СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ У ПУБЛІЧНОМУ УПРАВЛІННІ НА ОСНОВІ ІНФОРМАЦІЙНОГО ТА АНАЛІТИЧНОГО ЗАБЕЗПЕЧЕННЯ
DOI:
https://doi.org/10.51547/ppp.dp.ua/2024.1.5Ключові слова:
публічне управління; держава; прийняття рішень; інформаційне забезпечення; аналітична діяльністьАнотація
У сфері публічного управління інтеграція передових технологічних рішень стала необхідністю, адже традиційні методи управлінської діяльності поступаються місцем більш складним підходам, що підкреслює потребу в ефективних системах підтримки прийняття рішень (СППР). Використання СППР у публічному управлінні набуває все більшого значення, оскільки актуалізувалися потреби удосконалення процесів прийняття рішень в органах державної влади. Метою статті є аналіз системи підтримки рішень органів публічного управління на основі інформаційного та аналітичного забезпечення. Проаналізовано систему підтримки прийняття рішень органами державної влади на основі інформаційно-аналітичного забезпечення. Запропоновано класифікацію СППР на основі ключових компонентів: системи, керовані моделями, даними, знаннями, комунікаціями, документами та гібридні системи. Розглянуто аналітичні інструменти і методи обробки даних, необхідні для ефективного використання СППР, зокрема, онлайн-аналітична обробка даних, інтелектуальний аналіз даних, предиктивна аналітика, імітаційне моделювання і оптимізаційні моделі, а також аналіз текстів і обробка мови. Запропоновано окремі підходи до подальшого вдосконалення систем інформаційно-аналітичної підтримки (інтеграція зовнішніх джерел даних, інновації в аналітичних інструментах, надання пріоритету масштабованим системам, створення надійних систем управління даними та створення сприятливого регуляторного середовища для обміну даними). Теоретичне значення дослідження полягає в систематизації систем підтримки прийняття рішень, виявленні проблем та обмежень сучасних СППР. Застосовуючи запропоновані підходи та використовуючи можливості СППР, органи державної влади можуть орієнтуватися у своїй практичній діяльності в технологічному ландшафті, використовувати наявні дані та сприяти прийняттю обґрунтованих рішень, що в кінцевому підсумку підвищує адаптивність, ефективність та здатність вирішувати складні суспільні виклики. Стаття має теоретичний характер, хоча сформовані пропозиції щодо удосконалення СППР можуть бути використані у практичній діяльності органів державної влади.
Посилання
Titarenko, O. R., & Saukh, Y. P., (2013). Informatsiyno-analitychne ta ekspertno-konsulʹtatyvne zabezpechennya diyalʹnosti orhaniv derzhavnoho upravlinnya u suchasnykh umovakh [Information, analytics and expert advisory support activities of government in modern conditions]. Derzhavne upravlinnya: udoskonalennya ta rozvytok, 12. Retrieved from http://www.dy.nayka.com. ua/?op=1&z=664 [in Ukrainian].
Barylo O. H. (2011). Otsiniuvannia obsiahu korysnoi informatsii orhanamy derzhavnoho upravlinnia u nadzvychainykh sytuatsiiakh [Estimation of the amount of useful information by public administration bodies in emergencies]. Ekonomika ta derzhava – Economy and state, 3, 147–148 Retrieved from http://www.economy.in.ua/pdf/3_2011/43.pdf [in Ukrainian].
Bielikova, K. H., Tverdokhlib, O. S., & Poteriaiko, S. P. (2022). Information and analytical support for making wellinformed administrative decisions in civil protection system. Scientific Bulletin of National Mining University, 2, 73-78. DOI: https://doi.org/10.33271/nvngu/2022-2/073.
Ulfert, A. S., Antoni, C. H., & Ellwart T. (2022). The role of agent autonomy in using decision support systems at work. Computers in Human Behavior, 126, 106987. DOI: https://doi.org/10.1016/j.chb.2021.106987.
