Suchergebnisse

This is the Russian translation of the fourth chapter of The History Manifesto by Jo Guldi and David Armitage. The book's main focus is a critique of the shortage of long-term thinking that, according to the authors, characterizes the social imagination of our time and the dominant mode of history writing. They propose a return to longue durée history as a tool of social analysis directed toward the future. In a crisis of short-termism, Guldi and Armitage claim, our world needs somewhere to turn for information about the relationship between past and future. History – as a discipline and a subject matter – is an ideal candidate for the job, just the arbiter we need at this critical time. In Chapter 4, the authors propose the role of historians in the society as the arbiters making sense of aggregated big data. They believe that in the future, big data will hold the key to uncovering the true meaning of events and processes, past and present, and that historians are uniquely qualified for the job. They could collaborate with archivists, data scientists, economists, and climate scientists in curating larger and more synthetic databases for studying change over time. In this way, they will transcend the sphere of academe, catering to the broader public as well to business and politicians.

Big data is a component of the Fourth Industrial Revolution. The deep penetration of digital technology has turned data into an essential component of the production process. Data are automatically generated by machines during the course of operation and during interactions with humans. This paper describes the concept and composition of big data. Most of the big data are unstructured and include text, audio-video files, images, emails, log files, etc. Statisticians are more interested in structured data presented in a pre-defined database model. Big data offer new sources and opportunities that cannot be discounted. However, the use of big data requires proper assessment in terms of quality dimensions such as accuracy, comparability and methodological soundness. Against the backdrop of arguments regarding big data, some users view big data as a replacement of official statistics. Such a conclusion is premature for at least two reasons: first, only a small part of big data can be used for decision-making. Second, theory and practice prove that a small sample based on scientific methods can yield much more reliable and accurate estimates than the results obtained from the processing of large amounts of unstructured data. The paper assesses the possibility of using big data for Sustainable Development Goals (SDG) monitoring, which is a nationally owned process, and NSOs are accountable for the SDG data they report. If the data are derived from a big data source, irrespective of the level of technical sophistication used in data transformation, the reliability of such data might be questioned by the national institutions. The paper concludes that the reliability of data obtained from big data sources hinges on the quality of tools and methods applied to data transformation. Statisticians can play an important role in alerting society, decision-making bodies of the government and businesses about the reliability of information derived from the different sources. ; Большие данные - одна из составляющих четвертой промышленной революции. Глубокое внедрение цифровой технологии в экономику способствовало тому, что информация стала неотъемлемым элементом производственного процесса. Большие данные создаются в процессе работы машины, взаимодействия человека с машиной и взаимодействия между людьми. В статье последовательно рассматриваются вопросы, вытекающие из ее названия. Прежде всего, раскрывается содержание понятия ≪большие данные≫, отмечается, что это не только цифры в традиционном понимании, но и текстовая часть, аудио- и видеозаписи в социальных сетях, фотографии, спутниковые изображения, электронные письма, программы, приложения и многое другое. Автор проводит различие между неструктурированными и структурированными данными, отмечая, что последние - это в основном количественные данные, которые представлены в базе данных с заранее определенной моделью для их хранения, обработки и распространения. Анализируя такой новый и, безусловно, революционный источник информации, каковым являются большие данные, автор оценивает их с точки зрения соответствия основным критериям и базовым принципам качества данных, таким как достоверность, возможность обеспечения сопоставимости, точность и надежность, правильное использование методологии. Отмечается, что тема больших данных вызывает чрезвычайный интерес у статистиков, которые рассматривают их как дополнительный источник сведений в условиях бурного развития информационных технологий. При этом некоторые пользователи переоценивают их потенциал и часто трактуют большие данные как предстоящую замену официальной статистики. Однако, по мнению автора, такое заключение является преждевременным; использовать большие данные необходимо с определенной осторожностью. Автор статьи отмечает два важных момента. Во-первых, для значительного числа пользователей интерес представляет только часть больших данных, а именно структурированные данные, в результате чего объем первых значительно сокращается. Во-вторых, как наукой, так и практикой доказано, что для получения достоверных результатов достаточно наблюдать небольшое число единиц, отобранных на основе случайной выборки (выборочной совокупности). В статье также дается критическая оценка больших данных с точки зрения других национальных базовых принципов, принятых ООН для обеспечения качества статистических данных. Особо выделяются проблемы, связанные с мониторингом достижения Целей устойчивого развития (ЦУР). Автор отмечает, что за данные, предоставляемые официальной статистикой, несут ответственность национальные статистические управления (НСУ). В отсутствие какой-либо институциональной ответственности надежность больших данных может быть поставлена под сомнение. В заключение подчеркивается, что пригодность больших данных определяется обоснованностью предположений, которые устанавливаются в ходе трансформации неструктурированного массива информации для проведения некоторого количественного измерения. В противном случае, по мнению автора, возможно проникновение в информационное поле потока нестатистической количественной информации в большом объеме, которая может дезинформировать общество и привести органы государственного управления и бизнеса к принятию неверных решений.

