Scientific journal

Modern high technologies

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 1,172

Введение

Цифровая трансформация государственного сектора России представляет собой стратегически важное направление развития публичного управления, требующее внедрения передовых информационных технологий [1, с. 20]. Концепция финансовой метавселенной государственного сектора формирует новую парадигму взаимодействия граждан, бизнеса и государственных структур в виртуальном пространстве, обеспечивая повышение эффективности предоставления государственных услуг и оптимизацию бюджетных процессов [2].

Современные исследования в области цифровых государственных платформ демонстрируют необходимость разработки комплексных систем оценки их эффективности [3]. Особую актуальность приобретает применение математического моделирования и численных методов для анализа сложных многокритериальных систем, какими являются финансовые метавселенные [4, 5].

Несмотря на активное развитие цифровых технологий в государственном секторе, в настоящее время отсутствует единая научно обоснованная методология оценки эффективности финансовых метавселенных. Существующие подходы носят фрагментарный характер и не учитывают комплексность воздействия различных факторов на общую эффективность системы [6].

Цель исследования – разработка комплексной системы оценки эффективности финансовой метавселенной государственного сектора России на основе математического моделирования, численных методов многокритериального анализа решений и методов валидации моделей с последующей реализацией в виде программного комплекса для поддержки принятия управленческих решений.

Материалы и методы исследования

Исследование базируется на системном подходе к анализу эффективности цифровых государственных платформ с применением математического аппарата теории принятия решений и численных методов оптимизации [7, с. 21; 8, с. 30]. Теоретическую основу составляют работы в области многокритериального анализа решений (T.L. Saaty, C.L. Hwang, J.P. Brans), теории математического моделирования сложных систем и методов валидации моделей [9; 10, с. 26]. Следует учитывать российские и международные стандарты в области цифровых технологий государственного сектора, включая ГОСТ Р 57700.37-2021 по цифровым двойникам и требования информационной безопасности [11].

В работе применены следующие математические методы:

1. Метод анализа иерархий (AHP) для определения весов критериев на основе матрицы попарных сравнений:

w = (a · w) / λmax ,

где w – собственный вектор; A – матрица попарных сравнений; λmax – максимальное собственное значение.

2. Метод TOPSIS для ранжирования альтернатив по относительной близости к идеальному решению:

где , – расстояния до положительного и отрицательного идеальных решений.

3. Метод PROMETHEE для построения системы предпочтений:

где φ+, φ– – положительная и отрицательная оценки предпочтения; n – общее количество альтернатив; x – все остальные альтернативы, кроме исследуемой альтернативы a.

4. Методы валидации включают бутстреп-анализ, k-fold кросс-валидацию и анализ чувствительности по методу Морриса.

Программная реализация была выполнена на языке программирования Python с использованием библиотек NumPy, SciPy, Pandas, Scikit-learn для численных расчетов и создания веб-интерфейса на основе HTML5, CSS3, JavaScript с библиотекой Chart.js для визуализации результатов [12, с. 83].

Результаты исследования и их обсуждение

В результате проведенного исследования разработана комплексная система оценки эффективности, включающая семь ключевых критериев с соответствующими математическими моделями [13; 14].

1. Математические модели критериев эффективности

Модель технологической зрелости учитывает интеграцию критически важных компонентов:

где SC(t) – доля процессов через смарт-контракты, IoT(t) – количество интегрированных IoT устройств, TPS(t) – скорость обработки транзакций, αi, βi – калибруемые параметры модели.

Модель финансовой эффективности определяется как

где TG – рост прозрачности бюджетных операций, %; PTR – сокращение времени обработки запросов, %; CS – экономия средств за счет оптимизации, %.

Модель безопасности и надежности:

где UP – время бесперебойной работы системы, %; EL – уровень криптографической защиты, %; ASR – доля успешных кибератак, %.

Таблица 1

Веса критериев эффективности финансовой метавселенной государственного сектора России

Источник: составлено автором на основе результатов данного исследования.

Рис. 1. Уровни эффективности критериев финансовой метавселенной Источник: составлено авторами по результатам данного исследования

Интегральная модель эффективности Eсумм представляет собой взвешенную сумму критериев:

Eсумм = ∑(wi · Ci),

где wi – веса критериев; Ci – нормализованные оценки критериев.

Критерии эффективности финансовой метавселенной, ранжированные по весу, а также исходные значения целевых метрик представлены в табл. 1.

2. Результаты многокритериального анализа

Применение метода анализа иерархий (AHP) показало высокую согласованность экспертных оценок с коэффициентом CR = 0,025, что значительно ниже критического значения 0,10 и свидетельствует об отличном качестве результатов.

Сравнение текущих и оптимальных уровней эффективности демонстрирует значительный потенциал для улучшения по всем критериям. Наибольший разрыв наблюдается в области пользовательской вовлеченности и технологической зрелости (рис. 1).