Power, D. J. (2002). Decision support systems: concepts and resources for managers. Faculty Book Gallery. 67. Quorum Books. Retrieved from https://scholarworks.uni.edu/facbook/67.
Nagarajan, M., Ganapathy, S., & Cheatham, M. (2023). Model-Based Decision Support System for Improving Emergency Response. International Journal of Human–Computer Interaction, 39(3), 659-666. DOI: https://doi.org/10.1080/10447318.2022.2041912.
Arora, A., Vats, P., Tomer, N., Kaur, R., Saini, A. K., Shekhawat, S. S., & Roopak, M. (2023). Data-Driven Decision Support Systems in E-Governance: Leveraging AI for Policymaking. International Conference on Artificial Intelligence on Textile and Apparel. Singapore : Springer Nature Singapore. DOI: 10.1007/978-981-99-8479-4_17.
Liu, S., & Zaraté, P. (2014). Knowledge Based Decision Support Systems: A Survey on Technologies and Application Domains. In: Zaraté, P., Kersten, G.E., Hernández, J.E. (eds) Group Decision and Negotiation. A Process-Oriented View. GDN 2014. Springer, Cham. DOI: https://doi.org/10.1007/978-3-319-07179-4_7.
Eom, S., & Kim, E. (2006). A survey of decision support system applications (1995–2001). Journal of the Operational Research Society, 57, 1264-1278. DOI: https://doi.org/10.1057/palgrave.jors.2602140.
Abdullah, M., Bahurmuz, N., Alnajim, R., & Alshingiti, Z. (2020). Decision making using document driven decision support systems. International Journal of Data Science, 5(2),168-180. DOI: https://doi.org/10.1504/IJDS.2020.112145.
Asghar, S., Alahakoon, A., & Churilov, L. (2004). A hybrid decision support system model for disaster management. In Fourth International Conference on Hybrid Intelligent Systems (HIS'04), 372-377. DOI: https://doi.org/10.1109/ICHIS.2004.5.
Di Tria, F., Lefons, E., & Tangorra, F. (2018). A Proposal of Methodology for Designing Big Data Warehouses. DOI: https://doi.org/10.20944/preprints201806.0219.v1.
Fernandes, A. A., Koehler, M., Konstantinou, N., et al. (2023). Data Preparation: A Technological Perspective and Review. SN Comput Sci., 4, 425. DOI: https://doi.org/10.1007/s42979-023-01828-8.
Fusco, G, & Aversano, L. (2020). An approach for semantic integration of heterogeneous data sources. PeerJ Comput Sci., 2(6), e254. DOI: https://doi.org/10.7717/peerj-cs.254.
Alonso, G., Casati, F., Kuno, H., & Machiraju, V. (2004). Web services. Springer Berlin Heidelberg. DOI: https://doi.org/10.1007/978-3-662-10876-5_5.
Nambiar, A., & Mundra, D. (2022). An Overview of Data Warehouse and Data Lake in Modern Enterprise Data Management. Big Data and Cognitive Computing, 6(4), 132. DOI: https://doi.org/10.3390/bdcc6040132.
Han, J., Pei, J., & Kamber, M. (2012). Data mining: concepts and techniques. Morgan Kaufmann Publishers. Retrieved from https://www.sciencedirect.com/book/9780123814791/data-mining-concepts-and-techniques.
Alotaibi, E. M. (2023). Risk Assessment Using Predictive Analytics. International Journal of Professional Business Review, 8(5), e01723. DOI: https://doi.org/10.26668/businessreview/2023.v8i5.1723.
Dunke, F., & Nickel, S. (2020). Neural networks for the metamodeling of simulation models with online decision making. Simulation Modelling Practice and Theory, 99, 102016. DOI: https://doi.org/10.1016/j.simpat.2019.102016.
Das, S., Mandal, S. K. D., & Basu, A. (2020). Mining multiple informational text structure from text data. Procedia Computer Science, 167, 2211-2220. DOI: https://doi.org/10.1016/j.procs.2020.03.273.
