В работе предлагается расширенное определение «больших данных» как междисциплинарной и относительной категории, объединяющей свойства массивов и потоков данных, требования к их обработке и критерии практической ценности результатов. Показано, что эволюция подходов от триады «объём–скорость–разнообразие» к включению аспектов качества, изменчивости и воспроизводимости обусловлена усложнением источников (сенсоры, транзакции, мультимедиа) и ростом институциональных требований. Обосновано, что статус «больших данных» определяется соответствием архитектуры хранения и вычислений контекстным ограничениями по пропускной способности, латентности и надёжности, а не абсолютным размером наборов. Предложена трёхкомпонентная рамка определения (свойства данных, требования к обработке, критерии полезности) и методология из трёх этапов (единая модель данных, конвейеры обработки, моделирование и верификация). Отдельно рассмотрены вопросы качества и этико правового соответствия: происхождение данных, контроль смещений, валидация моделей и документирование преобразований. Сделан вывод, что институционально оформленные и технологически поддержанные контуры данных создают проверяемый прирост управленческой ценности и основу долгосрочной устойчивости финансовых решений.
большие данные, финансовый анализ, управление активами, клиентская аналитика, потоковая обработка, качество данных, регуляторные требования
1. Майер-Шенбергер, В. Большие данные Революция, которая измени то, как мы живем, работаем и мыслим / Виктор Майер-Шенберберг, Кеннет Кукьер; пер. с англ. Инны Гайдюк. – М.: Манн, Иванов и Фербер, 2014. – 240 с.
2. Атдаева О. Использование технологий big data в финансовой отрасли / О. Атдаева, Х. Сейитгельдиева // Символ науки: международный научный журнал. – 2024. – Т. 1, № 2-2. – С. 36-37.
3. Коноплева Ю. А. Применение технологии Big data на финансовых рынках / Ю. А. Коноплева, О. Н. Пакова, Ю. Р. Дейч // Вестник Северо-Кавказского федерального университета. – 2022. – № 2(89). – С. 58-65. – DOIhttps://doi.org/10.37493/2307-907X.2022.2.8.
4. Отчёт Европейской комиссии по данным и инновациям «100 радикальных инновационных прорывов будущего». URL:https://commission.europa.eu/publications/annual-activity-report-2024-research-and-innovation_en
5. Цифровая трансформация: ожидания и реальность: докл. к XXIII Ясинской (Апрельской) междунар. науч. конф. по проблемам развития экономики и общества, Москва, 2022 г. [Текст] / Г. И. Абдрахманова, С. А. Васильковский, К. О. Вишневский, М. А. Гершман, Л. М. Гохберг и др.; рук. авт. кол. П. Б. Рудник; Нац. исслед. ун-т «Высшая школа экономики». — М.: Изд. дом Высшей школы экономики, 2022.
6. Руководство ОЭСР по управлению цифровым правительством. URL:https://u-intosai.org/ru/novosti/rukovodstvo-oesr-po-upravleniyu-cifrovym-pravitelstvom
7. Статистика и отчёты. Минцифры. URL:https://digital.gov.ru/activity/statistics-reports
8. Global statistics at the heart of international cooperation. URL:https://data.bis.org
9. Paolo Brandimarte. Handbook in Monte Carlo Simulation: Applications in Financial Engineering, Risk Management, and Economics. URL:https://onlinelibrary.wiley.com/doi/book/10.1002/9781118593264
10. Мещеряков Р.В., Шустов С.А. Модель стеганографического встраивания информации в изображения с использованием методов глубокого обучения. – М. ИППИ РАН. Том 25, №1. С.1-13.
11. Доклады Организации экономического сотрудничества и развития о политике в области данных. URL:https://www.oecd.org/digital/
12. Отчёты Европейской комиссии по экономике данных. URL:https://digital-strategy.ec.europa.eu/
13. Аналитические материалы Банка международных расчётов, русскоязычные и мультиязычные публикации. URL:https://www.bis.org/
14. ИППИ РАН. URL:https://www.ipiran.ru/
15. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. – Спб.: БХВ-Петербург, 2002.