В статье предпринята попытка оценить коммуникативную эффективность инвестиций в «большие данные», которые осуществляются тремя мировыми лидерами электронной коммерции, – компаниями Amazon, Alibaba Group и eBay, – основываясь на не совсем стандартном для инвестиционного анализа подходе. Проанализирована динамика ключевых экономических показателей, в том числе инвестиций в исследования и разработки, новейшие проекты, связанные с Big Data. Они сопоставлены с той ценностью, которую получают потребители услуг этих компаний в результате использования «больших данных». В качестве таких ценностных параметров выделены: актуальность индивидуальной (целевой) рекламы, специальных предложений и акций, переходы на сайты электронных торговых площадок. Выявлена и оценена зависимость между отношением потребителей к использованию их персональных данных посредством Big Data и качеством индивидуальных предложений товаров, которые они получают от продавцов. Благодаря этому были сформулированы в виде рекомендаций возможности использования инвестиций в Big Data для сохранения и укрепления рыночной позиции интернет-ритейлеров, работающих на данном рынке.

Настоящая статья представляет собой одно из первых исследований в России, посвященных анализу влияния технологий анализа «Больших данных» (Big Data) на законодательство о персональных данных, которое выступает одним из основных гарантов защиты права граждан на неприкосновенность частной жизни в цифровой среде. В статье раскрываются понятие «Больших данных», описывается генезис данной технологии и ее преимущества, а также приводятся примеры реализации данной технологии в различных сферах деятельности. Основное внимание уделяется анализу совместимости «Больших данных» с рядом базовых положений законодательства о персональных данных. По результатам анализа делается вывод, что такие принципы, как ограничение обработки персональных данных заранее определенными целями, ограничения объема собираемых и обрабатываемых данных минимально необходимым объемом, осуществление обработки данных на основе информированного согласия являются несовместимыми с природой технологий «Больших данных», которая лежит в основе тех преимуществ, которые она несет в себе. Так, принципы ограничения обработки персональных данных заранее определенными целями и ограничения объема обрабатываемых данных минимально необходимым объемом несовместимы с идеей повторного использования данных, которой пронизана философия «Больших данных». Информированное согласие невозможно в условиях, когда невозможно указание цели обработки персональных данных, а оно невозможно как раз по причине непредсказуемости таких целей в эпоху "Больших данных": ограничение обработки персональных данных заранее определенными целями означает лишение данной технологии преимуществ, которые она способна предоставить. При этом решение проблемы посредством популяризации обезличивания персональных данных также не может оправдать возлагаемых на него надежд по причине существования широких возможностей по деобезличиванию таких данных, предоставляемых дешевыми вычислительными мощностями и большими массивами общедоступных данных в сети Интернет. ; This paper analyses the impact of Big Data technologies on data protection legislation, which represents one of the main legal outposts of privacy in digital environment. The paper describes the origin of what is currently called Big Data, its definition and examples of its application in various spheres. The main focus of the paper is on the analysis of compatibility of Big Data technologies with the core principles of data protection legislation. Based on the analysis, the author comes to a conclusion that such principles as purpose limitation, data minimization; informed consent as a main basis for processing personal data are substantially eroded by Big Data. Purpose limitation and data minimization are at odds with the concept of data reuse, which underpins the philosophy of the Big Data age. Informed consent is impossible in the situations where a specific goal of data processing cannot be provided, and it cannot be provided due to unpredictable nature of potential data uses of in Big Data age: to limit processing data by specific purposes means rejection of the benefits of Big Data. In addition, the point is made that contrary to the popular view, anonimity of personal data is not an effective solution of existing problems with personal data in Big data era, due to widely available opportunities for de-anonymization provided by cheap computing power and a vast amount of information currently available on the Internet. The paper has a purpose of highlighting the problems in data protection legislation and initiating discussions. It is expected that possible solutions to them will be a subject of subsequent papers

