо знаком историкам технических изобретений - исходная российская идея забивается доработчиками, и в настоящее время многие и не знают, что мобильный телефон, персональный компьютер и Интернет были изобретены в нашей стране.
Опубликовать статью на английском языке за рубежом — это возможность продемонстрировать, как ценят автора этой статьи во всем мире. И совсем неважно, что для соотечественников знакомство с этой статьей будет затруднено - как из-за трудностей при обращении к журналу, так и из-за языковых проблем. Зато специалисты в англосаксонских странах, являющихся геополитическими конкурентами нашей страны, совершенно бесплатно получают в свое распоряжение научные результаты, найденные на деньги российских налогоплательщиков [6]. Более того - перевод и оплата публикаций производится также за российский счет.
Резкий контраст со сравнительно недавними реалиями ХХ в., когда наши статьи переводились на английский западными партнерами, а авторы получали гонорары за переводы. Или вспомним работу фонда Сороса - в ответ на краткое изложение своих результатов (на русском) получали доллары. Сейчас все расходы переложены на российских авторов и организации, в которых они работают.
Кому выгодна такая глобализация? В современных условиях — геополитическим конкурентам нашей страны. Патриотизм означает, что заботиться надо прежде всего о своей стране, а не о геополитических конкурентах.
Из мифа мировой науки вытекают административные меры. Во многих российских научных организациях и вузах введены нормативы по публикациям статей в журналах, индексируемых в базах данных Scopus (Скопус) и Web of Science (WoS), а за публикацию таких статей их авторы получают внушительные выплаты. Если за нефть и газ западные потребители платят отечественным добытчикам, то научные результаты отдаем бесплатно, да еще и платим за доставку из своего кармана.
Развивая анализ мифа мировой науки, обсудим влияние внешнего мира на российскую науку и, наоборот, российской науки на внешний мир.
Бесспорно, что основная проблема современной науки - всеобщее невежество научных работников, вызванное огромными залежами накопленных научных результатов [2]. Нужно ли искать жемчужное зерно в этих залежах? Очевидно, службы научной разведки должны отслеживать движение мысли и научные достижения геополитических конкурентов. В фундаментальной науке функции научной разведки возложены на ВИНИТИ РАН. Выпуски выпускаемого этим институтом реферативного журнала охватывают основные отрасли науки.
Заметно большее значение, чем информация о заокеанской активности, имеет анализ отечественных достижений. Для преодоления естественного невежества проводят научные конференции и семинары, публикуют обзоры. Однако за последние десятилетия число участников конференций и семинаров уменьшилось по крайней мере на порядок. Одна из причин заключается, видимо, в том, что научные работники во многом переключились с проведения исследований на добычу средств, обеспечивающих потребности нижних этажей пирамиды Маслоу. Подготовка обзоров также сократилась - ведь в них нет новых научных результатов. Между тем читают обзоры в несколько раз чаще, чем оригинальные статьи. Сказанное объясняет, почему в настоящее время отсутствует целостное представление о развитии отечественной науки. Выработкой такого представления должны во много раз активнее заниматься специальные службы научно-информационные службы, продукция которых нацелена как на российских исследователей, так и на зарубежных специалистов. Именно такие службы должны представлять отечественную науку за рубежом, в то время как отечественным ученым естественно работать на Россию, а не на Запад.
Итак, миф мировой науки - инструмент антироссийской деятельности, в том числе пропаганды преклонения перед Западом и присвоения российской интеллектуальной собственности.
Ряд положений настоящей статьи высказывался и другими авторами. Например, член-корреспондент РАН Лев Александрович Грибов (лауреат Государственной премии РФ, заслуженный деятель науки России, профессор, доктор физико-математических наук, главный научный сотрудник Института геохимии и аналитической химии им. В.И. Вернадского РАН), доказывая необходимость собственных (т.е. российских) научных журналов, подчеркивает: «российские ученые должны работать на Россию» [8].
Развитию отечественной науки мешают еще и необоснованные попытки помешать естественному информационному процессу распространения информации. Так, президент РАН возмущается, что у ряда авторов «одна и та же статья была напечатана неоднократно с косметическими правками текста (а иногда даже и без них) в разных журналах» [9]. Действительно, многие тексты Александра Сергеевича Пушкина, Льва Николаевича Толстова и других авторов были напечатаны «неоднократно с косметическими правками текста (а иногда даже и без них)». Какое безобразие! Надо принять меры ...
Суть дела проста. Статьи печатают, чтобы распространять информацию. Ясно ведь, что, например, социологи или экономисты никогда не будут читать статьи по математическим методам исследования в журнале «Заводская лаборатория. Диагностика материалов». Значит, приходится им рассказывать отдельно. Президент РАН оторван от реального развития науки и живет представлениями узкого клана, в котором все друг друга знают - как по трудам, так и лично. Причем клана давнего, с соответствующей инфраструктурой - набором организаций, журналов, конференций и других научных институций.
К чему приведут гонения на повторные публикации? К значительной потере эффективности развития науки как информационного процесса (см. название книги В.В. Налимова и М. Мульченко [1]) из-за искусственного сокращения единиц распространения информации. Особенный ущерб понесут недавно возникшие мультидисциплинарные направления, не успевшие обзавестись своими журналами.
Подведем итоги. Как обосновано еще полвека назад [1] и подтверждено нашими исследованиями [2], основным наукометрическим показателем, по которому надо оценивать научную деятельность отдельного российского исследователя, научного коллектива (лаборатории, отдела, кафедры или организации), является число цитирований в РИНЦ (именно в РИНЦ, а не в западных базах данных!). Ориентация на зарубежные базы данных Скопус и WoS наносит вред интересам нашей страны [5], поскольку при этом игнорируется основная часть отечественной научной продукции, усилия исследователей направляются на достижение ложных целей (в частности, на подготовку статей на английском языке и пробивание их в англоязычные журналы, индексируемые в Скопус и WoS). Миф мировой науки соответствует представлению о России как о колонии англосаксов, в которой российская наука платит дань победителям, преподнося им свои научные результаты в виде, полностью подготовленном для бесплатного потребления англоязычными специалистами.

Список литературы
1. Налимов В.В., Мульченко З.М. Наукометрия. Изучение науки как информационного процесса. — М.: Наука, 1969. — 192 с.
2. Лойко В.И., Луценко Е.В., Орлов А.И. Современные подходы в наукометрии: монография / Под науч. ред. проф. С. Г. Фалько. – Краснодар: КубГАУ, 2017. – 532 с.
3. Орлов А.И. Методы анализа и оценки результатов научной деятельности с позиций контроллинга науки // Россия: тенденции и перспективы развития. Ежегодник. Материалы XVIII Международной научной конференции и других мероприятий, проведенных в рамках Общественно-научного форума «Россия: ключевые проблемы и решения» / Отв. ред. В.И. Герасимов. - М.: ИНИОН РАН, 2019. - С. 693-695.
4. Гринченко С.Н. Является ли мировая наука «организмом»? // Биокосмология – нео-Аристотелизм. 2014. - Т. 4, № 1–2. – С. 115–122.
5. Орлов А.И. Статистика нечисловых данных за сорок лет (обзор) // Заводская лаборатория. Диагностика материалов. 2019. - Т. 85, № 11. - С. 69-84.
6. Орлов А.И. Контроллинг научной деятельности // Контроллинг. 2019. - № 71. - С. 18-24.
7. Милек О.В., Шмерлинг Д.С. О продвижении университета на международном академическом «рынке» // Наукометрия и экспертиза в управлении наукой: сборник статей / Под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева. – М.: ИПУ РАН, 2013. – С. 139-143.
8. Грибов Л.А. Собственные научные журналы. Нужны ли они? // Троицкий вариант - Наука. 2018. - 24 октября.
9. Сергеев А.М. Не жалейте академиков // Российская газета. – М., 2020. - 14 января.

(http://innclub.info/archives/11597 )
http://innclub.info/archives/16615

Публикация:
1160. Орлов А.И. Миф мировой науки / Большая Евразия: Развитие, безопасность, сотрудничество. Ежегодник. Вып. 3. Ч. 1. Материалы XIX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения». Ч. 2 / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2020. – С.687 - 689.



УДК 005.521:633.1:004.8; JEL: C00, L00

О развитии контроллинга организационно-экономических методов

Александр Иванович Орлов
Профессор, д.э.н., д.т.н., к.ф.-м.н.

Аннотация: Контроллинг организационно-экономических методов – это разработка и применение процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам. Нами выполнены исследования по контроллингу методов в областях контроллинга: рисков, научной деятельности, персонала, качества, организационно-экономического обеспечения управления в аэрокосмической отрасли, экологической безопасности, агропромышленного комплекса.
Ключевые слова: контроллинг методов, организационно-экономические методы, скрытый контроллинг, инструменты контроллинга, области контроллинга.


About development of controlling for organizational and economic methods

Alexander Ivanovich Orlov
Full professor, DSc(Econ), DSc(Tech), PhD(Math)

Abstract: Controlling for organizational and economic methods is the development and application of conformity management procedures for the used and newly created (introduced) organizational and economic methods to the tasks set. We have carried out studies on controlling methods in the areas of controlling: risks, scientific activity, personnel, quality, organizational and economic support for management in the aerospace industry, environmental safety, and the agro-industrial complex.
Keywords: Controlling methods, organizational and economic methods, hidden controlling, controlling tools, areas of controlling.


1. Введение
Исходим из определения С.Г. Фалько: "Контроллинг - это ориентированная на перспективу и основанная на измерении факта система информационно-аналитической и методической поддержки менеджмента в процессе планирования, контроля, анализа и принятия управленческих решений, обеспечивающая координацию и интеграцию подразделений и сотрудников по достижению поставленных целей" [1]. Короче, система контроллинга – это система информационно-аналитической поддержки процесса принятия управленческих решений в организации [2]. Приведем еще одну формулировку С.Г. Фалько: "Сегодня контроллинг в практике управления российских предприятий понимается как «система информационно-аналитической и методической поддержки по достижению поставленных целей»" [3]. Контроллер разрабатывает правила принятия решений, руководитель принимает решения, опираясь на эти правила.
В современных условиях научное направление "Контроллинг" выделяется не только своей активностью, но и быстрым интенсивным и экстенсивным ростом. Расширяется многообразие конкретных областей применения концепций контроллинга, разрабатываются новые интеллектуальные инструменты контроллинга [4]. Отметим бурное развитие математического инструментария контроллинга [5, 6].

2. Скрытый контроллинг
В настоящее время часто используют скрытый контроллинг, т.е. контроллинг под псевдонимами [7]. Так, работы по информационно-аналитической поддержке процесса принятия управленческих решений проводились с давних времен, задолго до появления термина "контроллинг". Например, для принятия решений в военной области необходима информация о числе военнообязанных. О переписи военнообязанных рассказано в Ветхом Завете в Четвертой книге Моисеевой "Числа" [8]. При обсуждении этой переписи уместно использовать термины "статистические методы", "эконометрика", "контроллинг", однако этих появившихся позже терминов нет в Библии.
Однако и после появления рассматриваемых терминов они не всегда используются. В одних организациях действуют службы контроллинга, в других информационно-аналитические подразделения носят иные названия, ведущие свое происхождение, например, от аналитических центров и отделов по разработке и эксплуатации автоматизированных систем управления. Так, стандартизацию можно рассматривать как разновидность скрытого контроллинга
Псевдонимы используют не только для контроллинга. Термин "эконометрика" стал применяться в нашей стране начиная с 1990-х годов, хотя работы, посвященные статистическим методам в экономике и управлении (т.е. эконометрике в современном понимании), весьма активно велись еще в XIX в. [9].

3. Контроллинг организационно-экономических методов
В деятельности управленческих структур выделяем интересующую нас сторону – используемые ими организационно-экономические методы. Такие методы рассматриваем с точки зрения их влияния на эффективность (в широком смысле) процессов управления промышленными предприятиями и организациями других отраслей народного хозяйства, в частности, научно-исследовательскими институтами.
Инновации в сфере управления в промышленности и других отраслях народного хозяйства основаны, в частности, на использовании новых адекватных организационно-экономических методов. Контроллинг в этой области – это разработка процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам.
В статьях [10, 11] мы обосновали выделение в контроллинге новой области – контроллинг организационно-экономических методов - и обсудили содержание этой области. В соответствии с подробным обсуждением в [4] следует говорить не только и не столько об организационно-экономических методах в контроллинге, сколько об инструментах контроллинга, прежде всего математических (или экономико-математических, учитывая направленность на решение задач экономики и управления).
Если речь идет о новых методах (для данного предприятия), то их разработка и внедрение – организационная (управленческая) инновация, соответственно контроллинг организационно-экономических методов можно рассматривать как часть контроллинга инноваций [12].

4. Некоторые направления исследований в контроллинге организационно-экономических методов
Необходимость принятия обоснованных управленческих решений возникает в самых разных областях человеческой деятельности. Правила принятия таких решений - компетенция структур контроллинга, даже если они действуют под другими названиями.
В Лаборатории экономико-математических методов в контроллинге Научно-образовательного центра "Контроллинг и управленческие инновации" МГТУ им. Н.Э. Баумана выполнен ряд исследований по контроллингу организационно-экономических методов в конкретных областях. Рассмотрены проблемы контроллинга рисков [13], научной деятельности [14, 15], персонала [16], качества [17], организационно-экономического обеспечения решения задач управления в аэрокосмической отрасли [18], экологической безопасности [19, 20, 21], агропромышленного комплекса [22, 23].
В условиях цифровой экономики, т.е. все расширяющейся разработки и применения информационно-коммуникационных технологий в экономике и управлении, значение контроллинга методов возрастает, поскольку стандартизироваться и унифицироваться в цифровом виде должны лишь научно обоснованные технологии управления [24, 25].

Выводы
Контроллинг методов - весьма актуальная в условиях цифровой экономики быстро растущая область теоретических и прикладных исследований. Однако информация о научных достижениях распространяется медленно (согласно [14], основная проблема современной науки - всеобщее невежество научных работников). Необходимо резко ускорить распространение информации о полученных научных результатах, создать для этого соответствующие организационные формы.

Литература
1. Фалько С.Г. Предмет контроллинга как самостоятельной научной дисциплины // Контроллинг. 2005. № 1 (13). С. 2-6.
2. Контроллинг / А.М. Карминский, С.Г. Фалько, А.А. Жевага, Н.Ю. Иванова; под ред. А.М. Карминского, С.Г. Фалько. – 3-е изд., дораб. – М.: ИД «ФОРУМ»: ИНФРА-М, 2013. – 336 с.
3. Контроллинг: 10 лет (Интервью подготовлено Ивановой Н.Ю.) // Контроллинг. 2013. №4 (50). С.88-95.
4. Орлов А.И. Многообразие областей и инструментов контроллинга // Научный журнал КубГАУ. 2016. № 123. С. 688 – 707.
5. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф.С.Г. Фалько. Монография (научное издание). – Краснодар, КубГАУ. 2015. – 600 с.
6. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
7. Орлов А.И. Контроллинг явный и контроллинг скрытый // Контроллинг. 2018. №3(69). С. 28-32.
8. Орлов А.И. Основные этапы становления статистических методов // Научный журнал КубГАУ. 2014. № 97. С. 73-85.
9. Орлов А.И. Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики // Контроллинг. 2019. №73. С. 28-35.
10. Орлов А.И. Контроллинг организационно-экономических методов // Контроллинг. – 2008. – №4 (28). – С.12-18.
11. Орлов А.И. Новая область контроллинга – контроллинг организационно-экономических методов // Научный журнал КубГАУ. 2014. № 99. С. 1126-1137.
12. Фалько С.Г., Иванова Н.Ю. Управление нововведениями на высокотехнологичных предприятиях. – М.: МГТУ им. Н.Э. Баумана, 2007. – 256 с.
13. Орлов А.И. Современное состояние контроллинга рисков // Научный журнал КубГАУ. 2014. № 98. С. 933-942.
14. Лойко В. И., Луценко Е. В., Орлов А. И.Современные подходы в наукометрии. – Краснодар: КубГАУ, 2017. – 532 с.
15. Орлов А.И. Контроллинг научной деятельности // Контроллинг. 2019. № 71. С. 18-24.
16. Мухин В.В., Орлов А.И. Совершенствование организационных структур и контроллинг персонала на предприятиях типа "Научно-исследовательский институт" ракетно-космической промышленности // Научный журнал КубГАУ. 2015. № 109. С. 265–296.
17. Орлов А.И. Основные проблемы контроллинга качества // Научный журнал КубГАУ. 2015. № 111. С. 20-52.
18. Орлов А.И. О подходах к разработке организационно-экономического обеспечения решения задач управления в аэрокосмической отрасли // Научный журнал КубГАУ. 2014. № 99. С. 884-896.
19. Орлов А.И. Проблемы управления экологической безопасностью. Итоги двадцати лет научных исследований и преподавания. – Saarbrücken: Palmarium Academic Publishing. 2012. – 344 с.
20. Гаврилова В.Д., Орлов А.И. Экологическая безопасность: подземные безоболочечные резервуары в многолетнемерзлых грунтах для захоронения отходов бурения // Научный журнал КубГАУ. 2016. № 117. С. 50–70.
21. Лойко В.И., Луценко Е.В., Орлов А.И. Высокие статистические технологии и системно-когнитивное моделирование в экологии : монография. – Краснодар : КубГАУ, 2019. – 258 с.
22. Орлов А.И., Реут Д.В. О влиянии масштаба агропромышленной системы на задачи и аппарат подсистемы контроллинга в ее системе управления // Научный журнал КубГАУ. 2017. № 129. С. 532 – 562.
23. Орлов А.И., Реут Д.В. Системная парадигма как основание построения службы контроллинга агропромышленного комплекса // Научный журнал КубГАУ. 2017. № 132. С. 518 – 548.
24. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
25. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.

CONTACTS
Александр Иванович Орлов, профессор, д.э.н., д.т.н., к.ф.-м.н.
Зав. Лабораторией экономико-математических методов в контроллинге
Научно-образовательного центра «Контроллинг и управленческие инновации»,
профессор кафедры «Экономика и организация производства»,
МГТУ им. Н.Э.Баумана, г. Москва
prof-orlov@mail.ru


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб янв 29, 2022 11:47 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1097 от 31 января 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Предлагаем принципиально важную статью А.И. Орлова "Организационно-экономическое моделирование и искусственный интеллект в организации производства в эпоху цифровой экономики".
Две небольшие работы А.И. Орлова "Роль методологии в математических методах исследования" и "Вероятностно-статистические модели данных - основа методов прикладной статистики" опубликованы в журнале "Заводская лаборатория. Диагностика материалов" в рубрике "Колонка члена редколлегии", т.е. как передовые статьи.



УДК 123; JEL Classification: А10, В40

Орлов А.И.,
д.э.н., д.т.н., к.ф.-м.н., профессор,
зав. лаб. экономико-математических методов в контроллинге,
МГТУ им. Н.Э. Баумана

Организационно-экономическое моделирование и искусственный интеллект в организации производства в эпоху цифровой экономики

Аннотация:
Организационно-экономическое моделирование - научная основа технологий искусственного интеллекта. Их актуальность растет в эпоху цифровой экономики. В статье рассмотрены научные результаты по этой тематике и опыт их практического использования, накопленный за более чем 30 лет Институтом высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана. Основное внимание уделено статистическим методам управления качеством продукции - составной части теории и практики организации производства.

Ключевые слова: организация производства, организационно-экономическое моделирование, искусственный интеллект, цифровая экономика, управление качеством, Институт высоких статистических технологий и эконометрики

Organizational-economic modeling and artificial intelligence
in production organization in the era of the digital economy

Alexander I. Orlov,
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor,
head of Laboratory of economic-mathematical methods in controlling, BMSTU

Abstract
Organizational and economic modeling is the scientific basis of artificial intelligence technologies. Their relevance is growing in the era of the digital economy. The article discusses the scientific results on this topic and the experience of their practical use, accumulated over more than 30 years by the Institute of High Statistical Technologies and Econometrics, Bauman Moscow State Technical University. The main attention is paid to statistical methods of product quality management - an integral part of the theory and practice of production organization.

Keywords: production organization, organizational-economic modeling, artificial intelligence, digital economy, quality management, Institute of High Statistical Technologies and Econometrics.


Введение

Организационно-экономическое моделирование, в том числе теория принятия решений, является научной основой технологий искусственного интеллекта. Это научное направление является все более востребованным в ходе бурного развития цифровой экономики. В настоящее время уже обсуждается (https://vc.ru/hse/198220-vvesti-v-shkol ... racionalno) предложение о введении в средних школах нового предмета "принятие решений". Для успешного конструирования будущего полезно критически проанализировать результаты прежних исследований. В настоящей статье кратко рассмотрены научные результаты и опыт их практического использования, накопленный Институтом высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана. Он занимается рассматриваемой тематикой уже более 30 лет. Основное внимание уделено статистическим методам управления качеством продукции - составной части теории и практики организации производства. Рассказано об истории создания и результатах деятельности Центра статистических методов и информатики (в настоящее время - Институт высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана).

Основные понятия и термины

Широко используемые понятия обычно используются в публикациях во многих смыслах. Для достижения однозначности понимания необходимо давать определения используемых терминов, как это принято в федеральных законах РФ. Естественно, другие авторы могут предпочитать иные определения.
Поясним используемые в настоящей работе термины.
Организационно-экономическое моделирование (ОЭМ) – научная, практическая и учебная дисциплина, посвященная разработке, изучению и применению математических и статистических методов и моделей в экономике и управлении народным хозяйством, прежде всего промышленными предприятиями и их объединениями. Такое определение дано нами в выпущенном в МГТУ им. Н.Э. Баумана учебнике по организационно-экономическому моделированию в трех частях (Орлов А.И., 2009, 2011, 2012). В настоящее время магистранты факультета "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана изучают одноименную дисциплину, используя тот же учебник.
В "Национальной стратегии развития искусственного интеллекта на период до 2030 года (https://www.garant.ru/products/ipo/prime/doc/72738946/) принято следующее определение: "... искусственный интеллект - комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений". В этом определении ничего не говорится про научную основу "комплекса технологических решений". По нашему мнению, в социально-экономической области в качестве такой основы можно использовать организационно-экономическое моделирование.
Согласно нормативному документу ВАК: "Организация производства (по отраслям) – область науки и техники, изучающая проблемы становления, эффективного функционирования и совершенствования производственных процессов, научно-организационные и практические методы и средства решения таких проблем на всех уровнях. Специальность включает в себя разработку и совершенствование научных, методологических и системотехнических принципов организации производства, создание и применение методов и средств мониторинга, исследование и анализ различных организационных, технологических и технических решений на всех уровнях организации процессов создания конкурентоспособной продукции и производственных услуг на основе широкого использования новых информационных технологий. Решение указанных проблем качественно повышает уровень организации производственной деятельности предприятий различных отраслей и способствует ускорению их научно-технического прогресса" (паспорт специальности 05.02.22 "Организация производства (по отраслям)" (https://www.teacode.com/online/vak/p05-02-22.html)). В МГТУ более 100 лет ведутся работы в области организации производства, со времен Н.Ф. Чарновского (1914). Кафедра "Экономика и организация производства" МГТУ им. Н.Э. Баумана, организованная в1929 г., была первой среди кафедр в этой области в нашей стране. Накоплен большой опыт научных исследований, участия в прикладных работах и преподавания. Выпущено большое число статей и книг. Отметим недавний учебник (Некрасов Л.А., Скворцов Ю.В., 2018). История и перспективы науки об организации производства рассмотрены в (Фалько С.Г., 1990). Эволюции концепций управления предприятиями промышленности посвящена работа (Фалько С.Г., 2007). Автору настоящей работы в области организации производства наиболее интересны следующие направления исследований, по которым нами выпущены многочисленные публикации:
- статистические методы управления качеством продукции;
- система экологического менеджмента на предприятии,
- анализ, оценка и управление рисками,
- управление запасами (материально-техническими ресурсами).
Все эти области исследований включены в паспорт научной специальности 05.02.22 "Организация производства (по отраслям)".
Под цифровой экономикой понимаем разработку и применение информационно-коммуникационных технологий в экономике и управлении (Лойко В.И., Луценко Е.В., 2018). Этой тематикой, как и искусственным интеллектом, автор занимается уже полвека. Бурное развитие началось с публикации в 1948 г. известной книги "Кибернетика" Н. Винера. Для обозначения потока работ использовались различные термины - кибернетика, информатика, системный анализ, проблемы управления, принятие решений, исследование операций ... Мода на термины менялась, но суть оставалась прежней. Так, сейчас модны нейросетевые методы, основные идеи которых были разработаны в середине ХХ в. (Согласно распространенным определениям, нейросеть - это математическая модель (и ее компьютерное воплощение), построенная по аналогии с сетями нервных клеток живых организмов.) А термин "кибернетика" употребляется сейчас редко.
В настоящее время наблюдаем бурный рост информационно-коммуникационных технологий. Этот процесс справедливо называют цифровой революцией. Она проявляется в принципиальных изменениях технологических, организационно-экономических и социальных процессов. Количество изменений переходит в качество. Как следствие, назрела необходимость перемен в экономической теории, в частности, преодоление рыночной экономики и переход к новой парадигме - солидарной информационной экономике, являющейся возрождением идей основоположника экономической науки Аристотеля (подробнее см. (Орлов А.И., 2019), (Орлов А.И., Сажин Ю.Б., 2020) и др.).

Управление качеством: прошлое в настоящем и будущем

Несмотря на взрывной характер цифровой революции, заметная доля интеллектуальной жизни специалистов прежних времен остается актуальной и сейчас. Некоторые научные результаты остаются актуальными, не превзойденными в дальнейших работах, т.е. не уходят в прошлое. Приведем несколько конкретных фактов в рамках рассматриваемой тематики. Так, новая парадигма экономической теории основана на книгах Аристотеля. По-прежнему актуальны многие разделы книг Н.Ф. Чарновского (1914) столетней давности. Например, раздел "Системы оплаты труда" его учебника (Чарновский, 1914, с.217 - 248), выпущенного более ста лет назад. Работы А.Н. Колмогорова 1930-х годов нужны современным исследователям (Орлов А.И., 2014).
В 1983 - 1984 гг. кафедру "Экономика и организация производства" МГТУ им. Н.Э. Баумана возглавлял крупнейший ученый в области стандартизации и организации производства, профессор, доктор технических наук Василий Васильевич Бойцов (1908 - 1997) — создатель системы отечественных государственных стандартов в России и первый Председатель Государственного Комитета СССР по стандартам. К сожалению, в дальнейшие годы система стандартизации была во многом разрушена. В результате проявились серьезные проблемы с качеством продукции, в том числе потребительских товаров. Для наведения порядка в этой области, очевидно, прежде всего необходим анализ накопленного опыта, прежде всего советского периода.
Среди основных целей стандартизации - нормативное оформление лучших управленческих практик, проверенных рациональных способов действий. В качестве примера рассмотрим "Комплексные системы управления качеством продукции" (КС УКП). Эти системы были созданы в ходе многочисленных научно-методических разработок, начало которой относится к концу 1960-х гг. Они проводились научными работниками Всесоюзного научно-исследовательского института стандартизации (ВНИИС) совместно с сотрудниками промышленных предприятий различных отраслей и регионов. Большое значение имела организационная и методическая поддержка Госстандарта ССР и непосредственно его председателя В.В. Бойцова. Широкомасштабный производственный эксперимент на Украине (в Львовской области) подтвердил научную и практическую ценность концепции КС УКП и основных ее элементов. На основе результатов, полученных в ходе промышленного эксперимента, опыт по созданию КС УКП был одобрен специальным решением ЦК КПСС в августе 1973 г. и рекомендован к широкому внедрению.
Обсудим основные характерные черты КС УКП. Выявим, в чем ее значение, что КС УКП имеет общего с предшествующими системами, что она внесла в международную копилку передового опыта управления качеством, значительная часть которого обобщена в стандартах ИСО серии 9000?
Прежде всего подчеркнем, что КС УКП - результат научного обобщения накопленного к тому времени отечественного и хорошо известного нашим специалистам зарубежного опыта разработки и внедрения систем качества. Она аккумулировала в себе все лучшее, все прогрессивное, что последовательно накапливалось в предшествующих отечественных системах, среди которых отметим Саратовскую БИП (бездефектное изготовление продукции), Горьковскую КАНАРСПИ (качество, надежность, ресурс с первых изделий), Ярославскую НОРМ (научная организация робот по увеличению моторесурса) и др. Принципиальная идея разработки КС УКП - системно-комплексный подход, базирующийся на стандартизации. В основу КС УКП были положены принципы общей теории управления и разработанная к тому времени принципиальная модель управления качеством продукции", разобранная в (Гличев А.В., 2001). Примерами КС УКП являются Комплексная система управления качеством ярославского объединения "Автодизель"(Комплексная система, 1973) и Московская городская система управления качеством продукции (Московская городская, 1981).
Как подчеркивает один из наиболее авторитетных стандартизаторов А.В. Гличев (2001), КС УКП, ИСО и TQM (Total Quality Management) - вехи мирового опыта ХХ в. в области управления качеством продукции. При этом стандарты ИСО серии 9000, по его мнению, в ряде случаев уступают содержанию КС УКП. Прежде всего, это касается соединения в петле качества стадий жизненного цикла продукции с некоторыми функциями. Другой принципиальный недостаток он видит в не вполне четком определении состава и содержания специальных функций управления качеством продукции. Весьма важно, что, выражаясь словами А.В. Гличева: "... TQM - это в значительной мере тот виток диалектической спирали, который возвращает нас к Саратовской системе БИП, когда управление качеством было ориентировано в первую очередь на человека и на его роль в производственном процессе". Следовательно, констатируем, что основные идеи КС УКП отнюдь не устарели, опыт, накопленный в 1970-80-х годах, необходимо использовать в современных условиях, опираясь на идеи одного из заведующих кафедрой ИБМ-2 МГТУ им. Н.Э. Баумана проф. В.В. Бойцова. Конечно, с учетом разработок XXI в., например, системы искусственного интеллекта «Шесть сигм» как подхода к совершенствованию бизнеса (Фалько С.Г., Орлов А.И., 2004).
Нет ничего более постоянного, чем популярные ошибки исследователей. В настоящее время они распространены не меньше, чем десятилетия назад. Приведем три примера, подробнее рассмотренных в (Орлов А.И., 2012) и других наших публикациях. Как тогда приходилось разъяснять, что неверно утверждение "запасы должны быть минимальны", а верно: "запасы должны быть оптимальны", так и сейчас (имеется в виду классическая оптимизационная модель Вильсона управления запасами, предложенная Харрисом за 19 лет до Вильсона). Как тогда объяснял, что распределения реальных статистических данных, как правило, ненормальны, так и сейчас приходится (как следствие, любые рассуждения, основанные на предположении о нормальном распределении результатов наблюдений, напоминают поиск под фонарем ключей, потерянных в кустах в темноте). Как тогда профаны советовали проверять нормальность с помощью критериев Колмогорова и омега-квадрат, так и сейчас. И т.д., и т.п.
Новое в XXI в. - это развертывающаяся на наших глазах цифровая революция (Лойко В.И., Луценко Е.В., 2018). Для обеспечения правильности управленческих решений, нацеленных в будущее, важно проанализировать прошлое, выделить в нем ценное.

Организация и первые годы работы Института высоких статистических технологий и эконометрики

Термин «высокие статистические технологии» входит в название нашей крайней научной монографии (Лойко В.И., Луценко Е.В., 2019), используется на наших базовых сайтах "Высокие статистические технологии" (http://orlovs.pp.ru/) и "Лаборатория экономико-математических методов в контроллинге" (http://ibm.bmstu.ru/nil/biblio.html), в том числе в названиях учебников, на форуме (http://forum.orlovs.pp.ru/). При публикации статей часто указано, что они подготовлены в Институте высоких статистических технологий и эконометрики (ИВСТЭ) МГТУ им. Н.Э. Баумана. Поэтому целесообразно дать основную информацию об ИВСТЭ.
История и предыстория ИВСТЭ. Институт высоких статистических технологий и эконометрики (ИВСТЭ) организован нами в 1989 г. Он на инициативных, хоздоговорных и госбюджетных началах занимается развитием, изучением и внедрением высоких статистических технологий, т.е. наиболее современных технологий анализа технических, экономических, социологических, медицинских данных, ориентированных на использование в условиях современного производства и экономики. Основной интерес для ИВСТЭ представляют применения высоких статистических технологий для анализа конкретных экономических данных, т.е. в эконометрике.
Вначале Институт действовал как Центр статистических методов и информатики (создан в 1989 г.), позже - как Всесоюзный центр статистических методов и информатики Центрального правления Всесоюзного экономического общества (1989 - 1992), затем - снова как Центр статистических методов и информатики (1992 - 1993). В 1993 г. преобразован в Лабораторию эконометрических исследований Московского государственного института электроники и математики, а с 1997 г. действует под своим нынешним именем. ИВСТЭ работает на базе кафедры ИБМ-2 "Экономика и организация производства" в симбиозе с Лабораторией экономико-математических методов в контроллинге Научно-образовательного центра "Контроллинг и управленческие инновации" (руководитель Научно-образовательного центра - д.э.н., проф. С.Г. Фалько).
У ИВСТЭ есть и предыстория. В 1978-1985 гг. активно действовала комиссия «Статистика объектов нечисловой природы и экспертные оценки» Научного Совета АН СССР по комплексной проблеме «Кибернетика».
Следующий этап предыстории ИВСТЭ - Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам управления качеством. В нашей стране с начала 1970-х годов на базе ВНИИС стали разрабатываться государственные стандарты по статистическим методам. В связи с обнаружением в них грубых ошибок в 1985 г. мы организовали "Рабочую группу" с указанным выше названием. В ее работе приняли участие 66 специалистов, в том числе 15 докторов и 36 кандидатов наук. О деятельности Рабочей группы рассказано в итоговой статье (Орлов А.И., 1997). В соответствии с рекомендациями Рабочей группы 24 из 31 государственного стандарта по статистическим методам были отменены в 1986-87 гг.
На основе результатов Рабочей группы можно сделать важный вывод о сложностей внедрения лучших управленческих практик с помощью нормативных документов (стандартов). Ясно, что такие документы полезны практикам. Но лишь при условии, что они не содержат ошибок. Застандартизованные ошибки могут принести большой вред. Были выявлены две основные причины появления ошибок в государственных стандартах по статистическим методам управления качеством - низкая квалификация разработчиков, прежде всего руководителей, и отсутствие системы контроля за качеством нормативных документов и исправления выявленных недостатков. Снизить вред ошибочных стандартов можно путем отказа от обязательности их применения, т.е. использования их в качестве рекомендаций, наряду с другими публикациями. Кардинальное же искоренение ошибок возможно лишь путем глобального повышения научного уровня специалистов, применяющих статистические методы.

Центр статистических методов и информатики и Институт высоких статистических технологий и эконометрики

В 1988-89 гг. наиболее активная часть Рабочей группы (10 докторов и 15 кандидатов наук) составили "Аванпроект комплекса методических документов и пакетов программ по статистическим методам стандартизации и управления качеством" (около 67 п.л.). К сожалению, Госстандарт не пожелал финансировать реализацию заказанного им "Аванпроекта". Тогда решено было действовать самостоятельно. На собрании в центре Москвы (в Политехническом музее) 20 февраля 1989 г. был организован (на общественных началах) Центр статистических методов и информатики (ЦСМИ; в настоящее время - Институт высоких статистических технологий и эконометрики).
Как юридическое лицо Всесоюзный центр статистических методов и информатики (ВЦСМИ) Центрального правления Всесоюзного экономического общества создан Постановлением Президиума Центрального Правления Всесоюзного экономического общества № 5-7 от 25 декабря 1989 г. Постановление подписано В.С. Павловым, в тот момент - министром финансов СССР, позже - первым и последним председателем Кабинета министром СССР. Директором ВЦСМИ был назначен А.И. Орлов.
Основная тематика работ ВЦСМИ - разработка средств искусственного интеллекта - диалоговых систем по современным статистическим методам управления качеством. На основе ранее подготовленного "Аванпроекта" к середине 1990 г. в ВЦСМИ были разработаны 7 базовых программных продуктов, а именно, СПК, АТСТАТ-ПРП, СТАТКОН, АВРОРА-РС, ЭКСПЛАН, ПАСЭК, НАДИС (информация о них дана в статье (Орлов А.И., 1992). В работе этих средств искусственного интеллекта участвовали 128 специалистов. В дальнейшем к ВЦСМИ присоединялись новые группы научно-технических работников, уже к концу 1991 г. нас было более 300. Информация о программных продуктах и другой деятельности ЦСМИ постоянно помещалась в журналах "Заводская лаборатория" и "Надежность и контроль качества".
Программные продукты, разработанные ВЦСМИ, были приобретены и использовались более чем в 100 организациях и предприятиях. Среди них - производственные объединения "Уралмаш", "АвтоВАЗ", "Пластик", Центральный научно-исследовательский институт черной металлургии им. Бардина, Научно-исследовательский институт стали, Всесоюзный научно-исследовательский институт эластомерных материалов и изделий, Научно-исследовательский институт прикладной химии, Центральный научно-исследовательский институт химии и механики, Научно-производственное объединение "Орион", Научно-исследовательский центр по безопасности атомной энергетики, Всесоюзный научно-исследовательский институт экономических проблем развития науки и техники, Всесоюзный научно-исследовательский институт нефтепереработки, МИИТ, Казахский политехнический институт, Ульяновский политехнический институт, Донецкий государственный университет и др. Таким образом, разработки ВЦСМИ быстро стали востребованными.

Всесоюзная статистическая ассоциация

Параллельно с выполнением работ по договорам с организациями и предприятиями ЦСМИ и ВЦСМИ вели работу по объединению статистиков. В апреле 1990 г. в Большом Актовом Зале Московского Энергетического института прошла Учредительная конференция Всесоюзной организации по статистическим методам и их применениям. На Учредительном съезде Всесоюзной статистической ассоциации (ВСА) в октябре 1990 г. в Московском экономико-статистическом институте эта организация вошла в состав ВСА в качестве секции статистических методов (Орлов А.И., 1991).
В соответствии с реальной структурой статистики ВСА делилась на 4 секции: 1) практической статистики, 2) статистических методов и их применений, 3) статистики надежности, ориентированной на проблематику оборонно-промышленного комплекса, 4) социально-экономической статистики. Названия секций, зафиксированные в документах ВСА, не вполне соответствуют действительности. Первая секция состояла из работников Госкомстата (ныне - Росстат), большинство членов второй и третьей занимались не только теорией, но и практической деятельностью, в том числе в социально-экономической области, а четвертая состояла из преподавателей статистических дисциплин в экономических вузах (готовящих специалистов для официального статистического ведомства). В мероприятиях секции статистических методов ВСА активно участвовали несколько сот человек. Основной тематикой работ многих из этих специалистов являлись статистические методы в сертификации (управлении качеством). Однако после развала СССР предприятия и НИИ уже не имели возможности внедрять современные статистические методы, исследователям пришлось перейти в режим выживания, многие эмигрировали или ушли из науки. Численность участников научных семинаров сократилась на порядок. Как следствие, ВСА фактически прекратила работу. Согласно Уставу решение о роспуске Всесоюзной статистической ассоциации может принять только ее съезд. Такого решения не было, т.е. с юридической точки зрения Всесоюзная статистическая ассоциация продолжает существовать.
Наша базовая бизнес-идея была такова: ЦСМИ и ВЦСМИ разрабатывает статистические методы, программные и методические продукты, ВСА и РАСМ их распространяют и внедряют.
В 1980 - 1990 гг. была проведена большая работа по анализу положения дел в области теории и практики статистики в нашей стране. В ЦСМИ и РАСМ, объединивших большинство ведущих российских специалистов, коллективными усилиями разработан единый подход к проблемам применения статистических методов в сертификации и управлении качеством, т.е. новая парадигма статистических методов (математической статистики, прикладной статистики, эконометрики, организационно-экономического моделирования, математических методов исследования). Был сформулирован «социальный заказ» - разработать серию учебников согласно новой парадигме. К настоящему времени он выполнен в рамках отечественной научной школы в области организационно-экономического моделирования, эконометрики и статистики, результаты представлены в статье (Орлов А.И., 2019а).

Дальнейшие работы Института высоких статистических технологий и эконометрики

С 1993 г. по настоящее время Институт ведет научные исследования по статистическим методам анализа данных (эконометрике и прикладной статистике), организационно-экономическому моделированию, математическим и инструментальным методам экономики и управления. Разработана новая парадигма математических методов исследования и новая парадигма экономики на основе солидарной информационной экономики. Большое внимание уделяется проблемам контроллинга, инноваций в менеджменте, организации производства (прежде всего, в области управления качеством), математическим моделям микроэкономики и макроэкономики, теории риска, науковедения и наукометрии. В частности, разрабатывались методология и методы
- эконометрического анализа нечисловых данных,
- прогнозирования индексов инфляции и макроэкономических показателей (первоначально - для Министерства обороны Российской Федерации),
- построения и использования математических моделей процессов налогообложения (Математическое моделирование, 1997),
- оценки рисков реализации инновационных проектов высшей школы (для Министерства науки и технологий Российской Федерации),
- оценки влияния различных факторов на формирование налогооблагаемой базы ряда налогов (для Минфина Российской Федерации).
ИВСТЭ прорабатывал перспективы применения современных статистических и экспертных методов для анализа данных о научном потенциале (для Министерства науки и технологий Российской Федерации), разрабатывал методологическое, программное и информационное обеспечение анализа рисков химико-технологических объектов (для Международного научно-технического центра), проводил маркетинговые исследования (для Промрадтехбанка, фирм, торгующих растворимым кофе, программным обеспечением), выполнял иные работы.
В 2010-2012 гг. Институт совместно с Группой компаний "Волга-Днепр" и Ульяновским государственным университетом участвовал в разработке АСППАП - автоматизированной системы прогнозирования и предотвращения авиационных происшествий (в соответствии с Постановлением Правительства РФ № 218 от 9 апреля 2010 г.). С 2013 г. основное внимание уделяется разработке организационно-экономического обеспечения контроллинга, инноваций и менеджмента в ракетно-космической отрасли (Орлов А.И., Луценко Е.В., 2016).
Институт вел и ведет и фундаментальные научные исследования, в частности, госбюджетные научные исследования в МГТУ им. Н.Э. Баумана. Основные публикации сосредоточены в журналах "Заводская лаборатория. Диагностика материалов" (более 90 статей за 1989-2020 гг., в которых указано, что они выполнены в ИВСТЭ), "Контроллинг", "Инновации в менеджменте", "Управление большими системами", в "Научном журнале КубГАУ" и др.
Институт обеспечивает научно-методическую поддержку преподаванию дисциплин "Прикладная статистика", "Прикладная статистика", "Статистика", "Эконометрика", "Организационно-экономическое моделирование", "Контроллинг рисков", выполнению выпускных квалификационных работ (включая МВА) и диссертаций.

Заключение

Выше в обобщенной форме представлена информация о направлениях деятельности и основных научных результатах Института высоких статистических технологий и эконометрики, действующего в настоящее время на базе кафедры "Экономика и организация производства" МГТУ им. Н.Э. Баумана. Организационно-экономическое моделирование является научной основой искусственного интеллекта в социально-экономической области и с успехом применяется для решения задач управления производством. Основное внимание уделено проблемам управления качеством продукции и лишь кратко отмечены возможности использования организационно-экономического моделирования и инструментов искусственного интеллекта в системах экологического менеджмента на предприятии, при анализе, оценке и управлении рисками, для рационализации управления материально-техническими ресурсами. Бурное развитие цифровой экономики на основе информационно-коммуникационных технологий дает основания ожидать широкого применения наработок ИВСТЭ в современных условиях. В частности, актуальными являются такие разделы организационно-экономического моделирования, как теория и методы разработки и принятия управленческих решений (Орлов А.И., 2018), в том числе на основе экспертных технологий (Орлов А.И., 2011). Новый импульс к развитию получает и эконометрика как наука о статистических методах в экономике и управлении (Агаларов З.С., Орлов А.И., 2021).

Литература

1. Агаларов З.С., Орлов А.И. Эконометрика. Учебник. - М.: Издательско-торговая корпорация «Дашков и К°», 2021. — 380 с.
2. Гличев А.В. Основы управления качеством продукции. - М.: РИА "Стандарты и качество", 2001. - 120 с.
3. Комплексная система управления качеством / Р.Н. Арсеньев, М.А. Григорьев, А.М. Добрынин, В.А. Долецкий, Ю.А. Щеглов. - Ярославль: Верхневолжское книжное издательство., 1973. - 256 с.
4. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
5. Лойко В.И., Луценко Е.В., Орлов А.И. Высокие статистические технологии и системно-когнитивное моделирование в экологии : монография. – Краснодар : КубГАУ, 2019. – 258 с.
6. Математическое моделирование процессов налогообложения (подходы к проблеме). Коллективная монография под редакцией В.Г. Кольцова, В.Н. Жихарева, Нат. Ю. Ивановой, А.И. Орлова. - М.: Изд-во Центра элитарного образования Министерства общего и профессионального образования РФ, 1997. - 232 с.
7. Московская городская система управления качеством продукции: Нормативно-методическое обеспечение. - М.: Издательство стандартов , 1981. - 160 с.
8. Некрасов Л.А., Скворцов Ю.В. и др. Организация и планирование машиностроительного производства. Производственный менеджмент / Л.А. Некрасов, Е.С. Постникова, Ю.В. Скворцов, Т.В. Уханова; под редакцией Ю. В. Скворцова. - Изд. 2-е, стереотип. - М.: Студент, 2018. - 414 с.
9. Орлов А.И. Создана единая статистическая ассоциация / Вестник Академии наук СССР. 1991. №7. С. 152-153.
10. Орлов А.И. Внедрение современных статистических методов с помощью персональных компьютеров / Качество и надежность изделий. №5(21). - М.: Знание, 1992. - С. 51-78.
11. Орлов А.И. Сертификация и статистические методы // Заводская лаборатория. Диагностика материалов. 1997. Т.63. №3. С. 55-62.
12. Орлов А.И. Организационно-экономическое моделирование: : учебник : в 3 ч. Ч.1: Нечисловая статистика. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2009. — 542 с.
13. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.
14. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.3. Статистические методы анализа данных. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2012. - 624 с.
15. Орлов А.И. Вероятностно-статистические методы в работах А.Н. Колмогорова // Научный журнал КубГАУ. 2014. №98. С. 158–180.
16. Орлов А.И. Методы принятия управленческих решений: учебник. - М.: КНОРУС, 2018. - 286 с.
17. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
18. Орлов А.И. Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики / Контроллинг. 2019а. №73. С. 28-35.
19. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
20. Орлов А.И., Сажин Ю.Б. Солидарная информационная экономика как основа новой парадигмы экономической науки // Инновации в менеджменте. 2020. №26. С. 52- 59.
21. Чарновский Н.Ф. Организация промышленных предприятий по обработке металлов. - М.: Московское научное издательство, 1914. - 308 с.
22. Фалько С.Г. Наука об организации производства: история, современность, перспективы. – М.: О-во «Знание» РСФСР, 1990. – 56 с.
23. Фалько С.Г. Эволюция концепций управления предприятиями промышленности. – М.: ЦЭМИ РАН, 2007. – 50 с.
24. Фалько С.Г., Орлов А.И. «Шесть сигм» как подход к совершенствованию бизнеса / Контроллинг. 2004. №4(12). С.42-46.

Публикация:
1188. Орлов А.И. Организационно-экономическое моделирование и искусственный интеллект в организации производства в эпоху цифровой экономики // Инновации в менеджменте. 2021. № 2(28). С. 36-45.
https://elibrary.ru/download/elibrary_4 ... 482186.pdf



Колонка редколлегии

Роль методологии в математических методах исследования

А.И. Орлов

Методология – это учение об организации деятельности [1]. Такое определение дают член-корр. РАН директор Института проблем управления РАН Д.А. Новиков и акад. РАО А.М. Новиков.
Более развернуты определения в словарях: «Методология (от «метод» и «логия») – учение о структуре, логической организации, методах и средствах деятельности» (Советский энциклопедический словарь [2]). «Методология – система принципов и способов организации и построения теоретической и практической деятельности, а также учение об этой системе» (Философский энциклопедический словарь [3]).
Ограничимся приведенными определениями. Из них следует, что методология - это интеллектуальная основа, стержень, определяющий подход к конкретным видам деятельности, к принятию управленческих решений.
В качестве примера обсудим подход к описанию распределений результатов измерений¸ наблюдений, испытаний, анализов, опытов. Математикам привычна гипотеза нормальности распределения, именно на ее основе в ХХ в. написаны многочисленные учебники и разработаны программные продукты. Однако реальные данные в подавляющем большинстве случаев не подчиняются гипотезе нормальности [4]. Возникает необходимость разработки непараметрических математико-статистических инструментов, не предполагающих нормальность, а также проблема изучения свойств процедур, созданных в предположении нормальности, но используемых при нарушении этого предположения. При разработке новой модели выбор в пользу непараметрического подхода основан на методологических соображениях.
Разработка и применение математических методов исследования предполагает последовательное осуществление трех этапов исследования. Первый - от исходной практической проблемы до теоретической чисто математической задачи. Второй – внутриматематическое изучение и решение этой задачи. Третий – переход от математических выводов обратно к практической проблеме.
В литературе вопросы методологии математических методов исследования обсуждаются явно недостаточно. Зато наблюдается поток публикаций, в которых постановки решаемых задач иногда выглядят весьма искусственно. Далее мы кратко обоснуем необходимость развития методологии математических методов исследования как самостоятельного научного направления, обозначим ряд проблем, относящихся к этому направлению.
В области моделирования задач прикладной статистики, как, впрочем, и в иных областях применения математики и кибернетики, целесообразно выделять четверки проблем:
Задача – Модель - Метод - Условия применимости.
Обсудим каждую из только что выделенных составляющих.
Задача, как правило, порождена потребностями той или иной прикладной области. Вполне понятно, что при ее решении происходит одна из возможных математических формализаций реальной ситуации. Например, при диагностике материалов возникает вопрос: различаются ли результаты двух групп измерений. При математической формализации результаты измерений в каждой группе обычно моделируются как независимые случайные выборки, т.е. как совокупности независимых одинаково распределенных случайных величин, а вопрос маркетологов переходит в рамках этой модели в вопрос о проверке той или иной статистической гипотезы однородности. Речь может идти об однородности характеристик, например, о проверке равенства математических ожиданий, или о полной (абсолютной однородности), т.е. о совпадении функций распределения, соответствующих двух совокупностям. Так происходит переход от практической задачи к математической модели, в рассматриваемом случае, - к вероятностно-статистической модели.
Модель может быть порождена также обобщением потребностей ряда прикладных областей. Приведенный выше пример иллюстрирует эту ситуацию: к необходимости проверки гипотезы однородности приходят и медики при сравнении двух групп пациентов, и инженеры при сопоставлении результатов обработки деталей двумя способами, и т.д. Таким образом, одна и та же математическая модель может применяться для решения самых разных по своей прикладной сущности задач. Важно подчеркнуть, что выделение перечня задач находится вне математики. Выражаясь инженерным языком, этот перечень является сутью технического задания, которое специалисты различных областей деятельности дают специалистам по математической статистике.
Подчеркнем: чтобы математик мог проводить исследования с целью решения практической задачи, необходимо ее суть выразить в математических терминах, т.е. построить математическую модель. Построить адекватную математическую модель явления или процесса нелегко. Такой деятельностью занимаются специалисты по математическому моделированию в соответствующих прикладных областях.
Метод, используемый в рамках определенной математической модели - это уже во многом, если не в основном, дело математиков. В моделях прикладной статистики речь идет, например, о методе оценивания, о методе проверки гипотезы, о методе доказательства той или иной теоремы, и т.д. В двух первых случаях алгоритмы разрабатываются и исследуются математиками, но используются прикладниками, в то время как метод доказательства касается лишь самих математиков.
Ясно, что для решения той или иной задачи в рамках одной и той же принятой исследователем модели может быть предложено много методов. Приведем примеры. Для специалистов по теории вероятностей и математической статистике наиболее хорошо известна история Центральной Предельной Теоремы теории вероятностей. Предельный нормальный закон был получен многими разными методами, из которых напомним широко известное доказательство теоремы Муавра-Лапласа, метод моментов Чебышева, метод характеристических функций Ляпунова, завершающие эпопею методы, примененные Линдебергом и Феллером [5]. В настоящее время для решения практически важных задач могут быть использованы современные информационные технологии на основе метода статистических испытаний и соответствующих датчиков псевдослучайных чисел. Они уже заметно потеснили асимптотические методы математической статистики. В рассмотренной выше проблеме однородности для проверки одной и той же гипотезы совпадения функций распределения могут быть применены самые разные методы – Смирнова, Лемана - Розенблатта, Вилкоксона и др.[6, гл. 2].
Наконец, рассмотрим последний элемент четверки - условия применимости. Он - полностью внутриматематический. С точки зрения математика замена условия (кусочной) дифференцируемости некоторой функции на условие ее непрерывности может представляться существенным научным достижением, в то время как прикладник оценить это достижение не сможет. Для него, как и во времена Ньютона и Лейбница, непрерывные функции мало отличаются от (кусочно) дифференцируемых функций. Точнее, они одинаково хорошо (или одинаково плохо) могут быть использованы для описания реальной действительности.
Точно так же прикладник не сможет оценить внутриматематическое достижение, состоящее в переходе от условия конечности четвертого момента случайной величины к условию конечности дисперсии. Поскольку результаты реальных измерений получены с помощью некоторого прибора (средства измерения), шкала которого конечна, то прикладник априори уверен, что все результаты измерений заведомо лежат на некотором отрезке (т.е. финитны). Он с некоторым недоумением наблюдает за математиком, который рассуждает о конечности тех или иных моментов - для прикладника они заведомо конечны.
Обратная связь состоит в том, что модель целесообразно формировать так, чтобы условия применимости метода выполнялись. Например, если пространство элементарных событий состоит из конечного числа элементов, то все моменты случайных величин существуют, а вопросы измеримости решаются автоматически.
Практическая рекомендация состоит в том, что всегда должна быть описана принятая в работе математическая модель. Только после этого можно разрабатывать, изучать, применять тот или иной метод расчета.

Литература

1. Новиков А.М., Новиков Д.А. Методология. – М.: СИНТЕГ, 2007. – 668 с.
2. Советский энциклопедический словарь. - М.: Советская энциклопедия, 1988. - 1600 с.
3. Философский энциклопедический словарь. - М.: Советская энциклопедия, 1983. - 840 с.
4. Орлов А.И. Распределения реальных статистических данных не являются нормальными // Научный журнал КубГАУ. 2016. № 117. С. 71–90.
5. Гнеденко Б.В. Курс теории вероятностей. Изд. 7-е, исправл. – М.: Эдиториал УРСС, 2001. – 320 с.
6. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. – Ростов-на-Дону: Феникс, 2009. – Ростов-на-Дону: Феникс, 2009. –572 с.

Публикация:
1136. Орлов А.И. Роль методологии в математических методах исследования // Заводская лаборатория. Диагностика материалов. 2019. Т.85. №7. - С. 5-6.


Колонка редколлегии

Вероятностно-статистические модели данных - основа методов прикладной статистики

А.И. Орлов

При обсуждении процедур анализа статистических данных обычно сосредотачивают внимание на расчетных формулах. Причина очевидна - не зная формул, нельзя провести расчеты. Однако начинать надо с вероятностно-статистических моделей порождения изучаемых данных.
Например, в прикладной статистике наиболее распространенная модель выборки - это конечная последовательность независимых одинаково распределенных случайных величин [1], моделирующих результаты измерений (наблюдений, испытаний, опытов, анализов, обследований). Если общая функция распределения этих случайных величин является произвольной, то обращаемся к методам непараметрической статистики. Для корректности математических рассуждений обычно принимают, что функция распределения результатов измерений является непрерывной, следовательно, вероятность совпадения каких-либо двух результатов наблюдений (элементов выборки) равна 0. Как известно, для реальных данных совпадения результатов встречаются достаточно часто. Следовательно, в таких случаях наблюдается отклонения от непараметрической модели. Модель анализа совпадений при расчете непараметрических ранговых статистик представлена [2] в нашем журнале. Статистики интервальных данных была создана для обработки округленных данных и данных с совпадениями.
До сих пор распространены реликтовые представления о том, что функция распределения результатов измерений относится к одному из популярных семейств распределений - нормальных, экспоненциальных, Вейбулла-Гнеденко, гамма-распределений и др. Для выборок из таких семейств в прошлом тысячелетии были разработаны и изучены методы оценивания параметров и проверки статистических гипотез. Эта совокупность методов прочно заняла место в учебниках по теории вероятностей и математической статистике.
Отметим устойчивость предрассудков. Например, до сих пор пропагандируется использование метода максимального правдоподобия, хотя одношаговые оценки имеют столь же хорошие свойства, что и оценки максимального правдоподобия. Однако во многих случаях система уравнений максимального правдоподобия не имеет явного решения, и соответствующие оценки рекомендуется находить итерационными методами, сходимость которых не изучают, хотя есть примеры, в которых отсутствие сходимости продемонстрировано. Между тем одношаговые оценки вычисляются по конечным формулам, без всяких итераций.
Особенно заметна любовь теоретиков к многомерным нормальным распределениям. Именно для таких распределений найдены явные формулы для различных характеристик в многомерном статистическом анализе, прежде всего в регрессионном. Причина в том, что удается использовать хорошо развитую в линейной алгебре теорию квадратичных форм.
Распределения почти всех реальных данных ненормальны. Это утверждение хорошо обосновано экспериментально, путем анализа результатов измерений [3]. Теоретические аргументы в пользу нормального распределения также не выдерживают критики. Например, говорят, что зависимость значения случайной величины от многих факторов влечет нормальность. Иногда добавляют, что факторы являются независимыми и сравнимыми по величине. Однако нормальность распределения можно ожидать лишь в случае аддитивной модели, когда факторы складываются (в силу Центральной предельной теоремы). Если же случайная величина формируется путем перемножения (мультипликативная модель), то ее распределение является (в асимптотике) логарифмически нормальным. Если справедлива модель "самого слабого" звена (или "самого сильного"), т.е. значение случайной величины равно крайнему члену вариационного ряда значений факторов (соответственно минимуму или максимуму), то имеем в пределе распределение Вейбулла - Гнеденко.
Модель на основе семейства нормальных распределений или распределений из иного параметрического семейства можно сравнить с моделью поиска под фонарем потерянных в темных кустах ключей. Очевидно, под фонарем искать легче. Можно продемонстрировать активность. Однако надеяться на благоприятный исход поисков нельзя.
Из проведенного анализа вытекает необходимость использования непараметрических моделей распределений результатов измерений. Отметим, что интервалы их возможных значений, как правило, ограничены, т.е распределения являются финитными. Следовательно, все моменты рассматриваемых случайных величин существуют, и их выборочные аналоги могут использоваться в вычислениях.
Рассмотрим роль вероятностно-статистических моделей в многомерном статистическом анализе. Используют четыре основные класса регрессионных моделей.
Начнем с моделей метода наименьших квадратов с детерминированной независимой переменной и параметрической зависимостью (линейной, квадратической и т.п.). Распределение отклонений произвольно (т.е. модель является непараметрической), для получения предельных распределений оценок параметров и регрессионной зависимости предполагаем выполнение условий центральной предельной теоремы.
Второй тип моделей основан на выборке случайных векторов. Зависимость является параметрической, распределение двумерного вектора - произвольным. Об оценке дисперсии независимой переменной можно говорить только в модели на основе выборки случайных векторов, равно как и о коэффициенте детерминации как критерии качества модели [4].
Третий тип моделей регрессионного анализа, основанный на выборке случайных векторов - непараметрическая регрессия, в которой как зависимость, так и отклонения от нее являются непараметрическими. Зависимость (как условное среднее) оценивается с помощью непараметрических оценок плотности.
Промежуточный вариант - модель, в которой тренд линеен, а периодическая и случайная составляющие являются непараметрическими.
В моделях четвертого типа малые погрешности имеются как в значениях зависимой переменной, так и в значениях независимой переменной. В прошлом этот раздел прикладной статистики назывался конфлюэнтным анализом, сейчас он входит в статистику интервальных данных.
К регрессионному анализу примыкают задачи сглаживания временных рядов и статистики случайных процессов, в которых отклонения от функции времени зависимы.
Анализ многообразия моделей регрессионного анализа приводит к выводу, что не существует единой "стандартной модели" [5]. Другими словами, при решении задачи восстановления зависимости необходимо начинать с выбора и обоснования вероятностно-статистической модели.
Необходимо исходить из теории измерений, согласно которой первый шаг при анализе данных - выявление шкал, в которых они измерены. Известно, что для данных, измеренных в порядковой шкале, в качестве средних величин можно использовать только члены вариационного ряда, прежде всего медиану, а применение среднего арифметического или среднего геометрического недопустимо. Как следствие, поскольку ранги или баллы, как правило, измерены в порядковой шкале, складывать их нельзя. В частности, нельзя оценивать успеваемость учащихся по среднему баллу экзаменационных оценок.
Статистические выводы должны быть инвариантны относительно допустимых преобразований шкал измерения данных. Значит, для каждой шкалы можно выяснить, какими алгоритмами анализа данных из рассматриваемого семейства можно пользоваться в этой шкале. Выше описаны выводы относительно семейства средних по Коши. Обратная задача - для определенного алгоритма анализа данных выяснить, в какой шкале можно им пользоваться. Коэффициент линейной парной корреляции Пирсона соответствует шкале интервалов, а непараметрические ранговые коэффициенты корреляции Спирмена и Кендалла позволяют изучать взаимосвязи порядковых переменных.
С позиций теории измерений обсудим метод анализа иерархий. Исходные данные - результаты парных сравнений, измеренные в порядковых шкалах. А результаты расчетов выражены в шкале интервалов. С точки зрения теории измерений такое недопустимо. Следовательно, методом анализа иерархий пользоваться не следует. Рекомендуем применять адекватные метода анализа экспертных оценок, в частности, методы средних арифметических рангов, медиан рангов, согласования кластеризованных ранжировок [6].

