РОЗВИТОК ПРЕДИКТИВНОЇ АНАЛІТИКИ В ОБЛІКОВОМУ ЗАБЕЗПЕЧЕННІ УПРАВЛІННЯ ЕКОНОМІЧНОЮ БЕЗПЕКОЮ ПІДПРИЄМСТВА
Анотація
Успішне ведення сучасного бізнесу можливо лише за умови формування належної системи забезпечення його безпеки, заснованої на поєднанні досвіду господарювання, консолідації значних обсягів даних бухгалтерського обліку з відомостями інших джерел з подальшим прогнозуванням сценаріїв розвитку на цьому підґрунті. Метою статті постав розвиток теоретико-методичних засад організації інформаційно-аналітичного забезпечення управління економічною безпекою підприємства та розширення функціональності облікового процесу. В рамках обґрунтування гіпотези дослідження розглянуто потрібні зміни в організації облікового процесу в розрізі можливих напрямів застосування предиктивної аналітики щодо підтримки заданого рівня економічної безпеки підприємства. Методологічний базис дослідження склали мова моделювання бізнес-процесів BPMN та ймовірнісні мережі Байса, реалізовані у програмному комплексі Netica. З застосуванням BPMN здійснено регламентацію залучення розширеного аналітичного інструментарію до контурів управління економічною безпекою підприємства. За допомогою мереж довіри забезпечено обґрунтування та реалізація економічно безпечного стратегічного вибору підприємства.
Посилання
Acito F. (2023) Predictive analytics with KNIME. Analytics for citizen data scientists. Switzerland: Springer, 317 p.
Ali N. A. (2023) Predictive Analytics for the Modern Enterprise. USA: O’Reilly Media, Inc., 97 p.
Aquino do Vale V. (2022) Data Processing and Modeling with Hadoop: Mastering Hadoop Ecosystem Including ETL, Data Vault, DMBok, GDPR. India: BPB Publications, 198 p.
Bayesian network development software, Netica. Available at: https://www.norsys.com/index.html.
Camilleri М. А. (2017) Corporate Sustainability, Social Responsibility and Environmental Management: An Introduction to Theory and Practice with Case Studies. The Netherlands: Springer, 207 p.
Chorafas D. N. (2008) Risk Accounting and Risk Management for Accountants. Oxford: CIMA Publishing, 307 p.
Fortino A. (2023) Data mining and predictive analytics for business decisions. Boston: Mercury Learning and Information, 291 p.
Freund J., Rücker B. (2016) Real-Life BPMN with introductions to CMMN and DMN. Analyze, improve and automate business processes in your company. USA: Comunda, 300 p.
Kelleher J. D., Namee B. C., D’Arcy A. (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge: The MIT Press, 853 p.
Khadzhynova O. (2023) Preparation of Theoretical and Practical Recommendations for the Transformation of the Economic Security System of Enterprises during the Digitization Process. Economic Affairs. vol. 68. no. 2. pp. 1329–1335.
Kordy B., Ekstedt M., Kim D. S. (2016) Graphical Models for Security. Stockholm: Springer, 177 p.
Lutchman С., Maharaj R., Ghanem W. (2012) Safety management. A comprehensive approach to developing a sustainable system. London: CRC Press, 489 p.
Maisel L. S., Cokins G. (2014) Predictive Business Analytics: Forward-Looking Capabilities to Improve Business Performance. New Jersey: Wiley, 274 p.
Richardson V. J., Chang С. J., Smith R. (2021) Accounting Information Systems. New York: McGraw-Hill Education, 577 p.
Romney B. M., Steinbart P. J. (2018) Accounting Information Systems. USA: Pearson, 769 p.
Ronis S. R. (2011) Economic Security: Neglected Dimension of National Security? Washington D.C.: Center for Strategic Conferencing, Institute for National Strategic Studies., 130 p.
Sornette D., Ivliev S., Woodard H. (2012) Market Risk and Financial Markets Modeling. New York: Springer, 276 p.