The digital economy in medicine is discussed from the point of view of the concepts of big data and end-to-end business processes. Big data is associated with a library of evidence-based medicine, archives of medical cards and apportioned information about the individual patient. To build end-to-end business processes are offered to use the legislation on fundamentals of protection of citizens ' health and system analysis of this activity. The economic aspect relates to the complementary relationships of high-tech medical care with the organizational, human and information capital.

Digital societies come with a design paradox: On the one hand, technologies, such as Internet of Things, pervasive and ubiquitous systems, allow a distributed local intelligence in interconnected devices of our everyday life such as smart phones, smart thermostats, self-driving cars, etc. On the other hand, Big Data collection and storage is managed in a highly centralized fashion, resulting in privacy-intrusion, surveillance actions, discriminatory and segregation social phenomena. What is the difference between a distributed and a decentralized system design? How "decentralized" is the processing of our data nowadays? Does centralized design undermine autonomy? Can the level of decentralization in the implemented technologies influence ethical and social dimensions, such as social justice? Can decentralization convey sustainability? Are there parallelisms between the decentralization of digital technology and the decentralization of urban development? ; Цифровая трансформация основывается на автоматизированных процессах и инвестициях в новые технологии: искусственный интеллект, блокчейн, анализ данных и интернет вещей. Но в центре успешной стратегии цифровой трансформации все равно находится человек. Цифровая трансформация порождает парадоксы новых моделей: с одной стороны, распространяются повсеместно технологии, такие, как интернет вещей, большие данные позволяют улучшить продукты и услуги для потребителей, предложить им новую ценность и т. д. Но, с другой стороны, аналитика данных и их хранение управляются высокоцентрализованным способом, приводящим к вторжению в частную жизнь людей, контролю за их действиями, к дискриминационным и сегрегационным социальным явлениям. В статье рассматриваются вопросы: каково различие между распределенным и децентрализованным системным проектированием? Как возможна организация «децентрализованной» обработки персональных данных в наше время? Подрывают ли централизованный сбор и обработка данных автономию? Может ли децентрализация во внедренных технологиях влиять на этические и социальные параметры, такие, как социальная справедливость? Ведет ли децентрализация к устойчивости функционирования систем? Есть ли взаимосвязь между децентрализацией цифровых технологий и децентрализацией городского развития?В статье делается вывод о том, что децентрализаванные системы имеют гораздо большую эффективность в современных условиях и являются альтернативой или естественной адаптацией к сложившимся условиям. Например, децентрализованное производство электроэнергии делает людей одновременно производителями и потребителями, что приводит к повышению энергоэффективности. Точно так же аналитика данных не является монополией систем больших данных. Анализ может также быть выполнен полностью децентрализованным способом как общественное благо с использованием коллективного разума.