Литература

1. Орлов А. И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.
2. Орлов А. И. Модель анализа совпадений при расчете непараметрических ранговых статистик / Заводская лаборатория. Диагностика материалов. 2017. Т.83. №11. С. 66-72.
3. Орлов А. И. Распределения реальных статистических данных не являются нормальными / Научный журнал КубГАУ. 2016. № 117. С. 71–90.
4. Орлов А.И. Ошибки при использовании коэффициентов корреляции и детерминации / Заводская лаборатория. Диагностика материалов. 2018. Т.84. № 3. С. 68-72.
5. Орлов А.И. Многообразие моделей регрессионного анализа (обобщающая статья) // Заводская лаборатория. Диагностика материалов. 2018. Т.84. №5. С. 63-73.
6. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.

Публикация:
1166. Орлов А.И. Вероятностно-статистические модели данных - основа методов прикладной статистики / Заводская лаборатория. Диагностика материалов. 2020. Т.86. № 7. С. 5-6.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб фев 05, 2022 2:58 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1098 от 7 февраля 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Предлагаем доклад А.И. Орлова "Организационно-экономическое моделирование в организации производства в эпоху цифровой экономики" и статью А.И. Орлова и Ю.Б. Сажина "Солидарная информационная экономика как основа новой парадигмы экономической науки".


УДК 123; JEL Classification: А10, В40

Организационно-экономическое моделирование в организации производства в эпоху цифровой экономики

А.И. Орлов
профессор, д.э.н., д.т.н., к.ф.-м.н.,
профессор кафедры "Экономика и организация производства"
МГТУ им. Н.Э.Баумана, г. Москва
prof-orlov@mail.ru

Аннотация: Статистические методы управления качеством продукции - составная часть теории и практики организации производства. Рассказано об истории создания и результатах деятельности Центра статистических методов и информатики (в настоящее время - Института высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана).
Ключевые слова: организация производства, организационно-экономическое моделирование, цифровая экономика, Институт высоких статистических технологий и эконометрики


Введение

Поясним используемые в настоящей работе термины.
Организационно-экономическое моделирование (ОЭМ) – научная, практическая и учебная дисциплина, посвященная разработке, изучению и применению математических и статистических методов и моделей в экономике и управлении народным хозяйством, прежде всего промышленными предприятиями и их объединениями. В МГТУ им. Н.Э. Баумана выпущен учебник по организационно-экономическому моделированию в трех частях [1 - 3], магистранты факультета "Инженерный бизнес и менеджмент" изучают одноименную дисциплину.
Согласно нормативному документу ВАК: "Организация производства (по отраслям) – область науки и техники, изучающая проблемы становления, эффективного функционирования и совершенствования производственных процессов, научно-организационные и практические методы и средства решения таких проблем на всех уровнях. Специальность включает в себя разработку и совершенствование научных, методологических и системотехнических принципов организации производства, создание и применение методов и средств мониторинга, исследование и анализ различных организационных, технологических и технических решений на всех уровнях организации процессов создания конкурентоспособной продукции и производственных услуг на основе широкого использования новых информационных технологий. Решение указанных проблем качественно повышает уровень организации производственной деятельности предприятий различных отраслей и способствует ускорению их научно-технического прогресса" (паспорт специальности 05.02.22 "Организация производства (по отраслям)"). В соответствии с распространенным определением, организация производства — комплекс мероприятий, направленных на рациональное сочетание процессов труда с вещественными элементами производства в пространстве и во времени с целью повышения эффективности, т. е. достижения поставленных задач в кратчайшие сроки, при наилучшем использовании производственных ресурсов. В МГТУ им. Н.Э. Баумана выпущен учебник по организации производства [4]. История, современность, и перспективы науки об организации производства рассмотрены в [5]. Эволюции концепций управления предприятиями промышленности посвящена работа [6].
Автору настоящей работы в области организации производства наиболее интересны следующие направления исследований, по которым нами выпущены многочисленные публикации:
- статистические методы управления качеством продукции;
- система экологического менеджмента на предприятии,
- анализ, оценка и управление рисками,
- управление запасами (материально-техническими ресурсами).
Все эти области исследований включены в паспорт научной специальности 05.02.22 "Организация производства (по отраслям)".
Под цифровой экономикой понимаем разработку и применение информационно-коммуникационных технологий в экономике и управлении [7]. Происходящая в настоящее время цифровая революция проявляется в принципиальных изменениях технологических и организационно-экономических процессах (количество изменений переходит в качество), что влечет необходимость перемен в экономической теории, в частности, преодоление рыночной экономики и переход к солидарной информационной экономике - возрождению идей Аристотеля [8].

1. Управление качеством: прошлое в настоящем и будущем

Несмотря на взрывной характер цифровой революции, заметная доля интеллектуальной жизни специалистов прежних времен остается актуальной и сейчас. В этом нет ничего удивительного. У человека по-прежнему две руки, две ноги и одна голова. Приведем несколько замечаний в рамках тематики настоящей работы.
По-прежнему актуальны многие разделы книг Н.Ф. Чарновского столетней давности. Например, раздел "Системы оплаты труда" его учебника [9, с.217 - 248], выпущенного в 1914 г.
В 1983 - 1984 гг. кафедру "Экономика и организация производства" МГТУ им. Н.Э. Баумана возглавлял крупнейший ученый в области стандартизации и организации производства Василий Васильевич Бойцов (1908 - 1997) — создатель современной системы государственных стандартов в России и первый Председатель Государственного Комитета СССР по стандартам. К сожалению, в дальнейшие годы система стандартизации была во многом разрушена. В результате проявились серьезные проблемы с качеством продукции, в том числе потребительских товаров. Для наведения порядка в этой области, очевидно, прежде всего необходим анализа советского опыта.
Цель стандартов - фиксация лучших практик, проверенных рациональных способов действий. В качестве примера укажем на Комплексные системы управления качеством продукции (КС УКП) - итог большой научно-методической разработки, начало которой относится к концу 60-х годов ХХ в. "Она проводилась в инициативном порядке научными работниками ВНИИС (в то время ВНИИСтандартизации). Прямую организационную и методическую поддержку разработчики имели от Госстандарта ССР и от его председателя- д-ра техн. наук, проф. Василия Васильевича Бойцова.
Разработки ученых были проверены в широкомасштабном производственном эксперименте на Украине в Львовской области. На основе результатов, полученных в ходе промышленного эксперимента, опыт по созданию комплексных систем управления качеством продукции был одобрен специальным решением ЦК КПСС в августе 1973 г. и рекомендован к широкому внедрению.
Что же характерно для КС УКП, в чем ее значение, что она имеет общего с предшествующими системами, что внесла в международную копилку передового опыта, обобщенного в стандартах ИСО серии 9000?
Прежде всего, скажем, что КС УКП - результат научного обобщения накопленного к тому времени отечественного и известного нашим ученным зарубежного опыта разработки и внедрения систем качества. Она аккумулировала в себе все лучшее, все прогрессивное, что последовательно накапливалось в предшествующих системах: Саратовский БИП (бездефектное изготовление продукции), Горьковский КАНАРСПИ (качество, надежность, ресурс с первых изделий), Ярославский НОРМ (научная организация робот по увеличению моторесурса) и др.
Разрабатывалась КС УКП уже осознанно на принципах системно-комплексного подхода, базируясь на стандартизации. В основу КС УКП были положены принципы общей теории управления и разработанная к тому времени принципиальная модель управления качеством продукции" [10]. Примерами КС УКП являются Комплексная система управления качеством ярославского объединения "Автодизель" [11] и Московская городская система управления качеством продукции [12].
Как отмечает А.В. Гличев, КС УКП, ИСО и TQM (Total Quality Management) - вехи мирового опыта- управления качеством продукции. "В то же время стандарты ИСО серии 9000, по нашему мнению, в ряде случаев уступают содержанию КС УКП. Прежде всего, это касается соединения в петле качества стадий жизненного цикла продукции с некоторыми функциями. Другой методический недостаток заключается в нечетком определении состава и содержания специальных функций управления качеством продукции" [10].
Весьма важно, что "... TQM - это в значительной мере тот виток диалектической спирали, который возвращает нас к Саратовской системе БИП, когда управление качеством было ориентировано в первую очередь на человека и на его роль в производственном процессе" [10]. Проще говоря, КС УКП отнюдь не устарели, опыт 70 - 80 - х годов необходимо использовать в современных условиях, опираясь на идеи одного из заведующих кафедрой ИБМ-2 проф. В.В. Бойцова.
Нет ничего более постоянного, чем популярные ошибки. В настоящее время они распространены не меньше, чем десятилетия назад. Как тогда приходилось разъяснять, что неверно утверждение "запасы должны быть минимальны", а верно: "запасы должны быть оптимальны", так и сейчас (имеется в виду классическая оптимизационная модель Вильсона управления запасами, предложенная Харрисом за 19 лет до Вильсона). Как тогда объяснял, что распределения реальных статистических данных, как правило, ненормальны, так и сейчас приходится (как следствие, любые рассуждения, основанные на предположении о нормальном распределении результатов наблюдений, напоминают поиск под фонарем ключей, потерянных в кустах в темноте). Как тогда невежды советовали проверять нормальность с помощью критериев Колмогорова и омега-квадрат, так и сейчас. И т.д., и т.п.
Новое - это развертывающаяся на наших глазах цифровая революция [7, 8]. Для обеспечения правильности решений, нацеленных в будущее, важно проанализировать прошлое, выделить в нем ценное.

2. Первые годы работы Института высоких статистических технологий и эконометрики (ИВСТЭ)

Термин «высокие статистические технологии» входит в название нашей крайней монографии [13], используется на базовых сайтах http://orlovs.pp.ru/ и http://ibm.bmstu.ru/nil/biblio.html, в том числе в названиях учебников, на форуме http://forum.orlovs.pp.ru/. При публикации статей часто указано, что они подготовлены в ИВСТЭ МГТУ им. Н.Э. Баумана. Поэтому целесообразно дать основную информацию об ИВСТЭ.
История и предыстория ИВСТЭ. Институт высоких статистических технологий и эконометрики (ИВСТЭ) организован нами в 1989 г. Он на инициативных, хоздоговорных и госбюджетных началах занимается развитием, изучением и внедрением высоких статистических технологий, т.е. наиболее современных технологий анализа технических, экономических, социологических, медицинских данных, ориентированных на использование в условиях современного производства и экономики. Основной интерес представляют применения высоких статистических технологий для анализа конкретных экономических данных, т.е. в эконометрике.
Вначале Институт действовал как Центр статистических методов и информатики (создан в 1989 г.), позже - как Всесоюзный центр статистических методов и информатики Центрального правления Всесоюзного экономического общества (1989 - 1992), затем - снова как Центр статистических методов и информатики (1992 - 1993). В 1993 г. преобразован в Лабораторию эконометрических исследований Московского государственного института электроники и математики, а с 1997 г. действует под своим нынешним именем - Институт высоких статистических технологий и эконометрики Московского государственного технического университета им. Н.Э.Баумана. ИВСТЭ работает на базе кафедры ИБМ-2 "Экономика и организация производства" в симбиозе с Лабораторией экономико-математических методов в контроллинге Научно-образовательного центра "Контроллинг и управленческие инновации" (руководитель Научно-образовательного центра - д.э.н., проф. С.Г. Фалько).
У ИВСТЭ есть и предыстория. В 1978-1985 гг. активно действовала комиссия «Статистика объектов нечисловой природы и экспертные оценки» Научного Совета АН СССР по комплексной проблеме «Кибернетика».
Следующий этап предыстории ИВСТЭ - Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам. В нашей стране с начала 1970-х годов стали разрабатываться государственные стандарты по статистическим методам. В связи с обнаружением в них грубых ошибок в 1985 г. мы организовали "Рабочую группу по упорядочению системы стандартов по прикладной статистике и другим статистическим методам". В ее работе приняли участие 66 специалистов, в том числе 15 докторов и 36 кандидатов наук. В соответствии с рекомендациями Рабочей группы 24 из 31 государственного стандарта по статистическим методам были отменены в 1986-87 гг.
В 1988-89 гг. наиболее активная часть Рабочей группы (10 докторов и 15 кандидатов наук) составили "Аванпроект комплекса методических документов и пакетов программ по статистическим методам стандартизации и управления качеством" (около 1600 стр.)
Центр статистических методов и информатики и Институт высоких статистических технологий и эконометрики. К сожалению, Госстандарт не пожелал финансировать реализацию заказанного им "Аванпроекта". Тогда решено было действовать самостоятельно. Тридцать лет назад на собрании в Политехническом музее 20 февраля 1989 г. был организован (на общественных началах) Центр статистических методов и информатики (ЦСМИ; в настоящее время - Институт высоких статистических технологий и эконометрики).
Как самостоятельная организация Всесоюзный центр статистических методов и информатики (ВЦСМИ) Центрального правления Всесоюзного экономического общества создан Постановлением Президиума Центрального Правления Всесоюзного экономического общества № 5-7 от 25 декабря 1989 г.
К середине 1990 г. в ВЦСМИ были разработаны 7 базовых программных продуктов - диалоговых систем по современным статистическим методам управления качеством, а именно, СПК, АТСТАТ-ПРП, СТАТКОН, АВРОРА-РС, ЭКСПЛАН, ПАСЭК, НАДИС. В работе участвовали 128 специалистов. В дальнейшем к ВЦСМИ присоединялись новые группы научно-технических работников, уже к концу 1991 г. нас было более 300. Информация о программных продуктах и другой деятельности ЦСМИ постоянно помещалась в журналах "Заводская лаборатория" и "Надежность и контроль качества". Программные продукты, разработанные ВЦСМИ, были приобретены и использовались более чем в 100 организациях и предприятиях. Среди них - производственные объединения "Уралмаш", "АвтоВАЗ", "Пластик", Центральный научно-исследовательский институт черной металлургии им. Бардина, Научно-исследовательский институт стали, Всесоюзный научно-исследовательский институт эластомерных материалов и изделий, Научно-исследовательский институт прикладной химии, Центральный научно-исследовательский институт химии и механики, Научно-производственное объединение "Орион", Научно-исследовательский центр по безопасности атомной энергетики, Всесоюзный научно-исследовательский институт экономических проблем развития науки и техники, Всесоюзный научно-исследовательский институт нефтепереработки, МИИТ, Казахский политехнический институт, Ульяновский политехнический институт, Донецкий государственный университет и др.

3. Всесоюзная статистическая ассоциация

Параллельно с выполнением работ по договорам с организациями и предприятиями ЦСМИ и ВЦСМИ вели работу по объединению статистиков. В апреле 1990 г. в Большом Актовом Зале Московского Энергетического института прошла Учредительная конференция Всесоюзной организации по статистическим методам и их применениям. На Учредительном съезде Всесоюзной статистической ассоциации (ВСА) в октябре 1990 г. в Московском экономико-статистическом институте эта организация вошла в состав ВСА в качестве секции статистических методов.
В соответствии с реальной структурой статистики ВСА делится на 4 секции: 1) практической статистики, 2) статистических методов и их применений, 3) статистики надежности, 4) социально-экономической статистики. Названия секций, зафиксированные в документах ВСА, не вполне соответствуют действительности. Первая секция состоит из работников Госкомстата, большинство членов второй и третьей занимаются практической деятельностью, в том числе в социально-экономической области, а четвертая состоит из преподавателей статистических дисциплин. Вторая секция (во взаимодействии с третьей) "породила" в 1992 г. Российскую ассоциацию статистических методов, а в 1996 г. - Российскую академию статистических методов.
Согласно Уставу решение о роспуске Всесоюзной статистической ассоциации может принять только ее съезд. Такого решения не было, т.е. Всесоюзная статистическая ассоциация продолжает существовать. В 1992 г. после развала СССР и фактического прекращения работы ВСА на основе секции статистических методов ВСА организована Российская ассоциация по статистическим методам (РАСМ), а затем и Российская академия статистических методов, существующие и в настоящее время. В мероприятиях секции статистических методов ВСА и РАСМ активно участвовали несколько сот человек. Основной тематикой работ многих из этих специалистов являются статистические методы в сертификации (управлении качеством).
Базовая бизнес-идея была такова: ЦСМИ и ВЦСМИ разрабатывает статистические методы, программные и методические продукты, ВСА и РАСМ их распространяют и внедряют.
В 1980 - 1990 гг. была проведена большая работа по анализу положения дел в области теории и практики статистики в нашей стране. В ЦСМИ и РАСМ, объединивших большинство ведущих российских специалистов, коллективными усилиями разработан единый подход к проблемам применения статистических методов в сертификации и управлении качеством, т.е. новая парадигма статистических методов (математической статистики, прикладной статистики, эконометрики, организационно-экономического моделирования, математических методов исследования). Был сформулирован «социальный заказ» - разработать серию учебников согласно новой парадигме. К настоящему времени выполнен.

Заключение

С 1993 г. по настоящее время Институт разрабатывал эконометрические методы анализа нечисловых данных, прогнозирования индекса инфляции и валового внутреннего продукта (для Министерства обороны Российской Федерации), методологию построения и использования математических моделей процессов налогообложения (для Госналогслужбы), методологию оценки рисков реализации инновационных проектов высшей школы (для Министерства науки и технологий Российской Федерации), оценивал влияние различных факторов на формирование налогооблагаемой базы ряда налогов (для Минфина Российской Федерации), прорабатывал перспективы применения современных статистических и экспертных методов для анализа данных о научном потенциале (для Министерства науки и технологий Российской Федерации), разрабатывал методологическое, программное и информационное обеспечение анализа рисков химико-технологических объектов (для Международного научно-технического центра), проводил маркетинговые исследования (для Промрадтехбанка, фирм, торгующих растворимым кофе, программным обеспечением), выполнял иные работы.
В 2010-2012 гг. Институт совместно с Группой компаний "Волга-Днепр" и Ульяновским государственным университетом участвовал в разработке АСППАП - автоматизированной системы прогнозирования и предотвращения авиационных происшествий (в соответствии с Постановлением Правительства РФ № 218).
Институт вел и ведет и фундаментальные научные исследования, в частности, госбюджетные научные исследования в МГТУ им.Н.Э. Баумана. Основные публикации сосредоточены в журналах "Заводская лаборатория. Диагностика материалов" (более 80 статей за 1989-2019 гг., в которых указано, что они выполнены в ИВСТЭ), "Контроллинг", "Инновации в менеджменте", "Управление большими системами", в "Научном журнале КубГАУ" и др.
Институт обеспечивает научно-методическую поддержку преподаванию дисциплин "Прикладная статистика", "Прикладная статистика", "Статистика", "Эконометрика", "Организационно-экономическое моделирование", "Контроллинг рисков", выполнению выпускных квалификационных работ (включая МВА) и диссертаций.

Литература

1. Орлов А.И. Организационно-экономическое моделирование: : учебник : в 3 ч. Ч.1: Нечисловая статистика. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2009. — 542 с.
2. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.
3. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.3. Статистические методы анализа данных. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2012. - 624 с.
4. Некрасов Л.А., Скворцов Ю.А. (ред.) Организация и планирование машиностроительного производства. Учебник / К.А. Грачева, М.К. Захарова, Л.А. Одинцова и др. - М.: Высшая школа, 2003. - 470с.
5. Фалько С.Г. Наука об организации производства: история, современность, перспективы. – М.: О-во «Знание» РСФСР, 1990. – 56 с.
6. Фалько С.Г. Эволюция концепций управления предприятиями промышленности. – М.: ЦЭМИ РАН, 2007. – 50 с.
7. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
8. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
9. Чарновский Н.Ф. Организация промышленных предприятий по обработке металлов. - М.: Московское научное издательство, 1914. - 308 с.
10. Гличев А.В. Основы управления качеством продукции. - М.: РИА "Стандарты и качество", 2001. -120 с.
11. Комплексная система управления качеством / Р.Н. Арсеньев, М.А. Григорьев, А.М. Добрынин, В.А. Долецкий, Ю.А. Щеглов. - Ярославль: Верхне - Волжское книжное издательство., 1973. - 256 с.
12. Московская городская система управления качеством продукции: Нормативно-методическое обеспечение. - М.: Издательство стандартов , 1981. - 160 с.
13. Лойко В.И., Луценко Е.В., Орлов А.И. Высокие статистические технологии и системно-когнитивное моделирование в экологии : монография. – Краснодар : КубГАУ, 2019. – 258 с.


Контакты

Орлов Александр Иванович, профессор, д.э.н., д.т.н., к.ф.-м.н.
Профессор кафедры ИБМ-2 "Экономика и организация производства",
зав. лабораторией "Экономико-математические методы в контроллинге"
Московского государственного технического университета им. Н.Э. Баумана
prof-orlov@mail.ru


Публикация:
1150. Орлов А.И. Организационно-экономическое моделирование в организации производства в эпоху цифровой экономики / Девятые Чарновские чтения. Сборник трудов IX Всероссийской научной конференции по организации производства (Москва, 6 - 7 декабря 2019 г.) - М.: НОЦ "Контроллинг и управленческие инновации" МГТУ им. Н.Э. Баумана, НП "Объединение контроллеров", 2019. - С. 116-123.
http://czarnowski.bmstu.ru/2020/01/2019proceedings/
https://drive.google.com/file/d/1fjdmus ... q4vEb/view



УДК 005.3:004.8:33.01;
JEL: C00, A12

Орлов А.И.,
д.э.н., д.т.н., к.ф.-м.н., профессор,
зав. лаб. экономико-математических методов в контроллинге,
МГТУ им. Н.Э. Баумана

Сажин Ю.Б.
к.т.н., доцент кафедры «Экономика и организация производства»,
МГТУ им. Н.Э. Баумана

Солидарная информационная экономика как основа
новой парадигмы экономической науки

Аннотация. Аристотель - основоположник экономической науки. В XVIII - XIX вв. наблюдаем рыночную экономику, пришедшую на смену теории Аристотеля. С развитием цифровой экономики в XXI в. идеи Аристотеля об управлении хозяйством с целью удовлетворения потребностей становятся все более актуальными. Проекты ОГАС В.М. Глушкова и "Киберсин" Ст. Бира - примеры разработок в духе Аристотеля. Солидарная информационная экономика, развивающая идеи Аристотеля, является основой новой парадигмы экономической науки.
Ключевые слова: Аристотель, экономическая теория, управление хозяйством, цифровая экономика, солидарная информационная экономика

Alexander I. Orlov,
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor,
head of Laboratory of economic-mathematical methods in controlling, BMSTU

Yuri Sazhin,
candidate of technical Sciences, associate Professor of Department Economics
and industrial engineering, BMSTU

Solidary information economy as the basis of a new paradigm of economic science

Abstract. Aristotle is the founder of the theory of economics. In the 18 - 19 c. we observe a market economy that has replaced the theory of Aristotle. With the development of the digital economy in the 21 c. Aristotle's ideas about managing the economy in order to meet needs are becoming more relevant. Projects of NAS (V.M. Glushkov) and Cybersin (St. Beer) - examples of developments in the spirit of Aristotle. The solidary information economy, developing the ideas of Aristotle, is the basis of the new paradigm of economic theory.
Keywords: Aristotle, economic theory, economic management, digital economy, solidary information economy


Основные экономические идеи Аристотеля и их судьба

С развитием экономической деятельности человека появилось ее осмысление - экономическая наука. Специалисты по истории экономической мысли первым ученым-экономистом называют Аристотеля.
Согласно Аристотелю [1], экономика - это наука о том, как управлять хозяйством. Аристотель рассматривает различные виды хозяйств:
1) Домашнее хозяйство. Экономику домашнего хозяйства можно назвать домоводством.
2) Городское или сельскохозяйственное предприятие. В настоящее время используются термины "экономика предприятия" и "микроэкономика".
3) Хозяйство города (полиса). Сейчас говорят о муниципальном управлении.
4) Хозяйство региона (сатрапии). Это - региональная экономика.
5) Хозяйство государства в целом (империи). Речь идет о макроэкономике, государственном управлении.
Аристотель рассмотрел практически все уровни взаимоотношений экономических субъектов, актуальные для современности. Он полагал, что цель управления хозяйством - удовлетворение потребностей людей. Он резко критиковал так называемых "хрематистиков", полагавших, что цель экономической деятельности - получение выгоды (прежде всего прибыли).
В течение многих столетий правители различных стран управляли экономическими явлениями и процессами, добиваясь удовлетворения потребностей подданных. Труды Аристотеля служили теоретической базой их практической деятельности. Ситуация изменилась с выходом на политическую арену третьего сословия - буржуазии. В результате победы буржуазных революций в качестве главенствующего экономического учения на первое место вместо учения Аристотеля вышла т.н. "рыночная экономика", отражающая взгляды хрематистиков. Её основные постулаты хорошо известны:
1) собственники предприятия сами решают, что производить;
2) цель работы предприятия (организации) - максимизация прибыли;
3) конкуренция - это благо, а монополия - зло;
4) государство не должно вмешиваться в экономическую жизнь, его роль - быть "ночным сторожем", поддерживающим порядок и ведущим борьбу с преступлениями.
Хотя по оценке американского экономиста и теоретика менеджмента П. Друкера, 1873 г. – «конец эры либерализма – конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику» [6], до сих пор в сознании российских исследователей и практических работников продолжает господствовать рыночная риторика.
Наблюдаем противоречие. В реальном мире рыночная экономика господствовала около ста лет, а с 1873 г. была заменена на смешанную со значительным государственным участием. Германский кайзер начал активно управлять экономическими процессами. В ХХ в. так делали Ф. Рузвельт (США) и руководители социалистических стран. Теоретические основы государственного управления экономикой были развиты Дж. Кейнсом. А вот в теоретических размышлениях и в преподавании рыночная экономика в англосаксонских странах продолжала быть господствующей. Именно рыночная экономика в американском варианте была внедрена в России в 1990-х годах. К настоящему времени стало ясно, что это внедрение имело целью дезориентацию экономического мышления как ученых и преподавателей, так и основной массы населения.
Победа хрематистики повлекла за собой и смену терминологии. Под экономикой стали понимать хрематистику, т.е. прежде всего науку о финансовых спекуляциях. А науку об управлении хозяйством сейчас называют менеджментом, причем эту научную дисциплину "понизили в ранге" - считают лишь одной из экономических наук.
Временная победа хрематистики должна быть преодолена путем возрождения экономического учения Аристотеля. Развиваемая нами солидарная информационная экономика основана на идеях Аристотеля. Современные информационно-коммуникационные технологии позволяют спланировать и организовать выпуск продукции и оказание услуг в объеме, необходимом для удовлетворения потребностей как отдельных людей, так и общества в целом.
Есть две теоретические проблемы, которые необходимо обсудить. Технологические цепочки состоят из многочисленных звеньев, а потому для перехода от заданных потребностей к планам выпуска требуется провести большое количество расчетов. Как показали шотландские экономисты П. Кокшотт и А. Котрелл, к концу ХХ в. вычислительная мощность компьютеров достигла необходимого для этого уровня (http://ricardo.ecn.wfu.edu/~cottrell/so ... itique.pdf, http://left.ru/2009/6/cockshott188.phtml). Отметим как следствие этого утверждения, что действовавший в СССР Госплан в принципе не мог адекватно выполнять свои задачи - в то время не хватало мощностей вычислительной техники. Вторая проблема связана с формированием набора потребностей в виде, позволяющем перейти к планированию. Индивидуальные потребности должны быть агрегированы в потребности общества, в частности, распределены по времени удовлетворения. Это, по нашему мнению, можно сделать с помощью методов теории принятия решений, прежде всего с использованием технологий коллективных экспертных оценок.
Важные работы, направленные на возрождение экономического учения Аристотеля, были выполнены во второй половине ХХ в. Начало положила знаменитая книга Н. Винера 1948 г., заложившая основы современной кибернетики [3], и его более поздняя книга [4], посвященная роли кибернетики в развитии общества.
В послевоенные годы в нашей стране, как и во всем мире, разрабатывались различные типы автоматизированных систем управления экономическими и организационными системами. В 1960-х гг. В.М. Глушков и его коллеги предложил руководству СССР создать Общегосударственную автоматизированную систему управления экономикой страны (ОГАС). В.М. Глушков писал:
«Отныне только «безмашинных» усилий для управления мало. Первый информационный барьер или порог человечество смогло преодолеть потому, что изобрело товарно-денежные отношения и ступенчатую структуру управления. Электронно-вычислительная техника – вот современное изобретение, которое позволит перешагнуть через второй порог. Происходит исторический поворот по знаменитой спирали развития. Когда появится государственная автоматизированная система управления, мы будем легко охватывать единым взглядом всю экономику. На новом историческом этапе, с новой техникой, на новом возросшем уровне мы как бы «проплываем» над той точкой диалектической спирали, ниже которой, отделенный от нас тысячелетиями, остался лежать период, когда свое натуральное хозяйство человек без труда обозревал невооруженным глазом [5]».
Аналогичная по замыслу система, хотя и более скромная по масштабам, была разработана и применена на практике в Чили, во время президентства Сальвадора Альенде. Один из основоположников кибернетики англичанин Стаффорд Бир разработал автоматизированную систему управления национализированными предприятиями Чили. Проект получил название «Киберсин» [2]. Можно было управлять производством всей страны в реальном времени (т.е. каждым конкретным предприятием), сразу же видеть результаты принятых решений и при необходимости вносить поправки. Кроме того, в каждом населенном пункте создавались «опросные пункты», где производился автоматизированный опрос населения по поводу принимаемых мер. Эти центры были включены в систему «Киберсин», и правительство быстро узнавало реакцию населения на очередное нововведение. Разработки Бира дают прототипы для дальнейшего этапа развития коммуникационно-информационных систем управления предприятиями и их объединениями – интегрированными производственно-корпоративными структурами, а также регионами, муниципальными образованиями, субъектами федерации, Россией, международными объединениями, Землей в целом.

Солидарная информационная экономика - основа новой парадигмы экономической науки

Современная экономическая теория, основанная на возрождении учения Аристотеля в рамках цифровой экономики, т.е. путем использования информационно-коммуникационных технологий, получила название солидарной информационной экономики. В ней продолжаются и развиваются идеи ОГАС и «Киберсин».
Первая публикация по солидарной информационной экономике появилась в 2007 г. [9]. Она называлась "Неформальная информационная экономика будущего". Каждая составляющая этого термина из четырех слов заслуживает обсуждения.
Термин "экономика" понимается по Аристотелю - это наука о том, как управлять хозяйством. Также имеем в виду применения экономической теории при решении практических задач. Термин "информация" связываем с широким использованием современных информационно-коммуникационных технологий. Термин "неформальная" был выбран для того, чтобы подчеркнуть отрицательное отношение к волюнтаризму (всеобщим командным методам). Однако в дальнейшем мы от него отказались, поскольку этот термин часто используют применительно к криминальным явлениям. Заменили его на "функционалистко-органическая" в соответствии с концепциями биокосмологии [17]. Однако этот термин не является привычным для широкого круга специалистов. Поэтому мы остановились на термине "солидарная", понимая вслед за П.А. Кропоткиным этот термин как антоним к "конкуренция", "борьба за существование" (солидарность рассматривается как важнейший фактор развития человеческого общества, возрастание которого ведет к прогрессу и всеобщему благоденствию, а утрата - к взаимной борьбе за существование, нищете и эксплуатации). В ряде случаев мы в названиях статей давали разъяснение в скобках: "функционалистко-органическая (солидарная)".
Термин "будущего" был включен в название экономической теории потому, что, как мы полагали, она посвящена управлению хозяйством в достаточно далеком будущем. Однако будущее оказалось гораздо ближе, чем представлялось. Будущее уже наступило. Мы живем в цифровой экономике. Поэтому мы сняли этот термин из названия разрабатываемой теории.
Промежуточный итог развития солидарной информационной экономики подведен в разделе 1.1 монографии [7] и в статье [8]. Необходимо дальнейшее её развитие.
Необходимость перехода к новой парадигме экономической науки вызывается рядом причин. Развитие современной цифровой экономики дает возможность обеспечения удовлетворения потребностей путем организации экономической жизни на основе кибернетических инструментов планирования [10]. Все более широкие слои населения отказываются от поддержки хрематистики и выбирают другие жизненные ценности. Это проявляется, в частности, в переходе от владения к аренде, а также к отказу от раздувания личной собственности [11, 16].
Как следует из сказанного выше, рыночная экономика устарела и стала тормозом как в развитии экономической теории, так и при решении практических задач. Необходимо вывести рыночную экономику из употребления в науке и преподавании и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Короче, необходима смена парадигмы экономической науки. Основой новой парадигмы является солидарная информационная экономика, развивающая идеи Аристотеля.

Некоторые аспекты необходимости перехода к новой экономической парадигме

Цифровая экономика (в форме солидарной информационной экономики) на базе компьютеризации и роботизации, в XXI в. стала реальностью, с которой приходится считаться даже тем, кто относит себя к экономистам-консерваторам. Внедрение роботов с искусственным интеллектом во все сферы хозяйственной деятельности может привести к неожиданным последствиям: к массовому уходу низкоквалифицированной рабочей силы с рынка труда, при одновременном снижении спроса и на высококвалифицированных специалистов. Роботизированные конвейеры на автозаводах не могут относиться к устройствам с сильным искусственным интеллектом, ведь они не заменяют человека, а помогают ему при создании сложной стоимости. Так на АвтоВАЗе, при численности работников в 55 тыс. чел., в 2019 г. было выпущено всего около 500 тыс. автомобилей. Для характеристики масштабов проблем в автомобилестроении может говорить тот факт, что за последние 18 лет в мире было произведено 1028 млн. автомашин, а не проданными за это же время оказались более 25 млн. шт. (https://zen.yandex.ru/media/id/5f576a20 ... mpaign=dbr). Но каждый год автоконцерны наращивают объемы производства, инвестируя в отрасль баснословные финансовые ресурсы. Разрыв между числом произведенных и проданных автомобилей продолжает расти. Чтобы поддерживать продажи на достойном для производителей уровне, они идут на всяческие уловки, традиционно экономя на оплате рабочей силы, включают в стоимость новых автомобилей затраты на производство прежних моделей, а главное, сознательно и резко снижают качество продукции. Все, что им нужно от производства автомобилей – рост прибыли в каждом обороте капитала. Денег у покупателей нет – берите кредиты, но покупайте, покупайте! Капиталиста не смущает, то к чему приводит экономику современная рыночная парадигма.
Современному капиталисту видится производство стоимости без человека. Из работ классиков известно, что в производстве стоимости, при капитализме, участвует сумма постоянного и переменного капиталов. Это наблюдалось в течении последних сотен лет и казалось незыблемым, на этом строилась существующая и поныне рыночная экономическая парадигма. Доход на капитал постоянно рос за счет неумолимого снижения доли заработной платы во вновь созданной стоимости. И это замечательно согласуется с действующей рыночной экономической парадигмой и с ее «подсказками» для капиталистов, в каком направлении развивать экономическую модель общества. Расслоение (увеличение и даже разрыв социальной и имущественной дистанции) между владельцами капитала и наемными работниками, с одной стороны, и между агентами (топ-менеджерами) и исполнителями, с другой стороны, становится тормозом развития экономики. Наиболее подробно и научно-обоснованно на это указал Томас Пикетти [12], на основании проведенных в течении почти 30-летних исследований огромного коллектива ученых во многих странах.
Развитие экономики, основанной на широком внедрении искусственного интеллекта во всех сферах, кардинально меняет политику предприятий в отношении рабочей силы. Роботы все больше занимают рабочие места на предприятиях розничной торговли, в ресторанах быстрого питания, на складах и в сфере услуг. Собственники бизнеса все шире используют роботов в производствах с высокой трудоемкостью работ или переводят предприятия в страны с низким уровнем заработной платы. В России численность рабочей силы составляет 74,9 млн. чел. (январь 2019 г.), из них 71, 2 млн. чел. заняты экономической деятельностью, а 3,7 млн. чел. являются безработными [14]. Статистика не учитывает число экономически активного населения, не вставших на учет в Фонды занятости. Правительственные органы утверждают, что за четыре года – с 2012 по 2015-й – количество высокопроизводительных рабочих мест (ВПРМ) в стране выросло на 2,6 млн единиц, или на 20,4%. Но этот рост наблюдался на фоне перманентного сокращения общего количества рабочих мест в экономике России на протяжении этих лет (на 6,771 млн. единиц, или 10%) (http://www.ng.ru/economics/2016-08-16/1_job.html). Ежегодно, последние несколько лет, школу заканчивают более одного млн. чел. (https://vawilon.ru/statistika-vypusknikov), к ним следует еще добавить более 700 тыс. выпускников вузов (https://news.rambler.ru/education/43108 ... -vuzov-smi). Некоторые актуальные статистические данные по проблеме, описанной выше, приведены в табл. 1 и 2 (см.исходный текст).
Проблема трудоустройства этого количества человек, ищущих свою работу, не имея практического опыта трудовой деятельности, сама собой не разрешится: «Слишком много людей приходит на рынок труда, и слишком много машины выкидывают людей с него» [13].

Сингулярность искусственного интеллекта: за и против

Первым упомянул термин «сингулярность» в своих работах Дж. Фон Нейман около 1950 г. Он писал: «Создается впечатление, что непрерывно ускоряющийся прогресс … приближает нас к некой важнейшей сингулярности в истории человеческого рода, после которой люди не смогут уже жить так, как прежде» [13, стр. 407].
Проблему сингулярности снова поднял в 1993 г. В. Виндж: «Ускорение технического прогресса было центральным фактором, особенностью этого века. Я утверждаю …, что мы находимся на краю изменения, сравнимого с подъемом человеческой жизни на Земле. Точный причиной этого изменения является неизбежное создание технологией существа с бОльшим, чем у человека, интеллектом. …справедливо назвать это событие сингулярностью. Это точка, где наши старые модели должны быть отброшены, и новая реальность станет править» (http://bookre.org/reader?file=407510&pg=3).
По прогнозу Рэймонда Курцвейла, в 2029 г. произойдет слияние человеческого интеллекта и искусственного, а сингулярность наступит уже в 2045 г. Большинство же экспертов считает, что это произойдет не раньше 2047 г. – если произойдет в принципе. Но Р. Курцвейл настроен оптимистично – он уверен, что за слиянием человека с искусственным интеллектом будущее. Люди перестанут мыслить линейно, и это приведет к небывалому прежде прогрессу (https://hightech.fm/2017/03/16/singularity_2029).
Но скорее всего, что сверхразум, как главный катализатор сингулярности, либо вовсе не может быть создан, либо появится лишь в очень далеком будущем. Гарвард Стивен Пинкер писал: «Нет ни малейшей причины верить в наступление сингулярности. Тот факт, что вы можете представить себе будущее в воображении, не является подтверждением его вероятности или даже возможности» [13, стр. 412].
Подводя итог обзору мнений великих изобретателей и специалистов в области изучения человеческого мозга, можно уверенно сказать, что еще очень далеко до создания машинного интеллекта, сравнимого с человеческим. А наступление эры сингулярности – чистой воды научная фантастика. По мнению Т. Черниговской, в настоящее время актуальной проблемой является попытка смоделировать процессы рассуждения, потому что пока мы к этому особо и не приблизились, и, что такое интеллект, не смог сформулировать ни один ученый. Она утверждает, что мы находимся на пороге не только невероятных технологических скачков, но и в процессе перехода в другую цивилизацию, а это проблема антропологическая (http://www.sobaka.ru/city/science/68897).

Цифровая экономика и образование

Однажды Маргарет Тэтчер в интервью женскому журналу сказала: «Такой вещи, как общество, не существует. Существует живой гобелен мужчин, женщин и детей, и красота этого гобелена и качество нашей жизни будут зависеть от того, насколько каждый из нас готов взять на себя ответственность за себя и каждый из нас готов обернуться и помочь своими собственными усилиями тем, кто несчастен» (https://valchess.livejournal.com/182087.html). Отдельному человеку, субъекту экономики, совсем не интересно, какова прибыль его предприятия или даже ВВП всей страны. Ему важен доступ к такому доходу, который удовлетворит все его потребности, как настоящие, так и будущие. Желания и чаяния субъекта реализует его личный доход и доход его семьи. Существует различные виды доходов, для обозначения границ потребности человека, это доход:
- домохозяйства. Он учитывает доходы всех лиц в возрасте от 15 лет и старше, занимающих одну и ту же единицу жилья, независимо от того, связаны ли они. Один человек, занимающий жилище сам по себе, также считается домохозяйством;
- семьи. Он учитывает только доход домохозяйства, занятого двумя или более лицами, связанными с рождением, браком или усыновлением;
- на душу населения, который измеряет средний доход, получаемый каждым человеком в данной области. Два дохода в одной семье учитываются отдельно при измерении дохода на душу населения.
В настоящее время взамен устаревшего понятия «рыночная экономика (англ. economics)» специалисты все чаще говорят о цифровой экономике. По-видимому, впервые термин «цифровая экономика» ввел Дон Тапскотт в своей популярной книге 1994 г. «Цифровая экономика: обещание и опасность в эпоху сетевой разведки» (http://dontapscott.com/books/the-digital-economy). Цифровая экономика представляет собой производство и реализацию продукции, оказание услуг, основанное на цифровых (информационно-коммуникационных) технологиях. Последнее время все чаще говорят о применении в цифровой экономике искусственного интеллекта. Авторам ближе понятие, возникшее в экономической литературе уже в 2007 г.: солидарная информационная экономика. Ее называют экономической теорией XXI в., которая должна заменить рыночную экономику и занять ее место при проведении научных исследований и в преподавании [7, стр. 16].
Экономическую парадигму можно сформулировать так: это – концептуальная модель экономики, реализованная в виде системы экономических показателей. А новая экономическая парадигма – научная теория, воплощенная в системе понятий, выражающих существенные черты экономической реальности и действительности. Должна содержать исходные новые концептуальные схемы, модели постановки экономических проблем и их решений, новые методы исследования, которые будут действовать в течение определенного исторического периода в экономической науке [11].
В настоящее время в экономике преобладает традиционное представление о сути проблемы безработицы: все дело в недостаточном уровне образования и профессиональной подготовки работников (настоящих и будущих). Считается, что при правильном подходе к образованию, работник будет непрерывно совершенствовать свои навыки, неизменно сохраняя небольшое превосходство над машинами, борясь за свое рабочее место. В их работе будет все больше места для творчества и свободного полета фантазии. При этом обычный человек способен освоить безграничный объем знаний и навыков; количество рабочих мест высокого уровня, которые может создать экономика, чтобы трудоустроить всех этих переобученных работников, также ничем не ограничено. Образование и переподготовка – неизменное решение проблемы безработицы во все времена. Так было и пока есть, но будущее образования и трудоустройства, скорее всего, будет другим.
По существу, широкое и быстрое распространение человекоподобного искусственного интеллекта будет равносильно тому, как фантасты описывают «инопланетное вторжение». Не ограничиваясь одними лишь относительно рутинными, повторяющимися и предсказуемыми задачами, роботы – машины с искусственным интеллектом – смогут заниматься практически всеми видами деятельности. Разумеется, фактически это будет означать одно: почти никто из людей не сможет зарабатывать доход своим трудом. Доход с капитала – или, по сути, доход с права собственности на машины – будет сосредоточен в руках немногочисленной элиты, командующей роботами. У потребителей не будет достаточных средств для приобретения благ, производимых «умными» машинами. Все это приведет к многократному усилению самых негативных тенденций. Рабочий в начале 20 в. выращивал пшеницу, прокладывал железную дорогу, в середине этого века управлял станком с ЧПУ, а в начале 21 в. наклеивает штрих-коды на товар в супермаркете.

Минимальный гарантированный доход

Рост объема инвестиций в образование и профессиональную подготовку не решит проблемы безработицы и не остановит процесс автоматизации труда. На Западе все большее число сторонников решения этого противоречия в применении повсеместно безусловного базового (или минимального гарантированного) дохода (МГД) в качестве своего рода страховки работникам на случай неблагоприятного развития событий. Первым об этом еще в 1973-1979 гг. писал Фридрих Хайек [15], как о справедливом распределении доходов. Сумма получаемого каждым МГД должна быть относительно небольшой:
- достаточной, чтобы свести концы с концами;
- небольшой, чтобы нельзя было чувствовать себя особенно комфортно.
Для успешной реализации любой схемы обеспечения МГД требуется разработка и наличие эффективной системы мотивации.
Существует два общих подхода к реализации идеи МГД [13].
1. Выплачивать безусловный базовый доход всем взрослым гражданам независимо от наличия у них иных источников дохода.
2. Обеспечивать МГД (и использовать другие инструменты, такие, например, как отрицательный подоходный налог) только тем, кто находится в самом низу иерархии распределения доходов, и тем, кто с появлением новых источников дохода останется не у дел.

Заключение

Не изменив цели экономики, нельзя решить проблемы, следующие в кильватере устаревшей экономической парадигмы, соблюдая при этом интересы всех заинтересованных сторон: капиталиста, работника и государства.
Даже если сингулярность эры роботов не наступит, надо признать, что цифровая экономика и искусственный интеллект – реальность. Рост безработицы в промышленно развитых странах из-за роботизации – опасная тенденция. Увеличение возможностей для получения образования и профессиональной подготовки не являются эффективным решением проблемы растущей безработицы. Выход видится в переходе к новой экономической парадигме в два этапа:
1. В ближайшем обозримом будущем перенос акцента экономики с дохода на благосостояние;
2. Перераспределение капитала каждому в виде «минимального гарантированного дохода на душу населения» (и это не МРОТ!) при достижении равной стоимости при полной глобализации экономики (в далекой, но реальной перспективе) с целью избавить его от житья в нужде.
Эти новые подходы к построению солидарной информационной экономики и должны лечь в основу новой экономической парадигмы.

Литература

1. Аристотель. Политика // Сочинения в 4-х томах. – М.: Мысль, 1983. Т.4. - 830 с.
2. Бир Ст. Мозг фирмы. - М.: Радио и связь, 1993. - 416 с.
3. Винер Н. Кибернетика, или управление и связь в животном и машине. 1948-1961. - 2-е издание. - М.: Наука; Главная редакция изданий для зарубежных стран, 1983. - 344 с.
4. Винер Н. Кибернетика и общество. - М.: Изд-во иностранной литературы. 1958. - 200 с.
5. Глушков В.М. Макроэкономические модели и принципы построения ОГАС. - М.: Статистика, 1975. - 160 с.
6. Друкер П.Ф. Новые реальности в правительстве и политике, в экономике и бизнесе, в обществе и мировоззрении: Пер. с англ. - М.: Бук Чембэр Интернэшнл, 1994. - 380 с.
7. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
8. Орлов А.И. Аристотель и цифровая экономика / Biocosmology – neo-Aristotelism. 2019. V. 9, № 1-2. С. 7-20.
9. Орлов А.И. Неформальная информационная экономика будущего. // Неформальные институты в современной экономике России: Материалы Третьих Друкеровских чтений. - М.: Доброе слово: ИПУ РАН, 2007. – С.72-87.
10. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
11. Орлов А.И., Сажин Ю.Б. Инновации в менеджменте, экология, хрематистика и цифровизация // Инновации в менеджменте. 2019. № 4 (22).
12. Пикетти Т. Капитал в XXI веке / М.: Ад Маргенем Пресс, 2016. – 592 с.
13. Форд М. Роботы наступают: Развитие технологий и будущее без работы. Пер. с англ. – М.: Альпина нон-фикшн, 2019. – 572 с.
14. Рабочая сила, занятость и безработица в России (по результатам выборочных обследований рабочей силы). 2018: Стат.сб.  M.: Росстат,.2018.  142 c.
15. Хайек Ф. Право, законодательство и свобода: современное понимание либеральных принципов справедливости и политики. Пер. с англ. Б. Пинскера, А. Кустарева. - М.: ИРИСЭН, 2006. – 642 с.
16. Auken Ida, Parliament of Denmark. Welcome to 2030. I own nothing, have no privacy, and life has never been better - 2016. URL: https://www.weforum.org/agenda/2016/11/ ... t-that-is/ (дата обращения 18.10.2020).
17. Orlov A. I. Functionalist-Organic Information Economy – the Organizational-Economic Theory of Innovation Development / Biocosmology – neo-Aristotelism. 2013. Vol.3. №1. P. 52-59.

Публикация:
1176. Орлов А.И., Сажин Ю.Б. Солидарная информационная экономика как основа новой парадигмы экономической науки // Инновации в менеджменте. 2020. №26. С. 52- 59.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб фев 12, 2022 2:27 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1099 от 14 февраля 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Предлагаем принципиально важную обзорную статью А.И. Орлова "Статистика нечисловых данных - центральная часть современной прикладной статистики".



УДК 303.732.4 : 519.2

08.00.13 Математические и инструментальные методы экономики (экономические науки)

Статистика нечисловых данных - центральная часть
современной прикладной статистики

Орлов Александр Иванович
д.э.н., д.т.н., к.ф.-м.н., профессор
РИНЦ SPIN-код: 4342-4994

Московский государственный технический университет им. Н.Э. Баумана, Россия, 105005, Москва, 2-я Бауманская ул., 5, prof-orlov@mail.ru

Аннотация. В 1979 г. статистика нечисловых данных была выделена как самостоятельная область прикладной статистики. Первоначально для обозначения этой области математических методов экономики использовался термин "статистика объектов нечисловой природы". Наш базовый учебник по статистике нечисловых данных называется "Нечисловая статистика". Статистика нечисловых данных - одна из четырех основных областей прикладной статистики (наряду со статистикой чисел, многомерным статистическим анализом, статистикой временных рядов и случайных процессов). Статистика нечисловых данных делится на статистику в пространствах общей природы и разделы, посвященные конкретным типам нечисловых данных (статистика интервальных данных, статистика нечетких множеств, статистика бинарных отношений и др.). В настоящее время статистика в пространствах общей природы - центральная часть прикладной статистики, а включающая ее статистика нечисловых данных - основная область прикладной статистики. Это утверждение подтверждается, в частности, анализом публикаций в разделе "Математические методы исследования" журнала "Заводская лаборатория. Диагностика материалов" - основном месте публикаций отечественных исследований по прикладной статистике. Настоящая статья посвящена анализу основных идей статистики нечисловых данных на фоне развития прикладной статистики с позиций новой парадигмы математических методов исследования. Описаны различные виды нечисловых данных. Проанализирован исторический путь статистической науки. Рассказано о развитии статистики нечисловых данных. Разобраны основные идеи статистики в пространствах общей природы: средние величины, законы больших чисел, экстремальные статистические задачи, непараметрические оценки плотности распределения вероятностей, методы классификации (диагностики и кластер-анализа), статистики интегрального типа. Кратко рассмотрены некоторые статистические методы анализа данных, лежащих в конкретных пространствах нечисловой природы: непараметрическая статистика (реальные распределения обычно существенно отличаются от нормальных), статистика нечетких множеств, теория экспертных оценок (медиана Кемени - это выборочное среднее экспертных упорядочений) и др. Обсуждаются некоторые нерешенные задачи статистики нечисловых данных.

Ключевые слова: математические методы экономики, прикладная статистика, нечисловые данные, статистика в пространствах общей природы, задачи оптимизации, средние величины, законы больших чисел, непараметрические оценки плотности, статистики интегрального типа, непараметрическая статистика, экспертные оценки, нерешенные задачи

DOI: http://dx.doi.org/10.21515/1990-4665-156-007

1. Введение
В настоящее время статистика нечисловых данных - одна из четырех основных областей прикладной статистики. Остальные три - статистика чисел, многомерный статистический анализ, статистика временных рядов и случайных процессов. В свою очередь статистика нечисловых данных делится на статистику в (нелинейных) пространствах общей природы и разделы, посвященные конкретным типам нечисловых данных, такие, как статистика интервальных данных, статистика нечетких множеств, статистика бинарных отношений и др. Естественно, что научные результаты, полученные в рамках статистики в пространствах общей природы, могут быть использованы для конкретных видов данных (например, теория непараметрических оценок плотности распределения вероятностей). Следовательно, статистика в пространствах общей природы - центральная часть прикладной статистики, а включающая ее статистика нечисловых данных - основная область прикладной статистики. Это утверждение подтверждается, в частности, анализом публикаций в разделе "Математические методы исследования" журнала "Заводская лаборатория. Диагностика материалов" - основного издания по прикладной статистике в России. По данным [1], на первое место по числу публикаций вышла именно статистика нечисловых данных. Так, за десять лет (2006 - 2015) ей посвящены 27,6% всех публикаций раздела "Математические методы исследования", т.е. 63,0% статей по прикладной статистике [1].
Первоначально для новой области прикладной статистики использовался термин "статистика объектов нечисловой природы". Он впервые появился в 1979 г. в нашей монографии [2] для обозначения совокупности некоторых полученных в ней научных результатов. В том же году в статье [3] нами была развернута программа построения этой новой области статистических методов, приведены первоначальные формулировки большинства основных теорем. Через год в «Заводской лаборатории» (так тогда назывался этот журнал) появилась обобщающая статья [4] пяти наиболее активных авторов среди занимавшихся различными аспектами статистики нечисловых данных. Итоги первых десяти лет развития новой области прикладной статистики были подведены в нашем обстоятельном обзоре [5] (120 литературных ссылок). Дальнейшее развитие было не менее плодотворным. Обзор [6] за тридцать лет содержал 150 литературных ссылок. К тридцатилетию вышел и первый учебник по статистике нечисловых данных [7]. В названии учебника использован термин "нечисловая статистика". Он представляется слишком кратким, в то время как исходный термин "статистика объектов нечисловой природы" - слишком тяжеловесным. Далее будем называть рассматриваемую область прикладной статистики "статистикой нечисловых данных". Такое название в наилучшей степени отражает ее содержание. Все три термина (статистика объектов нечисловой природы, статистика нечисловых данных, нечисловая статистика) - синонимы.
В настоящей статье обсудим содержание, развитие и основные идеи статистики нечисловых данных.

2. Новая парадигма математических методов исследования - основа статистики нечисловых данных
Появление и развитие статистики нечисловых данных соответствуют переход к новой парадигме математических методов исследования.
Как известно, научная парадигма (от греч. paradeigma — пример, образец) — совокупность научных достижений (подходов, представлений, результатов), признаваемых научным сообществом в тот или иной период времени и служащих основой и образцом новых научных исследований. Понятие парадигмы получило широкое распространение после выхода в свет книги [8] американского историка науки Т. Куна «Структура научных революций» (1962).
Математические методы исследования используются для решения практических задач с давних времен. В Ветхом Завете рассказано о весьма квалифицированно проведенной переписи военнообязанных (Четвертая книга Моисеева "Числа"). В первой половине ХХ в. была сформирована классическая парадигма методов обработки данных, полученных в результате измерений (наблюдений, испытаний, анализов, опытов, обследований). Математические методы исследования, соответствующие классической парадигме, широко используются и в настоящее время. Со стороны может показаться, что в этой области основное давно сделано, современные работы направлены на мелкие усовершенствования. Однако это совсем не так. Новая парадигма математических методов исследования принципиально меняет прежние представления. Она зародилась в 1980-х гг., но была развита в серии наших статей, монографий и учебников уже в XXI в. (см. [9, 10] и др.).
Типовые исходные данные в новой парадигме – объекты нечисловой природы (элементы нелинейных пространств, которые нельзя складывать и умножать на число, например, множества, бинарные отношения, графы, тексты), а в старой – числа, конечномерные векторы, функции [11]. Ранее (в классической старой парадигме) для расчетов использовались разнообразные суммы и функции от них, однако объекты нечисловой природы нельзя складывать, поэтому в новой парадигме применяется другой математический аппарат, основанный на расстояниях между объектами нечисловой природы и решении задач оптимизации.
Изменились постановки задач анализа статистических данных. Старая (классическая) парадигма исходит из идей начала ХХ в., когда К. Пирсон предложил четырехпараметрическое семейство распределений для описания распределений реальных данных. В это семейство как частные случаи входят, в частности, подсемейства нормальных, экспоненциальных, Вейбулла-Гнеденко, гамма-распределений. Сразу было ясно, что распределения реальных данных, как правило, не входят в семейство распределений Пирсона (об этом говорил, например, академик С.Н. Бернштейн в 1927 г. в докладе на Всероссийском съезде математиков). Однако математическая теория параметрических семейств распределений (методы оценивания параметров и проверки гипотез) оказалась достаточно интересной, и именно на ней до сих пор основано преподавание во многих вузах. Итак, в старой парадигме основной подход к описанию данных - распределения из параметрических семейств, а оцениваемые величины – их параметры, в новой парадигме рассматривают произвольные распределения, а оценивают - характеристики и плотности распределений, зависимости, правила диагностики и др. Центральная часть теории – уже не статистика числовых случайных величин, а статистика в пространствах произвольной природы.
В старой парадигме источники постановок новых задач - традиции, сформировавшиеся к середине ХХ века, а в новой - современные потребности математического моделирования и анализа данных (XXI век), т.е. запросы практики. Конкретизируем это общее различие. В старой парадигме типовые результаты - предельные теоремы, в новой - рекомендации для конкретных значений параметров, в частности, для конкретных объемов выборок. Изменилась роль информационных технологий – ранее они использовались в основном для расчета таблиц, теперь же они - инструменты получения выводов (имитационное моделирование, датчики псевдослучайных чисел, методы размножение выборок, в т.ч. бутстреп, и др.). Вид постановок задач приблизился к потребностям практики – при анализе данных от отдельных задач оценивания и проверки гипотез перешли к статистическим технологиям (технологическим процессам анализа данных). Выявилась важность проблемы «стыковки алгоритмов» - влияния выполнения предыдущих алгоритмов в технологической цепочке на условия применимости последующих алгоритмов. В старой парадигме эта проблема не рассматривалась, для новой – весьма важна.
Если в старой парадигме вопросы методологии моделирования практически не обсуждались, достаточными признавались схемы начала ХХ в., то в новой парадигме роль методологии (учения об организации деятельности) является основополагающей. Резко повысилась роль моделирования – от отдельных систем аксиом произошел переход к системам моделей. Сама возможность применения вероятностного подхода теперь – не «наличие повторяющегося комплекса условий» (это требование - реликт "физического" определения вероятности, использовавшегося до аксиоматизации теории вероятностей А.Н. Колмогоровым в 1930-х гг.), а наличие обоснованной вероятностно-статистической модели. Если раньше данные считались полностью известными, то для новой парадигмы характерен учет свойств неопределенности данных, в частности, интервальных и нечетких. Изменилось отношение к вопросам устойчивости выводов – в старой парадигме практически отсутствовал интерес к этой тематике, в новой разработана развитая теория устойчивости (робастности) выводов по отношению к допустимым отклонениям исходных данных и предпосылок моделей.
Статистика нечисловых данных развивается в соответствии с новой парадигмой математических методов исследования.

