СОВРЕМЕННЫЕ СРЕДСТВА ПРЕДИКТИВНОЙ АНАЛИТИКИ КАК ИНСТРУМЕНТ ПЛАНИРОВАНИЯ ТРУДОЗАТРАТ ОРГАНИЗАЦИИ
Аннотация
Статья посвящена вопросам предиктивной аналитики и адаптивного прогнози-рования для планирования трудозатрат в организации. В ней рассматриваются совре-менные методы машинного обучения, такие как XGBoost, логистическая регрессия, слу-чайный лес и метод опорных векторов, которые используются для прогнозирования трудозатрат на основе различных параметров, включая возраст, пол, уровень образова-ния, заработную плату и другие. Основное внимание уделяется важности предиктивной аналитики в управлении человеческими ресурсами, оптимизации рабочих процессов и повышении производительности сотрудников. Подчёркнута важность использования качественного набора данных и правильного выбора метода для каждого отдельного случая. Представленные выводы доказывают эффективность применения методов ма-шинного обучения в вопросах планирования трудозатрат в организации с целью совер-шенствования системы управления человеческими ресурсами и повышение конкуренто-способности организации.
Литература
Puryaskina V.A. Predictive Analytics as a Modern Tool for Business Development. Accounting and Control. 2025. V. 1. N 9. P 37-51.
Akimova A.A. The Main Components of Predictive Analytics Development. Youth Bulletin of the Novorossiysk Branch of the Belgorod State Technological University named after V. G. Shukhov. 2022. V. 2. N 3(7). P. 64-67.
Rukomin M. A. Overview of Ensemble Models of Predictive Analytics and Their Comparison with Traditional ML Ap-proaches. Bulletin of Science. 2025. V. 1. N 8(89). P. 368-373.
Tools for working with large data sets technologies for processing Big Data (https://developers.sber.ru/help/gigachat-api/big-data).
Adaptive materials. Great Russian Encyclopedia (https:// bigenc.ru/c/adaptivnye-materialy-080ac1).
Burnaev E.V. Algorithmic Foundations of Predictive Analyt-ics in Industrial Design Tasks. Information Processes. 2019. V. 19. N 3. P. 249-270.
Pavlova E.A., Sizova O.V. Analysis and Optimization of Online Sales in a Trading Organization. Ivekofin. 2024. N 4(62). P. 88-97.
Astrakhantseva I.A., Kotenev T.E., Gorev S.V., Astrakha-ntsev R.G., Grimenitsky P.N. Integration of linear regression and random forest methods into intelligent support systems for managing cryogenic transport systems. Ivecofin. 2024. N 03(61). P. 32-40. DOI: 10.6060/ivecofin.2024613.692.
Zimnurov, M.F., Astrakhantseva I.A. Methodology for Creating Multisided Data Structures Using LLM in Working Projects. Modern high technology. Regional application. 2025. N 1(81). P. 76-83.
Astrakhantseva I.A., Kotenev T.E., Gorev S.V., Astra-khantsev R.G., Grimenitsky P.N. The method of gradient boosting in forecasting management decisions in a multilayer cryogenic system Modern high technology. Regional applica-tion. 2024. N 2(78). P. 50-58.
Skorik M.A. Data Mining in Solving Predictive Analytics Problems. All-Russian Scientific and Practical Conference "Statistics and Modern Challenges". Collection of Conference Materials "Day of the Statistician", Moscow, June 25-26, 2015. Moscow: Moscow State University of Economics, Sta-tistics and Informatics (MESI). 2015. P. 475-480.
Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., Blondel M., Prettenhofer P., Weiss R., Dubourg V., Vanderplas J., Passos A., Cournapeau D., Brucher M., Perrot M., Duchesnay E. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, V. 12. P. 2825-2830. 2011.
Hastie T., Tibshirani R., Friedman J. The Elements of Sta-tistical Learning: Data Mining, Inference, and Prediction. Springer Science & Business Media. 2009.
Bondarenko M.O. Validation Technologies in Predictive Analytics of Multidimensional Data. Innovative Development of Engineering and Technologies in Industry. Collection of Materials of the All-Russian Scientific Conference of Young Researchers with International Participation, Moscow, April 17, 2025. Moscow: Russian State University named after A.N. Kosygin (Technologies. Design. Art), 2025. P. 80-84.
Oleynikova A.V., Bondareva I.O., Oleynikov A.A. Effective-ness of the ETL Process for Predictive Analytics. Izvestiya of the South-Western State University. 2024. V. 28. N 4. P. 67-85.
Petrova A.F., Petrov E.N., Kasimov R.A. Features of the Main Tools and Methods of Predictive Analytics. Electronic Information Systems. 2025. N 1(44). P. 101-110.
Gonova O.V., Malygin A.A., Lukina V.A. Comprehensive anal-ysis of human resources potential and assessment of social devel-opment in rural areas of the Ivanovo region. Modern high technol-ogy. Regional application. 2018. N 1(53). P. 25-30.
Gonova O.V., Malygin A.A., Lukina V.A. Socio-economic aspects of the relationship between profitability and material incentives in the agricultural sector of the Ivanovo region. Ivecofin. 2024. N 1(59). P. 29-36.
Gonova O.V. Modeling the Socio-Economic Development of the Region's Economy (Based on the Materials of the Ivanovo Region). Modern high technology. Regional application.2015. N 3(43). P 57-63.