Digital societies come with a design paradox: On the one hand, technologies, such as Internet of Things, pervasive and ubiquitous systems, allow a distributed local intelligence in interconnected devices of our everyday life such as smart phones, smart thermostats, self-driving cars, etc. On the other hand, Big Data collection and storage is managed in a highly centralized fashion, resulting in privacy-intrusion, surveillance actions, discriminatory and segregation social phenomena. What is the difference between a distributed and a decentralized system design? How "decentralized" is the processing of our data nowadays? Does centralized design undermine autonomy? Can the level of decentralization in the implemented technologies influence ethical and social dimensions, such as social justice? Can decentralization convey sustainability? Are there parallelisms between the decentralization of digital technology and the decentralization of urban development? ; Цифровая трансформация основывается на автоматизированных процессах и инвестициях в новые технологии: искусственный интеллект, блокчейн, анализ данных и интернет вещей. Но в центре успешной стратегии цифровой трансформации все равно находится человек. Цифровая трансформация порождает парадоксы новых моделей: с одной стороны, распространяются повсеместно технологии, такие, как интернет вещей, большие данные позволяют улучшить продукты и услуги для потребителей, предложить им новую ценность и т. д. Но, с другой стороны, аналитика данных и их хранение управляются высокоцентрализованным способом, приводящим к вторжению в частную жизнь людей, контролю за их действиями, к дискриминационным и сегрегационным социальным явлениям. В статье рассматриваются вопросы: каково различие между распределенным и децентрализованным системным проектированием? Как возможна организация «децентрализованной» обработки персональных данных в наше время? Подрывают ли централизованный сбор и обработка данных автономию? Может ли децентрализация во внедренных технологиях влиять на этические и социальные параметры, такие, как социальная справедливость? Ведет ли децентрализация к устойчивости функционирования систем? Есть ли взаимосвязь между децентрализацией цифровых технологий и децентрализацией городского развития?В статье делается вывод о том, что децентрализаванные системы имеют гораздо большую эффективность в современных условиях и являются альтернативой или естественной адаптацией к сложившимся условиям. Например, децентрализованное производство электроэнергии делает людей одновременно производителями и потребителями, что приводит к повышению энергоэффективности. Точно так же аналитика данных не является монополией систем больших данных. Анализ может также быть выполнен полностью децентрализованным способом как общественное благо с использованием коллективного разума.

В статье представлены результаты первого этапа многоцентрового исследования по аналитике Больших данных, организованного по инициативе Академического партнерства ЕМС в России и СНГ. Показано, что неструктурированные массивы ключевых слов, относящиеся к категории Big Data, отражают в информационной среде Интернета реальные процессы, происходящие в глобальном социуме, и могут быть использованы для прогностической оценки состояния государств. Например, датафицированная текстовая характеристика «мобильный телефон» в привязке к 2011 г., когда началась «арабская весна», оказалась связана с социально-демократическими процессами в глобальном обществе и не связана со статистическим увеличением числа пользователей мобильных телефонов в арабских странах. А статистический показатель «количество абонентов мобильной связи» коррелирует сразу с несколькими характеристиками Big Data: «террорист» /terrorist/, «терроризм» /terrorism/, «насилие» /violation/, «демократия» /democracy/. В противоположность распространению мобильных телефонов, оказавшему влияние на «арабскую весну», связи между такими статистическими показателями, как число пользователей Интернета и соцсетей, и перечисленными выше характеристиками Big Data, отражавшими общественные волнения в арабских странах, не обнаружено. Таким образом, полученные данные показывают, насколько важны средства мобильной связи в социальных процессах и насколько оправданны существующие подходы в борьбе с терроризмом, в которых основное внимание уделяется каналам мобильной связи террористов. Выявлена пространственно-временная структура (поверхностная диаграмма корреляционного поля), отражающая политическое явление «арабская весна» в Интернете во взаимозависимости с распространением и использованием населением мобильных телефонов. Данная пространственно-временная структура схожа для всех 4-х анализируемых характеристик («террорист» /terrorist/, «терроризм» /terrorism/, «насилие» /violation/, «демократия» /democracy/). По внешнему виду она напоминает образ улитки, за что получила название «Snail-структура». В рамках заданных параметров исследования эта структура отражает сильную корреляционную связь между четырьмя вышеописанными характеристиками Big Data, привязанными к 2011 г., и распространением мобильных телефонов начиная с 2011 г. и далее. Можно сделать вывод о том, что насыщение региона персональной мобильной связью произошло к 2011 г., став одним из катализаторов массовых волнений арабского населения. Также обнаружена корреляционная связь с уровнем распространения мобильных телефонов в 2009 г., повторяющаяся для всех четырех датафицированных характеристик Big Data, в привязке к 2014–2015 гг. Объяснить такую ретроградную корреляционную связь пока затруднительно. Требуется продолжать исследование в данном направлении с опорой на полученные результаты. ; The article presents the results of the first phase of the Big Data Analytics Multicenter Study initiated by the EMC Academic Alliance in Russia and the CIS. The results show that unstructured arrays of keywords related to the Big Data reflect the actual global society processes in the Internet information environment. Arrays of special keywords can be used for prognostic assessment of the states in Big Data Analytics. Dataficated text's words "mobile phone" related to 2011, when the Arab Spring started, turned out to be associated with social and democratic processes in the global society and not with a statistical increase in the number of mobile phone users in the Arab countries. A statistical measure of mobile phone subscribers correlates with several Big Data dataficated text's words such as "terrorist", "terrorism", "violence", and "democracy". Contrary to the spread of mobile phones that contributed to the "Arab spring", no relationship between the number of the Internet and social network users and the above-mentioned Big Data characteristics describing the Arab upheavals was revealed. These findings strengthen the importance of mobile communications in social processes and the existing approaches to counteract terrorism where a special attention is paid to the terrorist mobile communication. The spatiotemporal structure (surface diagram of correlation field) was defined to describe the Arab Spring as an Internet political phenomenon referring to the mobile phone penetration. This spatiotemporal structure is similar across four dataficated text's words ("terrorist", "terrorism", "violence", "democracy"). As it resembles a snail, it is called a Snail-structure. The Snail-structure demonstrates a strong correlation between four dataficated text's words related to 2011 and mobile phones distribution in 2011 and later. It is concluded that the mobile phone penetration was so high in the MENA region that it became a catalyst for the Arab mass unrest. Another correlation was detected between dataficated text's words related to 2014-2015 and mobile phones' distribution in 2009. At present, it is difficult to explain this retrograde correlation. A further research based on the findings obtained is needed.

