МЕТОДОЛОГІЯ ВИЗНАЧЕННЯ РІВНЯ ЦИФРОВОЇ ЗРІЛОСТІ БІЗНЕС-СТРУКТУР МЕТОДОМ КЛАСТЕРИЗАЦІЇ
Анотація
Адаптація та трансформація бізнесу через цифрові технології є серйозною проблемою у вирішенні викликів світового ринку. Інформаційні технології дають змогу будь-якій компанії змінювати власну бізнес-модель, щоб диференціюватися від усього світового ринку. Враховуючи прогалини у статистичному забезпеченні моніторингу розвитку цифрової економіки та побудови інформаційного суспільства, доцільно активізувати роботу основних стейхолдерів щодо виконання «Плану заходів із реалізації Концепції розвитку цифрової економіки та суспільства України на 2018–2020 роки». Враховуючи актуальність даного питання, у статті проаналізовано методику збору важливих даних шляхом опитування та способу їх аналітики методом кластеризації респондентів. Розроблено інноваційну методику статистичного дослідження щодо цифрової трансформації бізнес-структур малого та середнього розмірів, а саме: запропоновано індикатори, здійснено опитування респондентів, підготовлено дані (запропоновано техніку їх очищення та подальшої обробки включно з кодуванням), здійснено кластеризацію суб’єктів дослідження та проведено аналіз відповідних результатів.
Посилання
Про схвалення Концепції розвитку цифрової економіки та суспільства України на 2018–2020 роки. URL : https://www.kmu.gov.ua/ua/npas/pro-shvalennya-koncepciyi-rozvitku-cifrovoyi-ekonomiki-ta-suspilstva-ukrayini-na-20182020-roki-ta-zatverdzhennya-planu-zahodiv-shodo-yiyi-realizaciyi (дата звернення: 17.10.2019).
Коляденко С.В. Цифрова економіка: передумови та етапи становлення в Україні й у світі. Економіка. Фінанси. Менеджмент. 2016. № 6. С. 106–107.
Clustering Online Poll Data: Towards a Voting Assistance System / I. Katakis et al. 2012 Seventh International Workshop on Semantic and Social Media Adaptation and Personalization. URL : http://www.katakis.eu/wp-content/uploads/2014/11/katakis_smap12.pdf. DOI : 10.1109/SMAP.2012.19 (дата звернення: 20.10.2019).
McCaffrey J. Machine Learning Using C#. Syncfusion, 2014. Р. 148. URL : https://pt.b-ok.org/book/3097267/7356b0 (дата звернення: 17.10.2019).
Cluster analysis with balancing weights on mixed-type data / S.S. Chae et al. The Korean communications in statistics. 2002. № 13(3). DOI : org/10.5351/CKSS.2006.13.3.719.
Gower J.C. A comparison of some methods of cluster analysis. Biometrics. 1967. № 23. Р. 623–637. DOI : 10.2307/2528417.
Rand W.M. Objective Criteria for the Evaluation of Clustering Methods. Journal of the American Statistical Association. 1971.Vol. 66. № 336. Р. 846–850. DOI : 10.2307/2284239.
Hoven J. van den. Clustering with optimised weights for Gower's metric. University of Amsterdam. 2015. Р. 14–17. URL : https://www.math.vu.nl/~sbhulai/papers/thesis-vandenhoven.pdf (дата звернення: 17.10.2019).
Gower J.C. A General Coefficient of Similarity and Some of Its Properties. Biometrics. 1971. № 27(4). Р. 859. DOI : 10.2307/2528823.
Statistical Services Centre, Approaches to the Analysis of Survey Data. The University of Reading Statistical Services Centre Biometrics Advisory and Support Service to DFID. 2001. March. URL : https://www.ilri.org/biometrics/TrainingResources/Documents/University%20of%20Reading/Guides/Guides%20on%20Analysis/ApprochAnalysis.pdf (дата звернення: 20.10.2019).