3. Различные виды нечисловых данных
Типичный исходный объект в прикладной статистике - это выборка, т.е. совокупность независимых одинаково распределенных случайных элементов. Какова природа этих элементов? В классической математической статистике элементы выборки - это числа. В многомерном статистическом анализе - вектора. А в статистике нечисловых данных элементы выборки - это объекты нечисловой природы, которые нельзя складывать и умножать на числа. Другими словами, объекты нечисловой природы лежат в пространствах, не имеющих векторной (линейной) структуры.
Примерами объектов нечисловой природы являются:
- значения качественных признаков (измеренных в шкалах наименований и порядковых), в том числе результаты кодировки объектов с помощью заданного перечня категорий (градаций);
- упорядочения (ранжировки) экспертами объектов экспертизы - образцов продукции (при оценке её технического уровня, качества, конкурентоспособности)), ее характеристик; заявок на проведение научных работ (при проведении конкурсов на выделение грантов) и т.п.;
- классификации, т.е. разбиения объектов на группы сходных между собой (кластеры);
- толерантности, т.е. бинарные отношения, описывающие сходство объектов между собой, например, сходства тематики научных работ, оцениваемого экспертами с целью рационального формирования экспертных советов внутри определенной области науки;
- результаты парных сравнений или контроля качества продукции по альтернативному признаку («годен» - «брак»), т.е. последовательности из 0 и 1;
- множества (обычные или нечеткие), например, зоны, пораженные коррозией, или перечни возможных причин аварии, составленные экспертами независимо друг от друга;
- слова, предложения, тексты;
- графы;
- вектора, координаты которых - совокупность значений разнотипных признаков, например, результат составления статистического отчета о научно-технической деятельности организации или анкета эксперта, в которой ответы на часть вопросов носят качественный характер, а на часть - количественный;
- ответы на вопросы экспертной, медицинской, маркетинговой или социологической анкеты, часть из которых носит количественный характер (возможно, интервальный), часть сводится к выбору одной из нескольких подсказок, а часть представляет собой тексты; и т.д.
Все средства измерения имеют погрешности. Однако до недавнего времени это очевидное обстоятельство никак не учитывалось в статистических процедурах. Только с конца 1970-х годов начала развиваться статистика интервальных данных, в которой предполагается, что исходные данные (элементы выборки) - это не числа, а интервалы. Статистику интервальных данных можно рассматривать как часть интервальной математики. Выводы в ней часто принципиально отличны от классических.
Различным подходам к статистическому анализу интервальных данных посвящена принципиально важная дискуссия [12]. Работают две основные научные школы - А.П. Вощинина и наша. В первой из них изучены проблемы регрессионного анализа, планирования эксперимента, сравнения альтернатив и принятия решений в условиях интервальной неопределенности К этой школе относится недавняя работа Н.В. Скибицкого [13]. В разработанной нами асимптотической статистике интервальных данных на значения случайных величин наложены малые интервальные неопределенности. Основные результаты этого направления подробно изложены в обширных главах учебников [7, 14, 15], монографии [16], в недавнем обзоре [17].
Интервальные данные можно рассматривать как частный случай нечетких множеств. Действительно, если характеристическая функция нечеткого множества равна 1 на некотором интервале и равна 0 вне этого интервала, то задание такого нечеткого множества эквивалентно заданию интервала. С методологической точки зрения важно, что теория нечетких множеств в определенном смысле сводится к теории случайных множеств. Цикл соответствующих теорем приведен в монографии [2], а также в учебниках [7, 14, 15, 18], монографии [16], недавней статье [19]. Казалось бы, много публикаций. Но приходится констатировать, что отнюдь не все специалисты знакомы с теоремами о сведении теории нечетких множеств к теории вероятностей.

4. Об истории и структуре статистической науки
Развитие статистических методов в нашей стране проанализировано в главе 2 монографии [20]. Дадим здесь краткую сводку, позволяющую выявить роль статистики нечисловых данных.
К 60-м годам ХХ в. в стране и мире сформировалась научно-практическая дисциплина, которую называем классической математической статистикой. Новое поколение отечественных исследователей училось теории по фундаментальной монографии шведского математика Г. Крамера [21], написанной в военные годы и впервые изданной на русском языке в 1948 г. Из прикладных руководств назовем учебник [22] и таблицы с комментариями [23].
Затем внимание многих специалистов сосредоточилось на изучении математических конструкций, используемых в статистике. Примером таких работ является монография [24]. В ней получены продвинутые математические результаты, но трудно выделить рекомендации для статистика, анализирующего конкретные данные.
Как реакция на уход в математику выделилась новая научная дисциплина - прикладная статистика. В базовом учебнике по прикладной статистике [14] в качестве рубежа, когда это стало очевидным, указан 1981 г. – дату выхода массовым тиражом (33 940 экз.) сборника [25], в названии которого использован термин «прикладная статистика». С этого времени линии развития математической статистики и прикладной статистики разошлись. Первая из этих дисциплин полностью ушла в математику, перестав интересоваться практическими делами. Вторая позиционировала себя в качестве науки об обработке данных – результатов наблюдений, измерений, испытаний, анализов, опытов, обследований [14].
Вполне естественно, что в прикладной статистике стали создаваться свои математические методы и модели. Необходимость их развития вытекает из потребностей конкретных прикладных исследований. Это математизированное ядро прикладной статистики назовем теоретической статистикой. Тогда под собственно прикладной статистикой следует понимать обширную промежуточную область между теоретической статистикой и применением статистических методов в конкретных областях. Таким образом, общая схема современной статистической науки выглядит следующим образом (от абстрактного к конкретному):
1. Математическая статистика (математические методы в статистике) – часть математики, изучающая статистические структуры. Сама по себе не дает рецептов анализа статистических данных, однако разрабатывает методы, полезные для использования в теоретической статистике.
2. Теоретическая статистика – наука, посвященная моделям и методам анализа конкретных статистических данных.
3. Прикладная статистика (в узком смысле) посвящена статистическим технологиям сбора и обработки данных. В нее входят, в частности, вопросы формирования вероятностно-статистических моделей и выбора конкретных методов анализа данных (т.е. методология прикладной статистики и других статистических методов), проблемы разработки и применения информационных статистических технологий, организации выборочных исследований, сбора данных и использования статистических программных продуктов.
4. Применение статистических методов в конкретных областях (в экономике и управлении (менеджменте) – эконометрика, в биологии – биометрика, в химии – хемометрия, в технических исследованиях – технометрика, в геологии, демографии, социологии, медицине, психологии, истории, и т.д.).
Часто позиции 2 и 3 вместе называют прикладной статистикой. Иногда позицию 1 именуют теоретической статистикой. Эти терминологические расхождения связаны с тем, что описанное выше развитие рассматриваемой научно-прикладной области не сразу, не полностью и не всегда адекватно отражается в сознании специалистов. Так, до сих пор выпускают учебники, соответствующие старой парадигме - уровню представлений середины ХХ века.
Примечание. Здесь мы уточнили схему внутреннего деления статистической теории, предложенную ранее в [26]. Естественный смысл приобрели термины «теоретическая статистика» и «прикладная статистика» (в узком смысле). Однако необходимо иметь в виду, что в базовом учебнике [14] прикладная статистика понимается в широком смысле, т.е. как объединение позиций 2 и 3. К сожалению, в настоящее время невозможно отождествить теоретическую статистику с математической, поскольку последняя (как часть математики - научной специальности «теория вероятностей и математическая статистика») заметно оторвалась от задач практики.
Отметим, что математическая статистика, как и теоретическая с прикладной, заметно отличается от ведомственной науки органов официальной государственной статистики. ЦСУ, Госкомстат, Росстат применяли и применяют лишь проверенные временем приемы XIX века. Возможно, нам следовало бы от этого ведомства полностью отмежеваться и сменить название научной дисциплины, например, на «Анализ данных». В настоящее время компромиссным самоназванием является термин «статистические методы».
Во второй половине 1980-х годов в нашей стране развернулось общественное движение, имеющее целью создание профессионального объединения статистиков. Аналогами являются британское Королевское статистическое общество (основано в 1834 г.) и Американская статистическая ассоциация (создана в 1839 г.). К сожалению, деятельность учрежденной в 1990 г. Всесоюзной статистической ассоциации оказалась парализованной в результате развала СССР. Среди стран СНГ наибольшую активность в настоящее время проявляют узбекские исследователи, регулярно проводящие на высоком научном уровне представительные конференции по статистике и ее применениям.

5. О развитии статистики нечисловых данных
С 70-х годов ХХ в. в основном на основе запросов теории экспертных оценок (а также технических исследований, экономики, социологии и медицины) развивались различные направления статистики нечисловых данных. Были установлены основные связи между конкретными видами таких объектов, разработаны для них базовые вероятностные модели [27]. Сводка полученных результатов дана в монографии [2], обзоре [4]. Это - предыстория статистики нечисловых данных. А история начинается с осмысления созданного, констатации [2, 3] в 1979 г. появления новой области прикладной статистики.
Следующий этап (1980-е годы) - развитие статистики нечисловых данных в качестве самостоятельного научного направления в рамках математических методов исследования, ядром которого являются методы статистического анализа данных произвольной природы. Для работ этого периода характерна сосредоточенность на внутренних (внутриматематических) проблемах статистики нечисловых данных. Проводились всесоюзные конференции, выпускались монографии, сборники трудов, защищались диссертации (Орлов А.И., Пярна К.А., Рыданова Г.В., Сатаров Г.А., Трофимов В.А., Шер А.П., Шмерлинг Д.С. и др.). Наиболее представительным является сборник [28], подготовленный совместно комиссией «Статистика объектов нечисловой природы» Научного Совета АН СССР по комплексной проблеме «Кибернетика» и Институтом социологических исследований АН СССР. Конкретная информация по работам 80-х годов имеется в обзорах [5, 6].
В настоящее время в связи с активным использованием наукометрических показателей разнообразными администраторами в области научной деятельности распространилась преувеличенная оценка роли журналов в развитии науки. Опыт статистики нечисловых данных показывает, что естественная цепочка развития научного результата такова: тезисы доклада — тематический сборник — монография — учебник — широкое использование [29]. Для развития нового направления публикации в научных журналах, вообще говоря, не обязательны. Ясно, что издание собственных журналов или завоевание позиций в уже существующих возможно лишь на этапе зрелости нового направления, но не на этапе его создания.
К 1990-м годам статистика нечисловых данных с теоретической точки зрения была достаточно хорошо развита, основные идеи, подходы и методы были разработаны и изучены математически, в частности, доказано достаточно много теорем. Однако она оставалась недостаточно апробированной на практике. И в 90-е годы наступило время перейти от теоретико-статистических исследований к применению полученных результатов на практике, а также включить их в учебный процесс, что и было сделано. В 90-е годы в «Заводской лаборатории» опубликованы обзоры [5, 11, 27] по статистике объектов нечисловой природы и многочисленные конкретные исследования, рассмотренные позже в [6]. Серия работ была выполнена по статистике интервальных данных.
В 2000-е годы наиболее заметное явление - развернутые изложения основных результатов статистики нечисловых данных в учебниках по прикладной статистике, теории принятия решений, эконометрике [14, 15, 18]. Выпущен первый учебник по статистике нечисловых данных [7].
В 2010-е годы представленная научной общественности новая парадигма математических методов исследования закрепила положение статистики нечисловых данных как центральной быстро растущей части современной прикладной статистики (ср. обзор [1]). Опубликована серия работ по непараметрическим оценкам плотности распределения.

6. Основные идеи статистики в пространствах общей природы
В чем принципиальная новизна статистики нечисловых данных? Для классической математической статистики характерна операция сложения. При расчете выборочных характеристик распределения (выборочное среднее арифметическое, выборочная дисперсия и др.), в регрессионном анализе и других областях этой научной дисциплины постоянно используются суммы. Математический аппарат - законы больших чисел, Центральная предельная теорема и другие теоремы - нацелены на изучение сумм. Принципиально важно, что в статистике нечисловых данных нельзя использовать операцию сложения, поскольку элементы выборки лежат в пространствах, где нет операции сложения. Методы обработки нечисловых данных основаны на принципиально ином математическом аппарате - на применении различных расстояний в пространствах объектов нечисловой природы и решении задач оптимизации.
Следует отметить, что в статистике нечисловых данных одна и та же математическая схема может с успехом применяться во многих прикладных областях, для анализа данных различных типов, а потому ее лучше всего формулировать и изучать в наиболее общем виде, для объектов произвольной природы.
Кратко рассмотрим несколько идей, развиваемых в статистике нечисловых данных для элементов выборок, лежащих в пространствах произвольного вида. Они нацелены на решение классических задач описания данных, оценивания, проверки гипотез - но для неклассических данных, а потому неклассическими методами.
Первой обсудим проблему определения средних величин. В рамках теории измерений удается указать вид средних величин, соответствующих тем или иным шкалам измерения [30]. Теория измерений [31, 32], в середине ХХ в. рассматривавшаяся как часть математического обеспечения психологии, к настоящему времени признана общенаучной дисциплиной. Проблемы теории измерений постоянно рассматриваются в разделе "Математические методы исследования" журнала "Заводская лаборатория. Диагностика материалов" (см. соответствующий раздел [33]).
В классической математической статистике средние величины вводят с помощью операций сложения (выборочное среднее арифметическое, математическое ожидание) или упорядочения (выборочная и теоретическая медианы). В пространствах произвольной природы средние значения нельзя определить с помощью операций сложения или упорядочения. Теоретические и эмпирические средние приходится вводить как решения экстремальных задач. Теоретическое среднее определяется как решение задачи минимизации математического ожидания (в классическом смысле) расстояния от случайного элемента со значениями в рассматриваемом пространстве до фиксированной точки этого пространства (минимизируется указанная функция от этой точки). Для получения эмпирического среднего математическое ожидание берется по эмпирическому распределению, т.е. берется сумма расстояний от некоторой точки до элементов выборки и затем минимизируется по этой точке (примером является медиана Кемени [34], методам нахождения которой посвящены недавние работы М.С. Жукова и его диссертация [35]). При этом как эмпирическое, так и теоретическое средние как решения экстремальных задач могут быть не единственными элементами рассматриваемого пространства, а являться некоторыми множествами таких элементов. Они могут оказаться и пустыми. Тем не менее удалось сформулировать и доказать законы больших чисел для та определенных средних величин, т.е. установить сходимость (в специально определенном смысле) эмпирических средних к теоретическим [7, 36].
Оказалось, что методы доказательства законов больших чисел допускают существенно более широкую область применения, чем та, для которой они были разработаны. А именно, удалось изучить асимптотику решений экстремальных статистических задач [7, 37], к которым, как известно, сводится большинство постановок прикладной статистики. В частности, дополнительно к законам больших чисел установлена состоятельность оценок минимального контраста, в том числе оценок максимального правдоподобия и робастных оценок. К настоящему времени подобные оценки изучены также и в статистике интервальных данных. Полученные результаты относительно асимптотики решений экстремальных статистических задач применяются в ряде работ.
В статистической теории в пространствах общей природы большую роль играют непараметрические оценки плотности распределения вероятностей, используемые, в частности, в различных алгоритмах регрессионного, дискриминантного, кластерного анализов. В статистике нечисловых данных предложен и изучен ряд типов непараметрических оценок плотности в пространствах произвольной природы, в том числе в дискретных пространствах [38]. В частности, доказана их состоятельность, изучена скорость сходимости и установлен (для ядерных оценок плотности) примечательный факт совпадения наилучшей скорости сходимости в произвольном пространстве с той, которая имеет быть в классической теории для числовых случайных величин [39].
Нами введено несколько видов непараметрических оценок плотности вероятности. Подробнее изучены линейные оценки. Подробнее рассмотрены их частные случаи – ядерные оценки плотности в пространствах произвольной природы. Асимптотическая теория ядерных оценок плотности развита, прежде всего, для нужд статистики конкретных видов объектов нечисловой природы, в которой основной интерес представляют конечные пространства. Мера p при этом не непрерывная, а дискретная, например, считающая. Таким образом, в рамках единого подхода удается рассмотреть оценки плотностей и оценки вероятностей.
В предположении непрерывности неизвестной плотности f(x) представляется целесообразным «размазать» каждый атом эмпирической меры, т.е. рассмотреть линейные оценки, введенные в нашей первой работе по статистике нечисловых данных [3, с.24]. Нами введены ядерные оценки плотности. Линейные оценки были названы нами «обобщенными оценками типа Парзена-Розенблатта», т.к. в частном случае они переходят в известные оценки, введенные Розенблаттом и Парзеном.
Цель статей [38, 41] - завершение цикла работ, посвященного математическому изучению асимптотических свойств различных видов непараметрических оценок плотности распределения вероятности в пространствах общей природы. Изучен средний квадрат ошибки ядерной оценки плотности. С целью максимизации порядка его убывания обоснован выбор ядерной функции и последовательности показателей размытости. Основные понятия - круговая функция распределения и круговая плотность. Порядок сходимости в общем случае тот же, что и при оценивании плотности числовой случайной величины [39], но основные условия наложены не на плотность случайной величины, а на круговую плотность. Далее рассматриваем другие виды непараметрических оценок плотности - гистограммные оценки и оценки типа Фикс-Ходжеса. Затем изучаем непараметрические оценки регрессии и их применение для решения задач дискриминантного анализа в пространстве общей природы
Дискриминантный, кластерный, регрессионный анализы в пространствах произвольной природы основаны либо на параметрической теории - и тогда применяется подход, связанный с асимптотикой решения экстремальных статистических задач - либо на непараметрической теории - и тогда используются алгоритмы на основе непараметрических оценок плотности.
Для анализа нечисловых, в частности, экспертных данных весьма важны методы классификации [42]. Интересно движение мысли в обратном направлении - наиболее естественно ставить и решать задачи классификации, основанные на использовании расстояний или показателей различия, именно в рамках статистики объектов нечисловой природы (а не, скажем, многомерного статистического анализа). Это касается как распознавания образов с учителем (другими словами, дискриминантного анализа), так и распознавания образов без учителя (т.е. кластерного анализа). Аналогичным образом задачи многомерного шкалирования, т.е. визуализации данных, также естественно отнести к статистике объектов нечисловой природы. Важны методы оценки истинной размерности признакового пространства [43].
Отметим несколько конкретных научных результатов математической теории классификации. В задачах диагностики (дискриминантного анализа), как следует из леммы Неймана-Пирсона, целесообразно строить алгоритмы на основе отношения непараметрических оценок плотностей распределения вероятностей, соответствующих классам. Установлено, что наилучшим показателем качества алгоритма диагностики является прогностическая сила [44]. Устойчивость классификации относительно выбора метода кластер-анализа обосновывает вывод о реальности кластеров. И т.д. (см. соответствующий раздел в обзоре [1]).
Для проверки гипотез в пространствах нечисловой природы могут быть использованы статистики интегрального типа [3, 45], в частности, типа омега-квадрат. Отметим, что предельная теория таких статистик, построенная первоначально в классической постановке, приобрела естественный (завершенный, изящный) вид именно для пространств произвольного вида [46], поскольку при этом удалось провести рассуждения, опираясь на базовые математические соотношения, а не на те частные (с общей точки зрения), что были связаны с конечномерным пространством.

7. О некоторых областях статистики конкретных нечисловых данных
Кратко рассмотрим некоторые статистические методы анализа данных, лежащих в конкретных пространствах нечисловой природы.
Непараметрическая статистика – это прежде всего ранговая статистика, т.е. основанная на рангах – номерах элементов выборок в вариационных рядах. Ранги измерены в порядковых шкалах, а значения ранговых статистик инвариантны относительно любых строго возрастающих преобразований - допустимых преобразований в таких шкалах. Непараметрическая статистика позволяет делать статистические выводы, оценивать характеристики и плотность распределения, проверять статистические гипотезы без слабо обоснованных предположений о том, что функция распределения элементов выборки входит в то или иное параметрическое семейство. Например, широко распространена вера в то, что статистические данные часто подчиняются нормальному распределению. Математики думают, что это - экспериментальный факт, установленный в прикладных исследованиях. Прикладники уверены, что математики доказали нормальность результатов наблюдений. Между тем анализ конкретных результатов наблюдений, в частности, погрешностей измерений, приводит всегда к одному и тому же выводу - в подавляющем большинстве случаев реальные распределения существенно отличаются от нормальных. На этот объективный факт обращал внимание В.В. Налимов в своей классической монографии [47]. Научная школа метролога П.В. Новицкого многочисленными экспериментами подтвердила отсутствие нормальности погрешностей измерений [48]. В сводке [49], в частности, установлено, что по выборкам объемов 6 - 50, как правило, не удается отличить нормальное распределение от других видов распределений.
Некритическое использование гипотезы нормальности часто приводит к значительным ошибкам, например, при отбраковке резко выделяющихся результатов наблюдений (выбросов), при статистическом контроле качества и в других случаях [14]. Поэтому целесообразно использовать непараметрические методы, в которых на функции распределения результатов наблюдений наложены лишь весьма слабые требования. Обычно предполагается лишь их непрерывность. К настоящему времени с помощью непараметрических методов можно решать практически тот же круг задач, что ранее решался параметрическими методами. Примеры - оценивание характеристик распределения и проверка гипотезы однородности для независимых и связанных выборок [14]. Однако эта информация еще не вошла в массовое сознание. До сих пор тупиковой тематике параметрической статистики посвящены обширные разделы учебников и программных продуктов. Современное состояние непараметрической статистики проанализировано в [50]. Эта область исследований продолжает активно развиваться.
Представляют практический интерес результаты, связанные с конкретными областями статистики объектов нечисловой природы, в частности, со статистикой нечетких множеств [51] и со статистикой случайных множеств (напомним, что теория нечетких множеств в определенном смысле сводится к теории случайных множеств [19]), с непараметрической теорией парных сравнений и люсианов (бернуллиевских бинарных векторов) [52], с аксиоматическим введением метрик в конкретных пространствах объектов нечисловой природы [7], а также с рядом других конкретных постановок.
Результаты контроля штучной продукции по альтернативному признаку представляют собой последовательности из 0 и 1, т.е. объекты нечисловой природы (люсианы), а потому теорию статистического контроля относят к статистике нечисловых данных [5, 6]. Постоянно публикуем работы по этой тематике, предназначенные для специалистов по статистическим методам управления качеством продукции (см. [15, 53] и др.).
Статистика нечисловых данных порождена потребностями практики, прежде всего в области экспертных оценок. Можно констатировать, что анализ экспертных оценок [54] - это прикладное «зеркало» общей теории. Решения задач теории экспертных оценок обобщались в статистике нечисловых данных. При движении мысли в обратном направлении результаты статистики в пространствах общей природы интерпретировались для анализа экспертных оценок. Как и для статистики нечисловых данных в целом, публикации шли по траектории: тезисы доклада — тематический сборник — монография — учебник — широкое использование [29]. Вполне естественно, что названия сборников трудов неформального научного коллектива, развивающего статистику нечисловых данных, начинались со слов «Экспертные оценки» [55 - 58]. Отметим, что публикации в журналах не сыграли значительной роли в развитии рассматриваемых научных направлений. Обзор развития экспертных технологий в нашей стране дан в [59].
Вопросы внедрения математических методов исследования всегда были в центре внимания специалистов по статистике нечисловых данных [60]. Подчеркивалось большое теоретическое и прикладное значение статистики нечисловых данных, необходимость перехода от отдельных методов анализа данных к разработке высоких статистических технологий [61] и использования современных систем внедрения математических методов, таких как система «Шесть сигм» и ее аналоги. Обсуждались проблемы программного обеспечения [35, 62]. Однако приходится констатировать, что создание линейки современных программных продуктов по статистике нечисловых данных – пока дело будущего.

8. Некоторые нерешенные задачи статистики нечисловых данных
Начнем с обсуждения влияния отклонений от традиционных предпосылок. В вероятностной теории статистических методов выборка обычно моделируется как конечная последовательность независимых одинаково распределенных случайных величин или векторов. В устаревшей парадигме середины ХХ в. часто предполагают, что эти величины (вектора) имеют нормальное распределение.
При внимательном взгляде совершенно ясна нереалистичность приведенных классических предпосылок. Независимость результатов измерений обычно принимается «из общих предположений», между тем во многих случаях очевидна их коррелированность. Одинаковая распределенность также вызывает сомнения из-за изменения во времени свойств измеряемых образцов, средств измерения и психофизического состояния специалистов, проводящих измерения (испытания, анализы, опыты). Даже обоснованность самого применения вероятностных моделей иногда вызывает сомнения, например, при моделировании уникальных измерений (согласно классическим воззрениям, теорию вероятностей обычно привлекают при изучении массовых явлений). И уж совсем редко распределения результатов измерений можно считать нормальными.
Итак, методы классической математической статистики обычно используют вне сферы их обоснованной применимости. Какова влияние отклонений от традиционных предпосылок на статистические выводы? В настоящее время об этом имеются лишь отрывочные сведения. Так, три примера в статье [6] показывают весь спектр возможных свойств классических расчетных методов в случае отклонения от нормальности. Так, методы построения доверительного интервала для математического ожидания оказываются вполне пригодными при таких отклонениях. Методы проверки однородности двух независимых выборок с помощью двухвыборочного критерия Стьюдента пригодны в некоторых случаях. В задаче отбраковки (исключения) резко выделяющихся наблюдений (выбросов) расчетные методы, основанные на нормальности, оказались полностью непригодными.
Очевидно, имеется необходимость изучения свойств расчетных методов классической математической статистики, опирающихся на предположение нормальности, в ситуациях, когда это предположение не выполнено. Аппаратом для такого изучения наряду с методом Монте-Карло могут послужить предельные теоремы теории вероятностей, прежде всего Центральная Предельная Теорема, поскольку интересующие нас расчетные методы обычно используют разнообразные суммы. Пока подобное изучение не проведено, остается неясной научная ценность, например, применения основанного на предположении многомерной нормальности факторного анализа к векторам из переменных, принимающих небольшое число градаций и к тому же измеренных в порядковой шкале.
Нерешенным проблемам статистики посвящены статьи [132, 133]. Одна из важных проблем - использование асимптотических результатов при конечных объемах выборок. Конечно, естественно изучить свойства алгоритма с помощью метода Монте-Карло. Однако из какого конкретного распределения брать выборки при моделировании? От выбора распределения зависит результат. Кроме того, датчики псевдослучайных чисел лишь имитируют случайность. До сих пор неизвестно, каким датчиком целесообразно пользоваться в случае возможного безграничного роста размерности пространства.
Другая проблема – обоснование выбор одного из многих критериев для проверки конкретной гипотезы. Например, для проверки однородности двух независимых выборок можно использовать критерии Стьюдента, Крамера-Уэлча, Лорда, хи-квадрат, Вилкоксона (Манна-Уитни), Ван-дер-Вардена, Сэвиджа, Н.В. Смирнова, типа омега-квадрат (Лемана-Розенблатта), Реньи, Г.В. Мартынова и др. Какой выбрать?
Критерии однородности проанализированы в [65]. Естественных подходов к сравнению критериев несколько - на основе асимптотической относительной эффективности по Бахадуру, Ходжесу-Леману, Питмену. И каждый из перечисленных критериев является оптимальным при соответствующей альтернативе или подходящем распределении на множестве альтернатив. При этом математические выкладки обычно используют альтернативу сдвига, сравнительно редко встречающуюся в практике анализа реальных статистических данных. Итог печален - блестящая математическая техника, продемонстрированная в [65], не позволяет дать рекомендации для выбора критерия проверки однородности при анализе реальных данных.
Проблемы разработки высоких статистических технологий поставлены в [61] (см. также одноименный сайт http://orlovs.pp.ru). Используемые при обработке реальных данных статистические технологии состоят из последовательности операций, каждая из которых, как правило, хорошо изучена, поскольку сводится к оцениванию (параметров, характеристик, распределений) или проверке той или иной гипотезы. Однако статистические свойства результатов обработки, полученных в результате последовательного применения таких операций, мало изучены [66]. Необходима теория, позволяющая изучать свойства статистических технологий и так их конструировать, чтобы обеспечить высокое качество обработки данных.
В заключение отметим, что развернутое описание статистики нечисловых данных дано в монографиях [7, 14, 18]. При дальнейшем развитии исследований важно опираться на современную методологию статистических методов [67].

Литература

1. Орлов А.И. Развитие математических методов исследования (2006 – 2015 гг.) / Заводская лаборатория. Диагностика материалов. 2017. Т.83. №1. Ч.1. С. 78-86.
2. Орлов А.И. Устойчивость в социально-экономических моделях. – М. : Наука, 1979. – 296 с.
3. Орлов А.И. Статистика объектов нечисловой природы и экспертные оценки / Экспертные оценки. Вопросы кибернетики. Вып.58. - М.: Научный Совет АН СССР по комплексной проблеме «Кибернетика», 1979. С. 17-33.
4. Тюрин Ю.Н., Литвак Б.Г., Орлов А.И., Сатаров Г.А., Шмерлинг Д.С. Анализ нечисловой информации / Заводская лаборатория. 1980. Т.46. №10. С. 931-935.
5. Орлов А.И. Статистика объектов нечисловой природы (Обзор) / Заводская лаборатория. 1990. Т.56. №3. С. 76-83.
6. Орлов А.И. Тридцать лет статистики объектов нечисловой природы (обзор) / Заводская лаборатория. Диагностика материалов. 2009. Т.75. №5. С. 55-64.
7. Орлов А.И. Организационно-экономическое моделирование. Часть 1. Нечисловая статистика. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2009. – 544 с.
8. Кун Т. Структура научных революций. М.: АСТ, 2003. — 605 с.
9. Орлов А.И. Новая парадигма прикладной статистики / Заводская лаборатория. Диагностика материалов. 2012. Т.78. №1, часть I. С. 87-93.
10. Орлов А.И. О новой парадигме математических методов исследования / Научный журнал КубГАУ. 2016. №122. С. 807–832.
11. Орлов А.И. Объекты нечисловой природы / Заводская лаборатория. Диагностика материалов. 1995. Т.61. №3. С.43-52.
12. Дискуссия по анализу интервальных данных / Заводская лаборатория. 1990. Т.56. №7. С.75-95.
13. Скибицкий Н.В. Решение задачи аналитического описания статических характеристик в условиях интервальной неопределенности / Заводская лаборатория. Диагностика материалов. 2019. Т.85. № 3. С. 64-74.
14. Орлов А.И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.
15. Орлов А.И. Теория принятия решений.– М.: Экзамен, 2006. – 576 с.
16. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. – Краснодар, КубГАУ. 2014. – 600 с.
17. Орлов А.И. Статистика интервальных данных (обобщающая статья) / Заводская лаборатория. Диагностика материалов. 2015. Т. 81. № 3. С. 61 - 69.
18. Орлов А. И. Эконометрика. - М.: Экзамен, 2002. – 576 с.
19. Орлов А.И. Теория нечетких множеств – часть теории вероятностей / Научный журнал КубГАУ. 2013. № 92. С. 51-60.
20. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
21. Крамер Г. Математические методы статистики. - М.: Мир, 1975. - 648 с.
22. Смирнов Н. В., Дунин-Барковский И. В. Курс теории вероятностей и математической статистики для технических приложений. Изд. 3-е, стереотипное. – М.: Наука, 1969. – 512 с.
23. Большев Л. Н., Смирнов Н. В. Таблицы математической статистики / 3-е изд.- М.: Наука, 1983. - 416 с. (1-е изд. – 1965).
24. Каган А. М., Линник Ю. В., Рао С. Р. Характеризационные задачи математической статистики. - М.: Наука, 1972. - 656 с.
25. Современные проблемы кибернетики (прикладная статистика). - М.: Знание, 1981. – 64 с.
26. Орлов А.И. О перестройке статистической науки и её применений / Вестник статистики. 1990. № 1. С.65 – 71.
27. Орлов А.И. Вероятностные модели конкретных видов объектов нечисловой природы / Заводская лаборатория. Диагностика материалов. 1995. Т.61. №5. С.43-51.
28. Андреенков В.Г., Орлов А.И., Толстова Ю.Н. (отв. ред.). Анализ нечисловой информации в социологических исследованиях. - М.: Наука, 1985. - 220 с.
29. Лойко В.И., Луценко Е.В., Орлов А.И. Современные подходы в наукометрии. – Краснодар: КубГАУ, 2017. – 532 с.
30. Орлов А.И. Характеризация средних величин шкалами измерения / Научный журнал КубГАУ. 2017. №134. С. 877 – 907.
31. Психологические измерения. Сб. статей. - М.: Мир, 1967. - 196 с.
32. Пфанцагль И. Теория измерений. - М.: Мир, 1976. - 248 с.
33. Орлов А.И. Статистика нечисловых данных за сорок лет (обзор) / Заводская лаборатория. Диагностика материалов. 2019. Т.85. №11. С. 69-84.
34. Кемени Дж., Снелл Дж. Кибернетическое моделирование: Некоторые приложения. – М.: Советское радио, 1972. – 192 с.
35. Жуков М. С., Орлов А. И. Задача исследования итогового ранжирования мнений группы экспертов с помощью медианы Кемени / Научный журнал КубГАУ. 2016. № 122. С. 785 – 806.
36. Орлов А.И. Средние величины и законы больших чисел в пространствах произвольной природы / Научный журнал КубГАУ. 2013. № 89. С. 556 – 586.
37. Орлов А.И. Предельная теория решений экстремальных статистических задач / Научный журнал КубГАУ. 2017. №133. С. 579 – 600.
38. Орлов А.И. Асимптотика оценок плотности распределения вероятностей / Научный журнал КубГАУ. 2017. № 131. С. 845 – 873.
39. Ибрагимов И.А., Хасьминский Р.З. Асимптотическая теория оценивания. – М.: Наука, 1979. – 528 с.
40. Вероятность и математическая статистика: Энциклопедия / Гл. ред. Ю.В. Прохоров. – М.: Большая Российская Энциклопедия, 1999. – 910 с.
41. Орлов А.И. Скорость сходимости ядерных оценок плотности в пространствах произвольной природы / Статистические методы оценивания и проверки гипотез: межвуз. сб. науч. тр. / Перм. гос. нац. иссл. ун-т. - Пермь, 2018. - Вып.28. - С. 35-45.
42. Орлов А.И. Математические методы теории классификации / Научный журнал КубГАУ. 2014. № 95. С. 23 – 45.
43. Луценко Е.В., Орлов А.И. Методы снижения размерности пространства статистических данных / Научный журнал КубГАУ. 2016. № 119. С. 92–107.
44. Орлов А.И. Прогностическая сила – наилучший показатель качества алгоритма диагностики / Научный журнал КубГАУ. 2014. № 99. С. 33-–49.
45. Орлов А.И. Асимптотическое поведение статистик интегрального типа / Доклады АН СССР. 1974. Т.219. №4. С. 808-811.
46. Орлов А.И. Предельная теория непараметрических статистик / Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 100. С. 31-52.
47. Налимов В.В. Применение математической статистики при анализе вещества. – М.: Физматгиз, 1960. – 430 с.
48. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. – Л.: Энергоатомиздат, 1985. – 248 с.
49. Орлов А.И. Распределения реальных статистических данных не являются нормальными / Научный журнал КубГАУ. 2016. № 117. С. 71–90.
50. Орлов А.И. Современное состояние непараметрической статистики / Научный журнал КубГАУ. 2015. № 106. С. 239 – 269.
51. Орлов А.И. Статистика нечетких данных / Научный журнал КубГАУ. 2016. №119. С. 75–91.
52. Орлов А.И. Теория люсианов / Научный журнал КубГАУ. 2014. № 101. С. 275 – 304.
53. Орлов А.И. Предельные теоремы в статистическом контроле / Научный журнал КубГАУ. 2016. № 116. С. 462 – 483.
54. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.
55. Статистические методы анализа экспертных оценок / Ученые записки по статистике, т. 29. - М.: Наука, 1977. - 385 с.
56. Экспертные оценки / Вопросы кибернетики. - Вып.58. - М.: Научный Совет АН СССР по комплексной проблеме "Кибернетика". 1979. - 200 с.
57. Экспертные оценки в системных исследованиях / Сборник трудов. - Вып.4. - М.: ВНИИСИ, 1979. - 120 с.
58. Экспертные оценки в задачах управления / Сборник трудов. - М.: Институт проблем управления. 1982. - 106 с.
59. Орлов А.И. Теория экспертных оценок в нашей стране / Научный журнал КубГАУ. 2013. № 93. С. 1-11.
60. Гнеденко Б.В., Орлов А.И. Роль математических методов исследования в кардинальном ускорении научно-технического прогресса / Заводская лаборатория. 1988. Т.54. №1. С.1 - 4.
61. Орлов А.И. О высоких статистических технологиях / Научный журнал КубГАУ. 2015. № 105. С. 14 – 38.
62. Орлов А.И. Компьютерно-статистические методы: состояние и перспективы / Научный журнал КубГАУ. 2014. № 103. С. 163 – 195.
63. Загоруйко Н.Г., Орлов А.И. Некоторые нерешенные математические задачи прикладной статистики / Современные проблемы кибернетики (прикладная статистика). - М.: Знание, 1981. - С.53-63.
64. Орлов А.И. Некоторые нерешенные вопросы в области математических методов исследования / Заводская лаборатория. Диагностика материалов. 2002. Т.68. №3. С.52-56.
65. Никитин Я.Ю. Асимптотическая эффективность непараметрических критериев. - М.: Наука, 1995. - 240 с.
66. Орлов А.И. Проблема множественных проверок статистических гипотез / Заводская лаборатория. Диагностика материалов. 1996. Т.62. №5. С.51-54.
67. Орлов А.И. О методологии статистических методов / Научный журнал КубГАУ. 2014. № 104. С. 53–80.

Публикация:
1155. Орлов А.И. Статистика нечисловых данных - центральная часть современной прикладной статистики / Научный журнал КубГАУ. 2020. № 156. С. 111–142.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб фев 19, 2022 11:40 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1100 от 21 февраля 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Предлагаем познакомиться с основополагающей статьей А.И. Орлова "Основные требования к методам анализа данных (на примере задач классификации)".



УДК 303.732.4 : 519.2

08.00.13 Математические и инструментальные методы экономики (экономические науки)

Основные требования к методам анализа данных (на примере задач классификации)

Орлов Александр Иванович
д.э.н., д.т.н., к.ф.-м.н., профессор
РИНЦ SPIN-код: 4342-4994

Московский государственный технический университет им. Н.Э. Баумана, Россия, 105005, Москва, 2-я Бауманская ул., 5, prof-orlov@mail.ru

Назрела необходимость навести порядок в методах классификации. Это повысит их роль в решении прикладных задач, в частности, при диагностике материалов. Для этого прежде всего следует выработать требования, которым должны удовлетворять методы классификации. Первоначальная формулировка таких требований - основное содержание настоящей работы. Математические методы классификации рассматриваются как часть методов прикладной статистики. Обсуждаются естественные требования к рассматриваемым методам анализа данных и представлению результатов расчетов, вытекающие из накопленных отечественной вероятностно-статистической научной школой достижений и идей. Даются конкретные рекомендации по ряду вопросов, а также критика отдельных ошибок. В частности, методы анализа данных должны быть инвариантны относительно допустимых преобразований шкал, в которых измерены данные, т.е. методы должны быть адекватны в смысле теории измерений. Основой конкретного статистического метода анализа данных всегда является та или иная вероятностная модель. Она должна быть явно описана, ее предпосылки обоснованы - либо из теоретических соображений, либо экспериментально. Методы обработки данных, предназначенные для использования в реальных задачах, должны быть исследованы на устойчивость относительно допустимых отклонений исходных данных и предпосылок модели. Должна указываться точность решений, даваемых с помощью используемого метода. При публикации результатов статистического анализа реальных данных необходимо указывать их точность (доверительные интервалы). В качестве оценки прогностической силы алгоритма классификации вместо доли правильных прогнозов рекомендуется использовать прогностическую силу. Математические методы исследования делятся на "разведочный анализ" и "доказательную статистику". Специфические требования к методам обработки данных возникают в связи с их "стыковкой" при последовательном выполнении. Обсуждаются границы применимости вероятностно-статистических методов. Рассматриваются также конкретные постановки задач классификации и типовые ошибки при применении различных методов их решения.

Ключевые слова: прикладная статистика, анализ данных, методы классификации, диагностика, теория измерений, устойчивость, прогностическая сила.


UDC 303.732.4 : 519.2

08.00.13 Mathematical and instrumental methods of Economics

Basic requirements for data analysis methods (on the example of classification tasks)

Orlov Alexander Ivanovich
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor
Bauman Moscow State Technical University, Moscow, Russia

There is a need to clean up the classification methods. This will increase their role in solving applied problems, in particular, in the diagnosis of materials. For this, first of all, it is necessary to develop requirements that classification methods must satisfy. The initial formulation of such requirements is the main content of this work. Mathematical classification methods are considered as part of the applied statistics methods. The natural requirements to the considered methods of data analysis and the presentation of calculation results arising from the achievements and ideas accumulated by the national probabilistic and statistical scientific school are discussed. Concrete recommendations are given on a number of issues, as well as criticism of individual errors. In particular, data analysis methods must be invariant with respect to the permissible transformations of the scales in which the data are measured, i.e. methods should be adequate in the sense of measurement theory. The basis of a specific statistical method of data analysis is always one or another probabilistic model. It should be clearly described, its premises justified - either from theoretical considerations, or experimentally. Data processing methods intended for use in real-world problems should be investigated for stability with respect to the tolerances of the initial data and model premises. The accuracy of the solutions given by the method used should be indicated. When publishing the results of statistical analysis of real data, it is necessary to indicate their accuracy (confidence intervals). As an estimate of the predictive power of the classification algorithm, it is recommended to use predictive power instead of the proportion of correct forecasts. Mathematical research methods are divided into "exploratory analysis" and "evidence-based statistics." Specific requirements for data processing methods arise in connection with their "docking" during sequential execution. The article discusses limits of applicability of probabilistic-statistical methods. Concrete statements of classification problems and typical errors when applying various methods for solving them are also considered.

Keywords: applied statistics, data analysis, classification methods, diagnostics, theory of measurement, stability, predictive power.

DOI: http://dx.doi.org/10.21515/1990-4665-159-017

1. Введение
Во всех отраслях промышленности, в медицине, социально-экономических исследованиях и других областях деятельности постоянно решаются разнообразные задачи классификации. Разработано много различных математических методов классификации. Строго говоря, их не меньше, чем точек на отрезке. Действительно, ряд методов использует только расстояния между классифицируемыми объектами. Однако, если d - расстояние (метрика), то также является метрикой при любом таком, что .
Несмотря на многообразие постановок задач, моделей и методов классификации, алгоритмов расчетов, положение дел в этой области анализа данных далеко от удовлетворительного. Задачи классификации зачастую решаются не наилучшим образом (более того, зачастую не ясно, как сравнивать методы решения). Области применимости различных методов классификации не установлены, свойства методов недостаточно изучены. Отдельные группы специалистов (кланы) разрабатывают собственные подходы, не слишком интересуясь результатами других. Популярность тех или иных методов зачастую определяется субъективными причинами. Распространен ряд сомнительных концепций и попросту заблуждений. Во многом трудности определяются тем, что накоплено столько теоретических и практических разработок, что отдельный специалист или небольшая группа не в состоянии их осмыслить.
Назрела необходимость навести порядок в методах классификации. Это повысит их роль в решении прикладных задач, в частности, при диагностике материалов. Решить поставленную задачу можно только с помощью добровольной стандартизации. Необходимо проанализировать накопленное и разработать стандарты (предприятий и организаций) по применению признанных наилучшими метолов классификации. Для этого, прежде всего, следует выработать требования, которым должны удовлетворять методы классификации. Первоначальная формулировка таких требований - основное содержание настоящей работы.
Методы классификации рассматриваем как часть прикладной статистики. Ниже приводим ряд примеров нарушения обсуждаемых требований к методам анализа данных, при этом критика конкретной публикации не означает, что в ней нет ничего ценного.

2. Требования к методам анализа данных и представлению результатов расчетов
1. Методы должны быть объективными, результат их применения - определяться исходными данными, но не субъективными мнениями и решениями исследователя. В частности, методы анализа данных должны быть инвариантны относительно допустимых преобразований шкал, в которых измерены данные, т.е. методы должны быть адекватны в смысле теории измерений [1]. Это требование иногда бывает довольно жестким. Так, в качестве средних величин для данных, измеренных в порядковой шкале, можно использовать только члены вариационного ряда, в частности, медиану, но не среднее арифметическое, среднее гармоническое и т.д. Из всех средних по Колмогорову условие адекватности выделяет для данных, измеренных в интервальной шкале, только среднее арифметическое, а для шкалы отношений - только степенные средние [2].
Иногда градациям порядковых данных пытаются приписать числа, с тем, чтобы потом применять методы, разработанные для количественных шкал. Это - так называемая "оцифровка" [3, 4]. Она частично оправдана лишь в том случае, когда есть уверенность, что наблюдаемые данные получены в результате группировки количественных переменных. Пропаганда методов "оцифровки" вне указанных пределов может привести к неадекватным рекомендациям и повлечь те или иные потери. Примером неадекватной оцифровки является метод анализа иерархий [5], в котором от порядковых переменных осуществляется переход к измерениям в шкале интервалов.
2. Основой конкретного статистического метода анализа данных всегда является та или иная вероятностная модель. Именно на основе модели осуществляется перенос выводов с выборочной совокупности на более широкую (генеральную) совокупность. Модель должна быть явно описана, ее предпосылки обоснованы - либо из теоретических соображений, либо экспериментально. Так, в математической статистике часто предполагается, что данные представляют собой выборку, т.е. моделируются как реализации набора независимых одинаково распределенных случайных величин. В обосновании нуждаются, в частности, независимость, одинаковая распределенность. Обоснование используемой модели может быть дано либо из содержательных соображений (например, на основе анализа условий наблюдений), либо же путем статистической проверки. Так, критерии независимости результатов наблюдений приведены в [6, 7]. Иногда высказываемое мнение [8], что положениям математической статистики не угрожает опытная проверка, не соответствует действительности. Построением вероятностно-статистических моделей в связи с задачами классификации занимался Л.Г. Малиновский [9].
Модель и метод (алгоритм) - две самостоятельные составляющие процедуры анализа данных. Для одной и той же модели могут быть предложены различные алгоритмы. Например, параметры функции распределения можно оценивать методом моментов, методом максимального правдоподобия и др. Отметим здесь, что итеративные процедуры нахождения оценок максимального правдоподобия применять нецелесообразно: если эти оценки нельзя найти явно, то следует вычислять одношаговые оценки [1].
Более важно, что один и тот же алгоритм в одной модели может быть наилучшим из возможных, а в другой - очень плохим. Так, для проверки однородности двух выборок в классической модели, в которой элементы выборки имеют нормальные распределения, критерий Стьюдента является наилучшим (при условии равенства дисперсий). Если же распределения, из которых взяты выборки, могут быть произвольными, то этот критерий несостоятелен. К сожалению, неправильное понимание критерия Стьюдента укоренилось, например, в медицинской науке. Следует, конечно, переучивать прикладников на непараметрические критерии.
Полезно сказать несколько слов в защиту критерия Стьюдента. Во-первых, распределение статистики Стьюдента устойчиво к малым отклонениям от нормальности. Во-вторых, из Центральной Предельной Теоремы следует, что статистика Стьюдента распределена асимптотически нормально, если объемы обеих выборок стремятся к бесконечности, а распределения, из которых они взяты, имеют дисперсии. Отсюда следует, что критерий Стьюдента является состоятельным для проверки гипотезы о равенстве математических ожиданий двух распределений. Если последняя гипотеза отвергнута, то однородности нет (подробности см. в [10]).
Аналогичное замечание можно сделать по поводу распространенного неправильного мнения о том, что проверять равенство 0 линейного парного коэффициента корреляции Пирсона можно только в случае, когда результаты наблюдений имеют двумерное нормальное распределение. На самом же деле выборочный коэффициент корреляции асимптотически нормален, а потому при большом объеме выборки можно пользоваться теми же процедурами, что и в предположении нормальности [1].
Проверка однородности - одна из процедур классификации. Именно, проверяется, представляют ли выборки два класса или же их можно объединить в один. Каким же непараметрическим критерием пользоваться? В литературе имеется много предложений. Например, в [7] предлагается применять критерий Вилкоксона. Эта рекомендация не соответствует традициям отечественной вероятностно-статистической научной школы [11], рекомендующей критерии, основанные на эмпирических функциях распределения. Обсудим обоснованность рекомендации по применению критерия Вилкоксона.
В [7] критерий Вилкоксона опирается на модель, в которой одна из функций распределения произвольна, а вторая отличается от нее только сдвигом. Редко можно указать ситуацию, в которой подобная модель обоснована. Разве что при анализе результатов многократных измерений значений физической величины для двух образцов с помощью одного и того же средства измерения, для которого характеристики погрешностей стабильны в рассматриваемом диапазоне.
Если реальная ситуация достаточно изучена, то функции распределения в основном известны. Под таким заявлением обычно понимают то, что они известны с точностью до параметров, а тогда проверка гипотезу однородности проводится с помощью параметрических критериев, в частности, при нормальных распределениях с одинаковыми дисперсиями - с помощью критерия Стьюдента.
Если же реальная ситуация изучена мало, то функции распределения естественно считать произвольными и не связанными друг с другом. Затруднительно представить себе ситуацию, в которой связь между функциями распределения известна почти полностью (с точностью до параметра сдвига), в то время как о самих функциях распределения ничего не известно. Авторы [7] не рассматривают такие ситуации, в соответствующем примере [7, с.87-88] они попросту не обосновывают модель. Таким образом, несведущий в прикладной статистике исследователь, пользуясь [7], может взять произвольную модель, обработать данные в соответствии с ней, результат расчетов выдать как научно обоснованный.
(Отметим, что название [7] не соответствует содержанию: эту монографию следовало бы назвать "Избранные ранговые статистические методы". В [7] несколько искажена история непараметрической статистики, полностью игнорируются такие ее современные разделы, как непараметрические оценки плотности и регрессии. Современные взгляды на непараметрическую статистику обсуждаются в статье [12]).
Итак, при проверке однородности в непараметрическом случае необходимо принять, что функции распределения выборок произвольны. В такой постановке критерий Вилкоксона не является состоятельным. Значит, его применять нельзя. Чем же пользоваться? Очевидно, состоятельными критериями - Смирнова, типа омега-квадрат (Лемана-Розенблатта) [11] и др. Каким именно? Это - нерешенная проблема, подходов к которой не видно (она стоит первой в "цахкадзорской тетради" [13]). Если известна альтернатива, то можно подобрать наиболее мощный критерий. Но откуда взять альтернативу?
Ясно, что нельзя ждать, пока наука дозреет до решения этой проблемы. В настоящее время мы считаем целесообразным рекомендовать два критерия - двухсторонний критерий Смирнова и типа омега-квадрат (Лемана-Розенблатта). В пользу первого из них говорит то, что разработан быстрый алгоритм вычисления распределения критерия Смирнова при конечных объемах выборок, на основе которого рассчитаны таблицы критических значений, исчерпывающим образом дополняющие таблицы для предельного распределения [14]. (Отметим, что называть этот критерий "критерием Колмогорова - Смирнова", как это сделано в [7], неправильно, поскольку у Колмогорова и Смирнова не было ни одной совместной работы, рассматриваемый критерий был предложен Н.В. Смирновым в 1939 г., причем, вопреки [7], метод нахождения предельного распределения статистики Смирнова никак не связан с методом известной работы А.Н. Колмогорова 1933 г., в которой введен "критерий Колмогорова".) Однако у критерия Смирнова имеется заметный недостаток - его функция распределения растет большими скачками, а потому реальный уровень значимости может сильно отличаться от номинального [15]. Поэтому в настоящее время [16] мы склоняемся к рекомендации о применении типа омега-квадрат (Лемана-Розенблатта).
Приведенная выше критика критерия Вилкоксона относится также и к его обобщениям, применяемым в так называемом "непараметрическом дисперсионном анализе" [7] (кстати, название это неточно, поскольку никаких "дисперсий" в рассматриваемых непараметрических методах нет). В рассматриваемых постановках также необходимо перейти на состоятельные критерии.
Таким образом, на примере проверки гипотезы однородности показана необходимость обоснования вероятностной модели реального явления и ее взаимосвязь с алгоритмом расчетов, а также продемонстрирован ряд типичных ошибок.
3. Методы обработки данных, предназначенные для использования в реальных задачах, должны быть исследованы на устойчивость относительно допустимых отклонений исходных данных и предпосылок модели. В частности, должна указываться точность решений, определяемая по точности исходных данных. При этом каждый отдельный элемент исходных данных (например, элемент выборки) рассматриваем как представитель кластера, сгустка с размытыми границами, определяемыми погрешностями исходных данных. Решения, даваемые моделью, описываются, естественно, как элементы кластера - образа кластера данных. Этот подход подробно рассмотрен в монографиях [17, 18], а применительно к теории классификации - в [19] и других статьях. Здесь отметим только два применения развитой нами общей теории устойчивости.
Анализ погрешностей социологических данных привел нас к выводу, что в социологических (и маркетинговых) анкетах не имеет смысла использовать более 3 - 6 градаций [17, п.2.6]. Различие значений параметров моделей управления запасами, определяемых по методикам тех или иных организаций, приводило отдельных экономистов к выводу о невозможности использования оптимизационных моделей. Анализ с позиций теории устойчивости показал, что все рассматриваемые значения лежат в одном и том же кластере, определяемом погрешностями, а анализ кластера решений дал возможность сделать вывод, что оптимизационная модель позволяет снизить издержки не менее чем в 2 раза [17, п.5.1].
Заслуживает дальнейшего развития связь разработанной нами теории устойчивости с теорией решения некорректных задач [20] и с теорией нечеткости. Отметим, что в [17, 18] указан способ сведения теории нечеткости к теории случайных множеств, что позволяет рассматривать теорию нечеткости как своеобразный частный вероятностно-статистический метод. Ясно также, что нечеткость границ реально существующих кластеров должна учитываться в алгоритмах кластер-анализа, т.е. во многих реальных задачах адекватной является лишь нечеткая классификация.
4. Должна указываться точность решений, даваемых с помощью используемого метода. Понятие "точность" конкретизируется для отдельных классов методов. Так, погрешности решения могут быть связаны с погрешностями исходных данных, с погрешностями округления при компьютерных вычислениях, с погрешностями выбранного численного метода решения строго поставленной математической задачи, с тем, что математическая модель лишь грубо отражает действительность, и т.д. Особенно важно уметь численно оценивать погрешности при использовании так называемых "эвристических" алгоритмов, таких, как алгоритм [21], о котором авторы честно пишут, что не знают, дает ли он решение поставленной оптимизационной задачи.
Надо констатировать, что каждый метод обработки данных - это косвенное измерение [1, 17, 18]. Перед массовым использованием, как и всякий метод измерения, он должен быть обоснован с позиций метрологии (науки об измерениях). Поскольку аналитические методы при конечных объемах выборок зачастую не разработаны, то напрашивается изучение точности решений с помощью метода Монте-Карло. Однако следует знать, что многие используемые ныне датчики псевдослучайных чисел дают последовательности, свойства которых явно отличаются от номинальных при числе испытаний, скажем, более 2000, как это установлено И.Г. Журбенко и его сотрудниками еще в 1980-х годах [22].
Явный учет погрешностей может привести к неожиданным выводам. Так, для гамма-распределения еще Р. Фишер в 1920-х годах сравнивал по эффективности метод моментов оценки параметров и метод максимального правдоподобия, и последний оказался лучше. Когда же мы в [1] учли погрешности наблюдений, то вывод оказался другим - в обширной области исходных данных метод моментов лучше метода максимального правдоподобия.
Большой материал по рассматриваемым вопросам дан в весьма ценной книге [23]. Однако, по нашему мнению, авторы [23] слишком много внимания уделяют нынешнему состоянию прикладной математики по сравнению с обсуждением путей развития. Кроме того, методы анализа данных предлагаются, по нашей оценке, прежде всего для их массового использования, поэтому, в согласии с [23, гл.2], необходимо их тщательное исследование. Однако в настоящее время бесконтрольно распространяется большое число плохо обоснованных методов (некоторые примеры ошибок даны выше). Это представляет, на наш взгляд, большую опасность, поскольку с развитием цифровизации происходит стандартизация статистического инструментария на основе стандартных пакетов прикладных статистических программ. Опасность состоит в возможности проникновения в стандартные пакеты плохо обоснованных методов. Подобные методы есть даже в лучших современных пакетах [24]. Необходимы широкие и глубокие исследования имеющихся методов анализа данных, нацеленные на создание "золотого фонда", рекомендуемого для массового использования. Пример такой попытки - система государственных стандартов по статистическим методам управления качеством продукции, прежде всего серия ГОСТов по прикладной статистике ГОСТ 11.001-73 - ГОСТ 11.011-83. К сожалению, попытка провалилась - во многих стандартах этой системы были обнаружены грубые ошибки [25]. Причина - некомпетентность ряда разработчиков.
Очевидно, целесообразно провести анализ методов классификации, нацеленный на создание "золотого фонда". Для этого необходимо провести ряд исследований в духе описанных в статье [19]. Надо также навести порядок в терминологии: вряд ли допустимо, чтобы одна и та же область имела массу названий - кластер-анализ, распознавание образов без учителя, таксономия, автоматическая классификация и т.д.
Нужно обсуждать и показатели качества классификации. Так, например, при классификации на два класса в качестве подобного показателя часто используют долю ошибочно классифицированных объектов. Это, однако, нерационально. Если доля одного из классов сравнительно мала, то вполне обоснованный алгоритм может по этому показателю оказаться хуже тривиального, согласно которому следует отнести все объекты к более многочисленному классу. Так, ряд работ группы И.М. Гельфанда посвящен прогнозированию исхода инфаркта миокарда (использовался алгоритм "Кора-3"). Если для больного прогнозировался неблагоприятный исход (смерть), то за больным следовало установить специальное наблюдение и применять интенсивное лечение - такова практическая польза применения здесь метода классификации. Ясно, что риск смерти целесообразнее несколько переоценить, чем недооценить. На это и ориентировался алгоритм группы И.М. Гельфанда. А вот по доле ошибочной классификации он оказался хуже тривиального, согласно которому предлагалось считать, что никому из больных не угрожает смерть. Одна из возможных рекомендаций [26] - сравнивать методы классификации путем пересчета на модель линейного дискриминантного анализа, в котором классы описываются многомерными нормальными распределениями с одинаковыми ковариационными матрицами. Тогда можно оценить расстояние Махаланобиса между классами и сравнивать методы классификации с его помощью - чем это расстояние больше, тем метод классификации лучше. Пусть доля правильно классифицированных объектов в первом классе есть a, а во втором - b. Тогда оценкой расстояния Махаланобиса между классами является сумма значений в точках a и b функции, обратной к функции стандартного нормального распределения (т.е. нормального распределения с нулевым математическим ожиданием и единичной дисперсией), а в качестве оценки прогностической силы алгоритма классификации вместо доли правильных прогнозов рекомендуется использовать прогностическую силу, т.е.значение функции стандартного нормального распределения от половины оценки расстояния Махаланобиса.
5. В большинстве случаев анализируются данные о выборке с целью переноса на более широкую совокупность, в частности, для прогноза поведения вновь появляющегося объекта. Необходимо указывать точностные характеристики метода, т.е. точность оценивания по выборке параметров и характеристик модели. В вероятностных моделях это делается с помощью доверительных множеств, которыми обычно являются доверительные интервалы.
С прикладной точки зрения метод, для которого неизвестны точностные характеристики, является недостаточно разработанным, другими словами, поисковым, экспериментальным, эвристическим. Его нельзя рекомендовать для массового использования. Его применение может оказаться полезным, а может привести к грубым ошибкам, т.е. он является "магическим" в терминологии В.Н. Тутубалина [27].
Суть дела проста: интуиция обманывает, представляет метод гораздо более точным, чем он есть на самом деле. Современному научно-техническому уровню отвечают работы, в которых наряду с точечными оценками даны доверительные границы. Отходят от этого требования как несведущие в статистике лица, так и, к сожалению, отдельные преподаватели высшей школы, в том числе университетов, что объясняется, видимо, сочетанием "академичности" и отрыва от массы специалистов, обрабатывающих реальные данные.
При публикации результатов статистического анализа реальных данных необходимо указывать их точность (доверительные интервалы). Иначе невозможно использование этих результатов в дальнейших исследованиях в качестве исходных данных (поскольку неизвестны "допустимые отклонения исходных данных" - см. монографии по методам анализа устойчивости выводов [17, 18]), а также сравнение результатов различных исследований. К сожалению, данные социологических, медицинских и иных исследований часто публикуются без указания их точностных характеристик. Потом с содержательной точки зрения (т.е. с точки зрения конкретной прикладной ситуации) обсуждают, например, причины различия показателей для двух групп, в то время как статистические данные, которые можно извлечь из работы, не позволяют заключить о значимости рассматриваемого различия. Имеется в виду частный случай задачи, рассмотренной выше - проверка однородности для независимых выборок из двух биномиальных распределений. Так вот, если есть две выборки объема 100, в первой положительных ответов - 47%, а во второй - 61%, то различие незначимо (на уровне значимости 5%). Но социолог этого не знает - точностные характеристики не указаны - и начинает наводить теорию ... В журнале "Химия и жизнь" (1976, №4, с.112-113) всерьез обсуждалась связь между специальностью ученого и знаком Зодиака, под которым он родился, хотя элементарный подсчет по критерию хи-квадрат показывает, что никакой связи нет (см. подробный разбор в [28, гл.2]). Достойно сожаления, что отдельные специалисты по математическим методам в социологии всерьез воспринимают так называемый "детерминационный анализ" [29], котором используются сравнительно малые по численности группы и игнорируются точностные характеристики, что толкает на получение неадекватных выводов (отметим, что с математической точки зрения "детерминационный анализ" покрывается одним из параграфов книги Г.С. Лбова [30]. Малограмотны и претенциозны высказывания о статистических методах в науковедении в книге [31] ... Впрочем, все ошибки не перечислишь. Напомним хотя бы о хроническом непонимании области применимости критерия Колмогорова, разобранном нами в статье [32] и других работах.
По нашему мнению, неточны слова К. Джини [33, с.29]: "Нельзя предпочесть метод, который не отвечает определенной цели, методу, отвечающему цели, только на том основании, что в одном случае вычислена, а в другом еще не вычислена вероятная ошибка". Как можно знать, что "метод отвечает цели", если его точность неизвестна? В частности, лучше ли он тривиального метода - принять решение априори, а на данные вообще не смотреть. Из сказанного ясно, что мы считаем неверным и мнение Е.С. Вентцель [34] о том, что построению доверительных интервалов не следует уделять большого внимания.
В последние десятилетия получили распространение "невероятностные методы обработки данных", или "анализ данных" (в узком смысле). Типичными публикациями по анализу данных являются статья [21] и книги [29, 30, 35]. Как правило, методы анализа данных - это эвристические методы, вопрос о точностных характеристиках которых даже не ставится. Справедливо сказано в [35, с.15]: "Анализ данных применяется на первых этапах теоретического познания исследуемого явления". Очевидно, за первыми этапами должны следовать дальнейшие, имеющие целью развитие вероятностно-статистической теории, т.е. построение адекватной вероятностной модели явления и на ее основе теоретически обоснованных правил принятия решений (например, решений о необходимости наладки технологического процесса). Таким образом, анализ данных содержит методы, которые можно сравнить с "времянками": они первыми появляются на месте будущих зданий, а после окончания строительства подлежат сносу. Это поисковые, магические, а не научно обоснованные методы, их нельзя рекомендовать для широкого использования, включать в нормативно-техническую документацию - до оценок точности получаемых с их помощью решений, что в большинстве случаев возможно лишь с помощью вероятностной модели. Последняя необходима, если полученные по выборке результаты распространяются на более широкую совокупность. Если же интересующие специалиста включены в исследование, то точность понимается в соответствии с теорией устойчивости [17, 18]. Реальная опасность состоит в том, что в условиях современного обилия публикаций и программ, оборотной стороной чего является относительное невежество специалистов (нельзя знать и 5% от более чем миллиона актуальных к настоящему времени публикаций по математической статистике), распространение получат недостаточно обоснованные методы анализа данных. Ясно ведь, что времянку легче построить, чем здание ... Отметим, что в строительстве времянки стоят десятки лет. Как говорят: "Нет ничего более постоянного, чем "временное"".
Отметим, что математические методы исследования делятся на "разведочный анализ" и "доказательную статистику". Разведочный анализ нацелен на обнаружении нового, в то время как цель доказательной статистики - строго обосновать выводы. Например, разведочный анализ дает возможность сформулировать статистическую гипотезу, а доказательная статистика позволяет ее обосновать (принять) на выбранном заранее уровне значимости.
Многие методы анализа данных основаны на максимизации какого-либо функционала. Надо подчеркнуть, что наличие оптимизации не делает метод более научным, она - средство, а не цель. В связи с обсуждением оценивания параметров гамма-распределения [1] уже приводились примеры того, что не основанные на оптимизации методы могут быть лучше оптимизационных. Польза от экстремальной формулировки основных задач прикладной статистики состоит в основном в том, что можно едиными методами изучать асимптотическое поведение решений этих задач [36], а также единообразно строить алгоритмы их решения. Наиболее естественная оптимизационная постановка задач кластер-анализа дана А.Н. Колмогоровым (см. [17]).
6. Специфические требования к методам обработки данных возникают в связи с их "стыковкой" при последовательном выполнении [13, 19]: результаты работы предыдущего алгоритма должны удовлетворять условиям, наложенным на исходные данные последующего. Так, "восстановление пропущенных данных" по какому-либо алгоритму приводит к тому, что полученная матрица "объект-признак" не может рассматриваться как составленная из независимых случайных векторов, т.е. классическое предположение математической статистики: "наблюдения есть выборка" (конечная последовательность независимых одинаково распределенных случайных элементов" - не выполнено; следовательно, применение основанных на этом предположении методов не является обоснованным. Аналогичная ситуация имеет быть при "преобразовании данных", если параметры преобразования определяются по исходным данным. Неясной остается на настоящий момент обоснованность регрессионного анализа, если степень полинома, описывающего линию регрессии, подбирается по экспериментальным данным, поскольку распространенные оценки этой степени несостоятельны [37]. Продолжать можно долго. К сожалению, нельзя априори надеяться, что влияние указанных нарушений исходных предпосылок мало. Так, в критериях согласия Колмогорова, омега-квадрат и др. возникает желание вместо неизвестных параметров подставить их оценки. Этот прием аналогичен рассмотренным выше, но, в отличие от них, последствия его применения хорошо изучены. Влияние велико и не уменьшается с ростом выборки, например, при применении критерия Колмогорова для проверки нормальности процентные точки должны быть уменьшены примерно в 1,5 раза по сравнению с классическими [32].
Распространена рекомендация - разбить совокупность на однородные классы и затем анализировать каждый класс отдельно. Рекомендация рациональна (в смысле [23]). Так, при обработке данных о течении острой пневмонии [38] коэффициент корреляции между возрастом и длительностью заболевания оказался сравнительно малым (r = 0,21). Когда же мы выделили группы курящих и некурящих, то в первой из них связь оказалась гораздо более выраженной (r = 0,53), во второй же - незначимой.
В рассмотренной задаче классы выделены по априорным соображениям. Если же дискриминирующая поверхность (разделяющая классы) строится на основе анализа экспериментальных данных, то попавшие в один класс наблюдения, вообще говоря, не образуют выборку (нарушается независимость), а распределения их не являются нормальными. Для естественной модели показано [19], что при росте объема выборки независимость в определенном смысле восстанавливается, в то время как распределение элементов кластера отнюдь не приближается к распределению соответствующего члена в смеси, описывающей исходную совокупность (в частности, плотность этого распределения равна 0 для обширной области пространства). Следовательно, нельзя применять регрессионный анализ, основанный на предположении нормальности.
7. Требования к представлению результатов статистического анализа частично рассмотрены выше. Результаты должны приводиться вместе с точностными характеристиками, с указанием конкретного метода, с помощью которого они получены, и степени его обоснованности. При использовании информационно-коммуникационных технологий следует указывать тип (марку, название) компьютера, язык программирования, время счета и другие необходимые характеристики.
Кроме указанных выше, можно сформулировать ряд иных требований к методам обработки данных и представлению их результатов [39].