The article presents the results of the first generalization of domestic and foreign works (journal articles and monographs) on the socioeconomic regionalization, published in 1992–2016. The purpose of generalization is to identify development trends for groups of types of regionalization and their extrapolation to 2017– 2026. Distribution of publications by five groups (integral economic, sectoral socioeconomic, political-administrative, recreation-geographical, and cultural-geographical regionalization) is analyzed. It was found that in the post-Soviet period in the world there has been a decline in the relative importance of the first three groups and the increase for the last two groups. For Russian publications, a significant decline in the importance of an integral economic regionalization is recorded, as well as not such a big drop of the second and the third groups on the background of a rapid growth of the fourth and fifth groups. The extrapolation of global trends to 2017–2026 allowed assessing the impact of the future on current estimates: the first three groups of regionalization became to be assessed less pessimistic, and the last two groups are less optimistic. It is shown that in the future new kinds of socioeconomic regionalization based on the "big data" may be formed out of identified trends. ; Представлены результаты впервые проведенного обобщения отечественных и зарубежных работ (журнальных статей и монографий) по социально-экономическому районированию, опубликованных в 1992–2016 гг. Цель обобщения – выявление трендов развития для групп видов районирования и их экстраполяция на 2017–2026 гг. Проанализировано распределение публикаций между пятью группами – интегральным экономическим, отраслевым социально-экономическим, политико-административным, рекреационно-географическим и культурно-географическим районированием. Установлено, что в постсоветский период в мире имели место снижение относительной значимости первых трех групп и увеличение для последних двух групп. Для российских публикаций зафиксировано более существенное снижение значимости интегрального экономического районирования, не столь большое падение второй и третьей группы на фоне менее бурного роста четвертой и пятой группы. Экстраполяция мировых трендов на 2017–2026 гг. позволила оценить влияние будущего на современные оценки: первые три группы видов районирования стали оцениваться менее пессимистично, а последние две – не столь оптимистично. Показано, что вне выявленных трендов в будущем могут формироваться новые виды социально-экономического районирования, опирающиеся на "большие данные".

