Целью данной статьи является изучение теоретических, а также практических особенностей формирования и развития цифровых инновационных экосистем в области здравоохранения России. Важное место в рамках данной статьи занимает анализ терминов «цифровое здравоохранение», «инновации» и «цифровые экосистемы» с целью выявления компонентов для представления концептуальных основ формирования и развития цифровых инновационных экосистем в области здравоохранения России. В ходе исследования были охарактеризованы основные компоненты цифрового здравоохранения, компоненты инноваций, имеющих отношение к сфере здравоохранения, и компоненты цифровых экосистем. Кроме того, в этом контексте предлагается всеобъемлющее определение цифровых инновационных экосистем в области здравоохранения. На основе проведенного анализа предложены авторские подходы к разработке концептуальных основ формирования и развития цифровых инновационных экосистем в области здравоохранения.
Бюджетные учреждения функционируют в неблагоприятной макроэкономической среде, связанной с продолжающимся распространением пандемии COVID-19, дефицитом государственного бюджета, снижением бюджетного финансирования. В этих условиях важно повысить качество управления бюджетными учреждениями, которое невозможно без совершенствования учетно-аналитического обеспечения их деятельности. В статье рассмотрены направления развития бюджетного учета и отчетности, включая возможности применения инструментов управленческого учета.
В статье рассматриваются вопросы формирования информационной базы внутреннего финансового контроля исполнения бюджетных процедур при оказании социальных услуг в организациях социального обслуживания. Проанализированы существующие подходы к проведению контрольных мероприятий. Обосновывается необходимость построения четкой системы внутреннего финансового контроля, которая будет обеспечивать законность и целесообразность предоставляемых социальных услуг.
В условиях острой конкуренции на рынке любой организации, в том числе инновационного характера, необходимо использовать грамотный брендинг и позиционирование. Брендинг и позиционирование помогают потенциальному клиенту отличить компанию от ряда конкурентов, сделать ее запоминаемой и подчеркнуть уникальность конкурентных преимуществ компании и ее товара, услуги [1]. В рамках данной статьи рассматриваются рекомендации по идентификации и позиционированию бренда инновационного стартап-проекта «МЯСОрубка». Рекомендации были основаны исходя из анализа российского рынка подобных проектов, а также анализа целевой аудитории проекта, уникальности и основных задач.
Машинное обучение является одним из направлений искусственного интеллекта. Основной принцип заключается в том, что компьютер получает данные и «обучается» на них. Системы машинного обучения позволяют быстро применять знания, полученные при обучении, на больших наборах данных, что позволяет им преуспевать в таких задачах, как распознавание лиц, распознавание речи, распознавание объектов, перевод, и многих других [1]. На основе этих данных восстанавливается неявная зависимость, то есть строится алгоритм, способный для любого возможного входного объекта выдать достаточно точный ответ, а значит, прогнозировать развитие инновационно активного предприятия более точно и эффективно [2].
Существует огромное количество методик анализа и оценки рисков. Их применение на практике приведет к принятию верных управленческих решений, к получению оптимального результата в управлении корпоративной безопасностью, убедит собственников в правильности тех или иных вложений. Однако данные методики чаще всего являются общими, не затрагивают отраслевую специфику и требуют соответствующей доработки. Таким образом, разработка и адаптация алгоритмов анализа и оценки рисков к отраслевым требованиям и специфике обеспечения корпоративной безопасности позволят компаниям не только сократить издержки на ведение бизнеса, но и предотвратить те или иные последствия, образованные негативным воздействием внешней или внутренней среды.
Одной из главных стратегических задач предприятия ТЭК является разработка новых нефтяных месторождений, активизация геолого-разведочных работ и приобретение активов. Решение данной задачи возможно при алгоритмизации процесса обработки трехмерных сейсмических кубов с помощью технологии машинного обучения [1]. Такие методы позволяют автоматически сегментировать сложные, трехмерные изображения и выделять паттерны или объекты, которые представляют интерес. Для задач компаний, работающих в сфере ТЭК, по сейсмическим изображениям будет определяться, где наибольшая вероятность нахождения продуктивного пласта и куда надо бурить первую разведочную нефтяную скважину [2].
Корпоративная безопасность — это целый комплекс мероприятий, нацеленных на обеспечение защиты экономических, технических, юридических, социальных, информационных интересов конкретного предприятия. Все эти меры внедряются с целью эффективного контроля за процессами жизнедеятельности предприятия, выявления и предупреждения рисков, оказывающих влияние на стратегические и операционные цели деятельности компании. Актуальность темы данного исследования обусловлена необходимостью создания условий для повышения уровня обоснованности и качества принимаемых решений в области корпоративной безопасности компании за счет применения новых технологий информационной поддержки процессов подготовки и принятия решений — информационных моделей ситуационных центров компании.