3. О границах применимости вероятностно-статистических методов
Этой теме посвящены многочисленные публикации [8, 9, 27, 40 - 43]. Мы ее также кратко касались [17, 44, 45]. Здесь отметим только два обстоятельства, весьма кратко и не претендуя на окончательность.
1. По нашему мнению, применение вероятностных методов не имеет принципиальных отличий от применений других областей математики, как более старых (геометрия, дифференциальные уравнения), так и более новых (теория нечеткости [45]). Схема применения однотипна: строится модель на основе соответствующей области математики, тем или иным способом она обосновывается, на основе модели реального явления изучаются интересующие специалистов вопросы, полученные выводы интерпретируются и используются для принятия решений. Поразительно, что отдельные авторы полностью игнорируют многочисленные способы проверки адекватности вероятностной модели.
2. Не менее поразительно, что возможность применения вероятностных моделей связывают с "темными понятиями" устойчивости частот, статистической однородности, статистического ансамбля [8, 27, 43]. Вот уже более 80 лет теория вероятностей является аксиоматической наукой (мы основываемся на аксиоматике А.Н. Колмогорова [46]; его основополагающая монография впервые издана в 1933 г. на немецком языке и в 1936 г. на русском). В ней нет места перечисленным "темным понятиям", как и бессмысленному, вообще говоря, понятию "генеральная совокупность" (оно имеет смысл лишь в случае выбора из конечного множества). Понятие статистического ансамбля, как и выражение "теория вероятностей изучает закономерности массовых явлений" - это реликты начала ХХ века, когда не отделяли математическую теорию вероятностей от её приложений. Попытки применить эти понятия сводятся к бездоказательным общим рассуждениям (другими словами, демагогии), поскольку любая научно обоснованная проверка должна опираться на вероятностную модель явления. На наш взгляд, движение одной-единственной частицы или развитие уникальной экономической системы вполне могут описываться случайными процессами (в терминологии теории вероятностей) - если соответствующие вероятностные модели обоснованы. Например, как проверить, что w(t) - траектория винеровского процесса? Возьмем разности , где достаточно мало по сравнению с интервалом наблюдения. Тогда, как известно, все эти разности независимы и имеют одинаковое нормальное распределение с нулевым математическим ожиданием и дисперсией - при справедливости гипотезы о винеровости. Остается проверить, справедливо ли утверждение, сформулированное в предыдущей фразе, с помощью широкого известных статистических критериев [1, 6, 7, 11 и др.].

4. О некоторых постановках задач классификации
1. Если классы полностью описаны или заданы обучающими выборками, классификацию можно рассматривать как измерение. При статистическом контроле качества единицы продукции классифицируются на годные и бракованные. Врач ставит диагноз больному, относя тем самым его заболевание к одной из нозологических форм. Измерение в номинальной шкале есть разбиение объектов на классы, а в порядковой - на упорядоченные классы [17]. Ясно, что результат измерения должен быть воспроизводимым, допускать сравнение с результатами других измерений. Вообще, классификация как средство измерения должна удовлетворять требованиям, устанавливаемым метрологией. Необходимым условием этого является стандартизация правил классификации (это условие не является, однако, достаточным: сплошь и рядом контролирующие органы обнаруживают, что пропущенные службами контроля качества изделия не удовлетворяют требованиям соответствующих нормативных документов). Ясно, что без стандартизации правил классификации не могут работать различные автоматизированные системы управления, действующие на предприятиях и в регионах. В статистике говорят о точном определении используемых понятий, рассматриваемых совокупностей [33, 47].
Хотя с необходимостью применения стандартных классификаций обычно никто не спорит, на практике стандартизация не всегда осуществлена. Сотрудники вузов хорошо это знают, сравнивая оценки в школьных аттестатах и на экзаменах. Мне уже приходилось упоминать [45] о двух группах медиков, по определению одной из которых "затяжное течение острой пневмонии" имело место в 6% случаев, а по мнению другой - в 60% (для той же совокупности из 461 больного)! Неточности классификаций приводят к тому, что экономико-статистические данные имеют относительные ошибки 5-10% [47].
2. В ряде случаев "мы хотим разбить объекты на группы независимо от того, естественны границы разбиения или нет" [48, с.437]. Типичные примеры - использования интервалов группировки в статистике, разбиение студентов специальности по учебным группам.
3. "Проблема классификации (в узком смысле слова - А.О.) состоит в выяснении по эмпирическим данным, насколько элементы "группируются" или распадаются на изолированные "скопления", "кластеры"" " [48, с.467]. Рассматриваемую область прикладной статистики естественно называть кластер-анализом. В этой области наиболее обоснованными являются вероятностно-статистические методы, известные как методы расщепления смесей [19]. При использовании тех или иных алгоритмов возникает проблема "реальности кластера" [19]. Дело в том, что алгоритм кластер-анализа можно применить к любым исходным данным, в том числе к выборке из однородной совокупности. В последнем случае, очевидно, результат работы алгоритма не будет иметь реального смысла. Как отличить эту ситуацию от противоположной, когда совокупность действительно разбивается на кластеры? Приведем пример ошибочного применения кластер-анализа.
Качество одного из продуктов нефтехимии - фенола - характеризуют 13 показателей. На их измерения тратятся большие средства. Идея состоит в том, чтобы разбить признаки на группы и из каждой группы оставить только один, при этом "каждый из признаков внутри одной группы говорит б образцах почти одно и то же" [49, с.23]. Последнее означает, что коэффициенты корреляции между признаками одной группы близки к 1. По экспериментальным данным нашли матрицу выборочных коэффициентов корреляции [49, с.25]. Максимальный по величине коэффициент корреляции равен 0,85, следующий за ним - 0,46. Отсюда ясно, что только 2 признака из 13 связаны между собой настолько, что имеет смысл прогнозировать значение одного из них по-другому, да и для них прогнозирование не слишком хорошее. Однако это не смущает Ю.П. Адлера, он, не колеблясь, применяет метод корреляционных плеяд и получает 6 групп. Одна из них состоит из двух показателей, коэффициент корреляции между которыми равен 0,21 [49, с.25], т.е. с помощью одного из них можно объяснить лишь 4% дисперсии второго. Обоснованный (с позиций прикладной статистики) ответ в рассматриваемой задаче таков: показатели практически нельзя объединить в группы (за исключением двух, коэффициент корреляции между которыми равен 0,85); чтобы не потерять информацию, надо измерять не менее 12 показателей. Однако Ю.П. Адлер считает, что достаточно 6 - по одному из группы [49, с.24]. Это - введение заказчика в заблуждение с использованием авторитета математических методов. Интересно подсчитать убытки, вызванные описанной рекомендацией Ю.П. Адлера.
Если кластеры являются реальными, то любой разумный алгоритм кластер-анализа должен их достаточно точно выделить. Другими словами, результат кластер-анализа должен быть устойчив относительно выбора алгоритма [17, 18]. Следовательно, для выделения реальных кластеров можно рекомендовать наиболее простой в определенном смысле алгоритм, например, требующий наименьших вычислений, скажем, алгоритм ближнего соседа [1]. Затем следует проверить устойчивость полученных кластеров по отношению к допустимым отклонениям исходных данных [19].
Приведем пример. В [50] мы обрабатывали анкеты (типа социологических) способных к математике школьников. Для кластер-анализа признаков, измеренных в номинальных шкалах, был выбран алгоритм [21], который мы сочли под влиянием [21] наиболее перспективным и обоснованным. Реализация алгоритма на компьютере и счет заняли около полугода. Позже я за полтора часа обработал вручную те же данные по упомянутому выше алгоритму ближнего соседа. Результаты (дендрограммы) практически совпали. Более того, алгоритм ближнего соседа дал дополнительную информацию о структуре данных Итак, в случае работы [50] цена ошибочного выбора алгоритма - полгода лишней работы плюс стоимость машинного времени (вторая составляющая в рассматриваемое время была заметной).
Самый радикальный способ сократить затраты на кластер-анализ - заранее объявить совокупность однородной. Так, Ю.Н. Тюрин [51] пишет: "При проведении экспертного опроса обычно считают, что по интересующему предмету существует истинная точка зрения". Если же выявились кластеры различных мнений, то "надо признать, что экспертный опрос не достиг окончательной цели" [51, с.11]. По моему мнению, это слишком категоричное заявление. Оно может повлечь исключение из процедур обработки экспертных данных этапа кластер-анализа, а это может привести к ошибкам в содержательных областях. На практике мнения экспертов зачастую разделяются (например, мнения научных работников и производственников). Мы полагаем, что при применении экспертных технологий необходим этап классификации мнений экспертов (отметим, что в [52] в модели люсианов порождения экспертных оценок удалось из вероятностно-статистических соображений указать ограничение сверху на диаметр кластера, т.е. обосновать выбор итогового разбиения из дендрограммы).

5. Заключение
Один из разделов статьи Н. Бурбаки "Архитектура математики", основополагающей для многотомной серии "Элементы математики", называется так: "Стандартизация математических орудий" [53, с.253]. Наша задача - стандартизовать такое мощное орудие, как методы классификации. В настоящей статье раскрыт ряд положений заметки [54].
Автор искренне благодарен Д.С. Шмерлингу за конструктивную критику.

Литература

1. Орлов А. И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.
2. Орлов А. И. Характеризация средних величин шкалами измерения // Научный журнал КубГАУ. 2017. №134. С. 877 – 907.
3. Енюков И. С. Методы оцифровки неколичественных признаков // Алгоритмическое и программное обеспечение прикладного статистического анализа. - М.: Наука, 1980. - С. 309-316.
4. Александров В. В., Горский Н. Д. Алгоритмы и программы структурного метода обработки данных. - Л.: Наука, 1983. - 208 с.
5. Саати Т. Л. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1989. — 316 с.
6. Гаек Я., Шидак 3. Теория ранговых критериев / Пер. с англ. - М.: Наука, 1971. – 376 с.
7. Холлендер М., Вульф Д. Непараметрические методы статистики. – М.: Финансы и статистика, 1983. - 518 с.
8. Алимов Ю.И. Альтернатива методу математической статистики. - М.: знание, 1980. - 64 с.
9. Малиновский Л. Г. Анализ статистических связей: модельно-конструктивный подход / Отв. ред. Н. А. Кузнецов, Л. И. Титомир ; Рос. акад. наук, Ин-т проблем передачи информации. - Москва : Наука, 2002. - 687 с.
10. Орлов А. И. О методах проверки однородности двух независимых выборок // Заводская лаборатория. Диагностика материалов. 2020. Т.86. №3. С. ХХ-ХХ.
11. Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. – М.: Наука, 1983. - 416 с.
12. Орлов А. И. Структура непараметрической статистики (обобщающая статья) // Заводская лаборатория. Диагностика материалов. 2015. Т.81. №7. С. 62-72.
13. Загоруйко Н. Г., Орлов А. И. Некоторые нерешенные математические задачи прикладной статистики // Современные проблемы кибернетики (прикладная статистика). - М.: Знание, 1981. - С. 53-63.
14. Орлов А. И., Миронова Н. Г., Фомин В. Н., Черномордик О .М. Методика. Проверка однородности двух выборок параметров продукции при оценке ее технического уровня и качества. - М.: ВНИИСтандартизации, 1987. - 116 с.
15. Орлов А. И. Реальные и номинальные уровни значимости при проверке статистических гипотез // Научный журнал КубГАУ. 2015. № 114. С. 42–54.
16. Орлов А. И. Состоятельные критерии проверки абсолютной однородности независимых выборок // Заводская лаборатория. Диагностика материалов. 2012. Т.78. №11. С.66-70.
17. Орлов А. И. Устойчивость в социально-экономических моделях. — М.: Наука, 1979. — 296 с.
18. Орлов А. И. Устойчивые экономико-математические методы и модели. Разработка и развитие устойчивых экономико-математических методов и моделей для модернизации управления предприятиями. — Saarbrücken (Germany), LAP (Lambert Academic Publishing), 2011. — 436 с.
19. Орлов А. И. Некоторые вероятностные вопросы теории классификации // Прикладная статистика. - М.: Наука, 1983. - С. 166-179.
20. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. - М.: Наука,1986. – 288 с.
21. Куперштох В. Л., Миркин Б. Г., Трофимов В. А. Сумма внутренних связей как показатель качества классификации // Автоматика и телемеханика. 1976. №3. С. 91-98.
22. Орлов А. И. Метод статистических испытаний в прикладной статистике // Заводская лаборатория. Диагностика материалов. 2019. Т.85. №5. С. 67-79.
23. Блехман И. И., Мышкис А. Д., Пановко Я. Г. Механика и прикладная математика: логика и особенности приложений математики / 2-ое изд., испр. и доп. - М: Наука, 1990. - 360 с.
24. Орлов А. И. Статистические пакеты – инструменты исследователя // Заводская лаборатория. Диагностика материалов. 2008. Т.74. № 5. С. 76–78.
25. Орлов А. И. Сертификация и статистические методы (обобщающая статья) // Заводская лаборатория. Диагностика материалов. 1997. Т.63. № 3. С. 55-62.
26. Орлов А. И. Прогностическая сила – наилучший показатель качества алгоритма диагностики // Научный журнал КубГАУ. 2014. № 99. С. 33-49.
27. Тутубалин В. Н. Теория вероятностей в естествознании. - М.: Знание, 1972. - 64 с.
28. Орлов А. И. Эконометрика. Изд. 4-е, доп. и перераб. — Ростов-на-Дону: Феникс, 2009. — 572 с.
29. Чесноков С. В. Детерминационный анализ социально-экономических данных. Изд. 2, испр. и доп. - М.: URSS. 2009. - 168 с.
30. Лбов Г. С. Методы обработки разнотипных экспериментальных данных. - Новосибирск: Наука, 1981. - 160 с.
31. Хайтун С. Д. Наукометрия: Состояние и перспективы. - М.: Наука, 1983. - 344 с.
32. Орлов А. И. Непараметрические критерии согласия Колмогорова, Смирнова, омега-квадрат и ошибки при их применении // Научный журнал КубГАУ. 2014. № 97. С. 32-45.
33. Джини К. Логика в статистике. - М.: Статистика, 1973. — 128 с.
34. Вентцель Е. С. Методологические особенности прикладной математики на современном этапе // Математики о математике. - М.: Знание, 1982. - С.37-55.
35. Миркин Б. Г. Анализ качественных признаков и структур. - М.: Статистика, 1980. — 319 с.
36. Орлов А. И. Предельная теория решений экстремальных статистических задач // Научный журнал КубГАУ. 2017. № 133. С. 579–600.
37. Орлов А. И. Оценка размерности модели в регрессии // Алгоритмическое и программное обеспечение прикладного статистического анализа. - М.: Наука, 1980. - С. 92-99.
38. Рабухин А. Е., Сильвестров В. П., Орлов А. И. и др. Результаты лечения больных острой пневмонией // Актуальные вопросы клинической и экспериментальной медицины. - М.: 4 ГУ МЗ СССР, 1978. - С. 132-138.
39. Орлов А. И., Миронова Н. Г., Фомин В. Н., Черчинцев А. Н. Рекомендации. Прикладная статистика. Методы обработки данных. Основные требования и характеристики. - М.: ВНИИСтандартизации, 1987. - 62 с.
40. Купцов В. И. Детерминизм и вероятность. - М.: Политиздат, 1976. - 256 с.
41. Сачков Ю. В. Вероятностная революция в науке (Вероятность, случайность, независимость, иерархия). - М.: Научный мир, 1999. - 144 с.
42. Сачков Ю. В. Введение в вероятностный мир. - М.: Наука, 1971. — 208 с.
43. Тутубалин В. Н. Границы применимости (вероятностно-статистические методы и их возможности). - М.: Знание, 1977. - 64 с.
44. Орлов А. И. О развитии прикладной статистики // Современные проблемы кибернетики (прикладная статистика). - М.: Знание, 1981. - С. 3-14.
45. Орлов А. И. Математика нечеткости // Наука и жизнь. 1982. № 7. С. 60-67.
46. Колмогоров А. Н. Основные понятия теории вероятностей. Изд. 2-е. - М.: Наука, 1974. - 120 с.
47. Моргенштерн О. О точности экономико-статистических наблюдений. - М.: Статистика, 1968. - 293 с.
48. Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. - М.: Наука, 1976. — 736 с.
49. Адлер Ю. П. Управление качеством: статистический подход. - М.: Знание, 1979. - 51 с.
50. Орлов А. И., Гусейнов Г. А. Математические методы в изучении способных к математике школьников // Исследования по вероятностно-статистическому моделированию реальных систем. - М.: ЦЭМИ АН СССР, 1977. - С. 80-93.
51. Тюрин Ю. Н. О математических задачах в экспертных оценках // Экспертные оценки. Вопросы кибернетики, вып.58. - М.: Научный совет АН СССР по комплексной проблеме "Кибернетика", 1979. - С. 7-16.
52. Орлов А. И. Теория люсианов // Научный журнал КубГАУ. 2014. № 101. С. 275–304.
53. Бурбаки Н. Очерки по истории математики. - М.: ИЛ, 1963. - 292 с.
54. Орлов А. И. Роль методологии в математических методах исследования // Заводская лаборатория. Диагностика материалов. 2019. Т.85. №7. С. 5-6.

Публикация:
1163. Орлов А.И. Основные требования к методам анализа данных (на примере задач классификации) // Научный журнал КубГАУ. 2020. №159. С. 239–267. http://ej.kubagro.ru/2020/05/pdf/17.pdf.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб фев 26, 2022 12:44 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1101 от 28 февраля 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Доклад "Математические инструменты принятия решений о выборе способа централизации закупочной деятельности общественного сектора" Сергея Григорьевича Фалько, Антона Владимировича Курдакова и Александра Ивановича Орлова состоялся на VIII международной конференции по контроллингу "Контроллинг в экономике, организации производства и управлении: цифровизация в экономике".
Предлагаем тезисы доклада А.И. Орлова "Солидарная информационная экономика - основа новой парадигмы экономической науки, развивающей идеи Аристотеля" на VI Международном научном конгрессе Глобалистика-2020: Глобальные проблемы и будущее человечества (МГУ им. М.В. Ломоносова 18-22 мая 2020 г.) и одноименную статью в сборнике по итогам конгресса.
Доклад А.И. Орлова "Контроллинг рисков: информационная м методическая поддержка менеджмента" включен в сборник научных трудов IX международной конференции по контроллингу " Контроллинг в экономике, организации производства и управлении: информационная и методическая поддержка менеджмента", посвященной 190-летию МГТУ им. Н.Э. Баумана (Москва, 18 декабря 2020 г.)




УДК 005.521:633.1:004.8; JEL: C00, L00

Математические инструменты принятия решений о выборе способа централизации закупочной деятельности общественного сектора

Сергей Григорьевич Фалько
профессор, д.э.н.
Антон Владимирович Курдаков
соискатель
Александр Иванович Орлов
профессор, д.э.н., д.т.н., к.ф.-м.н.

Аннотация: В настоящей статье рассмотрены математические инструменты, позволяющие провести расчеты целесообразности применения централизации, для определения оптимального соотношения «централизации - децентрализации» в закупках для государственных нужд. Для анализа массива потребностей организаций общественного сектора предложено применять алгоритмы кластер-анализа с целью построения типологии заявок. Для оптимизации удовлетворения потребностей одной однородной группировки обосновано использование аналог однопродуктовой модели управления запасами Вильсона.
Ключевые слова: закупки для государственных нужд, централизация, расчет оптимального соотношения «централизация - децентрализация», принятие управленческих решений, управление закупками для государственных нужд.

Mathematical decision making instruments on the choice of the method for centralizing purchasing activities of the public sector

Sergey G. Falko
Prof., Dr. of Science.
Anton V. Kurdakov
aspirant
Alexander I. Orlov
Prof., DSc(Econ), DSc(Tech), PhD(Math)

Abstract: This article discusses mathematical tools that allow calculating the appropriateness of applying centralization to determine the optimal ratio of "centralization - decentralization" in procurement for state needs. To analyze the array of needs of public sector organizations, it is proposed to use cluster analysis algorithms to build a typology of applications. To optimize the satisfaction of the needs of one homogeneous group, it is justified to use an analog of the Wilson single-product inventory management model.
Keywords: procurement for state needs, centralization, calculation of the optimal ratio of "centralization - decentralization", management decisions, procurement management for state needs.

1.Введение
Под общественным сектором в настоящей статье понимаются государственные учреждения, обеспечивающие жизнедеятельность субъекта Российской Федерации и/или муниципального образования по всем проявлениям. В настоящее время складывается устойчивая тенденция к оптимизации рабочих процессов, сокращении времени работы специалистов над единичными проектами. В развитие данной тенденции все чаще на помощь руководителям общественного сектора предлагается такой инструмент, как централизация.
В настоящей статье мы рассмотрим один из способов принятия решения о возможности применения централизованного подхода к организации закупочной деятельности, основанный на математическом анализе жизненного цикла потребностей организации общественного сектора.
Использование математических методов поможет установить оптимальную пропорцию «централизации - децентрализации» закупочных процессов, при этом наглядно раскрыть руководителю возможные риски принятия такого решения.
Для решения поставленных задач представляется целесообразным рассмотреть возможность применения двух математических инструментов - кластер-анализа и оптимизации в духе модели Вильсона.

2. Анализ массива потребностей организаций общественного сектора
Необходимо учитывать то, что на законодательном уровне введен запрет на включение в состав лотов товаров, работ, услуг, технологически и функционально не связанных с товарами, работами, услугами, входящими в состав поставок, выполнение, оказание которых являются объектом закупки.
Первое, с чем нам предстоит столкнуться при анализе массива потребностей организаций общественного сектора, это разделение потребностей по группам товаров, исходя из их потребительских свойств.
Для наглядности разделим товары на 3 основные группировки:
Группа 1: Товары (работы, услуги) общего применения с абсолютно идентичными потребительскими свойствами (канцелярские товары, неспециализированная компьютерная техника, расходные материалы для оргтехники, и т.д.).
Группа 2: Товары (работы, услуги) отраслевого применения (медикаменты для населения, ученическая мебель, автотранспорт для регулярных перевозок населения и т.д.).
Группа 3: Товары (работы, услуги) специального назначения, так называемые специфические и узконаправленные закупки, то есть только для потребностей определенных областей деятельности (ремонт конкретного здания, разработка или приобретение специализированного программного обеспечения, индивидуальные средства измерения и т.д.).
Введем единицу рассмотрения («атом») – одна (минимальная) потребность в закупке товара, работы (услуги) из одной группировки.
Каждый «атом» формируется описанием технических и/или функциональных характеристик. Поскольку данные значения являются переменными, но обязательными для каждого «атома», то чем больше различий в переменных показателях «атома», тем больше «расстояние» между «атомами». И соответственно, чем меньше «расстояние», тем больше «атомы» напоминают друг друга и ,следовательно, тем логичнее их обрабатывать одинаково.
Учитывая, что траектория движения «атома» до момента реализации потребности в системе закупок для государственных нужд идентична и формализована Законом о контрактной системе, различия в централизованном и децентрализованном подходе могут заключаться лишь в сборе «атомов» в единую закупку, то для анализа массива потребностей организаций общественного сектора можно применить алгоритмы кластер-анализа. Например, метод k-средних (и затем построение типологии заявок на закупку с помощью агломеративного иерархического алгоритма ближнего соседа). Или аналог двухкритериальной оптимизационной постановки А.Н. Колмогорова [1].
Есть и другие предложения. Например, в литературном источнике [2] продемонстрирована возможность применения регрессионного анализа.

3. Оптимизация соотношения "централизация - де централизация "для однотипных заявок
Для оптимизации удовлетворения потребностей одной группировки может быть использован аналог однопродуктовой модели управления запасами Вильсона [3]. Аналогом доставки партии является реализация потребности, при этом затраты равны g руб. на одну потребность, независимо от объема (размера) «атома». Аналогом платы за хранение являются издержки (например, s руб./т-день) на распространение закупленного по конечным потребителям (из центра к конечным потребителям). В модели Вильсона под этими издержками понимаются затраты на хранение. Чем выше централизация - тем ниже относительные затраты на подачу и реализацию потребности (эффект масштаба), но выше затраты на распространение закупленного продукта из центра к конечным потребителям. Т.е. чем больше централизация, тем меньше первый вид издержек, но больше (выше) второй вид издержек. Оптимальное соотношение определяется при минимизации суммарных затрат. Еще один параметр - мощность потока заявок (например, т/день). Оптимальный (точнее, асимптотически оптимальный при росте интервала планирования) объем потребности (руб.) можно найти в соответствии с теорией модели Вильсона [4].
Характеристикой централизации (характеристикой соотношения централизации - децентрализации) является оптимальный объем потребности. Большой объем оптимальной потребности соответствует выраженной централизации (закупки осуществляются в центре), малый - децентрализации (закупки осуществляются на местах). При росте затрат на централизованное оформление одной потребности (росте g) возрастает оптимальный объем потребности, как и при росте мощности потока «атомов» ( ). В этих случаях централизация увеличивается. Увеличение затрат на распространение закупленного продукта из центра к конечным потребителям (увеличение s) приводит к уменьшению оптимального объема потребности, т.е. к децентрализации.

Выводы
Поскольку на руководителей общественного сектора возлагается высокая ответственность в части обеспечения деятельности организаций и удовлетворения социальных потребностей, зачастую остро встает вопрос целесообразности использования инструментов закупочной деятельности, направленных на упрощение и повышение прозрачности закупок для государственных нужд.
Одним из таких инструментов является централизация закупок. Использование оптимального соотношения централизованных и децентрализованных закупок в различных отраслях позволяет значительно снизить нагрузку на бюджетную сферу, достигая экономии не только финансовых средств, но и трудозатрат, связанных с размещением закупок.
Применение математических инструментов при подборе оптимального соотношения в закупочной деятельности централизованного и децентрализованного подходов значительно упрощает управленческие процессы, помогая руководителям организаций общественного сектора и регуляторам в сфере закупок принимать решения о степени централизации.

Литература
1. Орлов А.И. Математические методы теории классификации // Научный журнал КубГАУ. 2014. №95. С. 423–459.
2. Малайрев А.С., Белев С.Г. Оценка масштабов и эффектов централизации в России в 2014 году. - М.: РАНХиГС, 2016. - 44 с. [Электронный ресурс]. Режим доступа: ftp://w82.ranepa.ru/rnp/wpaper/543.pdf (Дата обращения 01.12.2019).
3. Орлов А.И. Оптимальные методы в экономике и управлении. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2007. — 44 с.
4. Орлов А.И. Методы принятия управленческих решений.- М.: КНОРУС, 2018. - 286 с.

Contacts
Фалько Сергей Григорьевич, профессор, д.э.н.
Зав. кафедрой «Экономика и организация производства» МГТУ им. Н.Э. Баумана
falko@controlling.ru
Курдаков Антон Владимирович
соискатель кафедры «Экономика и организация производства»
МГТУ им. Н.Э.Баумана, заместитель начальника Главного архивного управления города Москвы – руководитель контрактной службы.
avkurdakov@gmail.com
Александр Иванович Орлов, профессор, д.э.н., д.т.н., к.ф.-м.н.
Зав. Лабораторией экономико-математических методов в контроллинге
Научно-образовательного центра «Контроллинг и управленческие инновации»,
профессор кафедры «Экономика и организация производства» МГТУ им. Н.Э.Баумана,
prof-orlov@mail.ru

Публикация:
1154. Фалько С.Г., Курдаков А.В., Орлов А.И. Математические инструменты принятия решений о выборе способа централизации закупочной деятельности общественного сектора / Контроллинг в экономике, организации производства и управлении: цифровизация в экономике: материалы VIII международной конференции по контроллингу, под научной редакцией д.э.н., профессора Фалько С.Г., Москва, 13декабря 2019 г. - М.: Изд-во НП «Объединение контроллеров», 2019. - С. 293-298.
http://controlling.ru/files/136.pdf



Солидарная информационная экономика - основа новой парадигмы экономической науки, развивающей идеи Аристотеля

Орлов А.И.

Цифровая экономика широко обсуждается в настоящее время. Она основана на интенсивном использовании информационно-коммуникационных технологий в экономике и управлении. Цифровая экономика позволяет реализовать идеи Аристотеля об управлении хозяйством. Первым экономистом в истории науки является Аристотель. Согласно его определению, экономика – наука о разумном ведении хозяйства, о деятельности, направленной на удовлетворение потребностей людей, т.е. на производство и приобретение благ для дома и государства. С целью принизить значение Аристотеля иногда утверждают, что он писал о ведении домашнего хозяйства. Те, кто так утверждают, рассчитывают, что их читатели не знакомы с сочинениями Аристотеля. На самом же деле Аристотель писал обо всех основных видах хозяйствующих субъектов. Среди них – предприятие (как сельскохозяйственное, так и производство в городе), город (полис), регион (сатрапия), государство (империя).
По мнению Аристотеля, противоестественной является хрематистика, т.е. деятельность, направленная на приобретение выгоды, извлечение прибыли, на накопление богатства. Аристотель резко противопоставлял экономику хрематистике. Он развивал экономическую теорию как основу деятельности, направленной на удовлетворение потребностей людей, и резко критиковал хрематистику как антиобщественную деятельность.
До XVIII века экономическая теория развивалась в основном в соответствии со взглядами Аристотеля. Затем появилась т.н. «рыночная экономика» (Адам Смит и др.), поставившая на первое место хрематистику. Но теория рыночной экономики скоро перестала соответствовать реальной хозяйственной жизни. По оценке американского экономиста и теоретика менеджмента П. Друкера, 1873 год – «конец эры либерализма – конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику». После этого момента роль государства в экономике стала возрастать во всех развитых странах, достигнув к концу XX в. доли в 33–58 % (здесь речь идет о доле расходной части государственного бюджета в валовом внутреннем продукте). Однако устаревшие положения «рыночной экономики» продолжают быть широко распространенными.
Поскольку рыночная экономика осталась в XIX в., основное течение (мейнстрим) современной экономической науки – обоснование несостоятельности рыночной экономики и необходимости перехода к плановой системе управления хозяйством. При развитии экономической теории необходимо избавиться от рыночных извращений и двигаться вперед, руководствуясь идеями Аристотеля, которые не только не устарели, но являются более современными, чем рассуждения о пользе рынка. Таким образом, основанная на информационных технологиях современная цифровая экономика должна заменить рыночную экономику.
Более 12 лет мы развиваем функционалистско-органическую (солидарную) информационную экономику (СИЭ) – в рамках мейнстрима современной цифровой экономики. Основные предшественники СИЭ – Аристотель, В.М. Глушков, Ст. Бир. Многие исследователи высказывали схожие мысли. В том числе Ф. Бекон, Г. Форд, К. Поланьи. В рамках плановой системы можно смоделировать любые рыночные отношения, а потому плановое хозяйство заведомо не менее эффективно, чем рыночное. Шотландские экономисты В. Пол Кокшотт и Аллин Ф. Коттрелл убедительно продемонстрировали теоретическую возможность организации производства с целью непосредственного удовлетворения потребностей в масштабах страны или человечества в целом. Для расчетов управленческих решений мощностей стандартных современных компьютеров вполне достаточно. Следовательно, критика планового хозяйства Хайеком в современных условиях несостоятельна.
Не прибыль – основное при ведении хозяйства, а удовлетворение потребностей. Необходимо менять психологические установки массы участников хозяйственной жизни. Солидарная информационная экономика должна стать основой для принятия управленческих решений на всех уровнях – от предприятия до государства.

Публикация:
1162. Орлов А.И. Солидарная информационная экономика - основа новой парадигмы экономической науки, развивающей идеи Аристотеля / Глобалистика-2020: Глобальные проблемы и будущее человечества. Электр. сб. тезисов участников VI Международного научного конгресса, МГУ им. М.В. Ломоносова 18-22 мая 2020 г. / под ред. И.В. Ильина. - М.: ФГП МГУ им. М.В. Ломоносова, 2020. - С. 676 - 677.
https://19f1e703-12fe-47e7-a98b-59d83fa ... index=true



Орлов Александр Иванович
доктор экономических наук, доктор технических наук,
кандидат физико-математических наук
профессор,
Московский государственный технический университет им. Н.Э. Баумана,
г. Москва
prof-orlov@mail.ru

Солидарная информационная экономика - основа новой парадигмы экономической науки, развивающей идеи Аристотеля

Аннотация. Аристотель - основоположник экономической науки. В XVIII - XIX вв. господствовала рыночная экономика, пришедшая на смену теории Аристотеля. С развитием цифровой экономики в XXI в. идеи Аристотеля об управлении хозяйством с целью удовлетворения потребностей становятся все более актуальными. Проекты ОГАС В.М. Глушкова и "Киберсин" Ст. Бира являются примерами разработок в духе Аристотеля. Солидарная информационная экономика, развивающая идеи Аристотеля, является основой новой парадигмы экономической науки.
Ключевые слова. Аристотель, экономическая наука, управление хозяйством, цифровая экономика, солидарная информационная экономика

С развитием экономической деятельности человека появилось ее осмысление - экономическая наука. Специалисты по истории экономической мысли первым ученым-экономистом называют Аристотеля. Он внес основополагающий вклад в разработку экономической теории, которая становится является актуальной и в настоящее время. Основой новой парадигмы экономической науки является солидарная информационная экономика, которая развивает идеи Аристотеля на базе современной цифровой экономики.
Рассмотрим основные экономические идеи Аристотеля и судьбу его взглядов. Полагаем, что солидарную информационную экономику следует рассматривать как возрождение учение Аристотеля на современной основе. Обсудим развитие солидарной информационной экономики, содержание терминов, входящих в название этого научного направления на различных этапах его развития. По нашему мнению, солидарная информационная экономика - основа новой парадигмы экономической науки.
При обсуждении настоящей работы целесообразно учесть, что по данным Российского индекса научного цитирования автор настоящей работы - один из наиболее цитируемых отечественных экономистов и математиков.

Основные экономические идеи Аристотеля
Согласно Аристотелю [1], экономика - это наука о том, как управлять хозяйством. Аристотель рассматривает различные виды хозяйств.
1) Домашнее хозяйство. Экономику домашнего хозяйства можно назвать домоводством.
2) Городское или сельскохозяйственное предприятие. В настоящее время используются термины "экономика предприятия" и "микроэкономика".
3) Хозяйство города (полиса). Сейчас говорят о муниципальном управлении.
4) Хозяйство региона (сатрапии). Это - региональная экономика.
5) Хозяйство государства в целом (империи). Речь идет о макроэкономике, государственном управлении.
Всемирное хозяйство Аристотель не рассматривал, поскольку при его жизни экономические структуры стран, расположенных на разных континентах, практически не взаимодействовали. Тем более не было экономических теорий применительно к планетным системам, звездным скоплениям, галактикам. Нет их и сейчас из-за преждевременности.
Из сказанного ясно, что Аристотель рассмотрел практически все уровни взаимоотношений экономических субъектов, актуальные для современности. Противники теории Аристотеля пытаются свести его учение к домоводству. Такое мнение либо основано на незнакомстве с текстами Аристотеля, либо основано на сознательной дезинформации, причины появления которой будут ясны из дальнейшего.
Аристотель полагал, что цель управления хозяйством - удовлетворение потребностей людей. Он резко критиковал так называемых "хрематистиков", полагавших, что цель экономической деятельности - получение выгоды (прежде всего прибыли).
Аристотель считал, что использование денег в хозяйственной деятельности не является обязательным, но не отказывался возможности их применения, если оно оказывалось полезным для решения практических задач.

Судьба взглядов Аристотеля
В течение многих столетий правители различных стран управляли экономическими явлениями и процессами, добиваясь удовлетворения потребностей подданных. Труды Аристотеля служили теоретической базой их практической деятельности.
Ситуация изменилась с выходом на политическую арену третьего сословия - буржуазии. В результате победы буржуазных революций изменилось главенствующее экономическое учение. Вместо учения Аристотеля на первое место вышла т.н. "рыночная экономика", отражающая взгляды хрематистиков. Основные постулаты "рыночной экономики" хорошо известны:
1) цель работы предприятия (организации) - максимизация прибыли;
2) конкуренция - это благо, а монополия - зло;
3) государство должно не вмешиваться в экономическую жизнь, быть "ночным сторожем", поддерживающим порядок и ведущим борьбу с преступлениями.
И в теоретическом осмыслении хозяйственной деятельности стала господствовать рыночная экономика. Хотя по оценке американского экономиста и теоретика менеджмента П. Друкера, 1873 г. – «конец эры либерализма – конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику» [2], до сих пор в сознании российских исследователей и практических работников продолжает господствовать рыночная риторика.
Наблюдаем противоречие. В реальном мире рыночная экономика господствовала около ста лет, а с 1873 г. была заменена на смешанную со значительным государственным участием. Германский кайзер начал активно управлять экономическими процессами. В ХХ в. так делали Ф. Рузвельт (США) и руководители социалистических стран. Теоретические подходы были развиты Дж. Кейнсом. А вот в теоретических размышлениях и в преподавании рыночная экономика продолжала быть господствующей, особенно в англосаксонских странах. Именно рыночная экономика в американском варианте была внедрена в России в 1990-х годах. К настоящему времени стало ясно, что это внедрение имело целью дезориентацию экономического мышления как ученых и преподавателей, так и основной массы населения.
Победа хрематистики повлекла за собой и смену терминологии. Под экономикой стали понимать хрематистику, т.е. прежде всего науку о финансовых спекуляциях. А науку об управлении хозяйством стали называть менеджментом, причем эту научную дисциплину стали считать частью экономической науки.

Солидарная информационная экономика как возрождение учение Аристотеля
Временная победа хрематистики должна быть преодолена путем возрождения экономического учения Аристотеля. Современные информационно-коммуникационные технологии позволяют спланировать и организовать выпуск продукции и оказание услуг в объеме, необходимом для удовлетворения потребностей как отдельных людей, так и общества в целом.
Есть две сложности, которые необходимо обсудить.
Технологические цепочки содержат много звеньев, а потому для перехода от заданных потребностей к планам выпуска требуется осуществить много расчетов. Как показали шотландские экономисты Кокшотт и Котрелл [3, 4], к концу ХХ в. мощность компьютеров достигла необходимого для этого уровня. Отметим как следствие этого утверждения, что действовавший в СССР Госплан в принципе не мог адекватно выполнять свои задачи - в то время не хватало мощности вычислительной техники.
Вторая сложность связана с формированием набора потребностей в виде, позволяющем перейти к планированию. Индивидуальные потребности должны быть агрегированы в потребности общества, в частности, распределены по времени. Это, по нашей мнению, можно сделать с помощью методов теории принятия решений [5], прежде всего технологий коллективных экспертных оценок [6].
Важные работы, направленные на возрождение экономического учения Аристотеля, были выполнены во второй половине ХХ в. Начало положила знаменитая книга Н. Винера, заложившая основы современной кибернетики [7]. Экономические проблемы обсуждаются в его книге [8], посвященной роли кибернетики в развитии общества.
В послевоенные годы в нашей стране, как и во всем мире, разрабатывались различные типы автоматизированных систем управления экономическими и организационными системами. В начале 1960-х гг. В.М. Глушков предложил руководству СССР создать Общегосударственную автоматизированную систему управления экономикой страны (ОГАС). Для реализации этого замысла требовались огромные ресурсы - как минимум 15-20 лет и 20 млрд. тогдашних рублей. Однако результат стоил того: ОГАС давала реальный шанс построить самую эффективную экономику в мире. В.М. Глушков писал:
«Отныне только «безмашинных» усилий для управления мало. Первый информационный барьер или порог человечество смогло преодолеть потому, что изобрело товарно-денежные отношения и ступенчатую структуру управления. Электронно-вычислительная техника – вот современное изобретение, которое позволит перешагнуть через второй порог. Происходит исторический поворот по знаменитой спирали развития. Когда появится государственная автоматизированная система управления, мы будем легко охватывать единым взглядом всю экономику. На новом историческом этапе, с новой техникой, на новом возросшем уровне мы как бы «проплываем» над той точкой диалектической спирали, ниже которой, отделенный от нас тысячелетиями, остался лежать период, когда свое натуральное хозяйство человек без труда обозревал невооруженным глазом [9]».
Аналогичная по замыслу система, хотя и более скромная по масштабам, была разработана и применена на практике в Чили, во время президентства Сальвадора Альенде. Один из основоположников кибернетики англичанин Стаффорд Бир разработал автоматизированную систему управления национализированными предприятиями Чили. Проект получил название «Киберсин» [10]. Автоматизированная система сбора и обработки информации состояла из четырех основных компонент: «Кибернет» - система связи (тогда - еще на основе телексов), «Киберстрайд» - компьютерные программы, «Чико» - математическая модель чилийской экономики, ситуационная комната, из которой велось управление (зал с экранами, на которых отображалось в виде графиков и схем состояние экономики Чили). Можно было управлять производством всей страны в реальном времени (каждым конкретным предприятием), сразу же видеть результаты принятых решений и при необходимости вносить поправки. Кроме того, в каждом населенном пункте создавались «опросные пункты», где производился автоматизированный опрос населения по поводу принимаемых мер. Эти центры были включены в систему «Киберсин», и правительство быстро узнавало реакцию населения на очередное нововведение. Разработки Бира дают прототипы для дальнейшего этапа развития коммуникационно-информационных систем управления предприятиями и их объединениями – интегрированными производственно-корпоративными структурами, а также регионами, муниципальными образованиями, субъектами федерации, Россией, международными объединениями, Землей в целом.
Современная экономическая теория, основанная на возрождении учения Аристотеля путем использования информационно-коммуникационных технологий, получила название солидарной информационной экономики. В ней продолжаются и развиваются идеи ОГАС и «Киберсин».

Развитие солидарной информационной экономики
Первая публикация по солидарной информационной экономике появилась в 2007 г. [11]. Она называлась "Неформальная информационная экономика будущего". Каждая составляющая этого слова заслуживает обсуждения.
Термин "экономика" понимается по Аристотелю - наука о том, как управлять хозяйством, а также ее применения при решении практических задач.
Термин "информация" многозначен. Приведем формулировки, относящиеся к динамическому подходу к изучению вопросов индивидуальных и глобальных эволюционных процессов, короче говоря, к биокосмологии. Как пишут К.С. Хруцкий и Р. Климек: «Информация - это, по сути, Натуралистский закон и реально существующая сила, и ее сущность выражается во врожденной способности субъекта к осуществлению Функционалистского Триадологического (и во всех семиотических сферах) Триединства неотъемлемых полярностей (противоположных потенций) и их Гомеостатической целостности (Интегральной основы), и которая (Интегральное основание) в равной степени являет собой Онтогенетическую (Энтелехистскую и Гилеморфистскую) ось для всего жизненного пути субъекта (живого существа) – его Само-развития и Само-актуализации [12, с.239].»
Они же поясняют: «Информационная причина – это, по сути, Натуралистская причина, которая по своей природе («κατα φυσιν» -причинность), тестируя и получая (резонируя с) все востребованные необходимые контакты и сообщения – таким естественным образом она осознает (обнаруживает, раскрывает) присущее решение, самостоятельное и мотивированное для данного субъекта жизни – технологию на объединение родственных полярностей (противоположных оснований), для достижения эффективного гомеостатического существования и всего присущего Функционалистского (Энтелехистского, Онтогенетического) саморазвития [12, с.221].»
В обоих случаях подчеркивается Внутреннее (Природное) происхождение Информации; да и латинский термин “informatio” недвусмысленно на это указывает. В другой статье [13, с.20] с участием тех же авторов сказано: "Концепция Фомы Аквинского «in-form-atio») – мы можем позволить себе Биокосмологическое и Интегралистское (как внутреннее, так и внешнее, но, в первую очередь, изнутри) толкование значения «информация»: как «in-» (основанный внутри – эндогенно), «form-» – морфэ (как морфофункциональная структура – целевой функциональный орган) и «atio-» (по сути, как этиологическая сила – в основном действующая изнутри)".
Термин "информационная экономика" используется многими авторами, чего нельзя сказать о двух других составляющих первоначального названия.
Термин "неформальная" был использован для того, чтобы подчеркнуть отрицательное отношение к волюнтаризму (командным методам) [14]. Однако в дальнейшем мы от него отказались, поскольку этот термин часто используют примениться к криминальным явлениям. Мы заменили его на "функционалистко-органическая" в соответствии с концепциями биокосмологии [15-17]. Однако этот термин не является привычным для широкого круга специалистов. Поэтому мы заменили его на "солидарная", понимая вслед за П.А. Кропоткиным [18] термин "солидарная" как антоним к "конкуренция", "борьба за существование" (солидарность рассматривается как важнейший фактор развития человеческого общества, возрастание которого ведет к прогрессу и всеобщему благоденствию, а утрата - к взаимной борьбе за существование, нищете и эксплуатации). В ряде случаев .мы давали разъяснение в скобках: "функционалистко-органическая (солидарная)" [16, 17].
Термин "будущего" был включен в название экономической концепции потому, что, как мы полагали, она посвящена управлению хозяйством в достаточно далеком будущем. Однако будущее оказалось гораздо ближе, чем казалось. Будущее уже наступили. Поэтому мы сняли этот термин из названия разрабатываемой теории .
Промежуточный итог развития солидарной информационной экономики подведен в разделе 1.1 "Основы солидарной информационной экономики" монографии "Современная цифровая экономика" [19] и в статье "Аристотель и цифровая экономика [19]". Целесообразно обсудить утверждение: "Солидарная информационная экономика - это марксизм (коммунистическая теория) на современном этапе".

Солидарная информационная экономика - основа новой парадигмы экономической науки
Необходимость перехода к новой парадигме экономической науки вызывается рядом причин.
Развитие современной цифровой экономики дает возможность обеспечения удовлетворения потребностей путем организации экономической жизни на основе кибернетических инструментов планирования [21].
Все более широкие слои населения отказываются от поддержки хрематистики и выбирают другие жизненные ценности. Это проявляется, в частности, в переходе от владения к аренде, а также к отказу от раздувания личной собственности [22, 23].
Как следует из сказанного выше, рыночная экономика устарела и стала тормозом как в развитии экономической теории, так и при решении практических задач. Необходимо вывести рыночную экономику из употребления в науке и преподавании и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Короче, необходима смена парадигмы экономической науки. Основой новой парадигмы является солидарная информационная экономика, развивающая идеи Аристотеля.