The article discusses the key social and ethical issues associated with the development of the digital economy, or rather, such a segment of it as the activity of Internet platforms. The first part of the article is devoted to the analysis of the problem of big data, monopolism, and the formation of inequality due to a new form of capitalism – surveillance capitalism. The problem with big data is that companies using users' data as their main resource thrive; at the same time, as many authors show, the platform business itself leads to the destruction of many areas of the economy, which hurts the positions of the middle class (along with automation). Besides, data by its origin is a collective product, whereas companies actually privatize them. Therefore, the task is to somehow regulate the interaction of platforms and society in this matter. As for monopolism, this is a broader problem for (primarily) the American economy. The monopolization associated with Internet platforms is largely dictated by the very nature of this type of business (network effects). However, monopolization leads to many negative effects, in particular, causing great social inequality. The article examines the negative economic and political effects of the monopolism of new Internet companies. It is concluded that it is necessary to change the general paradigm of companies' activities in the modern economy — to move from rent-oriented behavior to productive one. It is also necessary to change the relationship between new companies and the state, which should be considered as the most important source of many public goods. The author considers the formation of a new type of inequality and violation of democratic norms with regard to the formation of surveillance capitalism. ; В статье рассмотрены ключевые социально-этические проблемы, связанные с развитием цифровой экономики, а точнее, такого ее сегмента, как деятельность интернет-платформ. Первая часть статьи посвящена анализу проблемы больших данных, монополизма и формирования неравенства в связи с новой формой капитализма — надзорным капитализмом. Проблема больших данных заключается в том, что компании, используя данные пользователей как свой основной ресурс, процветают; в то же время, как показывают многие авторы, платформенный бизнес сам по себе приводит к разрушению многих сфер экономики, что больно бьет по позициям среднего класса (наряду с автоматизацией). Кроме того, данные по своему происхождению являются коллективным продуктом, тогда как компании фактически приватизируют их. Поэтому задача заключается в том, чтобы каким-то образом регулировать взаимодействие платформ и общества в этом вопросе. Что касается монополизма, то это проблема более широкая для (прежде всего) американской экономики. Монополизация же, связанная с интернет-платформами, в значительной степени продиктована самой природой этого вида бизнеса (сетевые эффекты). Однако монополизация приводит к множеству негативных эффектов, в частности, вызывая очень большое социальное неравенство. В статье рассматриваются негативные экономические и политические эффекты монополизма новых интернет-компаний. Делается вывод о том, что необходимо изменить общую парадигму деятельности компаний в современной экономике — перейти от рентоориентированного поведения к производительному. Необходимо также изменить отношение новых компаний с государством, которое должно рассматриваться как важнейший источник множества общественных благ. Рассматривается формирование нового типа неравенства и попрания демократических норм в связи с формированием надзорного капитализма.

Ensuring food security is a major challenge in many countries. With a growing global population, the issues of improving the efficiency of agriculture have become most relevant. Farmers are looking for new ways to increase yields, and governments of different countries are developing new programs to support agriculture. This contributes to a more active implementation of digital technologies in agriculture, helping farmers to make better decisions, increase yields and take care of the environment. The central point is the collection and analysis of data. In the industry of agriculture, data can be collected from different sources and may contain useful patterns that identify potential problems or opportunities. Data should be analyzed using machine learning algorithms to extract useful insights. Such methods of precision farming allow the farmer to monitor individual parts of the field, optimize the consumption of water and chemicals, and identify problems quickly.Purpose: to make an overview of the machine learning algorithms used for data analysis in agriculture.Methodology: an overview of the relevant literature; a survey of farmers.Results: relevant algorithms of machine learning for the analysis of data in agriculture at various levels were identified: soil analysis (soil assessment, soil classification, soil fertility predictions), weather forecast (simulation of climate change, temperature and precipitation prediction), and analysis of vegetation (weed identification, vegetation classification, plant disease identification, crop forecasting).Practical implications: agriculture, crop production. ; Обеспечение продовольственной безопасности является важной задачей многих стран. В условиях роста населения Земли вопросы повышения эффективности сельского хозяйства становятся наиболее актуальными. Фермеры ищут новые способы повышения урожайности, а правительства разных стран разрабатывают новые программы поддержки сельского хозяйства. Это способствует более активному внедрению цифровых технологий в сельское хозяйство, помогая фермерам более эффективно принимать решения, увеличивать урожайность и заботиться об экологии. Центральное место здесь занимает сбор и анализ данных. В области земледелия данные могут собираться из разных источников и содержат в себе полезные закономерности, выявляющие потенциальные проблемы или возможности. Чтобы извлечь пользу из данных, они должны быть проанализированы с помощью алгоритмов машинного обучения. Такие методы точного земледелия позволяют следить за отдельными частями поля, оптимизировать расход воды и химикатов, а также оперативно выявлять проблемы.Цель: обзор алгоритмов машинного обучения, применяемых для анализа данных в сельском хозяйстве.Методология проведения работы: обзор релевантной литературы, опрос фермеров.Результаты: выявлены релевантные алгоритмы машинного обучения для анализа данных в сельском хозяйстве на различных уровнях: анализ почвы (оценка состояния почвы, классификация почвы, прогнозироваие плодородности почвы), прогноз погоды (имитация смены климата, прогноз температуры и осадков) и анализ состояния растительности (идентификация сорняков, классификация растительности, выявление болезни растений, прогнозирование урожайности).Область применения результатов: сельское хозяйство, растениеводство.