Наибольший вес получили критерии технологической зрелости (35,4 %) и финансовой эффективности (24,0 %), что отражает приоритетность технологических и экономических аспектов при внедрении финансовых метавселенных.

Метод TOPSIS позволил ранжировать 50 сценариев развития системы по степени близости к идеальному решению. Лучшие сценарии демонстрируют интегральную эффективность в диапазоне 77,0–83,0 %, что указывает на высокий потенциал оптимизации системы при правильном выборе параметров.

Валидация методом бутстрепа с 1000 итерациями подтвердила статистическую значимость результатов [15, с. 45]. Доверительный интервал для средней эффективности составил [76,6; 78,6 %] при уровне доверия 95 %. Тест Шапиро – Уилка показал нормальность распределения остатков (p-value = 0,608), что подтверждает адекватность разработанных моделей.

3. Оптимизация параметров системы

Применение алгоритма дифференциальной эволюции для оптимизации параметров системы позволило достичь максимальной эффективности 83,5 %. Оптимальные параметры включают: долю смарт-контрактов 100 %, количество IoT устройств 500 000, скорость обработки транзакций 1,110 TPS, рост прозрачности 44,8 %, время работы системы 99,95 %. Полученные оптимальные значения параметров финансовой метавселенной сведены в табл. 2.

4. Программный комплекс и вычислительный эксперимент

Разработанный программный комплекс включает модули математических моделей, численных методов MCDA, системы валидации и веб-интерфейс для интерактивного анализа [16–18]. Архитектура системы обеспечивает модульность и масштабируемость решения.

Вычислительный эксперимент проведен на выборке из 50 сценариев с различными значениями параметров системы. Статистический анализ результатов показал:

− средняя эффективность: 77,5±3,7 %;

− коэффициент вариации: 4,8 % (низкая вариабельность);

− коэффициент детерминации R² = 0,89 (высокое качество модели).

На рис. 2 представлен внешний вид вкладки «Критерии» разработанного программного комплекса, а на рис. 3 – внешний вид вкладки «Моделирование».

Анализ чувствительности выявил наибольшее влияние параметров технологической зрелости и финансовой эффективности на общий результат, что согласуется с весами критериев, полученными методом AHP. Вкладка «Оптимизация» на рис. 4, демонстрирует потенциал улучшения системы.

Таблица 2

Результаты оптимизации параметров системы

Источник: составлено автором по результатам оптимизации методом дифференциальной эволюции.

Рис. 2. Внешний вид вкладки «Критерии» Источник: составлено авторами по результатам данного исследования

Рис. 3. Внешний вид вкладки «Моделирование» Источник: составлено авторами по результатам данного исследования

Рис. 4. Внешний вид вкладки «Оптимизация» Источник: составлено авторами по результатам данного исследования

5. Практическое применение и внедрение

Предложенная система может применяться:

− для оценки готовности регионов к внедрению финансовых метавселенных;

− планирования цифровой трансформации государственного сектора;

− мониторинга эффективности государственных IT-проектов;

− сравнительного анализа международного опыта;

− оптимизации распределения бюджетных ресурсов.

Система соответствует требованиям национального проекта «Цифровая экономика» и учитывает лучшие практики развитых стран в области цифрового государственного управления.

Заключение

Разработанная комплексная система оценки эффективности финансовой метавселенной государственного сектора России представляет собой научно обоснованное решение актуальной задачи цифровой трансформации публичного управления. Система включает семь критериев эффективности с соответствующими математическими моделями, методы многокритериального анализа решений и валидации, а также программный комплекс для практического применения.

Достигнутые результаты подтверждают возможность повышения эффективности государственных цифровых платформ до 83,5 % при оптимальных параметрах конфигурации. Высокая согласованность экспертных оценок (CR = 0,025) и статистическая значимость результатов валидации свидетельствуют о качестве разработанных моделей.

Предложенная методология может служить основой для принятия обоснованных управленческих решений при внедрении финансовых метавселенных в российском государственном секторе и способствовать укреплению цифрового суверенитета страны.

1. Разработана комплексная система математических моделей для оценки эффективности финансовой метавселенной государственного сектора, включающая семь ключевых критериев с научно обоснованными весовыми коэффициентами.

2. Применение численных методов многокритериального анализа решений (AHP, TOPSIS, PROMETHEE) обеспечило высокую точность и надежность результатов оценки с коэффициентом согласованности 0,025.

3. Методы валидации моделей подтвердили статистическую значимость результатов и адекватность разработанных математических моделей с коэффициентом детерминации R² = 0,89.

4. Оптимизация параметров системы методом дифференциальной эволюции позволила достичь максимальной эффективности 83,5 % при определенных оптимальных значениях параметров.

5. Создан программный комплекс с веб-интерфейсом, обеспечивающий практическое применение разработанной методологии для поддержки принятия управленческих решений.