Литература
1. Аристотель. Политика // Сочинения в 4-х томах. - М:, Мысль, 1983. Т.4. - 830 с.
2. Друкер П.Ф. Новые реальности в правительстве и политике, в экономике и бизнесе, в обществе и мировоззрении: Пер. с англ. - М.: Бук Чембэр Интернэшнл, 1994. - 380 с.
3. Cockshott W. Paul and Cottrell Allin F. Information and Economics: A Critique of Hayek. November 1996. [Электронный ресурс]. URL: http://ricardo.ecn.wfu.edu/~cottrell/so ... itique.pdf (дата обращения 08.04.2020).
4. Кокшотт П. Расчёт в натуральной форме: от Нейрата до Канторовича. Перевод С. Маркова под ред. С. Голикова и Д. Левыкина [Электронный ресурс]. URL: http://left.ru/2009/6/cockshott188.phtml (дата обращения 08.04.2020).
5. Орлов А.И. Методы принятия управленческих решений. - М.: КНОРУС, 2018. - 286 с.
6. Орлов А.И. Организационно-экономическое моделирование : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.
7. Винер Н. Кибернетика, или управление и связь в животном и машине. 1948-1961. - 2-е издание. - М.: Наука; Главная редакция изданий для зарубежных стран, 1983. - 344 с.
8. Винер Н. Кибернетика и общество. - М.: Изд-во иностранной литературы. 1958. - 200 с.
9. Глушков В.М. Макроэкономические модели и принципы построения ОГАС. - М.: Статистика, 1975. - 160 с.
10. Бир Ст. Мозг фирмы. - М.: Радио и связь, 1993. - 416 с.
11. Орлов А.И. Неформальная информационная экономика будущего. // Неформальные институты в современной экономике России: Материалы Третьих Друкеровских чтений. - М.: Доброе слово: ИПУ РАН, 2007. – С.72-87.
12. Khroutski K.S., Klimek R. Biocosmological definition of Information and its Naturalist causative significance, approaching to evolve the World Information University (WIU) / Biocosmology – neo-Aristotelism. 2018. V.8, № 2. С. 203-261.
13. Bremer J., Khroutski K.S., Klimek R, Tadeusiewicz R. Challenging integralism, Aristotelian entelecheia, hyle and morphe (form), and contemporary concepts of information, touching upon the aetiological issues of carcinogenesis (with reflecting feedbacks of Paul Beaulieu, Ana Bazac, Anna Makolkin, Leonardo Chiatti, Milan Tasić and Dariusz Szkutnik) / Biocosmology – neo-Aristotelism. 2017. V.9, № 1. С. 8-56.
14. Орлов А.И. Аристотель и неформальная информационная экономика будущего / Biocosmology – neo-Aristotelism. 2012. Vol.2. №3. С. 150-164.
15. Orlov A. I. Functionalist-Organic Information Economy – the Organizational-Economic Theory of Innovation Development / Biocosmology – neo-Aristotelism. 2013. Vol.3. №1. P. 52-59.
16. Орлов А.И. Функционалистско-органическая (солидарная) информационная экономика – экономика без рынка и денег / Biocosmology - neo-Aristotelism. 2015. Vol. 5. № 3-4. C. 339-359.
17. Орлов А.И. Вперед к Аристотелю: функционалистко-органическая (солидарная) информационная экономика взамен рыночной экономики / Biocosmology - neo-Aristotelism. 2017. Vol. 7, № 3-4. С. 411-423.
18. Кропоткин П.А. Взаимная помощь среди животных и людей как двигатель прогресса. Изд.2, доп. - М.: Книжный дом «ЛИБРОКОМ», 2011. - 280 с.
19. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
20. Орлов А.И. Аристотель и цифровая экономика / Biocosmology – neo-Aristotelism. 2019. V. 9, № 1-2. С. 7-20.
21. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
22. Auken Ida, Parliament of Denmark. Welcome to 2030. I own nothing, have no privacy, and life has never been better - 2016. URL: https://www.weforum.org/agenda/2016/11/ ... t-that-is/ (дата обращения 08.04.2020).
23. Орлов А.И., Сажин Ю.Б. Инновации в менеджменте, экология, хрематистика и цифровизация // Инновации в менеджменте. 2019. № 4(22).

Публикация:
1171. Орлов А.И. Солидарная информационная экономика - основа новой парадигмы экономический науки, развивающей идеи Аристотеля / Глобалистика: Глобальные проблемы и будущее человечества. Сб. статей Международного научного конгресса Глобалистика-2020, 18 – 22 мая и 20 – 24 октября 2020 г. / под ред. И.В. Ильина. – М., МООСИПНН Н.Д.Кондратьева, 2020. С. 846-852.


УДК 005.521:633.1:004.8; JEL: C00, L00

Контроллинг рисков: информационная м методическая поддержка менеджмента

Александр Иванович Орлов
Профессор, д.э.н., д.т.н., к.ф.-м.н.

Аннотация: Согласно концепции МГТУ им. Н.Э. Баумана "Образование - через науку" разработан авторский курс "Контроллинг рисков", которому посвящена работа. Определяем риск как нежелательную возможность. Выделяем три области - анализ риска, оценка риска, управление риском. Для оценки риска используют вероятностно-статистические методы, методы с использованием теории нечетких множеств, методы интервальной математики, экспертные оценки. Распространение получила аддитивно-мультипликативная модель оценки риска.
Ключевые слова: контроллинг, риск, обучение, оценивание, аддитивно-мультипликативная модель

Risk controlling: information and methodical support of management

Alexander Ivanovich Orlov
Full professor, DSc(Econ), DSc(Tech), PhD(Math)

Abstract: According to the concept of the Bauman Moscow State Technical University "Education through Science" developed the author's course "Risk Controlling", which the paper is devoted to. We define risk as an unwanted opportunity. We distinguish three areas - risk analysis, risk estimation, risk management. For risk estimation, probabilistic and statistical methods, methods using the theory of fuzzy sets, methods of interval mathematics, expert estimation are used. The additive-multiplicative risk estimation model has become widespread.
Keywords: controlling, risk, education, estimation, additive-multiplicative model.


1. Введение
Основой информационной и методической поддержки менеджмента являются учебные курсы, которые были изучены будущем менеджером в годы учебы в высшей школе. Очевидно, что к этой основе добавляются теоретические сведения, освоенные после окончания вуза, и - главное - опыт практической деятельности. Однако объем накопленной человечеством информации на много порядков превосходит возможности ее восприятия отдельным работником. Так, уже 35 лет назад число актуальных статей и книг по статистическим методам превышало, по нашей оценке, 106 работ (сейчас их во много раз больше), в то время как один человек может за всю жизнь изучить не более 104 публикаций. Т.е. из 100 работ познакомиться удается в лучшем случае лишь с 1. Можно сказать, несколько утрируя, что основная проблема современности - это всеобщее невежество научных и практических работников. Из сказанного ясна важность формирования базового набора знаний и навыков в период получения высшего образования. Именно этот базовый набор будет сопровождать специалиста всю дальнейшую профессиональную жизнь. Все новые вновь добавленные знания и умения - лишь дополнения.

2. Обучение и научные исследования
Что должно быть включено в программу обучения? Может быть достаточно умения читать, писать и считать в пределах сотни? Именно такой набор знаний и умений получали выпускники церковно-приходской школы в начале ХХ в., выведшие СССР на уровень сверхдержавы, создавшие ядерное оружие и запустившие человека в космос. Для приближения к современному уровню надо к умению читать, писать и считать добавить умения использовать мобильную связь и Интернет и убрать сведения из Закона Божьего. В современности к описанному минимуму добавляют разнообразные сведения, не всегда адекватные. Например, распространены исторические мифы и положения рыночной экономики, соответствующие середине XIX в.
Концепция МГТУ им. Н.Э. Баумана такова: "Образование - через науку". Учебные курсы должны соответствовать последним научным достижениям. В идеале учебники должны быть научными монографиями, а публикации разработчиков учебных курсов должны использоваться при обучении. Тогда достигается синтез науки и образования. Именно так я старался работать. Хотя на книге написано "учебник", ее можно рассматривать как монографию. Таковы наши монографии "Прикладная статистика", "Теория принятия решений", "Организационно-экономическое моделирование" и др. Основное их содержание - научные исследования. Одновременно монографии с грифом "научное издание" можно и нужно использовать как учебники при обучении. Например, 6 книг, выпущенных мною совместно с коллегами из Кубанского государственного аграрного университета (2014 - 2019).
В эту схему не укладывается обучение элементарным знаниям. Например, элементарная геометрия уже тысячелетия преподается в духе "Начал" Евклида. Преподавание математического анализа (дифференциального и интегрального анализа), основанного на идеях и методах Ньютона и Лейбница, мало менялось за последние 100 лет. Однако новшества надо приветствовать и в преподавании подобных дисциплин начального уровня.

3. Контроллинг рисков как научная, практическая и учебная дисциплина
На кафедре "Экономика и организация производства" МГТУ им. Н.Э. Баумана автор этой статьи с 2016 г. ведет семестровый курс "Контроллинг рисков" для магистрантов второго года. Его подготовка стимулировала предварительное формирование контроллинга рисков как научной, практической и учебной дисциплины. Естественно, формирование шло на основе ранее полученных научных результатов. Разработка курса "Контроллинг рисков" велась на основе концепция МГТУ им. Н,Э. Баумана "Образование - через науку".
Начинаем с определения основных терминов. Исходим из формулировки С.Г. Фалько: "Контроллинг - это ориентированная на перспективу и основанная на измерении факта система информационно-аналитической и методической поддержки менеджмента в процессе планирования, контроля, анализа и принятия управленческих решений, обеспечивающая координацию и интеграцию подразделений и сотрудников по достижению поставленных целей" [1].
Необходимость принятия обоснованных управленческих решений возникает в самых разных областях человеческой деятельности. Правила принятия таких решений - компетенция структур контроллинга, даже если они действуют под другими названиями. В данной работе мы рассматриваем контроллинг в области анализа, оценки и управления рисками.
В литературных источниках можно найти сотни определений понятия "риск". Мы определяем риск как нежелательную возможность. Популярное выражение: "Принятие решений в условиях неопределенности и риска" неадекватна - риск есть частный случай неопределенности.
Делим теорию риска на три области - анализ риска, оценка риска, управление риском. Первая из них относится к выявлению и анализу рисков в конкретных ситуациях. Вторая включает математические методы оценивания рисков. В настоящее время используют вероятностно-статистические методы на основе моделей случайных объектов, методы с использованием теории нечетких множеств, методы интервальной математики (прежде всего статистики интервальных данных).
Следовательно, определение вроде: "Риск — сочетание вероятности и последствий наступления неблагоприятных событий" неадекватно, поскольку из трех видов математических методов исследования рисков без обоснования выбирается только один - вероятностно-статистический. Еще хуже определение: "Риск — это произведение вероятности на убыток", поскольку в нем фиксируется конкретный способ оценивания риска (под убытком обычно понимается математическое ожидание ущерба).
Широко используется термин "безопасность". Безопасность и риск непосредственно связаны между собой, являясь как бы «зеркальным отражением» друг друга.

4. Составляющие теории риска
Теории риска (риск-менеджменту) посвящено огромное количество публикаций. Это - признанная часть менеджмента как науки об управлении людьми (см., например, наш учебник [2, гл.2.4]). Многообразие рисков (личные, производственные, коммерческие, финансовые, глобальные риски) проанализировано нами в статье [3] и других работах. Широко используются иерархические системы рисков (например, трехуровневые модели рисков: частные риски - групповые риски - итоговый риск). При разработке проблем авиационной безопасности, например, при создании автоматизированной системы прогнозирования и предотвращения авиационных происшествий АСППАП [4], используют групповые риски "Человек - Машина - Среда".
Довольно широкое распространение получила разработанная нами аддитивно-мультипликативная модель оценки риска на основе иерархической системы рисков [5]. Эта модель может быть также использована для управления риском.
Современному состоянию контроллинга рисков посвящена работа [6]. Более подробно инструменты контроллинга рисков рассмотрены в статье [6].

Выводы
Контроллинг рисков - весьма актуальная быстро растущая область теоретических и прикладных исследований. Однако информация о научных достижениях распространяется медленно, распространены устаревшие воззрения. Необходимо резко ускорить распространение информации о полученных научных результатах, использовать для этого соответствующие организационные формы, в частности, учебный курс "Контроллинг рисков".

Литература
1. Фалько С.Г. Предмет контроллинга как самостоятельной научной дисциплины // Контроллинг. 2005. № 1 (13). С. 2-6.
2. Орлов А.И. Менеджмент: организационно-экономическое моделирование. — Ростов-на-Дону: Феникс, 2009. — 475 с.
3. Орлов А.И. Многообразие рисков // Научный журнал КубГАУ. 2015. № 111. С. 53-80.
4. Бутов А.А., Волков М.А., Макаров В.П., Орлов А.И., Шаров В.Д. Автоматизированная система прогнозирования и предотвращения авиационных происшествий при организации и производстве воздушных перевозок // Известия Самарского научного центра Российской академии наук. 2012. Том 14. № 4(2). С. 380-385.
5. Орлов А.И. Аддитивно-мультипликативная модель оценки рисков при создании ракетно-космической техники // Научный журнал КубГАУ. 2014. № 102. С. 78–111.
6. Орлов А.И. Современное состояние контроллинга рисков // Научный журнал КубГАУ. 2014. № 98. С. 933-942.
7. Орлов А.И. Инструменты контроллинга рисков // Контроллинг. 2020. №4 (78).

Contacts
Александр Иванович Орлов, профессор, д.э.н., д.т.н., к.ф.-м.н.
Зав. Лабораторией экономико-математических методов в контроллинге
Научно-образовательного центра «Контроллинг и управленческие инновации»,
профессор кафедры «Экономика и организация производства»,
МГТУ им. Н.Э.Баумана, г. Москва
prof-orlov@mail.ru

Публикация:
1180. Орлов А.И. Контроллинг рисков: информационная и методическая поддержка менеджмента // Контроллинг в экономике, организации производства и управлении: информационная и методическая поддержка менеджмента: сборник научных трудов IX международной конференции по контроллингу, посвященной 190-летию МГТУ им. Н.Э. Баумана (Москва, 18 декабря 2020 г.) /под научной редакцией д.э.н., профессора С.Г. Фалько / НП «Объединение контроллеров». – Москва: НП «Объединение контроллеров», 2020. – С. 192-196. http://controlling.ru/files/171.pdf


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб мар 05, 2022 1:31 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1102 от 7 марта 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Представляем принципиально важную статью А.И. Орлова "Вред ориентации на базы данных SCOPUS и WEB OF SCIENCE".
Вышла наша новая книга: Агаларов З.С,, Орлов А.И. Эконометрика. Учебник. - М.: Издательско-торговая корпорация «Дашков и К°», 2021. — 380 с. Предлагаем познакомиться с аннотацией, содержанием и предисловием.






Орлов А.И.
д.э.н., д.т.н., к.ф.-м.н., директор Института высоких статистических технологий и эконометрики, профессор МГТУ им. Н.Э. Баумана
prof-orlov@mail.ru

Вред ориентации на базы данных SCOPUS и WEB OF SCIENCE

Ключевые слова: наука, управление, социология, контроллинг, информационно-коммуникационные технологии, наукометрия, статистические методы, показатели продуктивности и результативности, экспертные оценки.
Keywords: science, management, sociology, controlling, information and communication technologies, scientometrics, statistical methods, indicators of productivity and efficiency, expert estimation.

1. Введение

В настоящее время в науке работают миллионы людей. Так, на 12.12.2020 в Российском индексе научного цитирования (РИНЦ) зарегистрировано 989426 авторов и 3335496 читателей.
Различным конкретным задачам экономики, управления и социологии науки посвящен частично или полностью ряд наших работ ХХ в. (см., например, [1, 2]). Другое направление наших исследований - математические методы социологии. Принципиально важный сборник [3] заложил основы нового раздела статистических методов - статистики нечисловых данных. Итоги работ этого направления подведены в статьях [4, 5]. Следующим шагом является критический анализ статистических и экспертных методов экономики и управления наукой, которому и посвящена настоящая статья.
Общепризнанно, что Аристотель – отец современного европейского и мирового знания, науки. Трудно назвать хоть одну отрасль науки, которая не находила бы начало у Аристотеля. Многие идеи Аристотеля [6], относящиеся к анализу внутренней структуры науки, являются и сейчас весьма актуальными. Новым по сравнению с временами Аристотеля является огромное количество работников науки и ими накопленных научных результатов. Если Аристотель мог лично знать современных ему ученых, то ныне это невозможно. Как следствие, каждый из нас знаком лишь с малой долей публикаций и людей, относящихся к его тематике.
Проблемы управления научной деятельностью актуальны как для исследователей, так и для администраторов различных уровней. Исследователь заинтересован в выявлении перспективных направлений науки, в ответах на вопросы типа "кто есть кто". Администраторы распределяют ресурсы, формируют программы развития исследователей и выполняющие их коллективы. Предлагаем для решения проблем управления научной деятельностью использовать наиболее продвинутую область менеджмента - контроллинг.

2. Контроллинг - наука о современных технологиях управления

Сначала кратко обсудим научную область под названием "контроллинг". Начнем с определения используемых терминов. Исходим из определения основоположника контроллинга в нашей стране проф. С.Г. Фалько: "Контроллинг - это ориентированная на перспективу и основанная на измерении факта система информационно-аналитической и методической поддержки менеджмента в процессе планирования, контроля, анализа и принятия управленческих решений, обеспечивающая координацию и интеграцию подразделений и сотрудников по достижению поставленных целей" [7]. Короче говоря, контроллинг – это система информационно-аналитической поддержки процесса принятия управленческих решений в организации. Если эта организация - научная, то речь идет о контроллинге науки. Таким образом, контроллер разрабатывает правила принятия решений, руководитель принимает решения, опираясь на эти правила. В литературе используются и другие определения контроллинга. Данное выше определение является наиболее распространенным. В перечне определений понятия "контроллинг" [8] оно стоит первым.
В современных условиях научное направление "Контроллинг" выделяется быстрым интенсивным и экстенсивным ростом. Расширяется многообразие конкретных областей применения концепций контроллинга, разрабатываются новые интеллектуальные инструменты контроллинга [9].
В настоящее время часто используют скрытый контроллинг, т.е. системы информационно-аналитической поддержки процесса принятия управленческих решений без использования термина "контроллинг". Предлагаем говорить о "контроллинге под псевдонимами" [10]. Так, работы по информационно-аналитической поддержке процесса принятия решений проводились с давних времен, задолго до появления этого термина. Так, о переписи военнообязанных рассказано в Ветхом Завете в Четвертой книге Моисеевой "Числа". При обсуждении этой переписи уместно использовать термины "статистические методы", "эконометрика", "контроллинг", однако этих появившихся значительно позже терминов нет в Библии.
Однако и сейчас они не всегда используются. В одних организациях действуют службы контроллинга, в других информационно-аналитические подразделения носят иные названия, ведущие свое происхождение, например, от контрольных органов, аналитических центров и отделов по разработке и эксплуатации автоматизированных систем управления.
Псевдонимы используют не только для контроллинга. Так, термин "эконометрика" стал применяться в России начиная с 1990-х гг., хотя работы, посвященные статистическим методам в экономике и управлении (т.е. эконометрике в современном понимании), весьма активно велись еще в XIX в. [11]. За рубежом термин появился раньше, чем у нас, но не намного - в ХХ в. В 1930 г. в США было создано первое международное эконометрическое общество, с 1933 г. стал издаваться журнал «Econometrica» - первый журнал, в названии которого есть этот термин.
Подходы современного контроллинга могут и должны с успехом использоваться в любой конкретной области. С развитием работ возникает новое направление научной и практической деятельности под названием "контроллинг такой-то области". Здесь в качестве конкретной области рассмотрим научную деятельность. Для управления научной деятельностью в вузах и НИИ администраторы используют различные показатели и процедуры, причем зачастую неадекватно.
Считаем полезным для успешного развития научных исследований выделить новую область контроллинга (или новое направление) - контроллинг научной деятельности. Для обоснования этого выделения необходимо обсудить контроллинг в целом и его составную часть - контроллинг методов. Затем мы рассматриваем основные положения контроллинга научной деятельности, уделяя внимание критике распространенных догм. Завершаем эту статью некоторыми рекомендациями по совершенствованию управления научной деятельностью в вузах и НИИ, вытекающими из контроллинга научной деятельности.
Инновации в сфере управления в промышленности и других отраслях народного хозяйства основаны, в частности, на использовании новых адекватных организационно-экономических методов. Контроллинг в этой области – это разработка процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам. В деятельности управленческих структур выделяем интересующую нас сторону – используемые ими организационно-экономические методы - и рассматриваем их с точки зрения влияния на эффективность (в широком смысле) процессов управления промышленными предприятиями и организациями других отраслей народного хозяйства, в частности, вузами и научно-исследовательскими институтами. Если речь идет о новых методах (для данного предприятия), то их разработка и внедрение – организационная (управленческая) инновация, соответственно контроллинг организационно-экономических методов можно рассматривать как часть контроллинга инноваций.
В работе [12] мы обосновываем выделение в контроллинге новой области – контроллинг методов - и обсуждаем содержание этой области. Речь идет прежде всего об организационно-экономических методах. По нашему мнению, следует говорить не только и не столько о методах, сколько об инструментах контроллинга, прежде всего математических (или, точнее, экономико-математических) [13].
В лаборатории экономико-математических методов в контроллинге Научно-образовательного центра «Контроллинг и управленческие инновации» МГТУ им. Н.Э. Баумана проведены исследования в области контроллинга (явного и скрытого) в ряде научных и прикладных областей. В частности, рассмотрены проблемы контроллинга рисков, научной деятельности, персонала, качества продукции и услуг, организационно-экономического обеспечения решения задач управления в аэрокосмической отрасли, экологической безопасности, контроллинга агропромышленного комплекса. Методы принятия управленческих решений во всех перечисленных областях имеют много общего.

3. Новая область контроллинга - контроллинг научной деятельности

Перейдем к обсуждению контроллинга науки (научной деятельности). В настоящее время оценка продуктивности и результативности научной деятельности проводится повсеместно в вузах и НИИ. Поэтому контроллинг инструментов управления научной деятельностью (как составная часть контроллинга организационно-экономических методов) представляет как теоретический, так и практический интерес [14].
Мы с 1970-х годов занимаемся разработкой ряда проблем контроллинга науки (наукометрии, управления в области науки, социологии науки). Конкретные результаты приведены в многочисленных статьях, прежде всего выпущенных начиная с 2013 г. Промежуточные итоги подведены в статье [15] и совместной монографии 2017 г. [16]. Рецензия [17] на эту монографию интересна тем, что в ней дан перечень основных положений разрабатываемого нами подхода в науковедении - контроллинга научной деятельности. Обсудим этот перечень.
Наукометрия (буквально: измерения в науке) — область знания, занимающаяся изучением науки путем статистических и экспертных исследований структуры и динамики научной деятельности, подобно тому, как эконометрика - это статистические и экспертные методы в экономике и управлении [11].
Наукометрия как часть науковедения служит основой для принятия управленческих решений в области управления научной деятельностью. Основные положения наукометрии были сформулированы В. В. Налимовым и З. М. Мульченко еще в 1969 г. [18]. По нашей оценке, с тех пор в теоретической наукометрии единственным заметным, но сомнительным новшеством является появление так называемого «индекса Хирша», предложенного в 2005 г. физиком Хорхе Хиршем из Калифорнийского университета в Сан-Диего. Автор (или коллектив), опубликовавший N работ, имеет индекс Хирша h, если h из его публикаций цитируются как минимум h раз каждая, в то время как оставшиеся (N — h) работ цитируются не более чем h раз каждая. Таким образом, индекс Хирша - это некоторая характеристика центральной тенденции (т.е. средняя величина) для количеств ссылок на отдельные работы рассматриваемого автора (или коллектива). Неясно, в частности, чем индекс Хирша лучше средней цитируемости, т.е. частного от деления числа цитирований на число публикаций.
Однако за полвека с момента появления монографии [18] прикладная наукометрия обогатилась большим числом инструментов, использующих разнообразные информационно-коммуникационные технологии, в частности, технологии больших данных. Примером является Российский индекс научного цитирования (РИНЦ). Развитие цифровой экономики [19] расширило возможности наукометрии.
Как известно, наукометрические данные широко используют при управлении научной деятельностью, коллективами НИИ и вузов. Однако такое использование не всегда является обоснованным. К сожалению, к ошибочным решениям приводят распространенные догмы в области управления научной деятельностью. Данное ниже обсуждение этих догм основано как на проведенных исследованиях, так и на личном опыте исследователя. Согласно РИНЦ, автор настоящей работы - один из наиболее цитируемых отечественных ученых по направлениям "Математика" и "Экономика. Экономические науки". Согласно классической работе [18], вклад ученого в фундаментальную науку оценивается числом цитирований его работ.

4. Распространенные догмы

Распространены разнообразные догмы, приводящие к необоснованным управленческим решениям, наносящим вред развитию научных исследований. Например, отдельные лица:
- считают публикации в научных журналах основным видом научных публикаций;
- верят в реальное существование «мировой науки»;
- отдают приоритет публикациям в зарубежных журналах, индексируемых в базах библиометрических данных WoS и Scopus;
- основным наукометрическим показателем без каких-либо обоснований считают индекс Хирша;
- отрицательно относятся к самоцитированию;
- игнорируют публикации старше 5 лет, в частности, при расчете импакт-факторов журналов, и т. д.
(Поясним последнее понятие на примере. Если импакт-фактор журнала за 2018 год равен 2, значит, опубликованные в нем в 2016 и 2017 годах статьи цитировались в 2018 году в среднем по 2 раза. Базовый период в 2 года иногда заменяют на более длинный - 5 лет. Одна из вредных догм состоит в том, что импакт-фактор — это численный показатель важности научного журнала. Эта догма ориентирует на скороспелый эффект. Между тем фундаментальные работы имеют продолжительный "срок жизни", цитируются через много лет и десятилетий. Например, как показано в [20], статьи А.Н. Колмогорова 1930-х годов отнюдь не потеряли актуальности. Как и книги Н.Ф. Чарновского по организации производства, выпущенные в 1911 - 1927 гг. )
Опубликовать статью на английском языке за рубежом — это возможность продемонстрировать, как ценят автора этой статьи во всем мире. И совсем неважно, что для соотечественников знакомство с этой статьей будет затруднено - как из-за трудностей при обращении к журналу, так и из-за языковых проблем. Зато специалисты в англосаксонских странах, являющихся геополитическими конкурентами нашей страны, совершенно бесплатно получают в свое распоряжение научные результаты, найденные на деньги российских налогоплательщиков.
Кому выгодна глобализация? В современных условиях — геополитическим конкурентам России. Патриотизм означает, что заботиться надо прежде всего о своей стране, а не о геополитических конкурентах.

5. Показатели продуктивности и результативности научной деятельности

На основе каких величин целесообразно принимать решения при управлении научной деятельностью, в частности, при распределении финансирования? При ответе на этом вопрос будем исходить из общих положений контроллинга.
Как разъясняет С.Г. Фалько: "В экономике под показателями понимают абсолютные и относительные величины, а также их совокупности, которые отражают явления хозяйственной деятельности предприятия. Если мы хотим узнать что-то о конкретном явлении, то мы измеряем некоторые его свойства... Таким образом, показатели, а также их совокупности выступают в качестве измерителей. Процесс измерения осуществляется при помощи измерительной системы, разрабатываемой службой контроллинга предприятия" [21, с.106].
Выделим прикладную науку, когда работа выполняется в интересах конкретного заказчика, и фундаментальную науку, нацеленную на увеличение знаний. В прикладной науке публикация полученных результатов в открытой печати не является основной целью и, более того, не всегда целесообразна, в частности, из-за необходимости соблюдения коммерческой и государственной тайны. В фундаментальной науке, наоборот, итогом выполненного исследования является именно публикация, а ее оценкой является востребованность научным сообществом, выраженное в числе цитирований в дальнейших работах. В настоящей статье рассматриваем фундаментальную науку и изучаем ее как информационный процесс [18].
Обсудим часто используемые показатели продуктивности и результативности научной деятельности.
Основной показатель продуктивности - число публикаций. Варианты - учет видов публикаций и их объемов. Ясно, что продуктивность определяется активностью автора, иногда - его административным положением, но не влиянием на развитие науки. Очевидно, нельзя оценивать научную деятельность только по числу публикаций.
Ключевой показатель результативности - число цитирований в научных изданиях. Если работу цитируют - значит, она нужна научному сообществу. Согласно [18] результативность научной деятельности необходимо оценивать по числу цитирований и использовать этот показатель при принятии управленческих решений. Хорошо известны возмущающие факторы, которые могут исказить этот показатель. Так, с помощью административных методов можно его несколько завысить. Можно заметно исказить индекс Хирша в сторону увеличения [22]. Однако наш анализ данных РИНЦ показывает, что искажения мало влияют на общую картину.
Управление наукой на основе числа публикаций в рецензируемых журналах (именно в журналах!) и индексов цитирования в журналах объективно замедляет развитие науки, переход полученных результатов в область практического применения, поскольку замедляет выход монографий и учебников. Действительно, как только научный результат попадает в учебник, ссылаться начинают на этот учебник, а не на исходные статьи, и наукометрические показатели автора результата перестают расти. Зачем же тратить силы на написание учебника?
Публикации в научных журналах являются наименее значимым типом научных публикаций. Естественная цепочка развития научного результата такова: тезисы доклада — тематический сборник — монография — учебник — широкое использование. Для развития нового направления публикации в научных журналах, вообще говоря, не нужны. Эти положения подтверждает история развития таких направлений (автор настоящей статьи активно участвовал в создании этих направлений), как статистика объектов нечисловой природы (статистика нечисловых данных, нечисловая статистика) и теория экспертных оценок. Ясно, что издание собственных журналов или завоевание позиций в уже существующих возможно лишь на этапе зрелости нового направления, но не на этапе его создания.
Необоснованность некоторых широко распространенных утверждений поражает. Например, на основе данных библиографической базы Scopus утверждают, что вклад России в мировую науку составляет порядка 1% (ссылок не даем, чтобы не пропагандировать недостойные работы и их авторов). Однако в указанную базу включено более 6000 американских журналов и только около 200 — российских (а только в «списке ВАК» — несколько тысяч журналов). Чему же удивляться — просматривается один российский журнал на 30 американских! Если сделать естественную поправку — умножить на 30 — то получим, что оценка доли России — 30%, что вполне сопоставимо с американской долей (28,7 %).
«Мировая наука» — это миф [27]. Сильная сторона современной отечественной фундаментальной науки — ее самодостаточность. Для получения нужных стране научных результатов мировая наука российским исследователям практически не нужна. Более того, возвеличивание «мировой науки» — это вредный миф, поддерживаемый врагами России с целью выкачивания ресурсов из нашей страны. О реальной роли "мировой науки" размышляет проф. С.Н. Гринченко [23].
На основе опыта многих исследователей констатируем, что для успешного ведения научной работы обычно вполне достаточно литературы на русском языке, цитирование иностранных источников — зачастую дань моде, а не необходимый элемент исследования. Вытекает это, в частности, из наличия огромного объема научных публикаций на русском языке. Известно, что начать и провести исследование можно "с нуля", без анализа литературных источников. Так, великий физик Л.Д. Ландау физические журналы не читал [24]. Он проводил исследования "с нуля".

6. Позиция по ряду часто обсуждаемых вопросов

Активное самоцитирование научных организаций и научных сотрудников — показатель их передового положения в науке, наличия научных школ, перспективных научных направлений. Действительно, только начинающий исследователь в своей первой публикации не может на себя сослаться, он цитирует других. По мере продвижения исследований в выбранном направлении уменьшается значение чужих работ, зато резко увеличивается необходимость ссылок на свои публикации. Во-первых, с целью опоры на ранее полученные результаты. Во-вторых, с целью демонстрации связи своих новых результатов со старыми. С самоцитированием не следует бороться, его надо поощрять.
Тезис В.В. Налимова о большом значении «незримых коллективов» [18] приводит к неизбежности и праве на существование «региональной науки» и заключению о снобизме «столичной науки». Загнившая часть научного сообщества стремится принизить значение новых научных направлений и журналов, особенно действующих вне Москвы. Цель такого принижения — переключение потока направляемых в печать статей и соответствующих финансовых потоков на устаревшие центры, в настоящее время быстро теряющие свои творческие потенции.
Подходы к управлению научной деятельностью на основе современной наукометрии достаточно подробно и всесторонне проанализированы в монографии [16]. Здесь мы сосредоточились на вопросах контроллинга научной деятельности.

7. Экспертные методы наукометрии, применяемые при управлении научной деятельностью
Экспертные методы основаны на сборе и анализе мнений людей [26]. Именно экспертные методы используются на практике при управлении научной деятельностью. Статистические данные лишь учитываются, хотя сфера их применения растет. Если списки публикаций используются с давних времен, число цитирований стало возможным применять при управлении лишь в текущем веке, опираясь на достижения цифровизации, а именно, систем типа РИНЦ, основанных на сплошном просмотре информационных ресурсов (т.е. на методологии больших данных).
Какие методы предпочтительнее в конкретных ситуациях - статистические или экспертные? Этот вопрос заслуживает подробного обсуждения.
Обсудим экспертные методы наукометрии. Рассмотрим четыре вида методов: рецензирование статей, работа диссертационных советов, назначения (выборы) на административные должности, выборы в РАН.

Объем накопленной научной информации на много порядков превышает возможности творческого освоения информации отдельным исследователем. Современные информационно-коммуникационные технологии, в частности, методы анализа больших данных, лишь частично позволяют справиться с этой проблемой [25]. Как уже говорилось, основная проблема современной науки - всеобщее невежество научных работников, вызванное огромным объемом накопленных научных результатов.
Механизм борьбы со всеобщим невежеством - выделение формальных или неформальных научных кланов (сообществ), т.е. обособленных замкнутых совокупностей исследователей. Члены клана знают и поддерживают друг друга, выработали общие взгляды на научные проблемы, имеют базовые организации, научные журналы, проводят международные и всероссийские конференции и т.п. Работами вне клана члены клана не интересуются. Часто работы вне клана отвергаются "с порога". Кланы возникают вокруг научных организаций, подразделений, иногда - отдельных лиц. Типовая численность клана - несколько сотен исследователей различного уровня и возраста.
В клане обычно действует система проверки "свой - чужой". Она прежде всего проявляется при рецензировании статей. Работы лиц из своего клана получают положительные рецензии, иногда с указанием на необходимость устранения опечаток. А работы "чужих" отклоняются под благовидными предлогами. Как следствие, информация о новых научных результатах не распространяется, развитие науки тормозится. Система рецензирования нужна лишь утвердившимся кланам для поддержания своего монопольного положения. Целесообразно отказаться от обязательного рецензирования. Впрочем, де-факто это уже происходит. В частности, зачастую для формального соблюдения правил авторы, в том числе и диссертанты, сами готовят рецензии.
Диссертационные советы позволяют осуществлять контакты между различными кланами. Подготовка диссертаций полезна для развития профессиональных навыков молодых ученых. Однако сама процедура защиты в России - архаика. Её стандартная продолжительность - два часа. Диссертация лежит на столе руководителей диссертационного совета невостребованной. Впрочем, это естественно - члену диссертационного совета нереально познакомиться с текстом диссертации за время защиты. Особенно возмущает, что по правилам ВАК нельзя исправить ошибки и недостатки диссертации, выявленные при защите.
Назначения (выборы) на административные должности в научных организациях и высших учебных заведениях проводятся на основе мнений людей, т.е. экспертных оценок. Администраторы занимаются управлением, в то время как предполагается, что у них есть значительные достижения в науке. Это - архаическое предположение, от него надо избавляться, меняя общественное мнение.
Архаикой является и восприятие Российской академии наук (РАН) как центра научной деятельности в России. Члены РАН занимает довольно скромное место среди наиболее продуктивных ученых, как видно по данным РИНЦ. В этом нет ничего удивительного - результаты выборов в РАН определяются борьбой кланов, а не научными достижениями. Например, на 12.12.2020 в РИНЦ зафиксировано 17542 математика, в то время как отделение математики РАН почти полностью сформировано из сотрудников трех институтов математики - в Москве, Санкт-Петербурге и Новосибирске, в которых институтах работает менее 500 человек. Отделение математики РАН довольно слабо представлено в РИНЦ. Налицо кризис в российской математике.
Развернутое обсуждение проблем применения статистических и экспертных методов, нацеленных на применение при управлении научной деятельностью, дано в монографии [16]. На практике необходимо совместно применять оба указанных вида методов, избавляясь от архаики.

Выводы

Идея Аристотеля о структуре науки и управлении научной деятельностью весьма актуальны и в настоящее время.
Необходимость принятия обоснованных управленческих решений возникает в самых разных областях человеческой деятельности. Правила принятия таких решений - компетенция структур контроллинга, даже если они действуют под другими названиями.
Контроллинг научной деятельности, как и контроллинг в целом, - быстро растущая область теоретических и прикладных исследований. Однако информация о научных достижениях распространяется медленно. Необходимо резко ускорить её распространение.
Основным показателем, по которому надо оценивать научную деятельность исследователя или организации, является число цитирований в РИНЦ. Ориентация на зарубежные базы данных Скопус и WoS наносит вред интересам нашей страны, поскольку при этом игнорируется основная часть отечественной научной продукции.
Необходимо совместно применять статистические и экспертные методы при решении проблем управления научной деятельностью, избавляясь от архаики.
Изучение функционирования клановой структуры науки - актуальная задача.

Список литературы

1. Орлов А.И. Социологический прогноз развития российской науки на 1993-1995 гг. // Международная газета «Наука и технология в России». Июнь 1993 г. №1. С. 29-29.
2. Орлов А.И., Нечаева Е.Г., Соколов А.В. Статистика объектов нечисловой природы и анализ данных о научном потенциале // Социология: методология, методы, математические модели. 1995. №№5-6. С. 118-136.
3. Андреенков В.Г., Орлов А.И., Толстова Ю.Н. (ответственные редакторы). Анализ нечисловой информации в социологических исследованиях. - М.: Наука, 1985. - 220 с.
4. Орлов А.И. Статистические методы в российской социологии (тридцать лет спустя) // Социология: методология, методы, математические модели. 2005. №20. С. 32-53.
5. Орлов А.И. Математические методы в социологии за сорок пять лет // Научный журнал КубГАУ. 2016. №117. С. 91–119.
6. Аристотель. Политика // Сочинения в 4-х томах. – М:, Мысль, 1983. Т.4. – 830 с.
7. Фалько С.Г. Предмет контроллинга как самостоятельной научной дисциплины // Контроллинг. 2005. № 1 (13). С. 2-6.
8. Чугунов В.С. Контроллинг: философия, теория, методология: монография. - М.: НП "Объединение контроллеров", 2017. - 140 с.
9. Орлов А.И. Новые перспективные математические инструменты контроллинга // Инновации в менеджменте. 2015. № 5. С. 58-63.
10. Орлов А.И. Контроллинг явный и контроллинг скрытый // Контроллинг. 2018. №3 (69). С. 28-32.
11. Орлов А.И. Отечественная научная школа в области эконометрики // Научный журнал КубГАУ. 2016. № 121. С. 235 – 261.
12. Орлов А.И. Контроллинг организационно-экономических методов // Контроллинг. 2008. №4 (28). С. 12-18.
13. Орлов А.И. Многообразие областей и инструментов контроллинга // Научный журнал КубГАУ. 2016. № 123. С. 688 – 707.
14. Орлов А.И. Контроллинг научной деятельности // Контроллинг. 2019. №1 (71). С. 18-24.
15. Орлов А.И. Современные проблемы науковедения и наукометрии // Biocosmology – neo-Aristotelism. Vol.7. Nos. 3&4 (Summer/Autumn 2017). С. 389-410.
16. Лойко В.И., Луценко Е.В., Орлов А.И. Современные подходы в наукометрии. – Краснодар: КубГАУ, 2017. – 532 с.
17. Москалева О.В. Рецензия на книгу: Лойко В.И., Луценко Е.В., Орлов А.И. Современные подходы в наукометрии (Краснодар: КубГАУ, 2017. 532 с.) // Научный редактор и издатель. 2017. Т.2. № 2-4. С. 130-132.
18. Налимов В.В., Мульченко З.М. Наукометрия. Изучение науки как информационного процесса. — М.: Наука, 1969. — 192 с.
19. Орлов А.И. Аристотель и цифровая экономика // Biocosmology – neo-Aristotelism. 2019. Vol. 9. Nos. 1&2 (Winter/Spring). С. 7-20.
20. Кудлаев Э.М., Орлов А.И. Вероятностно-статистические методы исследования в работах А.Н. Колмогорова // Заводская лаборатория. Диагностика материалов. 2003. Т.69. № 5. С.55-61.
21. Фалько С.Г. Контроллинг для руководителей и специалистов. - М.: Финансы и статистика, 2008. - 272 с.
22. Луценко Е.В., Орлов А.И. Количественная оценка степени манипулирования индексом Хирша и его модификация, устойчивая к манипулированию // Научный журнал КубГАУ. 2016. №121. С. 202 – 234.
23. Гринченко С.Н. Является ли мировая наука «организмом»? // Biocosmology – neo-Aristotelism. Vol. 4. Nos. 1&2 (Winter/Spring 2014). – С. 115–122.
24. Воспоминания о Л.Д. Ландау. - М.: Наука, 1988. - 352 с.
25. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
26. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.
27. Орлов А.И. Миф мировой науки / Большая Евразия: Развитие, безопасность, сотрудничество. Ежегодник. Вып. 3. Ч. 1. Материалы XIX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения». Ч. 2 / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2020. – С.687 - 689.


Публикация:
1182. Орлов А.И. Вред ориентации на базы данных SCOPUS и WEB OF SCIENCE // Россия: Тенденции и перспективы развития. Ежегодник. Вып. 16: Материалы XX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения» / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2021. – Ч. 1. – С. 835-840.
ISBN 978-5-248-00995-4 http://ukros.ru/archives/26461,
http://innclub.info/archives/20049, https://www.academia.edu/48801730




Вышла наша новая книга:
Агаларов З.С,, Орлов А.И. Эконометрика. Учебник. - М.: Издательско-торговая корпорация «Дашков и К°», 2021. — 380 с.

Книга размещена на персональной странице А.И. Орлова на сайте МГТУ им. Н.Э. Баумана: папка "Эконометрика - учебник 2020" -
https://wwv.bmstu.ru/ps/%7Eorlov/

Предлагаем познакомиться с аннотацией, содержанием и предисловием.


З.С. Агаларов, А.И. Орлов

Эконометрика

Учебник

Рекомендовано
Учебно-методическим советом по высшему образованию
в качестве учебника для студентов, обучающихся
по направлениям подготовки «Экономика», «Менеджмент»,
«Инноватика», «Прикладная математика»

Москва
Издательско-торговая корпорация «Дашков и К°»
2021


УДК 519.2:330.4(075.8)
ББК 65.04я73
А23

Рецензенты:
С.Г. Фалько — заведующий кафедрой «Экономика и организация производства» Московского государственного технического университета им. Н.Э. Баумана, доктор экономических наук, профессор;
Е.В. Луценко — профессор кафедры компьютерных технологий и систем
Кубанского государственного аграрного университета, доктор экономических наук, кандидат технических наук, профессор.


Агаларов З.С., Орлов А.И. Эконометрика: учебник / З.С. Агаларов, А.И. Орлов. — М.: Издательско-торговая корпорация «Дашков и К°», 2021. — 380 с.
ISBN 978-5-394-04075-7

На современном уровне представлена эконометрика — наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей. В учебник включены основные эконометрические методы: выборочные исследования, метод наименьших квадратов, анализ динамики цен. Большое внимание уделено экспертным технологиям. Подробно разобраны методы анализа экспертных упорядочений. Теория измерений нацелена на выбор адекватных методов расчетов. Проанализированы методы построения интегральных показателей (рейтингов). Дано представление о математических методах анализа экспертных оценок в рамках статистики нечисловых данных.
Каждая глава учебника — это введение в большую область эконометрики. Приведенные литературные ссылки помогут выйти на передний край теоретических и прикладных работ, познакомиться с доказательствами теорем, включенных в учебник. Материал учебника соответствует курсам лекций, которые авторы читают в Московском государственном техническом университете им. Н.Э. Баумана и Российском государственном геологоразведочном университете им. Серго Орджоникидзе.
Для студентов вузов, обучающихся по направлениям подготовки «Экономика», «Менеджмент», «Инноватика», «Прикладная математика», а также слушателей бизнес-школ, программ МВА, институтов повышения квалификации и структур второго образования, менеджеров, экономистов, инженеров, специалистов по прикладной математике, научных и практических работников, связанных с эконометрическим анализом экономических и управленческих данных.

© Агаларов З.С., Орлов А.И., 2021

ISBN 978-5-394-04075-7 © ООО «ИТК «Дашков и К°», 2021


Содержание

Предисловие

Глава 1. Выборочные исследования
1.1. Организация выборочных исследований
1.2. Модели случайных выборок
1.2. Доверительное оценивание доли
1.4. Два прикладных выборочных исследования
1.5. Проверка однородности двух биномиальных выборок
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Глава 2. Метод наименьших квадратов
2.1. Восстановление линейной зависимости между двумя переменными
2.2. Основы линейного регрессионного анализа
2.2. Коэффициенты корреляции
2.4. Прогнозирование в отрасли лома черных металлов
2.5. О выборе вида регрессионной модели
2.6. Непараметрическое оценивание точки пересечения регрессионных
прямых
2.7. Модель с периодической составляющей
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Глава 3. Эконометрический анализ инфляции
3.1. Определение и расчет индекса инфляции
3.2. Практически используемые потребительские корзины и
соответствующие индексы инфляции
3.3. Свойства индексов инфляции
3.4. Возможности использования индекса инфляции в экономических
расчетах
3.5. Динамика цен на продовольственные товары
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Глава 4. Экспертное оценивание
4.1. Индивидуальные и коллективные экспертные оценки
4.2. Оценка и выбор вариантов с помощью экспертов
4.3. Экспертное прогнозирование
4.4. Экспертные оценки на современном этапе
4.5. Основные стадии экспертного опроса
4.6. Подбор экспертов
4.7. О выборе цели экспертизы
4.8. Основания для классификации экспертных методов
4.9. Интуиция эксперта и компьютер
Литература
Контрольные вопросы
Темы докладов, рефератов, исследовательских работ

Глава 5. Анализ экспертных упорядочений
5.1. Экспертные ранжировки
5.2. Методы средних арифметических рангов и медиан рангов
5.3. Метод согласования кластеризованных ранжировок
5.4. Пример анализа экспертных упорядочений
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Глава 6. Теории измерений и средние величины
6.1. Основные шкалы измерения
6.2. Инвариантные алгоритмы и средние величины
6.3. Средние величины в порядковой шкале
6.4. Средние по Колмогорову
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Глава 7. Построение интегрального показателя (рейтинга)
7.1. Оперативные методы принятия решений на основе экспертных оценок
7.2. Веса факторов
7.3. Бинарные рейтинги
7.4. Сравнение рейтингов и линейные рейтинги
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Глава 8. Элементы статистики нечисловых данных
8.1. Основные математические задачи анализа экспертных оценок
8.2. Экспертные мнения и расстояния между ними
8.3. Аксиоматическое введение расстояний
8.4. Свойства медианы Кемени
8.5. Коэффициенты корреляции и конкордации
Литература
Контрольные вопросы и задачи
Темы докладов, рефератов, исследовательских работ

Предисловие

Эконометрика - наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей.
Во вводных монографиях по экономической теории, как правило, выделяют в качестве ее разделов макроэкономику, микроэкономику и эконометрику. Статистические методы анализа экономических данных называют эконометрикой, что буквально означает: наука об экономических измерениях. Действительно, термин «эконометрика» состоит из двух частей: «эконо-» - от «экономика» и «-метрика» - от «измерение». О месте эконометрики среди экономических наук ярко говорит то, что восьми эконометрикам присуждены нобелевские премии по экономике.
Эконометрика – эффективный инструмент научного анализа и моделирования в профессиональной деятельности экономиста, менеджера и инженера. Настоящее учебное пособие дает этот инструмент в руки будущим специалистам.
Содержание учебного пособия. Рассмотрены основные эконометрические методы. Глава 1 посвящена организации выборочных исследований и методам анализа собранных данных. Построены модели случайных выборок, разобраны процедуры доверительного оценивания доли и проверки однородности двух биномиальных выборок. Проанализированы прикладные выборочные исследования, в том числе оценивание функции спроса и маркетинговые опросы потребителей.
Непараметрический метод наименьших квадратов в главе 2 позволяет восстановить линейную зависимость между двумя переменными. Рассмотрены коэффициенты корреляции Пирсона и Спирмена и основы линейного регрессионного анализа. Пример применения - прогнозирование в отрасли лома черных металлов. Обсуждаются и более глубокие проблемы - выбор вида регрессионной модели, непараметрическое оценивание точки пересечения регрессионных прямых, модель с периодической составляющей (последние две темы основаны на научных публикациях 2008 г.).
Эконометрическому анализу инфляции посвящена глава 3. Рассмотрены практически используемые потребительские корзины и соответствующие индексы инфляции, в том числе корзина Института высоких статистических технологий и эконометрики и результаты расчетов индексов инфляции по независимо собранной информации за 1993 – 2008 гг. Проанализированы свойства индексов инфляции и возможности их использования в экономических расчетах. Обсуждается динамика цен на продовольственные товары в нашей стране.
Экспертные оценки - один из основных видов эконометрических инструментов при разработке, принятии и реализации управленческих решений. Примеры процедур экспертных оценок даны в четвертой главе. Значительное внимание уделено методам и технологиям сбора и анализа мнений экспертов, применению экспертных оценок Рассмотрены индивидуальные и коллективные экспертные оценки, методы оценки и выбора вариантов с помощью экспертов, процедуры экспертного прогнозирование, место экспертных оценок в теории и практике принятия решений на современном этапе. Дано представление об организационной стороне работы экспертной комиссии. Обсуждаются основные стадии экспертного опроса, в том числе выбор цели экспертизы и подбор экспертов. Выделены основания для классификации экспертных методов. Роль интуиции эксперта сопоставлена с использованием информационных технологий. Экспертные технологии пока недостаточно представлены в литературе, поэтому мы вынуждены уделить им большое внимание.
Важные конкретные процедуры экспертного оценивания разобраны в пятой главе. Для нахождения коллективного мнения по экспертным ранжировкам предложены методы средних арифметических рангов и медиан рангов, а также процедура согласования кластеризованных ранжировок.
Теория измерений и ее применение для обоснования экспертных процедур – предмет шестой главы. Введены основные шкалы измерения (наименований, порядка, интервалов, отношений, разностей, абсолютная). Поставлена задача поиска инвариантных алгоритмов. В качестве примера разобраны методы усреднения. Дан анализ различных видов средних, введены средние по Коши и средние по Колмогорову. Установлено, какими средними величинами следует пользоваться при анализе данных, измеренных в порядковой шкале (из средних по Коши), шкалах интервалов и отношений (из средних по Колмогорову).
Построению рейтингов (обобщенных показателей) посвящена седьмая глава. В начале главы рассмотрены широко применяющиеся простые методы принятия решений. Разобраны подходы в стратегическом менеджменте, оперативные приемы, способы декомпозиции задач принятия решения. В качестве основной модели для дальнейшего обсуждения выбраны бинарные рейтинги, тесно связанные с теорией классификации (диагностики, дискриминации, распознавания образов). В задачах сравнения рейтингов основное внимание уделено линейным рейтингам. Обосновано применение прогностической силы как показателя качества алгоритма диагностики, построена асимптотическая теория для этого показателя и разработаны методы проверки обоснованности пересчета на модель линейного дискриминантного анализа.
Восьмая глава посвящена современному быстро растущему разделу эконометрики - статистике нечисловых данных. На основе систем аксиом введены расстояния между экспертными мнениями. Итоговое мнение экспертной комиссии предложено определять с помощью медианы Кемени. Коэффициенты корреляции и конкордации рассмотрены в связи с проверкой согласованности мнений экспертов.
В конце каждой главы приведены списки литературных источников, контрольные вопросы и задачи, а также темы докладов, рефератов, исследовательских работ. Нумерация таблиц, рисунков, формул, теорем, литературных источников дана по главам.
Методические комментарии. Теоретическую базу эконометрики составляют математические дисциплины - общий курс (математический анализ, линейная алгебра), теория вероятностей и математическая статистика, дискретная математика, исследование операций. Полезно знание основ экономической теории и статистики (общей теории статистики, экономической статистики). Чтобы полностью овладеть материалом, представленным в учебном пособии, желательно знать базовые понятия и результаты указанных выше типовых учебных курсов.
Целью изучения учебной дисциплины «Эконометрика» является овладение современными эконометрическими методами анализа конкретных экономических и управленческих данных на уровне, достаточном для использования в практической деятельности менеджера, экономиста, инженера. В учебное пособие включены как классические научные результаты, так и недавно полученные. В качестве примеров применения эконометрических методов описан ряд конкретных прикладных работ, выполненных под руководством авторов. Можно утверждать, что учебное пособие позволяет выйти на современный уровень теоретических и прикладных эконометрических исследований.
Учебное пособие адресовано в первую очередь студентам дневных отделений экономических и управленческих специальностей, а также специальности "Прикладная математика".. Они найдут весь необходимый материал для изучения различных вариантов эконометрических курсов. Особенно хочется порекомендовать учебное пособие тем, кто получает наиболее ценимое в настоящее время образование - на экономических факультетах в технических вузах. Слушатели вечерних отделений, в том числе получающие второе образование по экономике и менеджменту, смогут изучить основы эконометрики и познакомиться с основными вопросами ее практического использования. Менеджерам, экономистам и инженерам, изучающим эконометрику самостоятельно или в бизнес-школах и институтах повышения квалификации, в том числе по программам МВА («Мастер делового администрирования»), учебное пособие позволит познакомиться с ее ключевыми идеями и выйти на мировой уровень образования. Специалистам по теории вероятностей и математической статистике эта книга также может быть интересна и полезна, в ней описан современный взгляд на статистические методы и их применение в экономике, основные подходы и результаты в этой области (касающиеся, в частности, непараметрических постановок и статистики нечисловых данных), открывающие большой простор для дальнейших математических исследований. Преподаватели эконометрики найдут в учебном пособии как теоретические результаты, так и примеры их практического использования – в объеме, достаточном для разработки собственных программ обучения. Материалы учебного пособия можно использовать также при чтении и изучении курсов «Организационно-экономическое моделирование», «Математические методы прогнозирования», «Теория принятия решений», "Прикладная статистика" и др.
В отличие от учебной литературы по математическим дисциплинам, в настоящей книге практически отсутствуют доказательства. В нескольких случаях мы сочли целесообразным их привести. При первом чтении доказательства теорем можно пропустить.
О роли литературных ссылок в учебном пособии необходимо сказать достаточно подробно. Прежде всего, эта книга представляет собой замкнутый текст, не требующий для своего понимания ничего, кроме знания стандартных учебных курсов высшей математике. Зачем же нужны ссылки? Доказательства всех приведенных в учебном пособии теорем приведены в ранее опубликованных статьях и монографиях. Дотошный читатель, в частности, при подготовке рефератов и при желании глубже проникнуть в материал, может обратиться к приведенным в каждой главе спискам цитированной литературы. Каждая глава учебного пособия — это введение в большую область эконометрики. Приведенные литературные ссылки помогут читателям выйти на передний край теоретических и прикладных работ, познакомиться с доказательствами теорем, включенных в учебное пособие. За многие десятилетия накопились большие книжные богатства, и их надо активно использовать.
Настоящая книга выполнена в рамках отечественной научной школы в области эконометрики (см.: Орлов А.И. Отечественная научная школа в области эконометрики / Научный журнал КубГАУ. 2016. №121. С. 235–261; Орлов А.И. Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики / Контроллинг. 2019. №73. С. 28-35).
Включенные в учебное пособие материалы прошли многолетнюю и всестороннюю проверку. Кроме МГТУ им. Н.Э. Баумана, они использовались при преподавании во многих других отечественных и зарубежных образовательных структурах, в частности, в Академии народного хозяйства при Правительстве Российской Федерации, в Российской экономической академии им. Г.В. Плеханова, Рижском институте мировой экономики. Наряду с дневным образованием, преподавание велось в структурах второго образования, повышения квалификации, бизнес-школах (программы МВА).
Настоящее учебное пособие продолжает традицию равнее выпущенного четырьмя изданиями учебника "Эконометрика", составленного одним авторов (Орлов А.И. Эконометрика. Учебник для вузов. — М.: Экзамен, 2002 (1-е изд.), 2003 (2-е изд.), 2004 (3-е изд.). — 576 с.; Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. Учебник для вузов.. — Ростов-на-Дону: Феникс, 2009. — 572 с.).
Настоящее учебное пособие подготовлено в соответствии с рекомендациями созданной в 1990 г. Всесоюзной статистической ассоциации и ее наследников – Российской ассоциации статистических методов и Российской академии статистических методов, а также разработками Института высоких статистических технологий и эконометрики и Лаборатории экономико-математических методов в контроллинге НУК ИБМ МГТУ им. Н.Э. Баумана.
С базовыми публикациями (более 20 книг и 200 статей) и текущей научной информацией по эконометрике можно познакомиться на сайте «Высокие статистические технологии» http://orlovs.pp.ru и его форуме http://forum.orlovs.pp.ru/, а также на странице Лаборатории экономико-математических методов в контроллинге http://www.ibm.bmstu.ru/nil/lab.html (на сайте научно-учебного комплекса «Инженерный бизнес и менеджмент» Московского государственного технического университета им. Н.Э. Баумана). Достаточно большой объем информации содержит еженедельник «Эконометрика» - электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана (выходит с июля 2000 г.) http://subscribe.ru/catalog/science.hum ... onometrika.
Включенный в учебное пособие материал дает представление об эконометрике, соответствующее общепринятому в мире. Изложение доведено до современного уровня научных исследований в этой области. Конечно, возможны различные точки зрения по тем или иным частным вопросам. Авторы будут благодарен читателям, если они направят свои вопросы и замечания по адресу издательства или непосредственно автору по электронной почте Е-mail: prof-orlov@mail.ru (или поместят их на форуме http://forum.orlovs.pp.ru/ сайта «Высокие статистические технологии»).


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб мар 12, 2022 11:05 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1103 от 14 марта 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!


Смену парадигм экономической науки (Аристотель - рыночная экономика - солидарная информационная экономика) рассмотрел А.И. Орлов.
О том, как США приучают мир к мысли о неизбежности новой мировой войны и почему Россия и Китай выбраны «любимыми врагами» гегемона, что такое «ментальные войны» и как формируется мир постправды, есть ли у нас идеологический центр защиты Отечества, об ударах с тыла по российской армии и о цифровизации на чужом «железе», о ментальных войнах и актуальных задачах, вытекающих из Послания Президента, еженедельнику «Звезда» рассказал советник министра обороны Российской Федерации Андрей Ильницкий.



Орлов А.И.
д.э.н., д.т.н., к.ф.-м.н., директор Института высоких статистических технологий и эконометрики, профессор МГТУ им. Н.Э. Баумана
prof-orlov@mail.ru

Смена парадигм экономической науки: Аристотель - рыночная экономика - солидарная информационная экономика

Ключевые слова: экономическая наука, парадигма, Аристотель, информационно-коммуникационные технологии, управление, солидарная информационная экономика, планирование, цифровая экономика.
Keywords: economics, paradigm, Aristotle, information and communication technologies, management, solidary information economy, digital economy.