This article discusses "end-to-end" digital technologies in the aspect of their application in the public administration system. The most Promising areas of implementation of digital development programs are identified. The" end-to-end " digital technologies mentioned by the authors, in their opinion, are key to ensuring the technological independence of the state of the future. The paper presents a description of each individual technology and justifies the advantages of its integration into the government system.Purpose: identification of areas of application of end-to-end digital technologies in public administration.Methodology: in this article General scientific method of analysis and synthesis and method of establishing cause-and-effect relationships were used.Results: the effectiveness of using "end-to-end" digital technologies in public administration is proved, and the advantages and risks are identified.Practical implications: the results obtained should be applied in government agencies to improve the efficiency of managerial decision-making. ; В данной статье рассмотрены «сквозные» цифровые технологии в аспекте их применения в системе государственного управления. Определены наиболее перспективные направления реализации программ цифрового развития. Упомянутые авторами «сквозные» цифровые технологии, по их мнению, являются ключевыми для обеспечения технологической независимости государства будущего. В работе представлено описание каждой отдельной технологии и обоснованы преимущества ее интеграции в систему органов власти.Цель статьи: выявление сфер применения сквозных цифровых технологий в государственном управлении.Методология проведения работы: в статье использовался общенаучный метод анализа и синтеза, а также метод установления причинно-следственных связей.Результаты: обоснована эффективность применения «сквозных» цифровых технологий в государственном управлении и выявлены преимущества и риски.Область применения результатов: полученные результаты работы целесообразно применять в государственных органах для повышения эффективности принятия управленческих решений.

Информационно-аналитические системы поддержки решений во власти и бизнесе, как правило, носят распределенный характер. В них можно выделить два существенно отличающихся контура информационно-аналитического обеспечения. Первый основывается на поддержке процессов сбора, доставки и обработки информации, представленной в базах данных, а второй обеспечивает собственно процессы принятия решений с анализом мнений экспертов в реальном времени. В работе предлагается проектное решение по созданию фреймворка для интеграции гетерогенных информационно-аналитических средств в облачной среде, обеспечивающее целенаправленную и устойчивую сходимость процессов принятия решений. При этом инструменты могут охватывать процессы сетевой экспертизы, когнитивного моделирования, визуализации и анализа больших данных. Приводятся примеры практической апробации отдельных компонентов. ; Information-analytical decision support systems in government and business are distributed. There are two substantially different approaches of information, experts and analytical support of decision-making. The first is based on using the information that is stored in electronic databases, and the second analyzing of the experts' views in real time. We propose a design solution for creating the cloud framework for integrates the heterogeneous information, experts and analytical tools in the cloud that provides the convergence of the decision-making processes. The processes can include network expertise, cognitive modeling, visualization and analysis of Big Data. Examples of practical testing of the individual components are shown.