доктор экономических наук, доктор физико-математических наук, член-корреспондент Российской академии наук, профессор, заслуженный деятель науки Российской Федерации, директор Центра социально-экономических исследований Уральского института управления РАНХиГСSPIN-код РИНЦ: 9980-7417Scopus Author ID: 24822113400; ResearcherID Web of Science: H‑3358-2015ORCID ID: 0000‑0002‑5513‑5020
кандидат экономических наук, заместитель директора Центра социально-экономических исследований Уральского института управления – филиала РАНХиГСSPIN-код РИНЦ: 3281-6437Scopus Author ID:57223003728ResearcherID Web of Science: K‑6556-2016ORCID: 0000‑0001‑8770‑0533
соискатель учёной степени, Уральский институт управления – филиал РАНХиГС; директор Департамента экономики Тюменской области ORCID: 0009‑0002‑7807‑9313
Статья посвящена разработке и теоретическому обоснованию авторской интеллектуально-цифровой модели картографирования экономической экосистемы территории как инструмента поддержки принятия управленческих решений в системе публичного управления региональным развитием.Цель исследования состоит в формировании концептуальной архитектуры модели, интегрирующей технологии искусственного интеллекта, больших данных и геоинформационных систем для комплексного анализа, мониторинга и прогнозирования состояния экономических экосистем территорий. Задачами исследования являются: анализ существующих подходов к публичному управлению и стратегическому развитию территорий, разработка методологии оценки эффективности интеллектуально-цифровых моделей, формирование концептуальной схемы и алгоритма функционирования интеллектуально-цифровой модели картографирования экономической экосистемы территории.Методологическую основу исследования составляют системный и экосистемный подходы, методы сравнительного анализа, сценарного моделирования, KPI-анализа и экспертного оценивания. На основе обобщения отечественного и зарубежного опыта применения цифровых двойников и геоинформационного картографирования сформулированы принципы построения модели, описана её многоуровневая архитектура, технологическая база и алгоритм функционирования.Новизна модели состоит в механизме обратной связи, обеспечивающем возможность корректировки прогностических моделей по мере накопления новых данных.Разработаны три практических сценария применения модели: мониторинг экономической активности в режиме реального времени, прогнозирование отраслевого развития и поддержка управленческих решений. Расчёты показывают, что внедрение модели позволяет снизить затраты на сбор и обработку данных на 30–40%, ускорить подготовку аналитических материалов в 2–3 раза и повысить точность прогнозов на 15–25%.Результаты исследования могут быть использованы органами государственной и муниципальной власти при разработке стратегий пространственного развития и мониторинге документов стратегического и пространственного планирования.