1. Введение

Как следствие развертывания цифровой экономики назрела необходимость смены парадигмы экономической теории. Взамен концепций рыночной экономики и свободного предпринимательства предлагаем в качестве основы новой парадигмы разрабатываемую нами солидарную информационную экономику. Согласно определению основоположника экономической науки Аристотеля, экономика – это хозяйственная деятельность, направленная на удовлетворение естественных потребностей людей. Вслед за Аристотелем полагаем, что экономика - это наука о том, как управлять хозяйством. Цель хозяйственной деятельности - удовлетворение потребностей, а не получение прибыли. Цифровизация - четвёртая промышленная революция. Количество инноваций в области применения информационно-коммуникационных технологий в экономике и управлении перешло в качество. Общество потребления уходит в прошлое. В последние годы мировое сообщество стало больше обращать внимание на то, что заимствование намного экономнее и удобнее обычной покупки. Финансовый кризис 2008 года стал своеобразным катализатором изменений в мировой экономике, появился абсолютно новый феномен — sharing economy, т.е. "совместное владение", в основе которого лежат не привычные нам отношения "купи-продай", а аренда. Sharing economy опирается на цифровые технологии. Мощности компьютеров к концу ХХ в. достигли такого уровня развития, что стало возможным провести расчеты, во-первых, для всех производимых товаров и услуг, во-вторых, для всего Земного шара. Т.е. появилась возможность планирования производства всех возможных товаров и услуг в масштабе всего Земного шара. Предложена шестишаговая схема применения солидарной информационной экономики для повышения эффективности процессов управления в крупномасштабной экономической системе (пример - ракетно-космическая отрасль). Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента рассмотрены в наших монографиях и статьях в свете идей солидарной информационной экономики.
Инструментальные методы экономики - это прежде всего информационно-коммуникационные методы решения задач управления экономическими структурами. В условиях развертывания цифровой экономики их роль значительно возрастает, из вспомогательных инструментов они становятся основой новой парадигмы экономической науки.
Настало время отказаться от устаревшей парадигмы экономической теории, основанной на понятиях рыночной экономики и свободного предпринимательства, и перейти к новой, соответствующей реалиям цифровой экономики. Такой переход необходим для успешной реализации стратегии развития России в XXI веке. Будучи одним из наиболее цитируемых отечественных экономистов (по данным РИНЦ), считаю необходимым обратить внимание коллег на назревшую необходимость смены парадигмы и предложить в качестве основы новой парадигмы разрабатываемую нами солидарную информационную экономику.
Цифровая экономика основана на интенсивном использовании информационно-коммуникационных технологий в реальной экономике и управлении социально-экономическими структурами. Аппаратная база таких технологий - компьютеры, их сети и т.п. Научно-методическая база цифровой экономики активно разрабатывалась с 1940-х годов (а до этого момента была предыстория, которую можно отсчитывать от Лейбница). К настоящему времени количество новшеств перешло в качество. Накопленные научные и практические результаты привели к взрыву инноваций в менеджменте. Прежние технологии управления уходят в прошлое.
Какие воззрения и их практические реализации приходят на смену уходящим? Базовой экономической теорией становится разрабатываемая нами с 2007 г. солидарная информационная экономика (первоначальное название - неформальная информационная экономика будущего). Вслед за Аристотелем полагаем, что экономика - это наука о том, как управлять хозяйством. Цель хозяйственной деятельности - удовлетворение потребностей, а не получении прибыли. Развиваем идеи В.М. Глушкова (проект ОГАС), Ст. Бира (система Киберсин), В. Пол Кокшотта и Аллина Ф. Коттрелла (продемонстрировали возможность организации производства с целью непосредственного удовлетворения потребностей в масштабах страны или человечества в целом). Солидарная информационная экономика предназначена для замены рыночной экономики в качестве базовой экономической теории. Такой переход необходим, в частности, потому, что современные информационно-коммуникационные технологии позволяют реализовать принципы плановой экономики во всеобщем масштабе - для всех товаров и услуг и на всем Земном шаре, рассчитав соответствующий оптимальный план.

2. Основные факты о цифровой экономике

Широко применяемые в современных публикациях понятия "инновационная экономика", "высокотехнологическая цивилизация", "общество знаний", "информационное общество" близки понятию "экономика знаний". К этому понятийному ряду можно добавить и появившийся позже термин "цифровая экономика". Современной цифровой экономике посвящена наша монография [1]. Упомянем также "искусственный интеллект".
Руководство нашей страны уделяет большое внимание развитию цифровой экономики. Правительство РФ распоряжением от 28.07.2017 № 1632-р утвердило программу «Цифровая экономика Российской Федерации». Этот документ разработан по указанию Президента РФ, озвученному им в ежегодном Послании Федеральному Собранию РФ 1 декабря 2016 года. Указом Президента Российской Федерации № 215 от 15 мая 2018 года создано Министерство цифрового развития, связи и массовых коммуникаций РФ (на базе Министерства связи и массовых коммуникаций РФ). При этом под цифровой экономикой понимается "хозяйственная деятельность, в которой ключевым фактором производства являются данные в цифровом виде, обработка больших объемов и использование результатов анализа которых по сравнению с традиционными формами хозяйствования позволяют существенно повысить эффективность различных видов производства, технологий, оборудования, хранения, продажи, доставки товаров и услуг" [2].
Таким образом, цифровая экономика основана на интенсивном использовании информационно-коммуникационных технологий в реальной экономике и в управлении конкретными социально-экономическими структурами. Аппаратная (техническая и программная) база таких технологий - компьютеры, сети (как Интернет, так и корпоративные, закрытые для внешних пользователей), облачные хранилища данных и т.п. Как уже отмечалось, научно-методическая база современной цифровой экономики активно разрабатывалась по крайней мере с 1940-х годов (более ранние работы Лейбница, Тьюринга, Поста и др. были одиночными). Однако в настоящее время количество информационно-коммуникационных разработок перешло в качество. Накопленные научные результаты и опыт практического применения привели к взрыву инноваций в менеджменте. Прежние технологии управления, как мы наблюдаем, уходят в прошлое. Каким будет будущее? Обсудим прогнозируемое развитие цифровой экономики.

3. Цифровая экономика как современный этап развития
информационно-коммуникационных технологий

Цифровизация является и вызовом, и актуальным "окном возможностей" резкого технологического и экономического скачка. На примере цифровой энергетики это утверждение убедительно обосновали сотрудники Института проблем управления РАН [3]. Обсудим состояние и перспективы цифровой экономики с точки зрения инноваций в менеджменте.
Термин "цифровая экономика" имеет как достоинства, так и недостатки. Основное достоинство - краткость. Один из недостатков - начальное слово в термине "цифровая" нельзя понимать как относящееся к набору из 10 арабских цифр, используемых в арифметике. Ближе к сути цифровой экономики слова "информация" (в том числе словесная) и "компьютер". Другой недостаток - второе слово "экономика" относится к взаимоотношениям людей в процессах производства и распределения, а эти взаимоотношения нельзя считать исключительно "цифровыми". Однако термин "цифровая экономика" широко распространен, закреплен в нормативных документах, поэтому будем его использовать вместо ранее распространенных синонимов.
Широко известны исследования Н. Винера в области цифровой экономики [4]. В середине ХХ в. цифровую экономику называли экономической кибернетикой, рассматривая ее как часть кибернетики - новой научной области, получившей наименование по названию книги Н. Винера [5], впервые выпущенной в 1948 г. Уже на первоначальном этапе развития кибернетики рассматривались многие проблемы, которые только сейчас стали актуальны для большинства экономических субъектов. Например, влияние роботизации (во времена Винера - автоматизации) на занятость.
В нашей стране в те же пятидесятые годы активно обсуждалась возможность автоматизации управления народным хозяйством (А.И. Берг, А.И. Китов, А.А. Ляпунов). Затем пришло - и весьма быстро (шестидесятые - семидесятые годы) - время грандиозного проекта общегосударственной автоматизированной системы ОГАС (В.М. Глушков), реально реализованной в Чили системы управления экономикой страны Киберсин (Ст. Бир), различных АСУ (автоматизированных систем управления), том числе предназначенных для управления большими системами, например, такими, как военно-морской флот. В Центральном экономико-математическом институте (ЦЭМИ) АН СССР была разработана развернутая система оптимального функционирования экономики СОФЭ. Много было сделано в области применения подходов цифровой экономики (в лице кибернетики) на предприятиях.
После смены экономической системы в наше стране на рубеже 1990-х годов цифровая экономика стала разрабатываться прежде всего на микроуровне (на уровне предприятий и организаций).
Концепции, технологии, системы информатизации бизнеса были разработаны А.М. Карминским и его соавторами [6]. Ими была разработана методология создания информационных систем в экономике, обобщена практика использования таких систем.
Большое количество учебников и монографий посвящено информационному менеджменту на предприятии, экономической эффективности внедрения информационных технологий, информационным системам управления производственной компанией, менеджменту в области информационно-коммуникационных технологий.
Применение инструментария цифровой экономики не ограничивается сферой производства. Так, в настоящее время весьма интенсивно обсуждаются проблемы высшего и среднего образования, например. информационно-коммуникационные технологии в компетентностно-ориентированном образовании.
Многообразным аспектам цифровой экономики посвящено огромное количество публикаций. Мы рассмотрели лишь некоторые из них, отобрав наиболее интересные для нас. Добавим к списку две наши монографии. Перспективные математические и инструментальные методы контроллинга обсуждаются в [7]. Инструментальные методы экономики - это методы, основанные на использовании компьютеров для анализа информации, т.е. методы цифровой экономики. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента рассматриваем в рамках цифровой экономики [8].
Различные аспекты цифровой экономики постоянно обсуждаются на страницах научной периодики, в частности, выпускаемых нашим научным коллективом журналов "Контроллинг" и "Инновации в менеджменте". Рассмотрим только два номера журнала "Инновации в менеджменте" (2018. №№ 3, 4). В передовой статье С.Г. Фалько анализирует бизнес-модели новых предприятий в условиях перехода к цифровой экономике. Экономической диагностике облачных решений (на примере office 365) посвящена работа К. Мамедова и Т.Н. Рыжиковой. Особенности управления человеческим капиталом на предприятиях в условиях цифровой экономики обсуждают Н.Р. Кельчевская и Е.В. Ширинкина. Цифровая трансформация финансового сектора - предмет статьи С.Ю. Перцевой.
Вполне естественно, что в большинстве публикаций по цифровой экономике рассматриваются те или иные конкретные предметные области или стороны. Однако необходимо обсудить бурное развитие цифровой экономики в целом. С какими вызовами мы сталкиваемся? Какое влияние это развитие окажет на хозяйственную деятельность в целом? Какое "окно возможностей" раскрывает цифровая экономика? Почему можно ожидать, что она приведет к резкому технологическому и экономическому скачку?

4. Мы живем в условиях цифровой революции

Как часто говорят и пишут, цифровизация - четвёртая промышленная революция. Количество инноваций в области применения информационно-коммуникационных технологий в экономике и управлении перешло в качество. Приведем примеры.
Менее двух десятилетий назад - в 2001 г. - мобильные телефоны были, по нашим данным, лишь у 1% населения России. Тогда обсуждали электронный документооборот как новшество. А сейчас всемирный Интернет позволяет нам забыть об офисной работе, привязке к определенному городу и стране. Теперь можно работать над самыми серьезными задачами в команде, члены которой разбросаны по всему миру. Удаленная работа и виртуальные организации без офисов становятся нормой. Не надо ездить в командировки, вопросы можно обсудить и решить с помощью целого ряда информационно-коммуникационных технологий. Горячие головы хотят и образование сделать цифровым.
Констатируем прогрессирующее сокращение (вплоть до ликвидации) слоя посредников. Так, судьба турагентств незавидна: зачем потенциальным клиентам к ним обращаться, когда можно самостоятельно заказать билеты и номер в отеле? Интернет-журнал Factinteres привел примеры профессий, которые в ближайшем будущем перестанут существовать: телефонный оператор, спортивный судья, работник конвейера, туристический агент, диспетчер такси, кассир, водитель такси. Публикуют и более длинные списки профессий, которые исчезнут в ближайшие десятилетия, а также и списки тех, которые появятся. Например, "приговорены" бухгалтеры и преподаватели. Менеджеров, занимающихся кредитами в банках, заменяет искусственный интеллект.
Намечаются изменения и в политической сфере. Место структур представительной демократии постепенно занимают процедуры прямого действия, основанные на голосовании миллионов через Интернет. Примером являются процедуры, применяемые онлайн-платформами Avaaz.org и Change.org.
По мнению ряда специалистов, общество потребления уходит в прошлое. В последние годы мировое сообщество стало больше обращать внимание на то, что заимствование намного экономнее и удобнее обычной покупки. Финансовый кризис 2008 года стал своеобразным катализатором изменений в мировой экономике, появился абсолютно новый феномен — sharing economy, т.е. "совместное владение", в основе которого лежат не привычные нам отношения "купи-продай", а аренда. Sharing economy опирается на цифровые технологии.
Эссе "Мир будущего - ни привычной работы, ни частной собственности, ни личного пространства" написала член парламента Ида Аукен к Мировому экономическому форуму 2017 года (ранее она занимала пост министра экологии Дании). Она пишет: "Мне ничего не принадлежит. У меня нет своей машины. Нет дома. У меня нет бытовых приборов или своей одежды. Это может показаться вам странным, но для нас, жителей города, такая жизнь кажется идеальной. Все, что раньше считалось продуктом, теперь стало услугой. У нас есть доступ к транспорту, жилью, еда и всему, что необходимо в повседневной жизни. Одна за другой эти вещи стали бесплатными, и в итоге у нас не было смысла владеть чем-то" [9] (Auken, 2016).
В цифровой экономике информация становится общедоступной (сначала - для силовых структур). Исчезает само понятие конфиденциальности, коммерческой тайны. Неприкосновенность частной жизни уходит в прошлое. Передвижения граждан (в частности, в автомобилях), письма, переговоры фиксируются на электронных носителях. В ближайшей перспективе становятся ненужными банковские карты, документы, ключи, наличные деньги. Решения о допуске к перечисленным благам будет принимать искусственный интеллект на основе биометрических данных. Ясно, что в цифровом обществе понятия конкуренции и свободы предпринимательства должны быть преобразованы.

5. Какой должна быть современная цифровая экономическая теория?

В новой ситуации нужна новая экономическая теория. Для ее разработки целесообразно обратиться к истокам экономической науки.
Согласно определению Аристотеля, экономика – это хозяйственная деятельность, направленная на удовлетворение естественных потребностей человека [10]. В XIX-ХХ вв. мировая экономика превратилась в свой антипод – хрематистику: обогащение стало самоцелью, различные финансовые спекуляции подменили реальное производство, власть постепенно переходила к наднациональным хозяевам денег – банкирам-ростовщикам. Вместо удовлетворения потребностей людей - упор на прибыль. В теоретическом осмыслении хозяйственной деятельности стала господствовать рыночная экономика. Хотя по оценке американского экономиста и теоретика менеджмента П. Друкера, 1873 г. – «конец эры либерализма – конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику» [11], до сих пор в сознании российских исследователей и практических работников продолжает господствовать рыночная риторика.
Вернуться на путь Аристотеля позволяет разрабатываемая нами солидарная информационная экономика, развивающая идеи ОГАС В.М. Глушкова и системы "Киберсин" Ст. Бира. Первая Интернет-публикация по этой теории сделана нами 11 июня 2007 г. (http://forum.orlovs.pp.ru/viewtopic.php?f=2&t=570). На 12.12.2020 этот ресурс просмотрен более 281,7 тыс. раз, что свидетельствует об интересе специалистов. Основные идеи солидарной информационной экономики впервые были сформулированы в статье [12]. Список публикаций по солидарной информационной экономике (первоначальное название - неформальная информационная экономика будущего) на 12.12.2020 включает 62 названия статей, тезисов, разделов книг (http://forum.orlovs.pp.ru/viewtopic.php?f=2&t=951). Основные результаты отражены в монографии [1], публикациях 2019 г. [13-16].

6. Очередные задачи солидарной информационной экономики

Согласно [1] cначала необходимо выявить потребности (т.е. задать цель работы социально-экономической системы). Затем планируем действия по удовлетворению этих потребностей. В качестве инструментальных методов укажем на оптимизационные алгоритмы (прежде всего на алгоритмы линейного программирования) и межотраслевой баланс Леонтьева. Как показали шотландские экономисты Кокшот и Котрелл [17, 18], мощности компьютеров к концу ХХ в. достигли такого уровня развития, что стало возможным провести расчеты, во-первых, для всех производимых товаров и услуг, во-вторых, для всего Земного шара. Т.е. появилась возможность планирования производства всех возможных товаров и услуг в масштабе всего Земного шара.
Из работ Кокшотта и Коттрелла следует, в частности, что работавший в СССР Госплан в принципе не мог полностью выполнять свою задачу (планирование деятельности народного хозяйства) из-за низкой производительности компьютеров. Недостатки в работе Госплана в СССР были неизбежны. И такие недостатки хорошо известны.
Если планирование не вызывает принципиальных сложностей, то разработка методов целеполагания требует дальнейших исследований. Идея сетевого общества и сетевой демократии [1] должна быть дополнена инструментарием экспертных оценок.
В соответствии с [1] кратко рассмотрим шестишаговую схему применения солидарной информационной экономики для повышения эффективности процессов управления в крупной корпорации (как примере крупномасштабной экономической системы), организации (предприятия) которой находятся в различных регионах.
1. Выделение ЗАДАЧ, для решения которых привлекаются и/или будут привлекаться эксперты.
2. После составления и гармонизации СИСТЕМЫ ЗАДАЧ (в управленческих терминах) составляем систему МОДЕЛЕЙ ЭКСПЕРТИЗ (описываем систему «черных ящиков», т.е. систему «входов» - «выходов») в терминах организационно-экономического моделирования экспертной деятельности.
3. На основе МОДЕЛЕЙ разрабатываем (адаптируем или вновь предлагаем) МЕТОДЫ экспертных исследований (т.е. сбора и анализа экспертных оценок, на пути от «входа» к «выходу»).
4. На основе МЕТОДОВ выявляем ТРЕБОВАНИЯ к экспертам (включая внешних), а также к регламентам экспертных процедур (т.е. «условия применимости» экспертных методов), включая регламенты формирования сети (реестра) экспертов, формирования экспертной комиссии (ЭК), заданий экспертам, процедурам сбора и анализа мнений экспертов, выработки заключений ЭК.
5. Формируем основы НТД (нормативно-технических документов) по созданию и деятельности СИСТЕМЫ ЭКСПЕРТИЗ Компании.
6. Разрабатываем пошаговую процедуру и график внедрения проекта по созданию СИСТЕМЫ ЭКСПЕРТИЗ Компании.
Новизна научных основ проекта «Сеть экспертов» состоит, в частности, в том, что вместо отдельных экспертных комиссий, предназначенных для проведения конкретных экспертиз, строим СЕТЬ ЭКСПЕРТОВ, работающую постоянно и являющуюся составной частью системы управления корпорации. Сеть экспертов действует в постоянном контакте (и в переплетении) с системой принятия управленческих решений. Сетевая корпоративная экспертная структура является открытой – любой сотрудник через корпоративную информационную систему может включиться в эту структуру (как эксперт с совещательным голосом).
Таким путем в рамках отдельно взятой конкретной корпорации реализуются основные идеи солидарной информационной экономики и открытого сетевого общества. Имеем в виду прежде всего ракетно-космическую промышленность, к которой относятся многие наши работы (см., например, [8]).
Эффективность применения подходов солидарной информационной экономики в государственном и муниципальном управлении, международной деятельности, планировании и контроле в масштабах Земного шара не вызывает сомнений. Более подробное изложение различных разделов солидарной информационной экономики дано, в частности, в серии статей в "Научном журнале КубГАУ" [19 - 25] и в докладах [26, 27, 28].

Выводы
Под цифровой экономикой следует понимать, по нашему мнению, современный этап развития информационно-коммуникационных технологий, основанных на использовании компьютеров и сетей. В результате анализа многообразия исследований в области цифровой экономики можно сделать вывод, что количество и объем инноваций в области информационно-коммуникационных технологий в экономике и управлении перешли в качество - мы имеем дело с четвёртой промышленной революцией. Очевидно, в современных условиях нельзя опираться на концепции более чем столетней давности - нужна новая (цифровая) экономическая теория. В качестве таковой предлагаем обсудить кратко рассмотренную в настоящей статье солидарную информационную экономику, основанную на идеях Аристотеля, Глушкова, Ст. Бира и других.

Список литературы

1. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
2. Стратегия развития информационного общества в Российской Федерации на 2017 – 2030 годы (утв. Указом Президента РФ от 09.05.2017 № 203).
3. Воропай Н.И., Губко М.В., Ковалев С.П. и др. Проблемы развития цифровой энергетики в России // Проблемы управления. 2019. № 1. С. 2-14.
4. Винер Н. Кибернетика и общество. - М.: Изд-во иностранной литературы. 1958. - 200 с.
5. Винер Н. Кибернетика, или управление и связь в животном и машине. 1948-1961. - 2-е издание. - М.: Наука; Главная редакция изданий для зарубежных стран, 1983. - 344 с.
6. Информатизация бизнеса: концепции, технологии, системы / А.М. Карминский, С.А. Карминский, В.П. Нестеров, Б.В. Черников; Под ред. А.М. Карминского. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2004. - 624 с.
7. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф. С.Г. Фалько. Монография (научное издание). – Краснодар, КубГАУ. 2015. – 600 с.
8. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
9. Auken Ida, Parliament of Denmark. Welcome to 2030. I own nothing, have no privacy, and life has never been better - 2016. URL: https://www.weforum.org/agenda/2016/11/ ... t-that-is/ (дата обращения 08.01.2020).
10. Аристотель. Политика // Сочинения в 4-х томах. - М:, Мысль, 1983. Т.4. - 830 с.
11. Друкер П.Ф. Новые реальности в правительстве и политике, в экономике и бизнесе, в обществе и мировоззрении: Пер. с англ. - М.: Бук Чембэр Интернэшнл, 1994. - 380 с.
12. Орлов А.И. Неформальная информационная экономика будущего. // Неформальные институты в современной экономике России: Материалы Третьих Друкеровских чтений. - М.: Доброе слово: ИПУ РАН, 2007. – С.72-87.
13. Орлов А.И. Аристотель и цифровая экономика // Biocosmology – neo-Aristotelism. Vol. 9, Nos. 1&2, Winter/Spring 2019. С. 7-20.
14. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
15. Орлов А.И. Цифровая экономика, инновации в менеджменте, контроллинг и идеи Аристотеля // Информационное общество и цифровая экономика: глобальные трансформации. Материалы IV Национальной научно-практической конференции (Краснодар, 23 - 25 мая 2019 г.). - Краснодар: Издательство: Кубанский государственный университет, 2019. - С. 44-56.
16. Орлов А.И., Сажин Ю.Б. Инновации в менеджменте, экология, хрематистика и цифровизация // Инновации в менеджменте. 2019. № 4(22).
17. Cockshott W. Paul and Cottrell Allin F. Information and Economics: A Critique of Hayek. November 1996. [Электронный ресурс]. URL: http://ricardo.ecn.wfu.edu/~cottrell/so ... itique.pdf (дата обращения 08.01.2020).
18. Кокшотт П. Расчёт в натуральной форме: от Нейрата до Канторовича. Перевод С. Маркова под ред. С. Голикова и Д. Левыкина [Электронный ресурс]. URL: http://left.ru/2009/6/cockshott188.phtml (дата обращения 08.01.2020).
19. Орлов А.И. Проблемы методологии государственной политики и управления в неформальной информационной экономике будущего / Научный журнал КубГАУ. 2013. № 88. – С. 592–618.
20. Орлов А.И. Солидарная информационная экономика как экономическая составляющая государственной идеологии России / Научный журнал КубГАУ. 2014. № 98. С. 706–731.
21. Орлов А.И. Основные идеи солидарной информационной экономики - базовой организационно-экономической теории / Научный журнал КубГАУ. 2015. № 112. С. 52–77.
22. Орлов А.И. Солидарная информационная экономика - экономика без рынка и денег / Научный журнал КубГАУ. 2015. № 113. С. 388 – 418.
23. Орлов А.И. О развитии солидарной информационной экономики / Научный журнал КубГАУ. 2016. № 121. С. 262–291.
24. Орлов А.И. Организационно-экономическое обеспечение управления организациями и территориями с точки зрения солидарной информационной экономики / Научный журнал КубГАУ. 2016. № 124. С. 926–953.
25. Орлов А.И. Вперед к Аристотелю: освободить экономическую теорию от извращений / Научный журнал КубГАУ. 2017. № 127. С. 478–500.
26. Орлов А.И. Солидарная информационная экономика взамен рыночной / Экономика знаний в России: от генерации знаний и инноваций к когнитивной индустриализации: материалы IX Междунар. науч.-практ. конф. / отв. ред. В.В. Ермоленко, М.Р. Закарян. – Краснодар: Кубанский гос. ун-т, 2017. – С. 3-14.
27. Орлов А.И. Цифровая экономика, инновации в менеджменте, контроллинг и идеи Аристотеля / Информационное общество и цифровая экономика: глобальные трансформации. Материалы IV Национальной научно-практической конференции (Краснодар, 23 - 25 мая 2019 г.). - Краснодар: Издательство: Кубанский государственный университет, 2019. - С. 44-56.
28. Орлов А.И. Солидарная информационная экономика - основа новой парадигмы экономический науки, развивающей идеи Аристотеля / Глобалистика: Глобальные проблемы и будущее человечества. Сб. статей Международного научного конгресса Глобалистика-2020, 18 – 22 мая и 20 – 24 октября 2020 г. / под ред. И.В. Ильина. – М., МООСИПНН Н.Д.Кондратьева, 2020. С. 846-852.


Рассылка:
1183. Орлов А.И. Смена парадигм экономической науки: Аристотель - рыночная экономика - солидарная информационная экономика // Россия: Тенденции и перспективы развития. Ежегодник. Вып. 16: Материалы XX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения» / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2021. – Ч. 1. – С. 841-845. ISBN 978-5-248-00995-4 http://ukros.ru/archives/26461, http://innclub.info/archives/20049, https://www.academia.edu/48801730




Ментальная война за будущее России

О том, как США приучают мир к мысли о неизбежности новой мировой войны и почему Россия и Китай выбраны «любимыми врагами» гегемона, что такое «ментальные войны» и как формируется мир постправды, есть ли у нас идеологический центр защиты Отечества, об ударах с тыла по российской армии и о цифровизации на чужом «железе», о ментальных войнах и актуальных задачах, вытекающих из Послания Президента, еженедельнику «Звезда» рассказал советник министра обороны Российской Федерации Андрей Ильницкий.

Авторы: Олег Одноколенко, Юрий Строев
21 апреля 2021, 18:05

«Чтобы продлить свою гегемонию, Америке нужен образ врага, нужно убедить союзников в неизбежности войны, от которой спасут только США»
- Такое впечатление, Андрей Михайлович, будто нас планомерно приучают к неизбежности мировой войны. Видимо, для этого и учения вокруг наших границ проводят в режиме «нон-стоп»?
- Давайте по порядку. Чтобы приучить мир к войне, надо определиться с врагами. И американцы с этой задачей уже справились. В доктринальных документах, в доктрине национальной безопасности у них записано, что это мы наряду с Китаем, Ираном и Северной Кореей являемся противниками США. Ничего подобного не было даже на пике холодной войны.
Как подчеркнул президент в Послании - практика «коллективного Запада» навязывания силой своей воли другим - по сути, перерастает в практику организации государственных переворотов. Примером тому Украина, Венесуэла и Белоруссия.
Наблюдается откровенное хамство, когда «цепляют» Россию без всякого повода, когда вассалы-шакалы подыгрывают своему суверену.
Важно, что Россия проводит «красные линии» и те, кто перейдёт их, «пожалеют об этом так, как давно уже ни о чём не жалели».
Как подчеркнул президент в Послании, практика «коллективного Запада» навязывания силой своей воли другим - по сути, перерастает в практику организации государственных переворотов.
- Ну и что нам из того, что США нас назвали противником? Американцы давно уже играют в слова и как только нас не называли - даже «империей зла».
- Мы знаем, что Америка - это не естественно-историческое образование, а проект, созданный по схеме и живущий по инструкции. Поэтому американцы люди буквальные, и если в правовых документах прописано, что мы противники, то и поступать с нами следует соответственно - как с противником: если не воевать, то постоянно конфликтовать, изматывая наши силы.
- К сожалению, Америка в противостоянии с нами не одинока, за спиной у неё маячит так называемый коллективный Запад, который почему-то называют цивилизованным миром.
- Поскольку Европа перестает обладать хоть какой-то субъектностью, на мой взгляд, пора прекращать использовать термин «коллективный Запад». Камуфлировать здесь нечего, надо прямо говорить, что за всем, что сейчас творится вокруг России, стоят США. И атмосфера предчувствия войны нужна им потому, что Америка перестаёт быть абсолютным гегемоном, каким стала после распада СССР. По объективным показателям сегодня это слабеющая держава: если после Второй мировой войны ВВП США был равен примерно половине номинала мирового ВВП, то сейчас, по данным Международного банка, это 23-24%. А по паритету покупательной способности Китай уже превзошёл США и, даже по самым оптимистичным для Вашингтона прогнозам, к 2030 году выйдет на первое место по всем показателям.
Валовый внутренний продукт США в 2020 году упал на 3,5%, что стало худшим показателем со времён Второй мировой войны.
Но и это ещё не все американские неприятности. И по китайским рейтингам, и даже по американским - например, по данным аналитической компании Global Firepower - наша армия считается второй в мире. А поскольку военный фактор в современном мире становится более весомым, к гегемонии США возникают дополнительные вопросы. На определённом этапе американцам ещё хватало «русских хакеров», чтобы отвлекать внимание от собственных проблем - например, от ситуации в экономике, от провальной ситуации с пандемией - и более-менее достойно выглядеть в глазах партнёров. Но сегодня, чтобы мобилизовать ресурсы, чтобы изъять эти ресурсы у мира и, в том числе у своих же союзников, а по сути, вассалов, нужен образ врага. Необходимо убедить союзников, будто не сегодня-завтра война и никто их не защитит, кроме США.
По данным аналитической компании Global Firepower - армия России считается второй в мире.
«Выход из кризиса через войну - традиционный американский приём. Меняется только характер войн»
- Неужели действительно собираются воевать с ядерной державой? Они в своём уме?
- Вариант выхода из кризиса через войну для США не нов. Так было в Первую мировую войну, так было и во Вторую мировую, когда США потеряли порядка 400 тысяч своих сограждан, что по американским меркам очень много, но при этом в отличие от остальных участников они из той войны вышли с прибылью. Так что выход из кризиса через войну - традиционный американский приём - методика остаётся, меняется только характер войн. Однако спешу вас заверить: в ближайшее время, лет 5-10, «горячей» войны, по моему мнению, не предвидится.
- И всё равно беспечность, с которой американцы бряцают оружием, удивляет. Надеются уцелеть?
- По поводу атомной войны Альберт Эйнштейн нарисовал такую перспективу: «Я не знаю каким оружием будут сражаться в третьей мировой войне, но в четвёртой точно будут сражаться камнями и палками». Уверен, что серьёзные американские аналитики такого же мнения, а некая бесшабашность американцев продиктована исключительно географическим положением страны и деградацией политических элит. Как известно, Америка - это большой остров, с боков прикрытый океанами, с севера родственной Канадой, а с юга - умиротворённой Мексикой. Опасаться некого.
Альберт Эйнштейн об атомной войне: «Я не знаю каким оружием будут сражаться в третьей мировой войне, но в четвёртой точно будут сражаться камнями и палками».
При этом ощущение полной безопасности порождает ощущение собственной безнаказанности.
В такой «тепличной» атмосфере и сформировалась американская нация. Кроме того, сейчас на командные посты в США выдвинулось поколение политиков, которые выросли на компьютерных стрелялках и на картинах, какие показывает CNN: вот прицел, вот - взрыв... Больше о войне американцы не знают ничего. Для них война - это в известном смысле захватывающее путешествие, это миссия по наведению демократии, экспедиция «доброй воли», это нечто такое, что происходит где-то на дальних рубежах - Югославия, Ирак, Афганистан, Сирия, Ливия… И поскольку со времён Хиросимы ядерное оружие лежит без дела, а руки чешутся, американцы периодически прокручивают идею применения ядерных зарядов малой мощности с применением высокоточного оружия.
- Пытаются убедить, будто война с применением только тактического ядерного оружия - как бы не совсем ядерная война? Известная уловка. Но Россия предельно чётко разъяснила, при каких условиях применит в ответ свой ядерный арсенал. Вы верите, что после всего этого на Западе не понимают, что в новой, теперь уже многодоменной упаковке смерть одинаково грозит и Западу, и Востоку, и Северу, и Югу?
- Американцы давно просчитали все варианты и убедились, что нас они не победят, а мы нанесём им неприемлемый ущерб. Именно поэтому, несмотря на ту антироссийскую риторику, которая уже опустила наши двусторонние отношения до самого дна, они подписали ДСНВ-3. Всё очень просто: на самом деле для американцев ядерная война неприемлема, зато приемлемо всё остальное, что описывается концепцией «серой зоны». Это и прокси-войны, и кибервойны, а с 2017 года решением НАТО наряду с космосом в зону оперативных действий было включено и информационное пространство. Естественно, для ведения войны в этой сфере должны быть выделены специальные силы и средства, подготовлены кадры.
«Не надо питать иллюзий: кто бы ни находился в Белом доме, политика по отношению к нам останется неизменной»
- В общем, только неба, земли и космоса, чтобы с бомбами наперевес нести миру «добро», американцам уже мало. Что за народ такой?.. Вот кому-то не нравится чей-то цвет кожи, кому-то другая национальность, а «великим мужчинам и женщинам» из США определённо не нравится любая политическая система, отличающаяся от американской. Может, это национальная болезнь такая - политический расизм?
- Я бы сказал, что это форма политического бандитизма, основанного на глобальной сегрегации. По убеждению американцев, в мире существуют благородные васпы (WASP), это они сами, и все остальные, причём американцы лучше знают, что кому надо. Чего далёко ходить, если госсекретарь США Энтони Блинкен недавно заявил, что мир, видите ли, «нуждается в руководящей роли Америки». Паранойя, конечно, но удивляться нечему: исключительность просто въелась в американскую ментальность. Они действительно так думают.
Госсекретарь США Энтони Блинкен недавно заявил, что мир «нуждается в руководящей роли Америки».
- Наверное, всё-таки не все в Америке думают одинаково, если Трамп отказался продлить Договор о стратегических наступательных вооружениях, а Байден сделал это сразу же после инаугурации.
- Трамп не такой уж непримиримый противник атомных договорённостей, и, я думаю, мы и с ним рано или поздно подписали бы договор. Что же касается Байдена, то разоружение было его «фишкой» ещё с советских времён. К тому же в начале президентства ему был необходим какой-то значимый результат.
Но не надо питать иллюзий: кто бы ни находился в Белом доме, политика по отношению к нам останется неизменной, и суть её лучше всего определяет фраза, которая принадлежит руководителю внешней разведки КГБ СССР Леониду Шебаршину: «Западу от нас нужно только одно - чтобы нас не было».
И за тысячу лет, с тех пор, когда появилась русская цивилизация, принципиально ничего не изменилось. И крестоносцы, и поляки, и шведы с французами, и немцы с американцами считали исторической несуразицей, что седьмая часть суши, а вместе с ней, по некоторым оценкам, и чуть ли не половина ресурсов планеты принадлежат каким-то непонятным русским - то ли недоевропейцам, то ли переазиатам. Они и не скрывают, что хотели бы нас утилизировать - целиком и сразу, но это боязно, потому что можно «огрести»… Потому не сразу, а постепенно вывести/вытравить русских, как вид.
- Да у американцев военный бюджет в шестнадцать раз больше, чем у нас, и всё равно боятся?
- Наша армия, может быть, не самая сильная, но самая лучшая. По каким основаниям? Во-первых, по уровню современных вооружений - у нас 70% (к 2025 году будет уже 76%), и это больше, чем у американцев и остальных - у того же бундесвера - ниже 40%. Во-вторых, все наши офицеры от командира батальона и выше имеют боевой опыт. А побеждает тот, кто умеет воевать не только по уставу, но и по обстановке, тот кто может передумать, а не только пересилить противника. Поэтому не только американцы, но и китайцы признают, что наша армия на сегодняшний день самая профессиональная, самая современная и самая отмобилизованная.
«Ментальная война, "война умов" направлена и реализуется с учётом фактически формирующегося на планете мира постправды»
- Да, мы умеем воевать, и в 1945 году подняли Знамя Победы над Рейхстагом. А в 1991 году СССР развалился практически без единого выстрела, и советская ядерная мощь нисколько не помогла.
- Далеко не всё определяется ядерной мощью. Ещё две с половиной тысячи лет назад китайский философ Сунь-Цзы пришёл к выводу, что высшее искусство войны состоит в том, чтобы разрушить планы врага, затем - разрушить его союзы и только потом напасть на его армию и на укреплённые города. Что значит разбить замыслы? Это - навести хаос, разбалансировать систему целеполагания и принятия решений, повлиять на сознание, на умы. И это высший пилотаж! Это именно то, что я называю ментальной войной - войной за мировоззрение! А вот известный русский военный мыслитель Антон Антонович Керсновский в 1930-е годы в трактате «Философия войны» использует другой термин - «умовая война». То есть - война умов. Он выделил в «умовой войне» два фактора - знание/информация и воля. Условно можно разделить - первое воздействует на левое полушарие мозга (полушарие, отвечающее за логику, восприятие), вторая составляющая эмоциональная - на правое (интуиция, фантазии, воображение). Так вот, воле в «умовой войне» Керсновский отдавал предпочтение! Соглашусь с ним! В ментальной войне психо-эмоциональные факторы и технологии крайне важны!
Известный русский военный мыслитель Антон Антонович Керсновский в 1930-е годы в трактате «Философия войны» использует другой термин - «умовая война».
В войне за умы и души часто недооценивают фактор образования и воспитания, но вспомните фразу Бисмарка о том, что это прусский школьный учитель выиграл битву при Садовой - когда немцы разгромили австрийцев, и всё встанет на свои места.
- Так что такое «ментальные войны»? Это оперативное пространство между миром и войной или подготовка человечества к плавному переходу от мира к войне?
- Не совсем так! Оперативное пространство прописывается в американских стратегиях ведения гибридных войн термином «серая зона». Но, разумеется, отчасти это и приучение с помощью информационных технологий людей к мысли о неизбежности конфронтации. И здесь наши оппоненты работают системно. С этой целью по всему западному периметру России созданы специальные центры для ведения гибридной войны.
Ментальная война - это война, направленная на изменение мировоззрения не только населения противника, но и в собственных странах, в странах союзников и партнёров. Эта война носит «поколенческий» масштаб. Её последствия сказываются не сразу, а через поколения - в этом и есть главная угроза!
В отличие от кибервойн, от прямых информационных операций, ментальная война направлена и реализуется с учётом фактически формирующегося мира постправды, когда людей «отучают» от критического мышления, от стремления к истине.
Американцы утверждают, что уже к 2025 году наступит мир постправды, в котором правда уже никому не будет нужна. И в наше время уже активно ведётся манипулирование общественным сознанием и на уровне смысла, и на уровне эмоций, воздействие на умы и на подсознание. Это и есть ментальные войны.
- Судя по тому, что у Алексея Навального хоть и немного, но есть сторонники и что даже у Кремля, как выясняется, имеются «разные башни», против нас тоже ведётся ментальная война, и это её результаты. Бьют по уязвимым местам?
- В отличие от США, которые сами себя учредили всего-то пару сотен лет тому назад, мы цивилизация историческая, сложившаяся естественным путём, поэтому история в нашей цивилизационной парадигме имеет очень большое значение. Лишить нас истории - значит изменить наше мировоззрение. И здесь крайне важно то, чем заполнено информационное пространство. Как говорил нацистский пропагандист Геббельс, повторите неправду тысячу раз, и она станет правдой. Фактология будет переформатирована, и тогда человек сам, не задумываясь, станет принимать ложь за истину, и выбора иного у него не будет. Этими же приёмами враги России пользуются и сегодня. Причём надо отметить, что это очень тонкие технологии, рассчитанные как на персональное воздействие, так и на массы людей. Кстати, ещё Ницше говорил, что истина человека не интересует, что ему нужен комфорт. А вот наш Фёдор Достоевский утверждал: «Если человек стремится к истине, то он уже победил»!
Что касается упомянутого вами криминального блогера, то его влияние на повестку во многом раздуто нашими СМИ, федеральными прежде всего, которые с каким-то сладострастным упоением занимаются хейтерством этого политического ничтожества. Не понимаю и не принимаю этого!
«Пора уже признать: Украина - это территория, на которой Русский мир проиграл одно из стратегических сражений ментальной войны»
- А как сделать, чтобы человек стремился к истине, чтобы был способен выйти из зоны комфорта - где тепло, светло и мухи не кусают?
- Кто такие иезуиты, объяснять, наверное, не надо. Так вот, они придерживались такого правила: «Хочешь победить врага, воспитай его детей!» А молодёжь, как известно, в силу возраста весьма подвержена влиянию - мы же видели, кто вышел у нас на улицы в январе и в феврале. Пусть не все осознанно, а больше «по приколу», но так же происходило и на Украине, и теперь посмотрите, что в итоге сделали с украинской молодёжью, как их в конце концов практически поголовно превратили в русофобов неонацистского толка. Главная опасность ментальной войны, повторю это, заключается в том, что её последствия необратимы и могут проявиться через поколения. А мы продолжаем удивляться, почему это люди, которые говорят на одном с нами языке, вдруг стали нам врагами…
Пора уже признать: Украина - это территория, на которой Русский мир проиграл одно из стратегических сражений ментальной войны, которая, кстати, если сопоставить затраты и полученный результат, оказалась весьма эффективной. Проиграв сражение, мы тем более обязаны выиграть войну - войну за мировоззрение!
- Если исходить из вашей теории, то до Украины наше поколение проиграло свою первую ментальную войну, когда был разрушен Советский Союз.
- Именно так! Напомню, одну такую войну мы не так давно проиграли, когда фактически без единого выстрела в короткие сроки был самораспущен и ликвидирован Советский Союз со всей могучей армией, многомиллионной партией КПСС. И проиграли прежде всего войну за умы, войну идеологий. Были девальвированы те социалистические ценности, на которых стоял Советский Союз.
- Помните, тогда «лучших из лучших» отправляли на работу за границу, их отбирали партийные комитеты, старые большевики. Да и сегодняшняя элита воспитывает своих детей за нашими рубежами. И с тем, и с другим поколением активно и, признаем, плодотворно работают не только идеологические службы Запада.
- Согласен. Пятая колонна имеет прочную базу в нашей компрадорской элите. Несколько упрощённо - в поздний советский период товары «группы Б» (от югославских сапожек и румынских стенок до джинсов и стереомагнитофонов) завоевали умы советских людей и разрушили СССР. Это был пример той самой ментальной войны.
- В своё время Владислав Сурков придумал «суверенную демократию» и «глубинное государство», ваш вклад в теорию «ментальные войны». Такое впечатление, что у нас на идеологию работают кустари-одиночки, а в Америке идеологическую войну обслуживает целая индустрия - множество институтов, масса различных фондов и программ. А где наши институты и фонды, где у нас располагается идеологический центр страны?
- Я бы тоже хотел это понять и увидеть… Зато, благодаря американским исследователям, мы много знаем о себе, о своих уязвимостях. Вот что, к примеру, пишет RAND Corporation: «Наибольшей уязвимостью Российской Федерации в любой конкуренции с США является её экономика, которая сравнительно невелика и сильно зависит от экспорта энергоносителей. Экономическая политика России - плоха и слаба». А вот в чём китайцы видят наши слабые места: в низкой численности населения (считают, что для мировой державы такое количество граждан «не по статусу»), в мононаправленности российской экономики, в неудачном расположении на глобусе - то есть в климате. Хотя я считаю, что про климат они ничего не поняли, это наоборот - наше преимущество…

«Там, где речь идёт о национальной безопасности, контроль должен быть у силовиков, а не у банкиров»
- Разберутся и будут бить по самым важным точкам. По каким именно, не назовёте?
- Ещё раз процитирую начальника внешней разведки СССР Леонида Шебаршина: «Только одна держава в мире может разгромить Россию. Это сама Россия». В этом суть. Все решения - здесь, в нас самих! Не зря Владимир Путин посвятил Послание именно внутренним вопросам. Захватить Россию невозможно, сколько не пытались это сделать, её можно разрушить только изнутри, разрушить прежде всего те ценности, те скрепы, то понимание смысла нашей истории, нашей цивилизации, разрушить всё то, что сегодня мы должны сохранить и передать нашему потомству.
В первую очередь сегодня под ударом находится институт президента и персонально Владимир Путин. Вторая цель - силовики и армия. Особенно армия, потому что это стержневой институт государства, определяющий его устойчивость.
Причём удары по армии порой наносятся и с тыла. Помните, как прошлым летом руководство финансового блока буквально на ровном месте предложило «распогонить» часть офицеров и сократить военный бюджет, а когда экономическую атаку на нас отбили, когда большая часть общества выступила в поддержку Минобороны, заявило, будто их не так поняли! И я полагаю, что эта атака далеко не последняя.
Удары извне будут наноситься по критическим инфраструктурам - по энергетике, логистике, базам социальных сервисов, по банковской системе, социальным сетям, СМИ, по системе оповещения о чрезвычайных ситуациях. Как это будет происходить? У них всё уже расписано. Слышали, конечно же, о так называемой зелёной повестке, якобы связанной с минимизацией техногенного влияния на окружающую среду и переходом на чистые технологии? На самом деле это вовсе не о климате, на самом деле - это троянский конь, который под внешне благовидным предлогом должен вскрыть наш экономический суверенитет и добить ногами наш реальный сектор, да и экономику в целом.
Ещё одна наша критическая уязвимость - цифровизация, которая проводится на чужом «железе» и на импортном программном обеспечении. И посмотрите, кто у нас курирует цифровизацию - некий «Больше чем банк», в котором из восьми членов правления трое - иностранцы, а их главный айтишник - британец.
Убеждён: там, где речь идёт о национальной безопасности, контроль должен быть у силовиков, а не у банкиров. Для победы в ментальной войне нужны кадры! Именно их мы готовим на базе Военного университета МО РФ в рамках проекта «Психологическая оборона».
- А не много ли военные на себя берут?
- Мы обеспечиваем безопасность, а это базовая платформа развития России! На мой взгляд, сегодня армия является единственным источником идеологии служения Отечеству. И не только идеологии. Посмотрите, что мы делаем. В разработке вакцины «Спутник-V» вместе с Национальным исследовательским центром эпидемиологии и микробиологии имени Гамалеи участвовало и Министерство обороны РФ, так что это и военный продукт. Опять же в разгар пандемии военные строители в кратчайшие сроки и за минимальные деньги возвели необходимое количество госпиталей - ничего подобного в стране и мире нет. Мы и БАМ строим, и молодёжью занимаемся - проекты Юнармия и Авангард именно об этом. В Министерстве обороны создана целая система довузовского образования. И надо понимать, что выпускники кадетских корпусов, суворовцы, нахимовцы - это не только армейский резерв, это - в перспективе - элита общества, и что важно - национально ориентированная.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб мар 19, 2022 11:36 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1104 от 21 марта 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Как доказано в статье А.И. Орлова, развивающая идеи Аристотеля солидарная информационная экономика – основа новой парадигмы экономической науки.
По мнению Института РУССТРАТ, в «Великой перезагрузке»: Клаус Шваб принял эстафету от Римского клуба. Мировая закулиса поручила Клаусу Швабу продолжить "славное дело" Дэвида Рокфеллера и Збигнева Бжезинского
Вышла новая книга Г.В. Носовского и А.Т. Фоменко "Великое завоевание мира" (четвертая книга новой серии "Русь и Рим", издание четвертое, написанное заново). Издательство АСТ, 2021.г. Познакомьтесь с оглавлением.








Развивающая идеи Аристотеля солидарная информационная экономика – основа новой парадигмы экономической науки

Александр Иванович Орлов
Проф., д.т.н., д.э.н., к.ф.-м.н., заведующий лабораторией экономико-математических методов в контроллинге Научно-образовательного центра «Контроллинг и управленческие инновации», профессор МГТУ им. Н.Э. Баумана.


Developing Aristotle's ideas, the solidary information economy is the basis
of a new paradigm of economic science

Alexander Ivanovich Orlov


Резюме. Аристотель – общепризнанный основоположник экономической науки. В XVIII–XIX вв. на смену теории Аристотеля пришла рыночная экономика, в ХХ в. сменившаяся смешанной экономикой. С взрывным развитием цифровой экономики в XXI в. идеи Аристотеля об управлении хозяйством с целью удовлетворения потребностей становятся все более актуальными. Выполненные в ХХ в. проекты ОГАС В.М. Глушкова и Киберсин Ст. Бира являются примерами разработок в духе Аристотеля. Солидарная информационная экономика XXI в., развивающая идеи Аристотеля, является основой новой парадигмы экономической науки. Следует вывести рыночную экономику из употребления в науке и преподавании, и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Настоятельно необходима смена парадигмы экономической науки, ее основой должна являться солидарная информационная экономика, развивающая идеи Аристотеля.
Ключевые слова: экономическая наука, парадигма, Аристотель, информационно-экономические технологии, управление, солидарная информационная экономика, планирование, цифровая экономика.

Abstract. Aristotle is the generally recognized founder of economics. In the XVIII–XIX centuries the theory of Aristotle was replaced by a market economy, in the twentieth century followed by a mixed economy. With the explosive development of the digital economy in the 21st century Aristotle's ideas about managing the economy in order to meet needs are becoming more and more relevant. Made in the twentieth century. projects OGAS (V.M. Glushkov) and Cybersin (St. Beer) are examples of developments in the spirit of Aristotle. The solidary information economy of the 21st century, developing the ideas of Aristotle, is the basis of a new paradigm of economic science. The market economy should be taken out of use in science and teaching and replaced as a basic economic theory by a solidary information economy. It is imperative to change the paradigm of economic science, its basis should be a solidary information economy, developing the ideas of Aristotle.
Keywords: economic science, paradigm, Aristotle, information and communication technologies, management, solidary information economy, planning, digital economy.

Содержание
Введение
1. Основные экономические идеи Аристотеля
2. Судьба экономических взглядов Аристотеля
3. Солидарная информационная экономика как возрождение учение Аристотеля
4. Развитие солидарной информационной экономики
5. Солидарная информационная экономика – основа новой парадигмы экономической науки
Выводы


Table of contents

Introduction
2. The main economic ideas of Aristotle
3. The fate of Aristotle's economic views
4. Solidary information economy as the revival of the teachings of Aristotle
5. Development of a solidary information economy
6. Solidary information economy – the basis of the new paradigm of economic science
Conclusions



Synopsis

As a consequence of the deployment of the digital economy, the need has arisen for a paradigm shift in economic theory. Instead of the concepts of a market economy and free enterprise, we offer, as the basis of a new paradigm, the solidary information economy that we are developing.
According to the definition of Aristotle, the founder of economic science, economics is an economic activity aimed at meeting the natural needs of people. Following Aristotle, we believe that economics is the science of how to manage the economy. The purpose of economic activity is the satisfaction of needs, and not profit. Digitalization is the fourth industrial revolution. The number of innovations in the application of information and communication technologies in the economy and management has shifted to quality.
Consumer society is a thing of the past. In recent years, the international community has begun to pay more attention to the fact that borrowing is much more economical and more convenient than a regular purchase. The financial crisis of 2008 became a kind of catalyst for changes in the global economy, a completely new phenomenon appeared – the sharing economy, i.e. “joint ownership”, which is not based on the usual buy-sell relations, but on rent. Sharing economy relies on digital technology.
Computer power by the end of the twentieth century reached such a level of development that it became possible to carry out calculations, firstly, for all manufactured goods and services, and secondly, for the entire globe. There is an opportunity to plan the production of all possible goods and services on a global scale. A six-step scheme for the application of a solidary information economy to improve the efficiency of management processes in a large-scale economic system (an example is the space-rocket industry) is proposed. Organizational-economic, mathematical and software for controlling, innovation and management are considered in our monographs and articles in the light of the ideas of a solidary information economy.
The market economy is outdated and has become a brake both in the development of economic theory and in solving practical problems. The denial of the market economy is the denial of the denial of Aristotle's economics.
Wind from the East overcomes the wind from the West, as Chairman Mao Zedong said. In terms of gross domestic product (calculated on the basis of purchasing power parity), the People's Republic of China has been in first place in the world since 2014, demonstrating the importance of the planning and the solidary information economy as a whole in the development of the economy. The guidelines of theoretical constructions (i.e., the paradigm of economic science) should be brought in accordance with the new reality.
It is necessary to take the market economy out of use in science and teaching and replace it as a basic economic theory with a solidary information economy. In short, a paradigm shift in economics is needed. The basis of the new paradigm is the solidary information economy, which develops the ideas of Aristotle.


Реферат

Как следствие развертывания цифровой экономики назрела необходимость смены парадигмы экономической теории. Взамен концепций рыночной экономики и свободного предпринимательства предлагаем в качестве основы новой парадигмы разрабатываемую нами солидарную информационную экономику.
Согласно определению основоположника экономической науки Аристотеля, экономика – это хозяйственная деятельность, направленная на удовлетворение естественных потребностей людей. Вслед за Аристотелем полагаем, что экономика – это наука о том, как управлять хозяйством. Цель хозяйственной деятельности – удовлетворение потребностей, а не получение прибыли. Цифровизация – четвёртая промышленная революция. Количество инноваций в области применения информационно-коммуникационных технологий в экономике и управлении перешло в качество.
Общество потребления уходит в прошлое. В последние годы мировое сообщество стало больше обращать внимание на то, что заимствование намного экономнее и удобнее обычной покупки. Финансовый кризис 2008 года стал своеобразным катализатором изменений в мировой экономике, появился абсолютно новый феномен – sharing economy, т.е. «совместное владение», в основе которого лежат не привычные нам отношения «купи-продай», а аренда. Sharing economy опирается на цифровые технологии.
Мощности компьютеров к концу ХХ в. достигли такого уровня развития, что стало возможным провести расчеты, во-первых, для всех производимых товаров и услуг, во-вторых, для всего Земного шара. Т.е. появилась возможность планирования производства всех возможных товаров и услуг в масштабе всего Земного шара. Предложена шестишаговая схема применения солидарной информационной экономики для повышения эффективности процессов управления в крупномасштабной экономической системе (пример – ракетно-космическая отрасль). Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента рассмотрены в наших монографиях и статьях в свете идей солидарной информационной экономики.
Рыночная экономика устарела и стала тормозом как в развитии экономической теории, так и при решении практических задач. Отрицание рыночной экономики – это отрицание отрицания экономики Аристотеля.
Ветер с Востока одолевает ветер с Запада, как говорил Председатель Мао Цзэдун. По валовому внутреннему продукту (рассчитанному на основе паритета покупательной способности) Китайская Народная Республика с 2014 г. находится на первом месте в мире, демонстрируя значение планового начала и солидарной информационной экономики в целом в развитии экономики. Следует привести в соответствии с новой реальностью ориентиры теоретических построений (т.е. парадигму экономической науки).
Необходимо вывести рыночную экономику из употребления в науке и преподавании и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Короче, необходима смена парадигмы экономической науки. Основой новой парадигмы является солидарная информационная экономика, развивающая идеи Аристотеля.


ОСНОВНОЕ СОДЕРЖАНИЕ СТАТЬИ

Введение
Сообщества людей всегда управляли своими хозяйствами. С развитием экономической деятельности человека появилось ее осмысление – экономическая наука. Специалисты по истории экономической мысли первым ученым-экономистом называют Аристотеля. Он внес основополагающий вклад в разработку начальной версии экономической теории, которая, после временного отступления, становится все более актуальной в настоящее время. Основой новой парадигмы экономической науки XXI в. является солидарная информационная экономика, которая развивает идеи Аристотеля на базе современной цифровой экономики.
Рассмотрим основные экономические идеи Аристотеля и судьбу его взглядов. Полагаем, что развиваемую нами солидарную информационную экономику следует рассматривать как возрождение учение Аристотеля на современной основе. Обсудим динамику создания солидарной информационной экономики, содержание терминов, входящих в название этого научного направления на различных этапах его развития. По нашему мнению, солидарная информационная экономика – основа новой парадигмы экономической науки.
При обсуждении настоящей работы целесообразно учесть, что по данным Российского индекса научного цитирования автор настоящей работы – один из наиболее цитируемых отечественных экономистов и математиков. Следовательно, наша солидарная информационная экономика входит в мейнстрим современной экономической теории.


1. Основные экономические идеи Аристотеля
Согласно Аристотелю [1983], экономика – это наука о том, как управлять хозяйством. Аристотель подробно рассматривает различные виды хозяйств.
1) Домашнее хозяйство. Экономику домашнего хозяйства можно условно назвать домоводством.
2) Городское или сельскохозяйственное предприятие. В настоящее время для таких видов хозяйств используются термины «экономика предприятия» и «микроэкономика».
3) Хозяйство города (полиса). Сейчас говорят об управлении муниципальной единицей, о местном самоуправлении.
4) Хозяйство региона (в терминологии Аристотеля – хозяйстве сатрапии). Это – региональная экономика.
5) Хозяйство государства в целом (империи). В настоящее время речь идет о макроэкономике, государственном управлении.
Всемирное хозяйство Аристотель не рассматривал, поскольку при его жизни экономические структуры стран, расположенных на разных континентах, практически не взаимодействовали. Тем более не было экономических теорий применительно к планетным системам, звездным скоплениям, галактикам. Нет их и сейчас из-за преждевременности.
Из сказанного ясно, что Аристотель рассмотрел практически все уровни взаимоотношений экономических субъектов, актуальные для современности. Противники теории Аристотеля пытаются свести его учение к домоводству. Такое мнение либо основано на незнакомстве с текстами Аристотеля, либо является сознательной дезинформацией, причины появления которой будут ясны из дальнейшего.
Аристотель полагал, что цель управления хозяйством – удовлетворение потребностей людей. Он резко критиковал так называемых «хрематистиков», полагавших, что цель экономической деятельности – получение выгоды (прежде всего прибыли).
Аристотель считал, что использование денег в хозяйственной деятельности не является обязательным, но не отказывался от возможности их применения, если оно оказывалось полезным для решения практических задач.

2. Судьба экономических взглядов Аристотеля
В течение многих столетий правители различных стран, назначенные ими чиновники, руководители городов и сельских общин управляли экономическими явлениями и процессами, добиваясь удовлетворения потребностей подданных. Труды Аристотеля служили теоретической базой их практической деятельности.
Ситуация изменилась с выходом на политическую арену третьего сословия – буржуазии. В результате победы буржуазных революций изменилось и главенствующее экономическое учение. Вместо учения Аристотеля на первом месте появилась т.н. «рыночная экономика», отражающая взгляды хрематистиков. Основные постулаты «рыночной экономики» хорошо известны:
1) цель работы предприятия (организации) – максимизация прибыли;
2) конкуренция – это благо, а монополия – зло;
3) государство не должно вмешиваться в экономическую жизнь, его удел – быть «ночным сторожем», поддерживающим порядок и ведущим борьбу с преступлениями.
Итак, в теоретическом осмыслении хозяйственной деятельности стала господствовать рыночная экономика (economics), либерализм, формулируемый несколько по-разному в разных публикациях, но все эти формулировки представляют собой различные модификации трех приведенных выше постулатов. Хотя по оценке американского экономиста и теоретика менеджмента П. Друкера [1994], 1873 г. – «конец эры либерализма – конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику», до сих пор в сознании российских исследователей и практических работников продолжает господствовать рыночная риторика.
Наблюдаем противоречие. В реальном мире «классическая» рыночная экономика господствовала около ста лет, а с 1873 г. была постепенно заменена на смешанную со значительным государственным участием. Германский кайзер начал активно управлять экономическими процессами. В ХХ в. так делали Ф. Рузвельт (США) и руководители социалистических стран. Теоретическое обоснование государственного вмешательства в экономическую практику было разработано Дж. Кейнсом. А вот в теоретических размышлениях и в преподавании классическая рыночная экономика продолжала быть господствующей, особенно в англосаксонских странах. Именно рыночная экономика в американском варианте XIX в. была внедрена в массовое сознание России в 1990-х годах. К настоящему времени стало ясно, что это внедрение имело целью дезориентацию экономического мышления как ученых и преподавателей, так и основной массы населения.
Временная победа хрематистики повлекла за собой и смену терминологии. Под экономикой стали понимать хрематистику, т.е. прежде всего науку о финансовых спекуляциях. А науку об управлении хозяйством стали называть не экономикой, а менеджментом, причем эту научную, практическую и учебную дисциплину предпочли официально считать одной из экономических наук.