Welcome to Python.org. URL : https://www.python.org (дата звернення: 20.10.2019).
Malik U. Hierarchical Clustering with Python and Scikit-Learn. Stack Abuse. 2018. July. URL : https://stackabuse.com/hierarchical-clustering-with-python-and-scikit-learn/ (дата звернення: 20.10.2019).
Scikit. Clustering documentation. URL : Scikit learn. https://scikit-learn.org/stable/modules/clustering.html (дата звернення: 18.10.2019).
Filaire T. Clustering on mixed type data. Medium. 2018. July. URL : https://towardsdatascience.com/clustering-on-mixed-type-data-8bbd0a2569c3 (дата звернення: 18.10.2019).
Plan of measures on implementation of the Conception of development of digital economy and society of Ukraine for the period from 2018 to 2020. URL: https://mtu.gov.ua/en/news/29453.html (access date October 17, 2019).
S. V. Koliadenko (2016) Tsyfrova ekonomіka: peredumovy ta etapy stanovlennia v Ukrainі і u svіtі [Digital economy: preconditions and stages of formation in Ukraine and in the world], Ekonomіka. Fіnansy. Menedzhment, no.6, pp. 106-107, 2016 (in Ukrainian)
I. Katakis, N. Tsapatsoulis, C. Tziouvas and F. Mendes. (2012). Clustering Online Poll Data: Towards a Voting Assistance System, 2012 Seventh International Workshop on Semantic and Social Media Adaptation and Personalization. URL: http://www.katakis.eu/wp-content/uploads/2014/11/katakis_smap12.pdf. doi: 10.1109/SMAP.2012.19 (access date October 20, 2019).
McCaffrey J. Machine Learning Using C#. Syncfusion, 2014, p. 148. URL: https://pt.b-ok.org/book/3097267/7356b0 (access date October 17, 2019).
Chae, S. S., Kim, J.-M. & Yang, W. Y., (2006). Cluster analysis with balancing weights on mixed-type data. The Korean communications in statistics, 13(3) doi.org/10.5351/CKSS.2006.13.3.719
Gower JC (1967) A comparison of some methods of cluster analysis. Biometrics 23:623–637 doi: 10.2307/2528417
William M. Rand (1971). Objective Criteria for the Evaluation of Clustering Methods. Journal of the American Statistical Association. Vol. 66, No. 336 (Dec., 1971), pp. 846-850 doi: 10.2307/2284239
J. van den Hoven. (2015). Clustering with optimised weights for Gower's metric. University of Amsterdam. pp.14-17. URL: https://www.math.vu.nl/~sbhulai/papers/thesis-vandenhoven.pdf (access date October 17, 2019).
Gower, J. C., (1971). A General Coefficient of Similarity and Some of Its Properties. Biometrics, 27(4), p. 859. doi: 10.2307/2528823
Statistical Services Centre, (2001, March) Approaches to the Analysis of Survey Data. The University of Reading Statistical Services Centre Biometrics Advisory and Support Service to DFID. URL: https://www.ilri.org/biometrics/TrainingResources/Documents/University%20of%20Reading/Guides/Guides%20on%20Analysis/ApprochAnalysis.pdf
Welcome to Python.org. URL: https://www.python.org (access date October 20, 2019).
U. Malik. (2018 July). Hierarchical Clustering with Python and Scikit-Learn. Stack Abuse. URL: https://stackabuse.com/hierarchical-clustering-with-python-and-scikit-learn/ (access date October 20, 2019).
Scikit. Clustering documentation. Scikit learn. URL: https://scikit-learn.org/stable/modules/clustering.html (access date October 18, 2019).
T. Filaire. (2018, July). Clustering on mixed type data. Medium. URL: https://towardsdatascience.com/clustering-on-mixed-type-data-8bbd0a2569c3 (access date October 18, 2019).
