«Первый экономический журнал». Статьи номера

УДК 004.85:69.003

Авторы:

Батырева Дарья Константиновна
Независимый исследователь, Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный архитектурно-строительный университет», Санкт-Петербург, Россия
SPIN-код: 3703-8260

Корабельникова Светлана Сергеевна
Доцент кафедры экономики строительства и ЖКХ, кандидат экономических наук, доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный архитектурно-строительный университет», Санкт-Петербург, Россия
SPIN-код: 6448-5003

Название статьи:

МЕТОДИКА ФОРМИРОВАНИЯ БАЗЫ ДАННЫХ ДЛЯ ОБУЧЕНИЯ СИСТЕМ МАШИННОГО ОБУЧЕНИЯ С ЦЕЛЬЮ УПРАВЛЕНИЯ БЮДЖЕТОМ СТРОИТЕЛЬНОГО ПРОЕКТА

Страницы:
111-117

Аннотация:

В статье обосновывается актуальность разработки новых методических подходов к управлению бюджетом строительных проектов в условиях цифровизации строительной сферы. Управление бюджетом является ключевым процессом в области управления стоимостью проекта, требующим точной, своевременной и структурированной информации. Проблема обусловлена системной неэффективностью строительной сферы и недостаточностью традиционных методов для работы с огромными массивами разрозненных данных. Цель исследования заключается в разработке методики формирования базы данных, предназначенной для обучения систем машинного обучения. Предложенная методика предназначена для использования в качестве стратегической управленческой рамки, дополняющей, но не заменяющей действующие процедуры. Внедрение позволит перейти к проактивному прогнозированию стоимости и управлению рисками. Работа требует дальнейшей апробации в реальных условиях для верификации её практической эффективности.

Ключевые слова:

управление проектами, искусственный интеллект, машинное обучение, управление бюджетом проекта, управление стоимостью проекта.

Список использованных источников:

1. Аналитика данных в строительстве: как BI помогает снизить бюджеты и вовремя закрывать проекты // Спарк Ру URL: https://spark.ru/startup/qlever/blog/214521/analitika-dannih-v-stroitelstve-kak-bi-pomogaet-snizit-byudzheti-i-vovremya-zakrivat-proekti (дата обращения: 02.10.2025).
2. Project Management Statistics // Ceaseo URL: https://www.ceaseo.com/ru/project-management-statistics.html (дата обращения: 02.10.2025).
3. Руководство к Своду знаний по управлению проектом Коллектив переводчиков. – М.: Олимп–Бизнес, 2018. – 726 с.
4. Кожина Е.В. и Санжина О.П. Автоматизация процесса проектного управления предприятий судостроения в условиях цифровой экономики // Естественно-гуманитарные исследования. – 2024. – №5(55). – С. 168-175.
5. Дьякова О.В. Инструментарий проектного менеджмента: топ инструментов руководителя проектов // Век качества. – 2022. – №3. – С. 131-148.
6. Курзюкова Ф.В., Дорковская Г.И. Структура затрат и факторы стоимости проекта // Сибирский аэрокосмический журнал. – 2008. – №1 (18). – С. 189-194.
7. Гареев И.Ф., Ахметгалиев Т.А., Юнусов Р.Р. Источники данных и машинное обучение на прединвестиционой стадии проектов развития территорий // Жилищные стратегии. – 2024. – №3 (11). – С. 409-426.
8. Гончарова Н. А., Белых С. А. Инновационные подходы к анализу инвестиционной деятельности в строительной отрасли: перспективы и вызовы // Проблемы социально-экономического развития Сибири. – 2024. – №2(56). – С. 42-48.
9. Висаитов А.А-Х., Каллаур Г.Ю. Инновационные подходы к анализу строительных проектов на прединвестиционной фазе // Прогрессивная экономика. – 2025. – №4. – С. 20-32.
10. О. Жерон Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем. – 2-е изд. – М.: Диалектика-Вильямс, 2024. – 1040 с.
11. Ямиков Р.Р., Григорян К.А. Анализ и разработка конвейера MLOps для развертывания моделей машинного обучения // Электронные библиотеки. – 2022. – №25(2). – С. 177-196.
12. Кунаков Е.П. Применение новых подходов к циклу Деминга // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. – 2022. – №1(20). – С. 61-70.
13. Трофимов В.В., Трофимова Л.А. О концепции управления на основе данных в условиях цифровой трансформации // Петербургский экономический журнал. – 2021. – №4. – С. 149-155.
14. Бевзенко С.А. Применение искусственного интеллекта и машинного обучения в разработке программного обеспечения // Инновации и инвестиции. – 2023. – №8. – С. 187-191.
15. Парамонов Е.С., Иванцов К.А., Мирончук В. А. Исследование востребованности применения методов машинного обучения в цифровой экономике // Beneficium. – 2024. – №1(50). – С. 22-30.
16. Корабельникова, С. С. Тенденции развития инвестиционно-строительной деятельности в условиях цифровизации экономики / С. С. Корабельникова, В. А. Пчельникова // Альманах Крым. – 2025. – № 48. – С. 84-92. – EDN HGJGGY.

Финансирование научной работы:
Нет сведений.

Ссылка для цитирования:

Батырева Д.К., Корабельникова С.С. Методика формирования базы данных для обучения систем машинного обучения с целью управления бюджетом строительного проекта // Первый экономический журнал. – 2025. – №8. – С. 111–117.

URL статьи: https://naukavak.ru/pezh-№8-362_111-117/

© Батырева Д.К., Корабельникова С.С., 2025

 Материал распространяется на условиях лицензии Creative Commons «Атрибуция» 4.0 Международная (CC BY 4.0)