3. Солидарная информационная экономика как возрождение учение Аристотеля
Временная победа хрематистики должна быть преодолена путем возрождения на новом уровне экономического учения Аристотеля. Современные информационно-коммуникационные технологии позволяют спланировать и организовать выпуск продукции и оказание услуг в объеме, необходимом для удовлетворения потребностей как отдельных людей, так и общества в целом.
При реализации этой программы есть две сложности, которые необходимо обсудить.
Технологические цепочки содержат много звеньев (зачастую тысячи), а потому для перехода от заданных потребностей к планам выпуска требуется осуществить весьма большой объем вычислений. Как подробно показали шотландские экономисты Кокшотт и Котрелл [Кокшотт, 2008; Cockshott W. Paul and Cottrell Allin F., 1996], к концу ХХ в. мощность компьютеров достигла необходимого для этого уровня. Отметим как следствие этого утверждения, что действовавший в СССР Госплан в принципе не мог адекватно выполнять свои задачи – в то время не хватало мощности вычислительной техники.
Вторая сложность связана с формированием набора потребностей в виде, позволяющем перейти к планированию. Индивидуальные потребности должны быть агрегированы в потребности общества, в частности, распределены по времени. Это, по нашей мнению, можно сделать с помощью методов теории принятия решений [Орлов, 2018], прежде всего технологий коллективных экспертных оценок [Орлов, 2011], в том числе Форсайта.
Важные работы, направленные на возрождение экономического учения Аристотеля, были выполнены во второй половине ХХ в. Начало положила знаменитая книга Н. Винера 1948 г., заложившая основы современной кибернетики [1968]. Экономические проблемы обсуждаются в его более поздней книге [1958], посвященной роли кибернетики в развитии общества.
В послевоенные годы в нашей стране, как и во всем мире, разрабатывались различные типы автоматизированных систем управления экономическими и организационными системами. В начале 1960-х гг. В.М. Глушков предложил руководству СССР создать Общегосударственную автоматизированную систему управления экономикой страны (ОГАС). По его оценке, для реализации этого замысла требовались огромные ресурсы – как минимум 15-20 лет и 20 млрд. тогдашних рублей. Однако результат стоил того: ОГАС давала реальный шанс построить самую эффективную экономику в мире. В.М. Глушков писал:
«Отныне только «безмашинных» усилий для управления мало. Первый информационный барьер или порог человечество смогло преодолеть потому, что изобрело товарно-денежные отношения и ступенчатую (иерархическую – А.О) структуру управления. Электронно-вычислительная техника – вот современное изобретение, которое позволит перешагнуть через второй порог. Происходит исторический поворот по знаменитой спирали развития (общества – А.О.). Когда появится государственная автоматизированная система управления, мы будем легко охватывать единым взглядом всю экономику. На новом историческом этапе, с новой техникой, на новом возросшем уровне мы как бы «проплываем» над той точкой диалектической спирали, ниже которой, отделенный от нас тысячелетиями, остался лежать период, когда свое натуральное хозяйство человек без труда обозревал невооруженным глазом [Глушков, 1975]».
К сожалению, тогдашнее руководство СССР оказалось не в состоянии решиться на реализацию этого грандиозного проекта. Однако с тех пор создавались различные автоматизированные системы управления, предназначенные для отдельных сфер деятельности, отраслей, предприятий.
Аналогичная по замыслу система, хотя и более скромная по масштабам, была создана и применена на практике в Чили, во время президентства Сальвадора Альенде. Один из основоположников кибернетики англичанин Стаффорд Бир разработал автоматизированную систему управления национализированными предприятиями Чили. Проект получил название «Киберсин» [Бир, 1993]. Автоматизированная система сбора и обработки информации состояла из четырех основных компонент: «Кибернет» – система связи (тогда связь осуществлялась еще на основе телексов), «Киберстрайд» – система компьютерных программ, «Чико» – математическая модель чилийской экономики. В «Киберсин» входила ситуационная комната, из которой велось управление (зал с экранами, на которых отображалось в виде графиков и схем состояние экономики Чили). Можно было управлять производством всей страны в реальном времени (каждым конкретным предприятием), сразу же видеть результаты принятых решений и при необходимости вносить поправки. Кроме того, в каждом населенном пункте создавались «опросные пункты», где производился автоматизированный опрос населения по поводу принимаемых мер. Эти центры были включены в систему «Киберсин» как четвертая составляющая проекта, и правительство быстро узнавало реакцию населения на очередное нововведение. Разработки Бира дают прототипы для дальнейшего этапа развития коммуникационно-информационных систем управления предприятиями и их объединениями – интегрированными производственно-корпоративными структурами, а также регионами, муниципальными образованиями, субъектами федерации, Россией, международными объединениями, Землей в целом.
Современная экономическая теория, основанная на возрождении учения Аристотеля на основе использования информационно-коммуникационных технологий XXI в., получила название солидарной информационной экономики. В ней продолжаются и развиваются, в частности, идеи ОГАС и «Киберсин».

4. Развитие солидарной информационной экономики
Первая публикация по солидарной информационной экономике появилась в 2007 г. [Орлов, 2007]. Она называлась «Неформальная информационная экономика будущего». Каждая составляющая этого слова заслуживает обсуждения.
Термин «экономика» понимается по Аристотелю – наука о том, как управлять хозяйством, а также ее применения при решении практических задач. В близком смысле используют также термин «политическая экономия". Пишут так: «Экономическая теория изучает теоретические основы экономических процессов; а политэкономия изучает законы, управляющие производством, распределением и обменом жизненных благ в человеческом обществе на различных ступенях его развития». Популярен термин «экономика предприятия», но никто не рассуждает об «экономии предприятия» или «политической экономии предприятия».
Термин «информация» многозначен. Приведем формулировки, относящиеся к динамическому подходу к изучению вопросов индивидуальных и глобальных эволюционных процессов, короче говоря, к биокосмологии. Как пишут К.С. Хруцкий и Р. Климек: «Информация – это, по сути, Натуралистский закон и реально существующая сила, и ее сущность выражается во врожденной способности субъекта к осуществлению Функционалистского Триадологического (и во всех семиотических сферах) Триединства неотъемлемых полярностей (противоположных потенций) и их Гомеостатической целостности (Интегральной основы), и которая (Интегральное основание) в равной степени являет собой Онтогенетическую (Энтелехистскую и Гилеморфистскую) ось для всего жизненного пути субъекта (живого существа) – его Само-развития и Само-актуализации [Khroutski K.S., Klimek R., 2018, с.239]».
Они же поясняют: «Информационная причина – это, по сути, Натуралистская причина, которая по своей природе («κατα φυσιν» –причинность), тестируя и получая (резонируя с) все востребованные необходимые контакты и сообщения – таким естественным образом она осознает (обнаруживает, раскрывает) присущее решение, самостоятельное и мотивированное для данного субъекта жизни – технологию на объединение родственных полярностей (противоположных оснований), для достижения эффективного гомеостатического существования и всего присущего Функционалистского (Энтелехистского, Онтогенетического) саморазвития [Khroutski K.S., Klimek R., 2018, с.221]».
В обоих случаях подчеркивается Внутреннее (Природное) происхождение Информации; да и латинский термин “informatio” недвусмысленно на это указывает. В другой статье [Bremer et al., 2017, p.20] с участием тех же авторов сказано: «Концепция Фомы Аквинского “in-form-atio” – мы можем позволить себе Биокосмологическое и Интегралистское (как внутреннее, так и внешнее, но, в первую очередь, изнутри) толкование значения «информация»: как “in-” (основанный внутри – эндогенно), “form-” – морфэ (как морфофункциональная структура – целевой функциональный орган) и “atio-” (по сути, как этиологическая сила – в основном действующая изнутри)».
Термин «информационная экономика» используется многими авторами, чего нельзя сказать о двух других составляющих первоначального названия. Например, под ней понимают современную стадию развития экономики и общества, характеризующуюся повышенной ролью информации как фактора производства и результата производственной деятельности.
Термин «неформальная» был использован нами для того, чтобы подчеркнуть отрицательное отношение к волюнтаризму (другими словами, чисто командным методам) [Орлов, 2012]. Однако в дальнейшем мы от него отказались, поскольку этот термин часто используют применительно к криминальным явлениям. Мы заменили его на «функционалистско-органическая» в соответствии с концепциями Биокосмологии [Orlov, 2013; Орлов, 2015, 2017]. Однако этот термин не является привычным для широкого круга специалистов. Поэтому мы сделали еще одну замену – на «солидарная», понимая вслед за П.А. Кропоткиным [2011] термин «солидарная» как антоним к «конкуренция», «борьба за существование» (солидарность рассматривается как важнейший фактор развития человеческого общества, возрастание которого ведет к прогрессу и всеобщему благоденствию, а утрата – к взаимной борьбе за существование, нищете и эксплуатации). В ряде случаев, мы давали разъяснение в скобках: «функционалистско-органическая (солидарная)» [Орлов, 2015, 2017].
Термин «будущего» был включен в название экономической концепции потому, что, как мы полагали, она посвящена управлению хозяйством в достаточно далеком будущем. Однако этот будущий этап развития общества и его хозяйственной системы проявился гораздо раньше, чем казалось. Будущее уже наступило. Поэтому мы сняли этот термин из названия разрабатываемой теории.
Промежуточный итог развития солидарной информационной экономики был подведен в разделе 1.1 «Основы солидарной информационной экономики» монографии «Современная цифровая экономика» [Лойко и др., 2018] и в статье «Аристотель и цифровая экономика [Орлов, 2019]». В дальнейшем целесообразно достаточно подробно обсудить утверждение: «Солидарная информационная экономика – это марксизм (экономическая теория коммунистического движения) на современном этапе».

5. Солидарная информационная экономика – основа новой парадигмы экономической науки
Необходимость перехода к новой парадигме экономической науки вызывается рядом причин, основная из которых – взрывообразное развитие цифровой экономики, основанной на современных информационно-коммуникационных технологиях, которые позволяют дать новые решения старым проблемам рационального развития хозяйства.
Развитие современной цифровой экономики дает возможность обеспечения удовлетворения потребностей путем организации экономической жизни на основе кибернетических инструментов планирования [Орлов, 2019а].
Напомним, что парадигма – это базовый набор концепций или шаблонов мышления, включая теории, методы исследования, постулаты и стандарты, в соответствии с которыми осуществляются последующие построения, обобщения и эксперименты в рассматриваемой области исследований и деятельности. В настоящее время в России распространена устаревшая парадигма экономической теории, основанная на представлениях рыночной экономики.
Парадигма Аристотеля отрицалась парадигмой рыночной экономики. Сейчас мы наблюдаем отрицание отрицания – на смену рыночной экономике приходит парадигма солидарной информационной экономики, на новом уровне возрождающей парадигму Аристотеля. Сопоставьте это утверждения с приведенными выше формулировками В.М. Глушкова.
Важно разделить два процесса – развитие хозяйственной практики и изменения экономической теории. В каждом из этих процессов наблюдаем отрицание отрицания экономики Аристотеля, в первом из них – хозяйства времен Аристотеля, во втором – теоретических воззрений.
Весьма важно, что во всем мире все более широкие слои населения отказываются от поддержки хрематистики и выбирают другие жизненные ценности. Это проявляется, в частности, в переходе от владения к аренде, а также к отказу от раздувания личной собственности и личного потребления [Auken, 2016; Орлов, Сажин, 2019].

Выводы
Как следует из сказанного выше, рыночная экономика устарела и стала тормозом как в развитии экономической теории, так и при решении практических задач. Отрицание рыночной экономики – это отрицание отрицания экономики Аристотеля.
Ветер с Востока одолевает ветер с Запада, как говорил Председатель Мао Цзэдун (речь на Совещании коммунистических и рабочих партий в Москве 16 ноября 1957 г., см. [Маоизм, 1980]). По валовому внутреннему продукту (рассчитанному на основе паритета покупательной способности) Китайская Народная Республика с 2014 г. находится на первом месте в мире, демонстрируя значение планового начала и солидарной информационной экономики в целом в развитии экономики. Следует привести в соответствии с новой реальностью ориентиры теоретических построений (т.е. парадигму экономической науки).
Необходимо вывести рыночную экономику из употребления в науке и преподавании и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Короче, необходима смена парадигмы экономической науки [Орлов, 2020]. Основой новой парадигмы является солидарная информационная экономика, развивающая идеи Аристотеля.


Список использованных источников

Аристотель. Политика // Сочинения в 4-х томах. – М:, Мысль, 1983. Т.4. – 830 с.
Бир Ст. Мозг фирмы. – М.: Радио и связь, 1993. – 416 с.
Винер Н. Кибернетика, или Управление и связь в животном и машине. – 2-е изд. – М.: Советское радио, 1968. – 326 с.
Винер Н. Кибернетика и общество. – М.: Изд-во иностранной литературы. 1958. – 200 с.
Глушков В.М. Макроэкономические модели и принципы построения ОГАС. – М.: Статистика, 1975. – 160 с.
Друкер П.Ф. Новые реальности в правительстве и политике, в экономике и бизнесе, в обществе и мировоззрении: Пер. с англ. – М.: Бук Чембэр Интернэшнл, 1994. – 380 с.
Кокшотт П. Расчёт в натуральной форме: от Нейрата до Канторовича. Перевод С. Маркова под ред. С. Голикова и Д. Левыкина. 2008 [Электронный ресурс]. URL: http://left.ru/2009/6/cockshott188.phtml (дата обращения 28.10.2020).
Кропоткин П.А. Взаимная помощь среди животных и людей как двигатель прогресса. Изд.2, доп. – М.: Книжный дом «ЛИБРОКОМ», 2011. – 280 с.
Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
Маоизм без прикрас. Редактор: Владимиров О.Е. – М.: Прогресс, 1980. – 285с.
Орлов А.И. Аристотель и неформальная информационная экономика будущего / Biocosmology – neo-Aristotelism. 2012. Vol.2. №3. С. 150–164.
Орлов А.И. Аристотель и цифровая экономика / Biocosmology – neo-Aristotelism. 2019. V. 9, № 1-2. С. 7–20.
Орлов А.И. Вперед к Аристотелю: функционалистко-органическая (солидарная) информационная экономика взамен рыночной экономики / Biocosmology – neo-Aristotelism. 2017. Vol. 7, № 3-4. С. 411–423.
Орлов А.И. Методы принятия управленческих решений. – М.: КНОРУС, 2018. – 286 с.
Орлов А.И. Неформальная информационная экономика будущего. // Неформальные институты в современной экономике России: Материалы Третьих Друкеровских чтений. – М.: Доброе слово: ИПУ РАН, 2007. – С.72–87.
Орлов А.И. Организационно-экономическое моделирование : в 3 ч. Ч.2. Экспертные оценки. – М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. – 486 с.
Орлов А.И. Солидарная информационная экономика – основа новой парадигмы экономической науки / Россия: Тенденции и перспективы развития. Ежегодник. Вып. 15: Материалы XIX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения». Ч. 1 / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2020. – С. 163–167.
Орлов А.И. Функционалистско-органическая (солидарная) информационная экономика – экономика без рынка и денег / Biocosmology – neo-Aristotelism. 2015. Vol. 5. № 3-4. C. 339–359.
Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019а. №20. С. 74–79.
Орлов А.И., Сажин Ю.Б. Инновации в менеджменте, экология, хрематистика и цифровизация // Инновации в менеджменте. 2019. № 22. С. 52–60.
Auken Ida, Parliament of Denmark. Welcome to 2030. I own nothing, have no privacy, and life has never been better – 2016. URL: https://www.weforum.org/agenda/2016/11/ ... t-that-is/ (дата обращения 08.04.2020).
Bremer J., Khroutski K.S., Klimek R, Tadeusiewicz R. Challenging integralism, Aristotelian entelecheia, hyle and morphe (form), and contemporary concepts of information, touching upon the aetiological issues of carcinogenesis (with reflecting feedbacks of Paul Beaulieu, Ana Bazac, Anna Makolkin, Leonardo Chiatti, Milan Tasić and Dariusz Szkutnik) / Biocosmology – neo-Aristotelism. 2017. V.9, № 1. С. 8–56.
Cockshott W. Paul and Cottrell Allin F. Information and Economics: A Critique of Hayek. November 1996. [Электронный ресурс]. URL: http://ricardo.ecn.wfu.edu/~cottrell/so ... itique.pdf (дата обращения 08.04.2020).
Khroutski K.S., Klimek R. Biocosmological definition of Information and its Naturalist causative significance, approaching to evolve the World Information University (WIU) / Biocosmology – neo-Aristotelism. 2018. V.8, № 2. С. 203–261.
Orlov A.I. Functionalist-Organic Information Economy – the Organizational-Economic Theory of Innovation Development / Biocosmology – neo-Aristotelism. 2013. Vol.3. №1. P. 52–59.

Публикация:
1184. Орлов А.И. Развивающая идеи Аристотеля солидарная информационная экономика – основа новой парадигмы экономической науки // Biocosmology – neo-Aristotelism. 2020. Vol. 10. № 3-4. С. 406-420.
https://biocosmology.org/wp-content/upl ... 0Nos34.pdf


«Великая перезагрузка»: Клаус Шваб принял эстафету от Римского клуба
Мировая закулиса поручила Клаусу Швабу продолжить "славное дело" Дэвида Рокфеллера и Збигнева Бжезинского

Москва, 2 марта 2021, Институт РУССТРАТ. План «Великой перезагрузки» (The Great Reset), анонсированный в прошлом году президентом Всемирного экономического форума (ВЭФ) профессором Клаусом Швабом, не является чем-то новым, уникальным в истории человечества. За красивыми словами о «справедливости», «равенстве», «учете интересов будущих поколений», «защите природы», «социальной ответственности», «устойчивом развитии», «зеленой энергетике», «здоровье человека как высшей ценности» и т.п. скрывается истинная цель элиты – мировая власть. Планы захвата власти над миром вынашивались веками. Но до сих пор успеха не имели.
Такой мир с вечной властью элиты над человечеством изображен во многих антиутопиях: «Мы» (роман Евгения Замятина, 1920 г.); «Дивный новый мир» (роман Олдоса Хаксли, 1932 г.); «Скотный двор» (повесть Джорджа Оруэлла, 1945 г.); «1984» (роман Джорджа Оруэлла, 1948 г.); «451 градус по Фаренгейту» (роман Рэя Брэдбери, 1953 г.) и др.
В этот же ряд антиутопий можно поместить некоторые произведения английского писателя Герберта Уэллса. Например, его роман «Машина времени» (1895 г.). Примечательно, что писатели, работавшие в жанре антиутопии, не просто занимались фантазиями, их произведения не следует рассматривать как банальные триллеры. Они нередко отражают (правда, иногда в сильно искаженном виде) реальные планы мировой элиты по переустройству планеты и установлению надежной (вечной) власти над человечеством.
Примечательно, что некоторые писатели занимались сочинением не только романов-антиутопий, но и программ (планов) переустройства мира. Вот, например, известный английский писатель Герберт Уэллс в 1928 году написал работу, похожую на политический манифест. Она называется «Открытый заговор».
Данная книга, кстати, была ранее не известна отечественному читателю. Только что был сделан ее перевод, она издана в начале нынешнего года: Герберт Джордж Уэллс. Открытый заговор. С предисловием проф. В. Ю. Катасонова. – М.: Кислород, 2021.
В указанной книге Уэллс, как активный член узкого круга лондонской интеллектуальной и политической элиты, сформулировал цель перестройки всего мирового порядка для того, чтобы во главе человечества стала избранная группа в лице самых продвинутых интеллектуалов (видимо, таких же как сам Герберт Уэллс) и «наиболее сознательных» представителей денежного капитала. Преимущественно из состава англосаксонской элиты.
Новый мировой порядок по Герберту Уэллсу предусматривал ограничения демографического роста и численности населения Земли, отказ национальных государств от своих суверенитетов и создание единого мирового государства, замену традиционных религий единой мировой религией (к разработке которой Герберт Уэллс, будучи атеистом, готов был приступить) и т.п.
Особой известности тогдашний план мировой перестройки Герберта Уэллса не получил, поскольку мировая закулиса готовила более грандиозный план завоевание власти на планете через подготовку и развязывание второй мировой войны. Что-то в реализации этого плана пошло не так, поскольку в итоге Советский Союз, который должен был быть уничтожен, вышел из войны победителем. И более того, ряд стран встал на путь социалистического строительства. Они вместе с СССР образовали свой социалистический лагерь, который полностью вышел из-под контроля мировой элиты.
После второй мировой войны разработка планов продолжалась. Наиболее амбициозным стал план, который создавался Римским клубом, учрежденным в 1968 году миллиардером Дэвидом Рокфеллером. Этот план имел форму не политического манифеста (типа «Манифеста коммунистической партии» Карла Маркса и Фридриха Энгельса 1848 года), а серии научных докладов.
Наиболее известными были доклады «Пределы роста» (1972 г.); «Человечество на перепутье» (1974 г.); «Цели для человечества» (1977 г.); «За пределами роста» (1989 г.); «Первая глобальная революция» (1991 г.); «Пределы роста: 30 лет спустя» (2004 г.); «Очерк теории роста человечества: Демографическая революция и информационное общество» (2006 г.); «Выбирая наше будущее: альтернативы развития» (2015 г.). В наукообразной форме делались выводы, убедительность которых нередко подкреплялась расчетами на мощных компьютерах.
Выводы достаточно алармистские: мол, человечество уже в недалеком будущем может столкнуться с такими проблемами, как экологический кризис, истощение природных ресурсов, климатическая катастрофа. Нередко эти выводы сопровождались красочными деталями, рисующими катастрофы будущего.
Например, рисовалась картина катастрофы в результате потепления климата: затопление обширных территорий в результате таяния льдов и повышения уровня мирового океана. Апокалиптическая картина, напоминающая Великий всемирный потоп, описанный в Ветхом Завете.
Другие сценарии не менее страшные: всемирный голод в результате истощения плодородных земель, массовые отравления грязной водой, смерти от удушья в грязной атмосфере, гибель человечества в результате разрушения озонового слоя Земли и др. Подобный алармизм призван создать в мире атмосферу перманентного страха, которая является непременным условием эффективного глобального управления человечеством.
Что же делать? - От одного доклада к другому читателям внушалось, что для спасения человечества необходимо предпринять следующие шаги:
1) остановить рост народонаселения, а со временем приступить к его сокращению, доведя численность жителей Земли до «оптимального» уровня в 1 миллиард человек;
2) остановить дальнейшее развитие промышленности и приступить к де-индустриализации; создавать постиндустриальное общество – некий виртуальный мир, где люди будут создавать и потреблять не материальные продукты, а услуги;
3) государствам отказываться от национальных суверенитетов (они мешают человечеству бороться с глобальными вызовами); передача все большей части государственных функций глобальным корпорациям;
4) проводить цифровизацию всех сторон жизни (экономика, финансы, государственное управление, личная жизнь человека и др.);
5) переделка человека, превращение homo sapiens в некое подобие биоробота (или «служебного человека»);
6) создание единого мирового государства и учреждение мирового правительства.
Шестой шаг будет последним, его можно рассматривать как конечную цель. Мировое правительство будет формироваться за счет элиты, составляющей не более 1% человечества. Мировое правительство через ряд глобальных корпораций будет управлять остальными 99% населения Земли. Последние (вид, называемый «служебным человеком»; по сути, это рабы) будут находиться в цифровом концлагере.
Под последним понимается система жесткого цифрового контроля поведения человека и даже его мыслей. В случае отклонения обитателя такого концлагеря от установленных норм поведения, его отключают от систем жизнеобеспечения. Впрочем, такое отключение может произойти даже при отклонении от норм мышления. У Оруэлла в романе «1984» это называется «мыслепреступлением».
В сжатом виде плана Римского клуба по перестройке мирового порядка, расписанного по пунктам и этапами, мы нигде не найдем. Но его можно реконструировать, ознакомившись с коллекцией докладов указанной организации, которые создавались в течение полувека.
Можно заметить, что многие идеи, содержащихся в докладах Римского клуба, нашли свое отражение в плане «Великой перезагрузки».
Некоторые такие идеи Шваб в своей книге представляет в развернутом виде, а некоторые обозначает лишь одним-двумя предложениями. Это как бы условный знак, обращенный к «посвященным», которые поймут, что стоит за той или иной лаконичной строчкой. Вот, например, фраза: «Чем больше демографический рост, тем выше риск новых пандемий».
Клаус Шваб дает понять: я за ограничение численности населения на планете! Шваб – верный продолжатель дела англичанина Томаса Мальтуса, который еще более двух веков назад призвал регулировать демографические процессы и даже сокращать численность населения «во благо человека»!
Вот и Герберт Уэллс в упомянутом выше манифесте «Открытый заговор» более 90 лет назад призывал к сдерживанию роста народонаселения. Тут мы видим, что мальтузианство и неомальтузианство давно уже стало непререкаемым догматом идеологии мировой элиты.
А вот еще один сигнал «посвященным»: «Если демократия и глобализация будут расширяться, то национальному государству места не останется». Эту фразу он произносит в контексте обсуждения так называемой «трилеммы»: «демократия – глобализация – национальное государство».
Совместить три эти элемента, по Швабу, невозможно. При разных комбинациях двух элементов третий элемент «вылетает» как несовместимый. «Чем же пожертвовать?» - глубокомысленно размышляет Клаус Шваб. И с наигранным сожалением говорит: национальным государством. Демократизация и глобализация, мол, важнее. Правда, насчет демократизации большой вопрос.
Вся книга говорит об обратном: об усилении диктатуры мировой элиты, о построении мирового электронного концлагеря. А какая может быть демократия в концлагере? Из трех элементов в «дивном новом мире» останется лишь один – глобализация. Имеется в виду, что власть элиты будет иметь глобальный характер. Также глобальным будет концлагерь.
О том, что автор книги является противником национального государства и других традиционных ценностей прошлого (семьи, религии, национальной культуры), мы узнаем также из следующего откровения Шваба:
«С введением локдауна усиливается наша привязанность к близким, мы больше ценим тех, кого любим – членов семьи и друзей. Но обратная сторона здесь в том, что это вызывает рост патриотических и национальных чувств вместе с темными религиозными воззрениями и этническими предпочтениями. И это токсичное смешение выявляет в нас худшее…».
Следовательно, рассуждает Клаус Шваб, для построения дивного нового мира человека надо воспитывать и переделывать. И здесь он ничего нового не изобретает, поскольку Римский клуб давно уже поставил задачу радикальной переделки человека, превращения его в подобное животному функциональное существо с набором рефлексов. Что-то наподобие биоробота.
Особенно эта задача и пути ее решения были обозначены в книге первого президента Римского клуба Аурелио Печчеи «Человеческие качества» (1977 г.). Клаус Шваб не раскрывает в своей книге подробностей, что будет собой представлять человек эпохи «инклюзивного капитализма», но говорит, что он будет радикально отличаться от нынешнего:
«Формируется «новая нормальность», радикально отличная от той, которую мы понемногу оставим позади. Многие наши убеждения и догадки, как может или должен выглядеть мир, разрушатся».
Римский клуб говорил о постепенном замещении национальных государств транснациональными корпорациями. И Клаус Шваб говорит о том же: «Крупнейшие транснациональные компании возьмут на себя больше социальной ответственности, они будут активнее участвовать в общественной жизни и нести ответственность ради общего блага».
Внедрение цифровых технологий для построения электронного концлагеря мы находим и в докладах Римского клуба, и в плане «Великой перезагрузки». В книге Шваба мы читаем: «Чтобы положить конец пандемии, необходимо создать всемирную сеть цифрового контроля».
Очень много в книге Клауса Шваба говорится о «зеленой энергетике», о «зеленой экономике», об «устойчивом развитии», о «декарбонизации экономики» и т.п. За этими красивыми и не очень внятными терминами скрывается то, что на языке Римского клуба называется «де-индустриализация». Тогда (еще в 70-е годы прошлого века) эвфемизмом, заменявшим грубое слово «де-индустриализация» было «постиндустриальное общество».
Кстати, одним из первых, кто бросил этот термин в оборот, был Збигнев Бжезинский («постиндустриальное общество» появилось в его книге «Технотронная эра», 1969 год). Сегодня Клаус Шваб и Ко. решили «сменить пластинку»: вместо мантры «постиндустриального общества» зазвучала мантра «пост-углеродного общества».
Налицо все признаки того, что Римский клуб в конце второго десятилетия нынешнего века передал эстафетную палочку по доработке и практической реализации плана перестройки мирового порядка Всемирному экономическому форуму.
Чем обусловлена такая передача? – Моя версия следующая. В 2017 году из жизни на 102-м году ушел основатель и бессменный руководитель Римского клуба Дэвид Рокфеллер. А через несколько месяцев из жизни ушел Збигнев Бжезинский, который был правой рукой миллиардера в Римском клубе. Организация оказалась без рулевого, что сразу же отразилось на содержании докладов 2017-2019 гг.
И вот мировая закулиса поручила Клаусу Швабу продолжить "славное дело" Дэвида Рокфеллера и Збигнева Бжезинского. Причем от него требуется не столько вносить какие-то доработки в план, уже подготовленный Римским клубом, сколько начать практическую его реализацию.

https://russtrat.ru/analytics/2-marta-2021-0010-3290




Вышла новая книга Г.В. Носовского и А.Т. Фоменко "Великое завоевание мира" (четвертая книга новой серии "Русь и Рим", издание четвертое, написанное заново). Издательство АСТ, 2021.г.

Оглавление

Часть V. XIII - первая половина XIV века

Глава 26. Введение
26.1. Общий обзор нашей реконструкции
26.2. Об этрусках и итальянском Риме
26.3. О столице Империи и царских ставках
26.4. Переселение библейского Иакова с его двенадцатью сыновьями, основателями 12 колен Израилевых, с Босфора на Русь

Глава 27. Начало русской государственности по Русскому Летописцу и по Библии
27.1. Истоки русской истории и призвание Рюрика по Русскому Летописцу
27.2. Переселение библейского Иакова с его двенадцатью сыновьями, основателями 12 колен Израилевых, с Босфора на Русь в XIII веке
27.3. Рассказ Иоанна Малалы

Глава 28. Кольцевое расположение столиц как след великого завоевания XIV века
28.1. При бурном расширении границ Империи в сторону неосвоенных земель, военные лагеря, превращавшиеся затем в местные столицы, должны были располагаться приблизительно кольцеобразно вокруг столицы Империи
28.2. Кольцеобразное расположение столиц Евразии вокруг города Владимира
28.3. Таблица Виниуса расстояний от Москвы до европейских и азиатских столиц

Глава 29. Славянское завоевание мира по книге Мавро Орбини "О расширении народа славянского"
29.1. Помнили ли в Западной Европе о славянском завоевании?
29.2. Книга Мавро Орбини и ее русский перевод 1722 года
29.3. Завоевание Европы и Азии славянами по книге Орбини
29.4. Где работал Орбини
29.5. Список источников, которыми пользовался Орбини
29.6. Хронология в книге Орбини
29.7. Орбини об употреблении русских букв в Западной Европе
29.8. Орбини о готах славянах
29.9. Орбини о славянах Российских или Московитянах
29.10. Орбини о происхождении названия "Россия" от слова"рассеяние"
29.11. Орбини о гуннах и русском полководце Аттиле
29.12. Орбини о русских поморах-"биармах" плававших по Северному Ледовитому Океану с XIV века
29.13. Орбини об античных военных походах Московитов и об основании ими Сербии (Рашии)
29.14. Орбини о финнах славянах
29.15. Орбини о даках славянах
29.16. Орбини об аланах славянах. Славянское, оно же татарское, завоевание Египта, Кавказа и Западной Европы
29.17. Орбини о норманах славянах
29.18. Орбини об амазонках - славных воительницах славянских - и о царице Тамаре
29.19. Скиф, Рус и Славен как прародители славянских народов
29.20. Орбини о наследственном праве славян носить оружие
29.21. Кем был Мавро Орбини на самом деле?

Глава 30. Славянское завоевание мира по другим источникам
30.1. Славянское присутствие в Западной Европе отражено в многочисленных старых книгах, выведенных сегодня из обращения
30.2. Об Алексее Степановиче Хомякове
30.3. Хомяков об искажении русской истории западноевропейскими авторами
30.4. А.С.Хомяков о сохранившихся до его времени следах славянского завоевания в Западной Европе
30.5. Петр Никифорович Крекшин о неразрывной связи античной римской и древней русской истории
30.6. Булгарская (волжская) летопись Джагфар Тарихы 1680 года о завоевании мира
30.7. Оказывается, немецкая знать XVI века якобы поголовно сходила с ума, ожидая скорого вторжения московитов и турок в Европу
30.8. Почему книги, подобные книге Орбини, были замолчаны историками

Глава 31. Загадка этрусков
31.1. Фадей Воланский и Егор Иванович Классен
31.2. Себастьян Чьямпи и Александр Дмитриевич Чертков
31.3. Почему Чьямпи, Черткову и Воланскому не удалось убедить историков
31.4. Загадочные этруски
31.5. Что сегодня известно об этрусках
31.6. Спор о первородстве между Флоренцией и Римом
31.7. Две теории - восточного и северного происхождения этрусков
31.8. Как называли себя этруски
31.9. Этрусские цари Рима
31.10. Какой веры были этруски
31.11. Загадка этруских надписей
31.12. Примеры Воланского
31.12.1. Этруский надгробный памятник близ Креччио
31.12.2. Мальчик с гусем
31.12.3. Мальчик с птицей
31.12.4. Двусторонняя камея

Глава 32. Славянские следы в Европе и Азии
32.1. Славянская археология
32.2. Надгробная речь на русском языке на похоронах шведского короля в 1697 году
32.3. Как представляли себе мировую историю в Германии XVII-XVIII веков. Книга Иоганна Генриха Дримеля
32.4. Прародина немцев

Глава 33. Славянское завоевание мира XIV века, представленное как "монгольское" завоевание якобы XIII века
33.1. Что такое Монголия и татаро-монгольское нашествие. Казаки и Золотая Орда
33.2. Из кого состояли "монгольские" войска
33.3. Много ли было "монголов"? Монголы глазами современников. Как одевались монголы и русские
33.4. Татаро-монгольское завоевание и Православная церковь
33.5. Отсутствие генетических следов монгольского завоевания на Руси

Глава 34. Славянское завоевание мира XIV века, представленное как завоевания мира античным Римом и древнейшей Ассирией
34.1. Что такое античный Рим на самом деле. Почему античные римские источники написаны по-латыни
34.2. Происхождение слова "республика"
34.3. Где и как были изобретены римские цифры
34.4. Боги римско-греческого Олимпа - это русские ("ассирийские) цари
34.5. Древнее разделение Империи на 4 части

Глава 35. Мировая торговля
35.1. Торговля востока с западом. Моложская ярмарка
35.2. Почему до XVIII века в России не разрабатывали ни одного серебряного рудника
35.3. Нищающий запад и богатеющий восток
35.4. Когда в Западной Европе начали мыть руки перед едой?
35.5. Великий шелковый путь

https://chronologia.org/bibliography_rus_rim.html


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб мар 26, 2022 11:38 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1105 от 28 марта 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

Познакомьтесь со статьей А.И. Орлова и Ю.Б. Сажина "Солидарная информационная экономика как основа современной политэкономии".




УДК 330.10 : 330.34.01 : 330.173.34

08.00.01 Экономическая теория (экономические науки)

Солидарная информационная экономика как основа современной политэкономии

Орлов Александр Иванович
д.э.н., д.т.н., к.ф.-м.н., профессор
РИНЦ SPIN-код: 4342-4994

Сажин Юрий Борисович
к.т.н., доцент

Московский государственный технический университет им. Н.Э. Баумана, Россия, 105005, Москва, 2-я Бауманская ул., 5, prof-orlov@mail.ru
ssazhin11@yandex.ru

В истории экономических учений следует выделять три принципиально различные парадигмы, последовательно сменяющих друг друга. Первая – классическая парадигма Аристотеля, основоположника экономической науки. Вторая – парадигма рыночной экономики (капитализма). Третья – современная парадигма цифровой экономики, основанная на концепции солидарной информационной экономики. Солидарная информационная экономика развивается нами с 2007 г. Провозглашен переход к капитализму участия, другими словами, инклюзивному капитализму, который должен сменить действующий в настоящее время акционерный капитализм икоторый отрицает право личности на владение собственностью. Кратко даем некоторые определения стоимости и цены в классическом их понимании, исходя из трудовой теории стоимости. От современной концентрации производства и господства транснациональных корпораций - один шаг до организации всемирного хозяйства и оптимизации его функционирования в соответствии с методами солидарной информационной экономики. Природные ресурсы не имеют стоимости до тех пор, пока к ним не будет приложен человеческий труд. Рассмотрено ценообразование на природные ресурсы и извлечение природной ренты на примере такого популярного товара, как нефть. Обсуждаем образование земельной ренты. Дан анализ ситуации в США с собственностью на землю и недра. Для осознания всех пертурбаций с названиями новой экономики (информационной, цифровой и т.д.) и нового капитализма (посткапитализма, инклюзивного и др., или даже социализма) надо признать правоту и верховенство трудовой теории стоимости при формировании товарной стоимости. В соответствии с новой экономической парадигмой развития общества, основанной на солидарности, соединенной с информационными технологиями, должны измениться многие экономические категории, которые нацеливают производителя на безудержное производство и бесконтрольное потребление ресурсов, бездушное отношение к человеку труда и окружающей природе. Нужны глобальные перемены в законодательстве и хозяйственной практике, потому что человек также нуждается в защите, как и природа.

Ключевые слова: политэкономия, Аристотель, рыночная экономика, цифровая экономика, солидарная информационная экономика, стоимость, цена, трудовая теория стоимости, природная рента, новая парадигма экономики


UDC 330.10 : 330.34.01 : 330.173.34

08.00.01 - Economic theory (Economics)

Solidary information economy as a basis of modern political economy

Orlov Alexander Ivanovich
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor
Sazhin Yuri Borisovich
Cand.Tech.Sci., associate professor

Bauman Moscow State Technical University, Moscow, Russia

In the history of economic doctrines, three fundamentally different paradigms should be distinguished, successively replacing each other. The first is the classical paradigm of Aristotle, the founder of economics. The second is the paradigm of the market economy (capitalism). The third is the modern paradigm of the digital economy, based on the concept of a solidary information economy. We have been developing a solidary information economy since 2007. We proclaimed a transition to participatory capitalism, in other words, inclusive capitalism, which should replace the current share capitalism and which denies the individual's right to own property. We briefly give some definitions of value and price in their classical understanding, based on the labor theory of value. It is one step from the modern concentration of production and the domination of transnational corporations to organizing the world economy and optimizing its functioning in accordance with the methods of the solidary information economy. Natural resources have no value until human labor is applied to them. The article considers the pricing of natural resources and the extraction of natural rent using the example of such a popular commodity as oil. Discussing the formation of land rent. The analysis of the situation in the USA with the ownership of land and subsoil is given. To understand all the perturbations with the names of the new economy (informational, digital, etc.) and new capitalism (postcapitalism, inclusive, etc., or even socialism), it is necessary to recognize the correctness and supremacy of the labor theory of value in the formation of commodity value. In accordance with the new economic paradigm for the development of society, based on solidarity coupled with information technology, many economic categories must change, which aim the manufacturer at unrestrained production and uncontrolled consumption of resources, a soulless attitude towards the man of labor and the environment. We need global changes in legislation and economic practice, because a human being also needs protection, just like nature.

Keywords: POLITICAL ECONOMY, ARISTOTLE MARKET ECONOMY, DIGITAL ECONOMY, SOLIDARY INFORMATION ECONOMY, VALUE, PRICE, LABOR THEORY OF VALUE, NATURAL RENT, NEW PARADIGM OF ECONOMY
political economy, Aristotle, market economy, digital economy, solidary information economy, value, price, labor theory of value, natural rent, new paradigm of economy

DOI: http://dx.doi.org/10.21515/1990-4665-171-011


История не учительница, а надзирательница
magistra vitae (наставница жизни): она ничему
не учит, а только наказывает за незнание уроков.
В.О. Ключевский

«Sie wissen das nicht, aber sie tun es».
(Вы этого не знаете, но вы это делаете).
К. Маркс

1. Введение
Термин «политэкономия» (полное название – политическая экономия) удачно сочетает в себе две неразрывные сущности – политику и экономику. Как принято определять термин, политика – это сфера деятельности, связанная с отношениями между социальными группами, сутью которой является определение форм, задач, содержания деятельности государства. На древнегреческом языке politika – это государственные или общественные дела, от polis – государство. А экономика – это деятельность людей, связанная с производством жизненных благ, т.е. хозяйственная деятельность, а также наука о производстве, распределении и потреблении товаров и услуг.
Пишут, что политическая экономия как наука носит фундаментальный характер и является методологической базой для других экономических наук. При этом она ограничена в своем предмете исследованием наиболее общих экономических отношений. Например, она изучает стоимостные отношения, но не занимается правилами расчета величины стоимости, исследует историю и природу денег, но не занимается банковским делом, изучает природу и механизм производства прибавочной стоимости, но не рассматривает конкретные пропорции ее распределения. Можно сказать, что политэкономия – это общая экономическая теория, методология экономики, в отличие от конкретных экономических теорий (например, маркетинга, финансов или логистики).
Методология – это учение об организации деятельности [1, 2]. Политэкономия, как методология деятельности на стыке политики и хозяйственной практики, задает парадигму экономической науки. Мы полагаем [3], что в истории экономических учений следует выделять три принципиально различные парадигмы, последовательно сменяющих друг друга. Первая – классическая парадигма Аристотеля, основоположника экономической науки. Вторая – парадигма рыночной экономики (капитализма). Третья – современная парадигма цифровой экономики, основанная на концепции солидарной информационной экономики. Подчеркнем, что солидарность работников (т.е. единство, взаимопомощь) организуется, реализуется и поддерживается технологиями искусственного интеллекта. Что значит солидарная информационная экономика применительно к процессам создания новой стоимости? Работники (люди, обладающие живым трудом) при солидарном сотрудничестве в процессах производства, опираются на высокий уровень использования энергии, в форме передачи информации, исходящей из центров управления, оснащенных искусственным интеллектом.

2. Будущее теории управления хозяйством в условиях цифровой революции
Солидарная информационная экономика развивается нами с 2007 г. [4]. Схожие идеи были позже высказаны на Давосских форумах 2020 и 2021 гг. Так, немецкий экономист Клаус Шваб, основатель и бессменный президент (с 1971 г.) Всемирного экономического форума в Давосе, провозгласил переход к капитализму участия, другими словами, инклюзивному капитализму, который должен сменить действующий в настоящее время акционерный капитализм [5, 6] и который отрицает право личности на владение собственностью.
Процитируем профессора МГУ им. М.В. Ломоносова Е.Н. Ведуту: «Если же перейти к сознательно организованной экономической системе, которая только и способна реализовать объявленную цель проекта, то это будет означать переход к социализму. Здесь единственным инструментом координации действий для достижения роста общего блага с помощью глобальных инноваций является кибернетический искусственный интеллект в экономике» [7].
Становятся ясны контуры стейкхолдерского капитализма – еще одно название будущей системы организации хозяйства. Предстоят значительные изменения. Как отмечает к.и.н. А.И. Фурсов из МГУ, «недавно появился еще один термин «inclusive capitalism» – то есть, включающий капитализм, капитализм включения, где капиталистами «как бы», я подчеркиваю это словосочетание «как бы», становятся все участники, но путем лишения собственности» [6].
О сущности солидарной информационной экономики (СИЭ) можно подробно прочесть в работах первого из авторов (см., например, их сводку в главе 1 монографии [8]). Наблюдаемая сложность понимания этого длинного названия заключается в объединении трех, казалось бы не совместимых терминов, каждый из которых, в отдельности, сам по себе является сложным и важнейшими для человека понятием, обладающим суверенным (независимым) и многоуровневым построением.
Термин "солидарность" восходит к "взаимопомощи" по Кропоткину, который доказал, что взаимопомощь (солидарность) - более фундаментальна в жизни человечества (а также и сообществ животных), чем конкуренция [9]. Термин "информационная" подчеркивает роль информационно-коммуникационных технологий в современной хозяйственной практике, переход количества их применений в новое качество организации производства, распределения и потребления товаров и услуг, отражением этого перехода является термин "четвертая промышленная революция" [6]. Термин "экономика" по традиции используется в двух смыслах - как практика хозяйствования и как наука об этом хозяйствовании.
В последние годы вульгарными экономистами взамен этой конструкции (СИЭ) предлагается иное обозначение сложившихся отношений в товарной производстве: цифровая экономика и ее новое порождение – инклюзивный капитализм. Не будем в настоящей статье определять суть понятия «цифровая экономика», сошлемся лишь на том, что до настоящего времени нет исчерпывающих определений на эту тему. Кратко скажем, что некоторые авторы определений видят в современной, а значит в цифровой, экономике только возможности поступления-передачи сведений об экономических процессах и явлениях с помощью не бумажной информации, а через цифровые каналы. Также предполагается, что на рабочих местах человека труда заменят роботы (машины с искусственным интеллектом). Отдельные предсказатели уже предрекают освобождение человека из процесса создания товарной стоимости и независимость капиталиста от квалификации, знаний, умения и «капризов» работников. Предрекается, на основе опыта работы некоторых логистических компаний (в т.ч. интернет-компаний), использование на всех рабочих местах 100% промышленных роботов. Да, что далеко ходить, в России, в иных магазинах уже давно применяются кассы-автоматы, полностью исключающие труд кассиров (например, ритейлеры «ВкусВилл» и «EvroSpar»), продажа билетов на авиа и ж/д транспорт, в музеи, в театры осуществляется через интернет.
Наше понимание цифровой экономики раскрыто в монографии [8]. Отметим, что дискуссия идет с середины ХХ в., с обсуждения Н. Винером будущих "заводов-автоматов" [10].
Важным становится также исследование проблемы существования человека при отстранении его от труда, как носителя рабочей силы в качестве работника. В широкое обсуждение все чаще экономистами, политиками и полемистами различных направлений продавливается мысль о неизбежности выплат гарантированного дохода (как бы он ни назывался). Вопросы отчуждения человека от возможности получать оплату за труд, при использовании его рабочей силы, абсолютно не увязываются с прогрессом (не технологическим, а социальным) человечества, как уникального явления в природе, вершине эволюции природы, его развития, как личности.
Но еще более не ясным является вопрос о создании стоимости. Отвергая его полностью, а иногда просто прикрывая свои сентенции невнятными суждениями, отдельные современные экономисты (особенно необходимо в этом упрекнуть «нобелевских» лауреатов по экономике) передергивают суть трудовой теории стоимости, характеризуя производство товаров, как создание ценности или богатства, приносящее владельцу капитала (чаще финансового) желаемую «конкурентоспособную» прибыль при высокой рентабельности. В этой экономике производства прибыли, а не стоимости, нет места простому человеку из общества. Для них, современных апологетов капитализма, существует "экономикс", а не народное хозяйство, цена, а не стоимость, богатство, а не благосостояние. Кратко: хрематистика, а не экономика Ксенофонта, Аристотеля и политэкономия от Петти и Маркса.

3. Кратко о стоимости и цене
Прежде, чем развивать мысли о будущем человека, как участника производства стоимости, неизбежности «цифровизации» экономики, да и существовании самой экономики дадим некоторые определения стоимости и цены в классическом их понимании.
Стоимость – это категория в экономике, которая вызывает устойчивые ассоциации с ценой. Мы слышим:
- сколько это стоит?
- стоимость товаров составляет…
- растет стоимость услуг…
и понимаем, что речь идет о цене.
Но между стоимостью товара и его ценой имеется существенная разница. Ею обычно пренебрегают вульгарные экономисты.
Не вдаваясь в привычные дефиниции цены, уточним лишь то, что цена отражает денежную сумму при оценке возможности товара быть проданным/купленным или фактически полученную/выплаченную сумму денег при сделках купли/продажи.
Стоимость не меняет своей величины при купле/продаже, происходит лишь передача прав собственности на стоимость. Стоимость по трудовой теории стоимости Маркса – это сумма издержек производства и прибавочной стоимости. Можно и так: сумма постоянного капитала и дохода. А доход ни что иное, как совокупность заработной платы и прибавочной стоимости. Даже для одной и той же по величине стоимости, доход может иметь бесконечное число значений, потому что различной может быть цена при обмене. Полученный в денежной эквивалента доход называется "прибыль".
Стоимость. Если очень кратко, то стоимость – это количество общественно-полезного труда для создания некоторой потребительной стоимости. Она (при обмене товаров уже в качестве меновой стоимости) измеряется количеством прошлого и живого труда, израсходованного на создание единицы товара. Ниже приводятся несколько общепринятых дефиниций стоимости, отражающих ее различные стороны:
1. Стоимость – это то отношение, в котором одна вещь обменивается на другую. Это конкретное количество одного продукта при обмене на определенное количество другого.
2. Стоимость (англ. cost) – это:
- общественное свойство вещи, которое она приобретает в определённых исторических условиях при наличии товарного производства;
- воплощенный в товаре общественный труд и овеществленный в нем;
- создается в производстве, проявляется в обмене, когда произведенный товаропроизводителем товар приравнивается к другим товарам;
- внутреннее свойство товара, внешне проявляется в цене (в акте обмена) при продаже товара.
3. Стоимость товара равна сумме:
а) стоимости, созданной прошлым трудом и перенесенной конкретным трудом на данный товар с потребленных средств производства (первоначальной, начальной, исходной стоимости).
б) новой (прибавочной, вновь созданной, добавленной) стоимости, присоединенной живым трудом к первоначальной стоимости в данном производственном процессе.
В литературе, к настоящему времени, определились несколько названий терминов, входящих в формирование товарной стоимости:
Товарная стоимость = Первоначальная стоимость + Добавленная стоимость =
Постоянный капитал + Переменный капитал + Прибавочная стоимость
или
Товарная стоимость = Издержки производства + Прибавочная стоимость.

Товарная стоимость выражает, относительно к процессу создания товара, необходимое и внутреннее отношение его к общественно потребному количеству рабочего времени. Цена товара на рынке может быть больше или меньше его товарной стоимости, т.е. может не совпадать со стоимостью. Тогда появляется риск отказа потребителей от покупки или роста спроса на товар. А это значит, что и затраты, понесенные для его производства, бесполезны или не окупятся. Для товара присущи три характеристики:
1. Потребность, необходимость в товаре. Так характеризуется внутреннее состояние психологического или функционального ощущения недостаточности в чем-либо.
2. Полезность. Способность товара удовлетворять какую-либо человеческую потребность. Бывает объективной и субъективной.
И какова бы ни была стоимость товара, но, если он не представляет ценности для покупателя, продать его невозможно.
3. Потребительная ценность. Соотношение между преимуществами, которые получает потребитель при приобретении и использовании товара, и затратами на его покупку и эксплуатацию.
Цена. Но и товар, имеющий полезность для потребителя, должен иметь экономически обоснованную цену. В современных условиях конкурентных рыночных отношений стоимость товара превращается в цену производства, которая изменяется в зависимости от цен на средства производства, рабочей силы и от соотношения спроса и предложения. Цена (англ. price) и стоимость (калькуляция) взаимосвязаны. Важность категории «цена» можно пояснить тем, что она:
- дает денежное выражение овеществленному в товаре труду;
- определяет структуру и объем производства, движение материальных потоков, распределение товарной массы;
- оказывает влияние на величину прибыли, рентабельности продукции и производства;
- является денежным выражением стоимости, ценности (полезности) товара для покупателя (потребителя).
Цена оценивает величину меновой стоимости единицы товара. Не принято говорить: цена 10 кг цемента, но стоимость 10 кг цемента и цена 1 кг цемента. Еще можно сказать: цена производства. Это – величина авансированного капитала для производства товарной стоимости, то, во что обходится товар капиталисту.
Цена не является объективной, неразрывной (природной) характеристикой товара. Она изменчива и не постоянна, может меняться даже в процессе торгов. Цена – это то, что платит покупатель за товар.
Цена не «растет» вместе с нарастанием товарной стоимости, при создании этой стоимости.
Цена товара не совпадает с величиной товарной стоимости, подобное совпадение - лишь частный случай. Например, издержки производства единицы товара составляют 100 руб., из них (в стандартных обозначениях) 80c – постоянный капитал, 20v – переменный. Добавленная стоимость = 40 руб. (20v + 20m). Тогда товарная, или просто, стоимость Ст = 120 руб. Но при обмене товар, из-за влияния спроса-предложения, цена может быть любой. Первый покупатель приобрел товар по 110, другой по 125, третий и вовсе по 105 руб., но величина товарной стоимости при этом не изменится и будет составлять 120 руб.
Цена реабилитирует создание и появление «на публике» прибавочной стоимости в виде прибыли, узаконив, таким образом, процесс использования наемного труда.
Интересен и такой вывод из классического учения политэкономов. Если продажа товарной стоимости в 120 руб. произошла по одной из перечисленных выше цен (105, 110 или 125 руб.), то цена лишь обозначила получаемую прибыль от реализации стоимости: 5, 10 или 25 руб. Но собственник капитала получит в двух первых случаях все равно прибавочную стоимость = 20 руб., а в последнем - даже сверхприбыль в сумме 5 руб. Цена скрывает процесс присвоения прибавочной стоимости - создается впечатление, что прибыль приносит весь капитала (c +v), а не переменный - v. Товарная стоимость при всех этих флуктуациях остается неизменной и равна 120 руб.
Сложности определения стоимости и цены возникают при рассмотрении товаров, являющихся элементами природных ресурсов, не произведенных человеком, но используемых им, как без переработки, так и после обработки. Речь идет о природной ренте. Какова стоимость стакана воды в пустыне? Ясно, что во много раз больше овеществленного и живого труда владельца выкопанного колодца. Есть сложности и с определением стоимости нематериальных товаров и услуг. Сколько стоит предоставление места зрителю для прослушивания уникального концерта? Сегодня можно уверенно утверждать, что феномен цены и, как ее яркого выразителя и показателя, денег до сих пор не разгадан и только ждет своих исследователей, несмотря на многовековую их историю.

4. Роботизация и стоимость
Сначала немного истории. Приведем обширную цитату из материала далекого уже 1990 г. [11]:
«Объективные предпосылки создали условия, при которых замена рабочей силы промышленными роботами становится технически возможной и экономически выгодной. Стоимость часа работы промышленного робота в США меньше пяти долларов в час, что в пять раз меньше заработной платы одного квалифицированного рабочего. Учитывая, что время простоев по обслуживанию и ремонту составляет менее 20 часов и срок бесперебойной работы 500 часов, можно выявить, что эффективность эксплуатации одного робота значительно превосходит эффективность эксплуатации квалифицированного рабочего.
К субъективным предпосылкам следует отнести, «дух новаторства», подгоняемый бичом конкуренции, и высокий уровень инженерно-технической мысли, сконцентрированной в научно-исследовательских центрах автомобильных компаний капиталистического мира.
В японском автомобилестроении в 80-х годах насчитывалось около 8 тысяч промышленных роботов, а в 1990 году их количество превысило 20 тысяч. Учитывая, что робот заменяет более 4 человек, армия безработных увеличится по этой причине на 100 тысяч человек. Реальность может превзойти все эти прогнозы.
В Японии уже функционируют целые цехи и заводы, где работают только промышленные роботы, сведенные в функциональные группы и бригады, у которых производительность труда значительно выше, чем в среднем по отрасли.
Производство роботов руками роботов — это качественно новый этап в развитии производительных сил в целом, и автомобилестроении в частности».
Снижение стоимости производства и эксплуатации роботов делает их применение (взамен рабочих) все более выгодным.
Современный капитализм превратился из строя автономно действующих капиталистов (объединенных только экономическими законами) в мир господства корпораций. Они как черные дыры «втянули в себя» финансы, экономические ресурсы, политическую и законодательную власть. Они определились с «золотым» миллиардом. Остальных можно заменить роботами.
Уже в настоящее время существуют и успешно функционируют производства, основанные на полной автоматизации и использовании роботов с искусственным интеллектом. В качестве примеров можно привести интернет-платформы AliExpress и Amazon.
Создание новой стоимости, из последовательности превращения стоимостей, созданной прошлым, овеществленным трудом, с затратами известного (учтенного) рабочего времени, и добавления определенной (плановой) суммы живого труда, превращается в затраты времени прошлого труда и текущего времени также прошлого труда роботов. Оценить требуется лишь «время ожидания» появления новой стоимости. Прибавочная стоимость теряет свой экономический смысл. Добавленная же стоимость должна оцениваться альтернативными доходами, расходами и рисками от продажи финансовых и иных нематериальных продуктов. Человек труда исключается из процессов производства и реализации товарной стоимости, ему остается только функция ее потребления. Человек становится человеком-потребителем всего, что создается не им и без его участия.
Точнее, он освобождается от необходимости работать ради обеспечения элементарных жизненных потребностей нижних этажей пирамиды Маслоу. Научно-технический прогресс обеспечивает базовый уровень потребления (еда, жилье, транспорт, медицинское и ритуальное обслуживание и т.п.). Голод перестает править миром. Чем же займутся освобожденные от принудительного труда массы? Видны многочисленные виды деятельности, нуждающиеся в работниках. На порядок может быть увеличено число работников образования (преподаватель будет иметь дело не с сорока учащимися в классе, а с четырьмя, и с каждым из них сможет пообщаться на каждом занятии). Аналогично увеличится на порядок число творческих работников в науке, литературе, искусстве. Академик (АН СССР) А.И. Мальцев говорил, что может за полтора часа подготовить программу работ по развитию высшей алгебры, для выполнения которой понадобится все население Земли в течение ста лет. Социальная работа поднимется до адекватного уровня. Общественная деятельность привлечет многих. Будут реализованы прогнозы многих мыслителей, например, описанные в «Сумме технологии» С. Лема. Во введении к российскому изданию академик В.В. Ларин писал: «Развитие цивилизации имеет много аспектов. Один из них – будущность цивилизации с точки зрения развития в ней науки. Лем отмечает, что ключ к мощи цивилизации – в массах энергии, которыми она может располагать, а ключ к овладению энергией – в информационной мощи общества. Человек ведет, говорит Лем, стратегическую «игру» «Цивилизация – Природа». Именно овладение информационными процессами откроет человечеству путь к победе в этой «игре» [12, стр. 5].
Поэтому грядущее освобождение от «кнута голода» можно только приветствовать. Хотя переходный период будет трудным. Безработным придется менять образ жизни, и беда, если это будет происходить без контроля со стороны государства.
Современные капиталисты, финансовые воротилы, по выражению А. Кожева [13], больше марксисты, чем его апологеты и экономисты, последователи учения К. Маркса. Они поняли, как в действительности должен работать капитал, как использовать знания о производстве добавленной стоимости и как ее превращать в прибавочную стоимость. Но, с появлением учения А. Маршалла, изложенным им в основном своем труде «Принципы экономической науки» (1890 г.), новые капиталисты научились обосновывать появление богатства пресловутой прибылью, видимой частью «айсберга» добавленной стоимости. Прибыль, из-за ее определения, всегда намного меньше, чем вновь созданная часть стоимости. Меньше налоги, но меньше и претензии общества на степень эксплуатации труда. А с приходом эры роботов, где не человек создает добавленную стоимость, а машина с процессором, и вовсе капитал обретает свойства благодетеля: ведь при его и только его участии создаются ценности, появляется богатство общества.
Сказанное перекликается со сказанным В.И. Лениным более 100 лет назад. Он писал уже в 1-й главе «Концентрация производства и монополии» брошюры «Империализм, как высшая стадия капитализма» на примере США: «… половина всего производства всех предприятий … в руках 1/100 доли общего числа всех предприятий! … Отсюда ясно, что концентрация … сама собой подводит … вплотную к монополии. Ибо нескольким десяткам гигантских предприятий легко прийти к соглашению между собой, а с другой стороны затруднение конкуренции, тенденция к монополии порождается именно крупным размером предприятий» [14, стр. 19-20]. Отсюда один шаг до организации всемирного хозяйства и оптимизации его функционирования в соответствии с методами солидарной информационной экономики.

5. О стоимости и цене нефти, находящейся под землей, и сразу после ее добычи
Советская экономическая теория оказала негативное влияние на наше последующее природопользование уже при капитализме в новой, постсоветской России. Особое место в ней (экономической теории) занимала интерпретация марксистской теории трудовой стоимости (ТТС). По ТТС труд является основным элементом для формирования (почему-то часто ошибочно пишут – «определения». Стоимость именно последовательно формируется в процессе ее создания) товарной стоимости. Маркс обосновывал, что увеличение цены (цены, как денежного выражения стоимости) товара по мере продвижения от производителя к потребителю не отражает его реальной товарной стоимости, а всецело зависит от манипуляций со спросом и предложением на рынке. Оптимальную цену можно выбрать на основе анализа функции спроса [15]. По мнению Маркса, это и позволяет капиталисту (хозяину средств производства) эксплуатировать не только своих рабочих, но и не контактирующих с ним (и, казалось бы, не зависящих от него) потребителей. С его точки зрения, «справедливая» цена товара равна сумме издержек на изготовление и соединение его компонентов: c и v. Таким образом, если товарная стоимость складывается из следующих сумм: 80c + 20v + 20m = 120, то «справедливая» цена товара равна сумме 80c + 20v = 100, а 20m необходимы для продвижения товара на рынок и его реализации, в 20m входит и прибыль капиталиста, и все расходы посредников, и необходимые налоги и сборы. Сумма = 120 – это то, во что обходится товар покупателю. Но рынок (управляемый и контролируемый также капиталистами) корректирует эту сумму в любую сторону.
Иначе говоря, природные ресурсы не имеют стоимости до тех пор, пока к ним не будет приложен человеческий труд. Ничего не стоит дикорастущий лес, вода в озере, глина на городом или нефть под землей, воздух над ней.
Вот почему в экономиках советского типа вся земля, вода, лес и другие природные ресурсы предоставлялись природопользователям, по существу, бесплатно. Последствия такой интерпретации марксистской ТТС оказались вполне предсказуемыми, особенно при капитализме. Обращение с природными ресурсами, как с бесплатным и не кому не принадлежащим товаром, стало враждебно их рациональному использованию и охране, а главное, стало бесконтрольным в обогащении кучки российский и заграничных буржуев.
Кстати, один депутат от КПРФ предложил установить 3% налог на имущество всего лишь 100 первых буржуев из списка Форбс, что может дать в бюджет поступлений на сумму 900 млрд. долларов США в год (https://realty.ria.ru/20210604/dvortsy-1735585649.html)! А нас пугают, что строительство опреснительной станции в Крыму обойдется России в 3 млрд. ₽. Всего-то.
Рассмотрим ценообразование на природные ресурсы и извлечение природной ренты на примере такого популярного товара, как нефть. Нефтегазовые добывающие компании получают доступ к разработке нефти и газа, не платя, собственно, за саму нефть, а только за право на ее добычу. Но и за это они платят высокую цену. Набрав в поисковике запрос на покупку месторождения нефти, открываются десятки сайтов с предложением о продаже даже не нефти, а права добычи ее. Так некая компания «Golden Petroleum» (сейчас выставлена на торги за $99 млн.) объявила (https://golden-petroleum.ru/) о продаже 3 участков в Тюменской области, которые имеют такие характеристики по нефти:
- геологические запасы нефти - более 230 млн. т.;
- извлекаемые запасы нефти – более 66 млн. т.
Но нефть, тем более только еще разведанная, хранящаяся глубоко под землей, не имеет как стоимости, ведь к ней не был, при ее образовании, приложен труд человека. Да и расходы на разведку месторождений хотя достаточно высоки, но не стоят нескольких десятков миллионов долларов.
До середины XIX в. нефть использовалась в качестве аптечной мази и сжигания в масляных лампах. Но в 1853 г. двое львовских фармацевтов (Ян Зег и Игнасий Лукасевич) при перегонке нефти получили (случайно) керосин и додумались его сжигать в специально разработанной местным жестянщиком лампе, оснащенной фитилем. Такой способ освещения молниеносно захватил все континенты. В 1859 г., американский полковник Э. Дрейк пробурил первую в мире нефтяную скважину вблизи небольшой деревни Тайтусвил штат Пенсильвания. Спрос на нефть быстро вырос в сотни, тысячи раз. Знаменитый Нобель даже продавал лампы «Летучая мышь» ниже их стоимости, ради «подогрева» населения к приобретению керосина в большом количестве. Нефть стала важной для человека потребительной стоимостью, особенно после изобретения Дизелем своего двигателя. Но реальной ценностью стали лишь продукты перегонки нефти, а не сама нефть. Спрос на нефть сделал ее самостоятельным товаром, особого свойства. Товаром, который не производил труд человека, товаром, созданным природой. Логично предположить, что стоимостью должны обладать только продукты, получаемые после перегонки нефти. Но стоит посмотреть на табл. 1, приведенную в [16], чтобы убедиться, что это не так. Цену имеет бочка (баррель) сырой, никем не произведенной нефти. В пересчете на излеченный объем нефти из месторождения, расходы на ее разведку и добычу (в пересчете на 1 баррель) – мизерны. Цены в наши дни можно отслеживать по результатам торгов на биржах, крупнейшими из них по торговле нефтью являются: NYMEX и LIPE, на которых котируется нефть маркерных сортов Brent и Light Sweet.
Пример с нефтью, с преобразованием ее в товар повышенного спроса и процессом формирования цены на нее, вне ТТС, делает будущее производство энергии неопределенным, т.к. цена на энергию зависит целиком даже не от стихии рынка, с его спросом и предложением, а от мировых гигантов, поглощающих всю добываемую ими нефть, и финансовых корпораций, контролирующих и добычу, и переработку, и продажу нефтепродуктов, и даже компании, производящие энергию. Круг финансов замкнулся.
Из трудов классиков политической экономии известно, что прибыль реализуется в момент продажи товарной стоимости. Сама прибыль распадается на процент и предпринимательскую прибыль. Маркс так объяснял такое подразделение прибыли. Деньги приобретают свойство потребительной стоимости, когда они функционируют как капитал. Если годовая средняя норма прибыли = 20%, то орудие труда стоимостью в 100₽, используемое как капитал, принесет его собственнику прибыль в 20₽. Но если, человек, располагающий суммой в 100₽, уступает ее предпринимателю (капиталисту), то первый дает власть пользования этой суммой для производства 20₽ прибыли, т.е. произвести прибавочную стоимость, которая капиталисту ничего не стоит, и он ничего не платит. Но если капиталист в конце года, из полученной им прибыли, выплачивает собственнику денег в 20₽ сумму в 5₽, то этим самым он оплачивает потребительную стоимость этих 100₽. Часть прибыль = 5₽ называется процентом, что является просто особым названием передаваемой кредитору части прибыли (речь идет о процентах по кредиту). Таким образом функционирующий капиталист (предприниматель) оплачивает приобретение у финансового капиталиста капитал в сумме = 100₽. Эти 100₽ дают право функционирующему капиталисту привлекать к себе процент, в виде части прибыли, которую произвел его капитал, хотя и чужими руками предпринимателя. Не будем здесь говорить о социальной справедливости данной процедуры получения процента, мы просто демонстрирует сам механизм его образования.
Нечто похожее происходит и с образованием земельной ренты. В Конституции РФ закреплено право частной собственности на землю, а значит наличие земельных собственников. Капиталист-предприниматель (в т.ч. и фермер), работающей на земле собственника, ежегодно уплачивает последнему, по договору аренды, определенную сумму денег – земельную ренту. Земельная рента – это плата за разрешение предпринимателю применять капитал на земле собственника, это форма, в которой земельная собственность реализуется экономически, увеличивая товарную стоимость. Теперь можно определенно назвать все участников формирования товарной стоимости: наемный работник, предприниматель, (функционирующий) капиталист, земельный собственник. Обратимся опять к числовому примеру. Промышленный капиталист, получив от финансового 100₽ за 5₽, формируют товарную стоимость, на земле собственника, стоимостью 10₽. Тогда после реализации товара предприниматель получит 20₽ прибыли, из которой он передаст 5₽ процента финансисту и 10₽ ренты собственнику земли, оставляя себе только 5₽. Можно рассуждать, каким образом предприниматель может увеличить долю прибыли, остающуюся в его собственности, после уплаты процента и ренты.
Само понятие ренты для многих является привычной для уха категорией:
- рента (фр. rente, нем. Rente; от лат. reddere) - возвращать, отдавать;
- рента в экономике – регулярно получаемый доход с капитала, облигаций, имущества, земли.
- земельная рента – цена, уплачиваемая за использование земли и других природных ресурсов.
Определения ренты, приведенные выше, просты и понятны без комментариев, до тех пор, пока не поставить вопрос: насколько обосновано то, что кто-то регулярно собирает доход с земли, особенно с природных ресурсов вообще? Если это обусловлено правом пользования земли, то сама земля ренты не производит и вопрос ее возникновения повисает в воздухе. Доход от использования природных ресурсов, определяемый как рента, тоже не проясняет источник ее неизбежного появления. В общем случае доход определяется как выручка, уменьшенная на размер постоянного капитала. Что касается обработки пахотной земли для выращивания зерна, то мы можем наблюдать издержки капитала в процесс сбора урожая.
Клаус Шваб [17] постоянно говорит и пишет о 4-й промышленной революции, не обращаясь к первым трем. А ведь все первые 3 промышленные революции решали вопрос извлечения нужной человеку труда энергии, отказу от мускульной энергии человека и скота. Первая решала эту проблему с помощью использования пара и паровых машин, вторая – была основана на выработке и применении энергии электрического тока, третья – на открытии ядерного распада радиоактивных элементов и выработки энергии на АЭС. А четвертая, по Швабу, называется информационной, опирается на перерождение материальной экономики в цифровую. В ней не рождено нового принципа выработки энергии, поэтому про переход к 4-й промышленной революции говорить пока рано, и можно будет только тогда, когда производство товарной стоимости станет возможным с помощью информации (без участия человека) на полностью информационных технологиях. Тогда, возможно, будут изобретены новые принципы производства и использования энергия, например, вибрационный.
Для осознания и понимания всех пертурбаций с названиями новой экономики (информационной, цифровой и т.д.) и нового капитализма (посткапитализма, инклюзивного и др., или даже социализма) надо признать правоту и верховенство ТТС при формировании товарной стоимости и не придумывать ложные обоснования в защиту демагогии манипуляторов от экономики. Необходимо четко разделить понятие собственности (с разделением на пользование, распоряжение и собственно владение) на землю для проживания, на пахотную землю как на ресурс для производства и на природные ресурсы (недра, вода, воздух и т.д.) как на всенародное достояние. Солидарная экономика подразумевает не только единство при производстве стоимости, но и равенство для всех при распределении ренты от использования природных ресурсов. Даже глава Совета Федерации В. Матвиенко возмутилась хищническому делению доходов от использования природных ресурсов на примере двух хищников-капиталистов: Потанина и Дерипаски (https://zen.yandex.ru/media/openmedia/m ... mpaign=dbr).
Но для реализации этих предложений необходимо заменить в Конституции РФ статью 36, которая, исправляя формулировки советского периода о общегосударственной собственности на землю и ее недра, вдруг провозгласила (с подачи американцев):
1. Граждане и их объединения вправе иметь в частной собственности землю.
2. Владение, пользование и распоряжение землей и другими природными ресурсами осуществляются их собственниками свободно, если это не наносит ущерба окружающей среде и не нарушает прав и законных интересов иных лиц.
Во-первых, в статье 36 Конституции РФ нет ни слова о том, как природные ресурсы (ниже будет рассмотрен пример законов о недрах в США) переходят в собственность юридических или физических лиц. Во-вторых, деяния этих собственников природных ресурсов зачастую наносят ущерб окружающей среде, нарушают права и законные интересы иных лиц. Достаточно лишь вспомнить экологическую катастрофу в Норильске 29 мая 2020 г., на предприятии того же В. Потанина, и сумму штрафа в 148 млрд. руб., которые будут почему-то истребованы с предприятия, а не с владельца (https://ru.wikipedia.org/wiki/Утечка_дизельного_топлива_в_Норильске).
Нефть в залежах (как и любые природные ресурсы) до начала добычи и разработки не имеет стоимости, т.к. создавалась природой, а не трудом человека, и при ее использовании (например, в открытых источниках, так называемых нефтяных озерах) человеку ничего не стоит. А вот добыча, переработка, доставка к месту пользования, в удобном для человека виде (хотя бы в виде бензина, керосина, мазута, асфальта и т.д.), конечно же, связана с расходованием рабочей силы, и к расчету ее цены применима ТТС Маркса. Колебания цен на спрос продуктов переработки нефти и толкает вверх или вниз спрос на исходное сырье – нефть.
Имеется еще одно интересное соображение по поводу образования цен на произведения искусства, биткоины и т.п.
В «Повести о Ходже Насреддине» есть рассказ о бае, который приватизировал озеро и открывал воду дехканам только за плату. Труда в отпуск воды он и его слуги практически не вкладывали, но могли устанавливать цену за воду, основываясь на праве собственности на объект сбора воды - озеро. Бай воду не производит, но создает условия ее добычи и доступа к ней. Применять трудовую теорию стоимости к анализу этой ситуации можно на основании теории, разработанной в III томе «Капитала» К. Маркса, в отделе 6 «Превращение добавочной прибыли в земельную ренту».
Аналогично с нефтью. Владельцы (очень важное замечание, именно – владельцы, а не собственники) месторождений нефти разрешают ее добывать за плату и участвуют в установлении ее биржевой цены. Далее к этой плате за допуск добавляются издержки - стоимость работ по добыче, транспортировке и т.п. Поэтому при одинаковых издержках цена барреля может меняться на порядок (от 15 до 150 долларов).
Не по законам ТТС формируются и цены на произведения искусства. Например, цена на картины определяется спросом, выявляется на аукционах. Говоря о спросе на картины, следует понимать, что речь идет не о фанатах и коллекционерах искусства, а о особом способе сохранения и приращения капитала, превращения денег в компактное богатство.
Да, к настоящему времени трудовая теория стоимости не позволяет объяснить формирование стоимости в подобных случаях, путем простого анализа издержек производства и прибавочной стоимости. Но ведь Маркс и не создавал свою ТТС «на все случаи жизни», а только для применения ее в условиях работы функционирующего капиталиста. Конечно, имеется множество направлений вложения денег для их самовозрастания: производственный капитал; торговый капитал; денежный капитал. При использовании денежного капитала для удовлетворения желания роста денег производительный труд человека не используется. Труд практически не вкладывается, а потребительная стоимость большая, и ее получение обеспечивается силой (или волей большинства). Или процедурой типа аукциона...

6. Об искусственном убеждении неизбежности «природной ренты»
Предварительно надо пояснить наше отношение к терминам «капиталист» и «предприниматель». Не каждый капиталист может называться предпринимателем, а лишь только тот, которого К. Маркс относил к категории «функционирующий капиталист». Позднее Й. Шумпетер дал подробную классификацию новой техники и тех, кого он относил к предпринимателям. Остальные капиталисты относятся к денежным капиталистам.
Функционирующие капиталисты производят самые различные товарные стоимости: изделия, работы и услуги. Результатом своей деятельности они признают прибыль. Когда финансовые капиталисты обеспечивают функционирующих капиталистов денежным капиталом, то в этом случае прибыль разбивается на предпринимательский доход и процент. Процент достается денежному (финансовому) капиталисту, а предпринимательский доход – функционирующему капиталисту. Итак, может возникнуть ситуация, при которой функционирующий капиталист может еще и остаться должен финансовому, ведь доход равен выручке за вычетом постоянного капитала. Тогда можно сделать такой вывод: финансовый капиталист является истинным владельцем капитала, а функционирующий капиталист лишь обслуживает его, являясь временным владельцем капитала.
Рассмотрим процесс обоснования выделения из прибыли процента и ренты, как особых частей полученной прибыли при реализации товарной стоимости, как части прибыли, другими словами. Не углубляясь в классическую политэкономию, просто поясним, что прибыль возникает как факт только после реализации товарной стоимости, но никак не раньше. Поэтому и процент, и рента, в их фактическом значении, появляются лишь как результат работы производственного капитала по созданию товарной стоимости. Само наличие товарной стоимости, ее готовность быть проданной еще не означает возникновение прибыли. Необходимо совершить действо, называемое обменом: должен произойти факт передачи права собственности товара от продавца покупателю.
Источником товарной стоимости является общественно-полезный труд, труд и только труд человека, труд прошлый и труд живой. Израсходованное количество труда, затраченного на производство единицы товара, и определяет величину стоимости. Процесс производства является не чем иным, как целенаправленной деятельностью человека по воздействию его на предметы труда (будь они натуральными или результатом уже некоторой обработки) с помощью орудий труда (которые также воплощают в себе прошлый труд) с желанием создания новой стоимости. Эта новая стоимость и является целью превращения денежного капитала в производственный.
Человек - единственное существо на Земле, который использует орудия труда для производства новых орудий труда, чем он и отличается даже от самых «продвинутых» животных, которые используют, например, палки или камни для сбивания плодов, но никогда не обрабатывает с ее помощью других палок или камней.

7. Собственность на землю и недра в США
Права собственника земли подразделяются в США на права, связанные с использованием поверхности земли и пространства под и над поверхностью земельного участка. Законы, принятые в конце Х1Х – начале ХХ в., зарезервировали право собственности на недра и полезные ископаемые за правительством Соединенных Штатов. Поселенцы, приобретшие патенты на землю согласно этим законам, не получали прав на использование недр: они резервировались за федеральным правительством или штатом. Зарезервированные полезные ископаемые оставались предметом аренды, купли - продажи или заявки на добычу (заявка на добычу - акт присвоения и требования согласно установленным правилам и местным обычаям участка земли или определенного района, в недрах или на поверхности которых обнаружены драгоценные металлы или их руды и которые являются федеральной или штатной собственностью, с намерением занять его и вести добычу полезных ископаемых при получении разрешения правительства Соединенных Штатов).
Поскольку владелец земельного патента (или его наследник) обладали лишь правом собственности на поверхность земли, подчиненным федеральному праву на недра, то существовала вероятность порчи и даже уничтожения поверхности земли как объекта права собственности в случае добычи полезных ископаемых. Поэтому Конгрессом США в 1976 г. был принят Закон о федеральной политике по управлению землями, разрешивший собственнику земли ходатайствовать о приобретении полного патента, объединяющего права как на поверхность, так и на недра земли [18].
При добыче полезных ископаемых, прежде всего нефти и газа, в США применяется доктрина захвата (capture doctrine), которая признает блуждающий (migratory) характер нефти и газа. Эта доктрина дает право на добычу тому лицу, которое осуществляет бурение скважин на нефть и газ, приводящее к движению этих полезных ископаемых через границы земельных участков и образованию зон низкого давления. Лицо, осуществляющее добычу, приобретает титул на весь газ и всю нефть, извлеченные на участке земли, где осуществляется их добыча, хотя нефть и газ «мигрируют» с соседнего участка. Доктрина захвата поощряет землевладельцев добывать эти полезные ископаемые, не беспокоясь о том, что им могут быть предъявлены иски о нарушении границ чужого владения, поскольку лицо, которое ведет добычу, по сути, вторгается в сферу чужого владения и завладевает частью того, что является чужим имуществом.
Теория права собственности не применима логически в отношении газа и нефти, поскольку эти полезные ископаемые имеют «блуждающий характер» в недрах земли. Тем не менее многие штаты – Техас, Колорадо, Канзас, Пенсильвания, Теннеси и Западная Вирджиния – одобрили эту теорию. Так некий мистер Хилл передал в аренду права на нефть и газ нефтегазодобывающей компании. Округ обложил налогом компанию, который она должна была платить как арендатор. Однако в это время никакой добычи нефти и газа не проводилось. Компания утверждала, что не может платить налог, т.к. не добыла ни нефти, ни газа, на которые имела право собственности. Вопрос о налогообложении был решен в пользу округа. Суд постановил: «...газ и нефть являются полезными ископаемыми и реальным имуществом, объектом права собственности, добычи и продажи даже в то время, пока они находятся в горных породах под поверхностью земли, так же как уголь и другие полезные ископаемые».
Но существует и иная теория, которая не признает право собственности на нефть и газ. Согласно этой теории, землевладелец не имеет права собственности на эти полезные ископаемые в своей земле. Каждый землевладелец имеет исключительное право бурить землю, и он становится собственником нефти и газа после того, как они добыты. Это право можно передать путем продажи или иным способом. Хотя право на разведку полезных ископаемых является интересом в отношении земли, это не реальное имущество [19].

Заключение
В воздухе висит вопрос о коренном переломе в экономической науке, о восстановлении общественных законов политэкономии, о новой экономической парадигме развития общества, основанной на солидарности, соединенной с информационными технологиями [3]. Должны измениться многие экономические категории, которые нацеливают производителя на безудержное производство и бесконтрольное потребление ресурсов, бездушное отношение к человеку труда и окружающей природе. Нужны глобальные перемены в законодательстве и учете, потому что человек также нуждается в защите, как и природа. И пусть об этом помнят все экологические защитники окружающей среды, твердящие о выбросах углекислого газа в атмосферу. Следует напомнить им, что и человек при дыхании выделяет СО2. Для обеспечения экологической безопасности следует использовать современные достижения организационно-экономического моделирования [20].
Настоящая статья продолжает серию статей в "Научном журнале КубГАУ", посвященных развитию солидарной информационной экономики (см., например, [21, 22]).

Литература
1. Буланов В.С. Методологии экономических явлений и процессов: сравнительный анализ : монография. – М.: Проспект, 2017. – 64 с.
2. Новиков А.М., Новиков Д.А. Методология. – М.: СИНТЕГ. – 668 с.
3. Орлов А.И., Сажин Ю.Б. Солидарная информационная экономика как основа новой парадигмы экономической науки // Инновации в менеджменте. 2020. №26. С. 52- 59.
4. Орлов А.И. Неформальная информационная экономика будущего. – В сб.: Неформальные институты в современной экономике России: Материалы Третьих Друкеровских чтений. - М.: Доброе слово: ИПУ РАН, 2007. – С.72-87.
5. Катасонов В. Клаус Шваб и Карл Маркс. [Электронный ресурс] URL: http://sovross.ru/articles/2076/50656 (дата обращения 17.07.2021).
6. Фурсов А. Великая перезагрузка Шваба. [Электронный ресурс] URL: https://www.discred.ru/2021/01/05/lokda ... sa-shvaba/ (дата обращения 17.07.2021).
7. Ведута Е. Манифест инклюзивного капитализма: волки останутся сыты, а что с овцами? [Электронный ресурс] URL: https://regnum.ru/news/polit/3165745.html (дата обращения 17.07.2021).
8. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
9. Кропоткин П.А. Взаимопомощь среди животных и людей / Пер. с англ. А.А. Николаева.- Минск: Изд-во «Беларуская Энцыклапедыя», 2006. – 320 с.
10. Винер Н. Кибернетика и общество / Перевод Е. Г. Панфилова. Общая редакция и предисловие Э. Я. Кольмана. - М.: Издательство иностранной литературы, 1958. - 200 с.
11. Автоматизация производства автомобилей. [Электронный ресурс] URL: http://car-test.net/car-article.php?aid=22 (дата обращения 18.07.2021).
12. Лем С. Сумма технологий. М.: Издательство АСТ, 2020. – 736 с.
13. Кожев А. Колониализм с европейской точки зрения // Вестник Европы. 2002. № 5. [Электронный ресурс]
URL: https://magazines.gorky.media/vestnik/2 ... eniya.html (дата обращения 17.07.2021).
14. Ленин В.И. Империализм как высшая стадия капитализма. М.: Изд-во URSS, 2019. – 128 с.
15. Орлов А.И. Метод ценообразования на основе оценивания функции спроса / Научный журнал КубГАУ. 2020. №158. С. 250 – 267.
16. Кашин В. Три эпохи рынка нефти. [Электронный ресурс] URL: http://www.nefteblog.ru/blog/tri_ehpokh ... 0-10-19-22 (дата обращения 18.07.2021).
17. Шваб К. Четвертая промышленная революция. — М.: «Эксмо», 2016. - 208 с.
18. Право частной собственности на землю в США. [Электронный ресурс] URL: https://vuzlit.ru/1634189/pravo_chastno ... i_rubezhom (дата обращения 19.07.2021).
19. Крассов О.И. Право собственника земли в имущественном праве в США. [Электронный ресурс] URL: https://wiselawyer.ru/poleznoe/85946-pr ... prave-ssha (дата обращения 19.07.2021).
20. Орлов А.И. Проблемы управления экологической безопасностью. Итоги двадцати лет научных исследований и преподавания. – Saarbrücken: Palmarium Academic Publishing. 2012. – 344 с.
21. Орлов А.И. Основные идеи солидарной информационной экономики - базовой организационно-экономической теории // Научный журнал КубГАУ. 2015. №112. С. 52–77.
22. Орлов А.И. О развитии солидарной информационной экономики // Научный журнал КубГАУ. 2016. №121. С. 262–291.


Публикация:
1190. Орлов А.И., Сажин Ю.Б. Солидарная информационная экономика как основа современной политэкономии // Научный журнал КубГАУ. 2021. №171. С. 160 – 190. Режим доступа: http://ej.kubagro.ru/2021/07/pdf/11.pdf .


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Полные тексты выпусков еженедельника "Эконометрика"
СообщениеДобавлено: Сб апр 02, 2022 11:19 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 10480
Электронный еженедельник «Эконометрика» No.1106 от 4 апреля 2022 г.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Уважаемые подписчики!

О возможном будущем рассуждает проф. В,Ю. Катасонов в статье "«Великая перезагрузка», или lockdown навсегда".
Представляет интерес обзор Кристины Лавренюк "История нейронных сетей в СССР", несмотря на некоторую односторонность
В статье "Китай: разрушение старых иллюзий" заместитель директора ИМЭМО имени Примакова Александр Ломанов прокомментировал визит Сергея Лаврова в Пекин




«Великая перезагрузка», или lockdown навсегда

Валентин Катасонов

Чтобы понять, что происходит и может произойти в российской экономике, надо понимать, что происходит в экономике мировой.
Об этом рассказывает доктор экономических наук, председатель Русского экономического общества имени Шарапова Валентин Катасонов.
Конечно, главным фактором происходивших в мировой экономике событий и процессов был COVID-19. В первой половине этого года все гадали-рядили о том, откуда взялся этот страшный вирус и как долго он будет мучить человечество. Вернее, даже не сам вирус, а те меры властей, которые получили название lockdown и которые выразились в том, что людей принудили к «самоизоляции», «дистанцированию», «масочному режиму» и т.п.; а бизнес – к закрытиям, ограничениям, дистанционной работе сотрудников и т.п.
Но вот в июле вышла книга известного во всем мире Клауса Шваба (бессменного руководителя Всемирного экономического форума – ВЭФ) под названием COVID-19: The Great Reset («COVID-19: Великая перезагрузка»). В ней профессор Шваб, безусловно, принадлежащий к узкому кругу мировой элиты и выражающий ее интересы, раскрыл многие секреты.
Во-первых, мировая элита уже давно готовила «революцию сверху», но для нее не все было еще готово. В 2020 году она началась. Видимым ее проявлением стал массовый, глобальный lockdown.
Во-вторых, так называемая «пандемия COVID-19» – дымовая завеса, которая дала основания для lockdown и лишила людей нормальной жизни. Профессор задает риторический вопрос: «Когда же будет возврат к «нормальной» жизни?» И сам же дает циничный, но честный ответ: «Никогда». «Пандемия» и lockdown – навсегда.
В-третьих, он немного раскрывает картину того «дивного нового мира», который должен возникнуть в результате «Великой перезагрузки».
Раскрою подробнее последний тезис. Клаус Шваб дает читателю понять: о всей той чуши, которая называется «экономическим либерализмом» и которая насаждалась десятилетиями, следует раз и навсегда забыть.
Человечество приглашается в пост-капитализм, где править будет элита (1% населения планеты вместе с прислугой), а все остальные 99 % будут рабами, помещенными в цифровой концлагерь.
Конечно, «политкорректный» профессор Шваб таких слов, как «рабы», «концлагерь», не употребляет. Но если вдумываться в смысл его предложений по «Великой перезагрузке», то так оно и есть.
Например, его предложения по жесткому цифровому контролю над гражданами «дивного нового мира» означают, что они будут находиться под электронным колпаком, в цифровом концлагере.
Клаус Шваб произносит красивые слова о «равенстве» в будущем мире. Да, так оно и будет. Речь идет о равенстве рабов, т.е. 99% человечества. Шваб говорит о таких «предрассудках» и «рудиментах» старого капитализма, как прибыль, право собственности, акционерная форма предприятий и т.п. Все это должно быть в добровольно-принудительном порядке ликвидировано.
На место капитализма собственников придет «экономика пользователей». На место краткосрочной спекулятивной прибыли должно прийти устойчивое и долговременное приращение стоимости, которая будет якобы создаваться для всего человечества. Но по факту ею распоряжаться будет лишь элита – тот самый «золотой процент».
С акционерной формой компаний будет покончено. Ведь у такой компании только одна цель – максимизация прибыли любой ценой в интересах акционеров. А последних ничего, кроме прибыли и дивидендов, не интересует. Капитализм акционеров должен быть трансформирован в капитализм стейкхолдеров (stakeholders) – т.е. «капитализм всех заинтересованных сторон».
А кто эти стейкхолдеры? – Только крупнейшие корпорации. Большинство из них сегодня мы называем «транснациональными корпорациями» (ТНК). Завтра такое название может оказаться некорректным, даже абсурдным. Почему? – Потому что не будет национальных государств.
Согласно Швабу, национальные государства – анахронизм, пережиток старого капитализма. Надо стремиться к размыванию национальных границ, национальных государств. И в «дивном новом мире» корпорации будут не «транснациональными», а «глобальными».
Глобальные корпорации должны постепенно брать на себя все функции государства, по сути, планируется приватизация государства. Правда, в вопросе о будущем государства Шваб рассуждает очень взвешенно. В переходный период оно элите может очень даже понадобиться. Ведь наверняка не все захотят добровольно войти в «дивный новый мир» (т.е. цифровой концлагерь).
Вот и потребуется сила, в том числе полиция и даже армия, для того, чтобы загонять «диссидентов» в «светлое будущее». А уж потом, когда все окажутся в цифровом концлагере, можно будет окончательно упразднить прежние государства. Высшим управляющим институтом станет мировое правительство, которое будет опираться на глобальные корпорации.
Итак, Шваб говорит о крупных корпорациях как несущей конструкции нового капитализма. А где же малый и средний бизнес? – А ему в этой конструкции места нет. Малые и средние компании уже зачищаются в ходе нынешнего lockdown.
А куда же деть миллионы и миллионы тех, кто был занят в этом секторе экономики? Часть из них, как считает Клаус Шваб, должны взять на работу крупные «социально ответственные» корпорации.
Но большую часть освободившихся работников занять не удастся. Тем более что Клаус Шваб очень ратует за более широкое использование роботов и всяких автоматов, замещающих живой труд, причем не только физический, но и умственный. С этими роботами и автоматами профессор носится уже давно. Возьмите, например, его предыдущую книгу «Четвертая промышленная революция» (2016 г.), где он описывает ожидаемые изменения в экономике, порождаемые революцией в сфере цифровых технологий, нано- и биотехнологий. Кстати, уже в той книге Шваб говорил об острой необходимости приведения капитализма в соответствие с новой технологической базой.
Для того, чтобы предложения Шваба по построению «дивного нового мира» не вызывали у народа страха и протеста, он успокаивает людей обещаниями введения социальных амортизаторов, которые помогут перенести возникающие перегрузки. Люди не должны бояться потери работы и доходов, потому что предлагаемая Швабом модель носит название «социально ответственного капитализма».
Одним из проявлений такой «ответственности» является обещание ввести так называемый «безусловный базовый доход» (ББД).
Идея такого гарантированного, постоянного, распространяющегося на всех граждан государства и обеспечивающего прожиточный минимум дохода уже витает в головах некоторых политиков, общественных деятелей и экономистов несколько десятилетий. Были эксперименты по введению ББД в отдельных городах и регионах некоторых стран, преимущественно европейских.
Ближе всех к введению ББД была Швейцария, которая в 2016 году даже провела референдум по данному вопросу. Проект ББД, выносимый на всенародное голосование, предусматривал выплату каждому взрослому гражданину 2500 швейцарских франков (примерно 2250 евро). Но неожиданно для многих большинство граждан альпийской республики отвергли идею ББД.
Вернее, они голосовали не против этого дохода, а против того, чтобы были увеличены налоги. Ведь для того, чтобы практически реализовать проект ББД, Швейцарской Конфедерации надо было увеличить доходную часть бюджета, для чего требовалось примерно в два раза повысить налоги.
Во время нынешней «пандемии COVID-19» идея ББД опять вышла на первый план. Но ни одна страна такой гарантированной финансовой помощи гражданам ввести не решилась. В лучшем случае все ограничилось раздачей так называемых «вертолетных денег». … Предлагаемая Швабом схема также очень напоминает конструкцию экономики Третьего рейха, которая базировалась на гигантских корпорациях. Корпорации Третьего рейха действительно не ставили перед собой цель получения прибыли. Но они не служили и немецкому народу. Для них высшей целью были интересы Германии: Deutschland über alles. А если копать глубже, то за вывеской «Германия превыше всего» стояли интересы верхушки Третьего рейха. Интересы были действительно не экономические. Верхушка жаждала мировой власти.
Вот и за риторикой Клауса Шваба о корпорациях стейкхолдеров скрываются интересы мировой элиты. Ей действительно прибыль не нужна. Они хотят стать хозяевами мира. «Дивный новый мир» – рабовладельческий строй, а в таком строе не только прибыль, но и деньги становятся анахронизмом.
Итак, книга Клауса Шваба «COVID-19: Великая перезагрузка» – дешевая, но очень опасная риторика, призванная усыпить внимание человечества. В проекте «Великой перезагрузки» единственной «заинтересованной стороной» является мировая элита, которая и выдала Клаусу Швабу социальный заказ на подготовку проекта и его продвижение.
Кое-что новое о проекте «Великая перезагрузка» мы узнаем в январе 2021 года, когда будет проходить очередной ежегодный саммит ВЭФ. Правда, впервые за полвека он будет проводиться не в швейцарском городе Давосе, а дистанционно, в режиме онлайн.
Впрочем, вряд ли в проект «Великая перезагрузка» в ходе саммита будут внесены какие-то радикальные изменения. Все и так ясно.
Мировая элита сумела в этом году надеть на миллиарды людей в мире маски. Она поняла, что можно смело продолжать наступление. Сопротивления почти нет. И поэтому собственную маску секретности она решила отбросить. Мы имеем дело с открытым заговором против человечества.

Развитие темы - в новой книге В.Ю. Катасонова «Читая Шваба. Инклюзивный капитализм и великая перезагрузка. Открытый заговор против человечества».

Вышла в свет новая книга:
В.Ю. Катасонов. Читая Шваба. Инклюзивный капитализм и великая перезагрузка. Открытый заговор против человечества. – М.: «Книжный мир», 2021. – 320 с.

В новой книге профессора В.Ю. Катасонова рассказано о главном событии нашей исторической эпохи, о котором знают далеко не все. «Великая перезагрузка», или «Великое обнуление» – так назвали это событие его творцы, сильные мира сего, которые решили загнать население планеты в цифровое рабство и утвердить свой фашистский новый мировой порядок на века. Богатейшие люди планеты, известные политики и даже папа римский замешаны в этом «открытом заговоре» против человечества. Разоблачению мирового заговора элит и посвящена эта книга.

http://sovross.ru/articles/2111/51793


История нейронных сетей в СССР

Сегодня нейронные сети широко известны благодаря достижениям таких учёных как Джеффри Хинтон, Йошуа Бенджио и Ян ЛеКун. Но далеко не все открытия в области коннекционизма сделаны на Западе. Над нейронными сетями начиная с конца 50-х годов активно работали и в Советском союзе, хотя за исключением специалистов сегодня немногие знают о подробностях этих исследований. Поэтому мы решили напомнить о работе советских учёных, рассказав историю отечественного коннекционизма.
1960-е стали золотым веком советской науки. К 1975 году одна четверть от всего количества учёных в мире работала в СССР, при этом большое внимание уделялось точным наукам, плоды которых часто имели прикладное значение. Не обходили стороной и кибернетику, в которой видели огромный потенциал. Под влиянием военного и учёного Анатолия Китова она была реабилитирована после недолгой «опалы». Шла работа в области автоматического управления, машинного перевода, сетевых технологий… Сейчас бы мы сказали, что в СССР существовала целая школа искусственного интеллекта!
В рамках кибернетики развивалось и направление, которое мы привыкли называть нейросетевым. Юрген Шмитхубер, создатель известной нейросетевой архитектуры LSTM, известный в наши дни также как историк глубокого обучения, часто ссылается в своих выступлениях на вклад советских учёных в становление этого направления.
В 60-ые годы в СССР большими тиражами выходило несколько серьёзных тематических изданий, и, судя по наукометрической статистике, изрядная доля мировых коннекционистских исследований издавалась именно на русском языке. Коннекционизм в какой-то момент оказался настолько популярен, что им занялись не только в метрополии, но и в других городах и республиках, например в Армении и Грузии. К сожалению, пока что оцифрована лишь небольшая доля публикаций тех лет, большинство работ можно найти только в оффлайн-библиотеках.

«Шла машина из Тамбова» или чем занимался Маккарти в СССР

Несмотря на железный занавес, советские исследователи не варились в собственном соку. Существовал интенсивный обмен идеями между нашими и заграничными учёными. Если говорить про кибернетику, в 1965 году в рамках международного обмена группа западных исследователей посетила СССР. В составе делегации был и Джон Маккарти, автор термина «искусственный интеллект». После открытия III Всесоюзного совещания по автоматическому управлению (технической кибернетике) в Одессе и его продолжения на пароходе «Адмирал Нахимов», делегация отправилась в тур по советским научно-исследовательским институтам. Сначала они заехали в Киев и познакомились с академиком Виктором Глушковым, автором концепции ОГАС, а также с профессором Киевского политехнического института Алексеем Ивахненко, о котором речь пойдёт далее. Затем последовал визит в Тбилиси, где западных гостей встречал директор Института систем управления Академии наук Грузинской ССР Арчил Элиашвили. Там над многослойными (или, как их называли в советской литературе, «многорядными») перцептронами работали исследователи, имена которых сейчас даже человеку, подкованному в теме, мало что скажут. Они занимались в том числе системами распознавания речи. Уинстон Нельсон (Winston Nelson) из Лаборатории Белла, участвовавший в делегации, описывает визит в грузинскую лабораторию так:
«Там на полу был небольшой робот, и он передвигался согласно произносимым вслух командам. <...> А затем мы вернулись в офис директора, где стоял длинный стол, уставленный вазами с фруктами, хачапури и превосходным грузинским коньяком».
Помимо Одессы, Киева и Тбилиси, делегация посетила Баку, Москву, Минск, Ленинград и несколько других городов союзных республик. В Москве Маккарти встретился со своим старым знакомым — академиком Андреем Ершовым. Коллеги познакомились в декабре 1958 года в Великобритании на Конференции по автоматизации мыслительных процессов. После визита в Москву Маккарти в сопровождении Ершова отправился в новосибирский Академгородок, откуда через Москву вернулся домой (в реалиях холодной войны, когда Новосибирск был одним из полузакрытых научных центров, Ершову стоило больших трудов согласовать этот визит).
Отношения между Ершовым и Маккарти, судя по их переписке, были вполне дружеские, а не только профессиональные. Например, Маккарти в одном из писем просит Ершова прислать запись песни «Шла машина из Тамбова». Или вот другой пример: когда Маккарти гостил в Союзе, в рабочей группе Международной федерации по обработке информации произошёл конфликт относительно стандартов разработки языка Алгол 68. Тогда Никлаус Вирт откололся от большинства и начал работу над языком Паскаль. Маккарти и Ершов сочинили и записали в ответ на это шуточную песню, которую адресовали «раскольникам». Маккарти привёз запись на плёнке на очередное заседание рабочей группы. Произведение исполнялось, как вспоминали авторы, на мелодию «русской народной песни» «Это не я, глупышка» (на самом деле имеется в виду песня «It ain’t me, babe» Боба Дилана). У песни был и английский, и русский варианты. Приведём припев последнего:

Подайте нам язык другой,
Чтобы не было в нем обмана,
Чтоб на нем могла писать
Любая обезьяна…
Нет, нет, нет, — это не наш язык…

Через три года Маккарти ещё раз приехал в Академгородок — теперь уже на два месяца и в качестве сотрудника Вычислительного центра: он прочитал курс по верификации программ в Новосибирском университете. В ходе одной из поездок Маккарти познакомился с Александром Кронродом, который работал над шахматной программой, наследницей которой стала знаменитая «Каисса», и договорился о проведении первого в мире шахматного матча между компьютерными программами. В этом матче в 1967-м году советская шахматная программа, разработанная в Институте теоретической и экспериментальной физики, победила программу Стэнфордского университета со счётом 3-1.

Алексей Ивахненко и «Метод группового учёта аргументов»

В 1965-м году в издательстве «Мир» впервые увидел свет перевод на русский язык книги Фрэнка Розенблатта «Принципы нейродинамики». Учитывая, что оригинал вышел в 1962-м, можно предположить, что переводить её начали почти сразу после английской публикации. Одним из самых горячих поклонников подхода, использованного Розенблаттом, в СССР стал Алексей Григорьевич Ивахненко. Он начал заниматься перцептронами ещё до выхода этой книги и был знаком с ранними публикациями Розенблатта. В момент выхода перевода «Принципов нейродинамики» Ивахненко уже был признанным учёным, его книга «Техническая кибернетика», вышедшая до перевода принципов нейродинамики, не только выдержала два издания на русском языке, но также была опубликована на английском, немецком, болгарском, польском и румынском.
Научный интерес Ивахненко к самоорганизующимся системам проявился ещё в 1950-е годы: в 1959 году он успешно собрал и испытал собственную версию перцептрона — машину «Альфа», названную, по всей видимости, в честь альфа-перцептрона Розенблатта. С 1963 года Ивахненко работал под руководством знаменитого академика Виктора Михайловича Глушкова. Впрочем, в отношениях учёных не всё было гладко: в 1959 году Глушков пишет письмо коллеге, что в книге Ивахненко «сделана попытка объявить элементарные самонастраивающиеся системы более высокими кибернетическими устройствами, чем вычислительные машины, которые якобы способны реализовать лишь жёсткие алгоритмы». Похоже, Глушков обвинял Ивахненко в желании «подмять под себя кибернетику». Хотя, судя по другим свидетельствам, конфликт не был таким серьёзным, каким мог показаться. Один из сотрудников Ивахненко, Михаил Шлезингер, до работы с учёным был сотрудником института Глушкова, где занимался ничем иным, как симуляцией нейронных сетей на цифровой электронной машине «Киев»! Даже после перехода Ивахненко под руководство Глушкова работы над нейронными сетями не были прекращены. То есть, несмотря на разногласия, учёные продолжали работать вместе. Скорее всего, Глушков боялся, что приоритет будет неверно отдан развитию нейрокомпьютеров, с помощью которых большинство задач, особенно прикладных, на тот момент решить было нельзя. То есть, он скорее ратовал за правильное распределение ресурсов, чем за прекращение работы над нейронными сетями. Кстати, разногласия Глушкова и Ивахненко касались актуального и на сегодняшний день противопоставления символьного подхода и коннекционизма. Представителей последнего в СССР называли сторонниками «недетерминистического» подхода (в терминах Ивахненко — «подхода самоорганизации») в противовес «детерминистическому» символьному подходу. Споры эти в СССР, как и на Западе, носили весьма ожесточённый характер.
Важным результатом, полученным Ивахненко, стало создание и развитие «Метода группового учёта аргументов» (МГУА), одного из первых в истории алгоритмов глубокого обучения. Как и для Якова Цыпкина, для Ивахненко самообучение распознающей системы обозначало «процесс автоматического, то есть проходящего без вмешательства человека, установления границы, разделяющей пространство входных сигналов и признаков на области, отвечающие отдельным образам». Уже в начале 1970-х годов Ивахненко и его коллегам удавалось обучать восьмислойные нейронные сети, в основе которых лежал искусственный нейрон, основанный на интерполяционном полиноме Колмогорова — Габора.
Некоторые исследователи на Западе примерно в то же время или несколько раньше Ивахненко обучали сети с одним промежуточным слоем. Например, этим занимались коллеги Розенблатта Сэм Виглион (Sam S. Viglione) и Роджер Дэвид Джозеф (Roger David Joseph), в честь которых получил своё название алгоритм Джозефа — Виглиона. Однако сети Ивахненко, содержащие восемь слоёв, явно опережали своё время. Впрочем, сами подходы, использованные им в МГУА и Виглионом с Джозефом, отдалённо напоминают друг друга. Алгоритм Джозефа — Виглиона шаг за шагом генерирует и оценивает двухслойные нейронные сети с прямым распространением, автоматически идентифицируя небольшие подмножества признаков, которые обеспечивают лучшую классификацию примеров из обучающей выборки. Полученные сети затем подвергаются валидации (проверке) на части данных, не включенных в обучающую выборку. В МГУА в нейронную сеть на каждом шаге добавляются дополнительные слои, обучаемые с использованием регрессионного анализа (таким образом, МГУА восходит к методам, разработанным ещё в XIX веке в работах Лежандра и Гаусса). Затем применяется процедура сокращения слоя. Для этого точность предсказаний каждого из нейронов оценивается при помощи валидационной выборки, а затем наименее точные нейроны удаляются.
Книга «Предсказание случайных процессов», написанная Ивахненко в соавторстве с Валентином Лапой и увидевшая свет в 1969 году, стала своеобразным компендиумом техник, исследовавшихся советскими коннекционистами, а книга 1971-го года «Системы эвристической самоорганизации в технической кибернетике» содержит не только подробное описание МГУА, но и множество примеров его применения для решения прикладных задач. В этой книге Ивахненко писал:
«Уже в 1990-м году кибернетические системы автоматизированного управления производством (в масштабе завода, отрасли и всей страны) сократят потребность в рабочей силе на 50%, то есть, рабочая неделя может быть снижена до трёх рабочих дней».
Удивительно, как Ивахненко удалось угадать важнейшие тренды в развитии вычислительной техники!
В его книге можно увидеть и грядущее торжество персональных компьютеров, и триумфальное шествие интернета, и даже тенденцию на всё более тесное сращивание человека с машиной, ярко проступившую в эпоху смартфонов и носимых устройств. Кстати, у уже упоминавшегося нами Александра Кронрода, советского теоретика искусственного интеллекта, в книге «Беседы о программировании» затронута даже тема бессмертия, которой посвящена целая глава. Автор говорит, что старение — это «чужеродный, посторонний организму процесс», и далее излагает концепцию запрограммированного старения. Сторонниками этой идеи являются многие современные трансгуманисты.
Хотя нейросетевые модели наших дней, лежащие в основе новой коннекционистской весны, лишь отдалённо похожи на сети, построенные при помощи МГУА, именно данный метод в некоторой степени стал поворотным пунктом в коннекционистских исследованиях. Исследователями в полной мере был осознан тот факт, что обучение глубоких нейронных сетей в принципе возможно, и что именно их использование может обеспечить прорывные результаты в решении тех или иных задач машинного обучения. Многие работы Ивахненко и его коллег были переведены на английский язык, и отсылки к ним мы можем увидеть в современных работах по глубокому обучению. Метод группового учёта аргументов используется исследователями и в наши дни, хотя занимается им лишь небольшое количество специалистов на территории бывшего СССР и в «дальнем зарубежье». Кстати, несмотря на непопулярность метода, его реализация даже есть на гитхабе.

«Метод без названия» от Александра Галушкина

В августе 1974-го года тиражом 8 000 экземпляров вышла книга Александра Ивановича Галушкина, тогда — сотрудника МФТИ, под названием «Синтез многослойных систем распознавания образов». С точки зрения современной терминологии название книги можно понимать как «Обучение многослойных нейронных сетей». Книга Галушкина стала первым систематическим изложением идей учёного, развитых им и его коллегами в предшествующие годы.
Первые публикации Галушкина на тему создания и обучения многослойных нейронных сетей относятся к 1971—1973 годам. Учёный прекрасно знал о работах западных коннекционистов. Полюбуйтесь списком систем распознавания образов, который приводит Галушкин в своей книге: Mark-I, Mark-II, Papa, Kybertron, Altron, Konflex, Albert-1, Adalin, Madalin, Minos-2, Illiak-2, Illiak-3, Tobermory, GHILD, Astropower, Adapt-1, Adapt-2, DSK, Ziklop-1, Simisor, Auditran, Shubocs, Gaku и др.
Галушкин рассматривает использование в нейронных сетях функций активации, отличных от функции Хевисайда и сигнума (обозначается «sgn», функция знака, имеющая три возможных значения: 0, 1 и −1). Необходимость применения функций с континуумом решений у Галушкина обосновывается следующим образом:
«Экспериментальное исследование данного алгоритма показало, что скорость сходимости при нахождении некоторой локальной моды мала, и причиной этого является применение в многослойной системе распознавания с двумя решениями, которые в значительной степени «загрубляют» информацию о градиенте функционала вторичной оптимизации при квантовании входного сигнала. В связи с этим основным предметом исследования являлась двухслойная система распознавания, по структуре подобная описанной выше, но состоящая из линейно-пороговых элементов с континуумом решений».
В итоге выбор автора останавливается на арктангенсе, умноженном на 2/π для приведения значений функции к диапазону (−1;1). График арктангенса, как и график популярных в наши дни логистической функции и гиперболического тангенса, является сигмоидой.
Галушкин рассматривает задачу обучения нейронной сети в качестве задачи градиентного спуска. Он применяет цепное правило для вычисления градиента, подробно рассматривает случай обучения сетей с двумя обучаемыми слоями, а также коротко показывает, как следует решать задачу в случае многослойных сетей и сетей с рекуррентными связями, но не даёт используемому им методу какого-либо собственного названия. При этом вопрос конкретной топологии сетей в книге практически не затрагивается, зато уделено внимание сетям с переменным числом слоёв: Галушкин описывает подход, напоминающий МГУА с послойным обучением и постепенно наращиваемыми слоями. Автор также приводит результаты множества экспериментов по обучению сетей с различными параметрами процесса обучения, стремясь оценить их влияние на сходимость модели. Кроме математических моделей, Галушкин совместно с В. Х. Наримановым ещё в начале 1970-х годов сконструировал собственную версию аппаратного перцептрона.
Александр Иванович Галушкин продолжал работу над нейросетевыми технологиями до самого конца своей жизни и был одним из наиболее ярких лидеров этого направления в Советском союзе, а затем и в России, на протяжении более чем сорока лет. В 2007 году издательство Springer Science & Business Media выпустила книгу Галушкина «Теория нейронных сетей» [Neural Networks Theory] на английском языке с вводными словами Лотфи Заде, Сюнъити Амари и одного из знаменитых пионеров нейросетевого подхода Роберта Хехта-Нильсена (Robert Hecht-Nielsen, 1947—2019). В новом тысячелетии работы Галушкина неоднократно выходили в международных научных изданиях и оказали влияние на состояние современной нейросетевой науки.

Терминология имеет значение

В те годы и в западном, и в советском мире нейроны не называли нейронами: у Розенблата в «Принципах нейродинамики» они называются модулями (units), а то, что мы сейчас знаем как «нейросети», в советской традиции имело несколько других названий. Многослойный перцептрон (multilayer perceptron) у Ивахненко назывался многорядным, вместо нейронов учёный использовал термин «переменные», вместо сети — «фильтр». У Галушкина сеть называлась «системой распознавания», нейрон — «линейно-пороговым элементом», а обученная сеть (то есть сеть, предназначенная только для выполнения [inference]) — «сетью с разомкнутым контуром». Почему учёные старались не использовать слово «нейрон»? А потому, что это отсылка к биологическому прототипу — нейрону в коре головного мозга. Слои — это тоже вполне нейробиологический термин, унаследованный от слоёв клеток коры головного мозга, поэтому у Ивахненко перцептрон — многорядный.
Тенденции «биологизаторства» в СССР противостояли философы. Они видели в его проявлении редукционизм, сведение системы более высокой ступени организации к системе более низкой ступени. Точно так же, как жизнь человека нельзя свести к одним лишь биологическим процессам, нельзя даже в далёком приближении приравнивать вычислительную модель к реальному нейрону. Такая тенденция была характерна и для западной школы, но для советской школы она была более ярко выражена. Учёные подвергались большому давлению со стороны философов, которые критиковали любую попытку назвать какой-то технический предмет термином из арсенала биологов. Да и сами коннекционисты боялись повторять в названиях имена биологических прототипов, потому как это могло не только ввести людей в заблуждение, но и в ряде случаев исказить представление о самой научной работе. К счастью, табу на слово «нейроны» в информатике не помешало учёным вести исследования в области нейронных сетей.
Другой термин, достойный внимания — это «техническая кибернетика». Учёные, занимавшиеся вычислительной техникой в 1960-х, после смерти Норберта Винера не продолжили ассоциировать себя с кибернетикой. В Советском Союзе же, вопреки распространённому мнению, что она была запрещена, кибернетика расцветала. Гонения на неё продолжались всего несколько месяцев, до момента, когда признанный специалист в области кибернетики, инженер-полковник Анатолий Китов написал статью «Основные черты кибернетики». Парадоксальным образом Советский союз стал центром мировой кибернетики. Когда в 60—70-ые годы у нас говорили об этой области, на Западе среди информатиков о ней уже мало кто вспоминал. Причём развивалась именно техническая кибернетика. Предметную область так назвали, чтобы отмежеваться от винеровского понятия кибернетики, которое подразумевало применение её техник в социальных науках. Техническая кибернетика изучала только технические системы управления.
Почему сейчас, когда вспоминают о нейронных сетях, никто не говорит про кибернетиков? Почему на западе компьютерные учёные перестали называть себя таковыми? Почему это название ушло в небытие, хотя наука продолжала развиваться? Ведь к области кибернетики можно отнести и первые нейросетевые эксперименты: Мак-Каллок и Питтс были регулярными участниками конференций Мейси и долгое время работали вместе с Норбертом Винером. Кибернетик У. Росс Эшби изучал мозг, и на основе своих наблюдений выдвинул концепцию суперстабильности систем, а также создал гомеостат — одно из первых устройств, которое можно, хотя и с натяжкой, отнести к аппаратному воплощению искусственной нейронной сети. Аналогия с нейронным сетями прослеживается и в устройстве машин Грея Уолтера. Возможно, дело в том, что компания кибернетиков со временем стала относительно малочисленной (после ссоры Винера с Мак-Каллоком и Питтсом круг кибернетиков значительно поредел) и разбросанной по миру: Эшби, Грей Уолтер и Стаффорд Бир работали в Великобритании (какое-то время Бир провёл в Чили, где в годы президентства Сальвадора Альенде предпринял попытку создания кибернетической системы для управления экономикой, но её реализация была прервана приходом к власти хунты Пиночета). Американские поствинеровские кибернетики занимались в основном биологическими системами. Математиков и людей, занимающихся вычислительной техникой, среди них было мало. Естественным путём пальма первенства перешла к тем, кто тогда работал над решением прикладных задач при помощи компьютеров. А решались они главным образом при помощи символьных методов. Коннекционисты второго поколения в 70-е также по разным причинам отошли от дел. Бернард Уидроу занялся бизнесом, Розенблатт погиб, исследователи из Стэнфордского исследовательского института (SRI) переключились на символьные методы. «Провал» на Западе длился порядка пяти лет и закончился в 1978-ом году, когда темой занялись Дэвид Румельхарт, Джеффри Хинтон и их коллеги. Таким образом, на время пальму первенства в мире ИИ перехватил Марвин Минский и Массачусетский институт технологий. Научная традиция пресеклась, и признанные специалисты в области IT были уже не из круга кибернетиков.

***

Советская коннекционистская традиция, в отличие от западной, была непрерывной. И Галушкин, и Ивахненко занимались своими разработками до последнего времени (Александр Галушкин умер несколько лет назад, а Алексей Ивахненко — в начале 2000-х). Да и их коллеги в других институтах продолжали исследования в области коннекционизма. Правда, бюджеты, выделяемые на это направление, были довольно скромны, так как оно не считалось мейнстримным (появились другие, более перспективные направления, перетянувшие на себя основную часть ресурсов; к их числу относились базы знаний, функциональное и логическое программирование, экспертные системы, обработка естественного языка на основе регулярных грамматик и т. д.).
Из-за того, что советские коннекционисты работали с маленькими бюджетами, им не удалось достичь быстрого прогресса, как на Западе в 1980-е. Несмотря на то, что советские учёные благодаря работам Галушкина были знакомы с методом обратного распространения ошибки уже в 1970-е годы, это не привело к появлению крупных прикладных проектов в области нейронных сетей, подобных созданию системы распознавания рукописных почтовых индексов в США. С другой стороны, не было и периода полной приостановки исследований в области искусственных нейронных сетей.
Непросто, пожалуй, найти в истории науки другой подход, для утверждения которого потребовались бы столь длительные и повторяющиеся усилия такого количества учёных, работавших зачастую в изоляции друг от друга. И всё-таки в итоге лёд тронулся, и нейронные сети возвратились в область видимости основного направления науки.

Кристина Лавренюк

https://www.pravda-tv.ru/2021/03/02/487 ... tej-v-sssr

Комментарий. С точки зрения прикладной статистики нейросети - один из методов использования обучающих выборок для решения задач диагностики (распознавания образов, дискриминантного анализа), причем не оптимальный. Например, он проигрывает методам на основе непараметрических оценок плотности. Впрочем, любители нейросетей обычно не разбираются в математических методах статистики. Действительно, "терминология имеет значение" - стоит продавить новый термин, как возникает иллюзия, что можно игнорировать работы всех тех, кто использует другие термины.

А.И. Орлов


Китай: разрушение старых иллюзий

Замдиректора ИМЭМО имени Примакова Александр Ломанов прокомментировал визит Сергея Лаврова в Пекин

Москва. 24 марта. INTERFAX.RU - Состоявшийся визит министра иностранных дел России Сергея Лаврова в Пекин был не только подготовкой к встрече на высшем уровне, но и свидетельством глубоких отношений между двумя странами. Более того, он продемонстрировал дальновидность российских и китайских руководителей, которые 20 лет т