Data Mining Methods and Models for Social and Economic Processes Forecasting

Abstract

Developing social and economic systems and ensuring efficiency of social and economic processes is one of the major tasks for the government of any country. Forecasting models used for analyzing large data sets allow more efficient enterprise management. Big Data is a key resource that provides a competitive advantage to many businesses. The widespread use of Data Mining in retail, marketing, finance, healthcare, industrial production, and other areas suggests that gathered and processed information not only provides useful business information, but also allows more accurate evaluation and development of detailed business plans and development strategies. The use of Data Mining methods and models in forecasting tasks of socio-economic processes provides more accurate predictive calculations. To select the best method for solving prediction problems it is necessary to clearly understand whether the macro series is stationary or non-stationary. We must clearly understand whether our macro series is a clear trend or seasonality. For prediction of stationary time series, the most popular models are autoregression and moving average models. ARIMA models cover a sufficiently wide range of time series, and small modifications of these models allow seasoning time series to be more accurately described. This article discusses the role of Data Mining in social and economic processes, as well as the potential of using Big Data in a business environment. This article demonstrates procedures for using Data Mining methods for practical implementation of Data Mining algorithms to forecast Ukraine’s GDP with Python codes, using the statsmodels package. This article analyzes the possibilities of using ARIMA model and uses a double exponential smoothing model for forecasting Ukraine’s GDP.

Повышение уровня развития социально-экономических систем, обеспечение эффективности процессов, которые в них происходят – одна из главных задач для руководства любой страны. Модели прогнозирования, используемые для анализа больших массивов данных, позволяют более эффективно управлять предприятиями. Достаточно широкое применение методов Data Mining в розничной торговле, маркетинге, финансах, здравоохранении, промышленном производстве и других областях свидетельствует о том, что добытая и обработанная информация не только предоставляет полезную информацию о бизнесе, но и дает возможность более точно оценить работу и составить детальные бизнес-планы и стратегии развития. Использование методов и моделей Data Mining в процессах прогнозирования социально-экономических процессов обеспечивает более точные прогнозные расчеты. Для подбора метода решения задач прогнозирования необходимо четко понимать является ли макроряд стационарным или нестационарным. Для прогнозирования стационарных временных рядов самыми популярными являются модели авторегрессии, скользящего среднего. ARIMA-модели охватывают достаточно широкий спектр временных рядов, а небольшие модификации этих моделей позволяют достаточно точно описывать и временные ряды с сезонностью. В статье рассматривается роль, значение и содержание методов Data Mining в социально-экономических процессах, потенциал использования Big Data в бизнес среде. Выполнены процедуры применения методов Data Mining для практической реализации алгоритмов Data Mining и создания прогнозного ВВП Украины на языке программирования Python с использованием статистического пакета statsmodels. Выполнен прогноз ВВП Украины с помощью модели двойного экспоненциального сглаживания. Проведен анализ возможностей использования модели ARIMA для прогноза ВВП Украины.

Підвищення рівня розвитку соціально-економічних систем, забезпечення ефективності процесів, що в них відбуваються – одна з головних задач для керівництва будь-якої країни. Моделі прогнозування, що використовуються для аналізу великих масивів даних, дозволяють більш ефективно управляти підприємствами. Досить широке застосування методів Data Mining в роздрібній торгівлі, маркетингу, фінансах, охороні здоров’я, промисловому виробництві та інших областях свідчить про те, що видобута та оброблена інформація не тільки надає корисну інформацію про бізнес, а й дає змогу більш точно оцінити свою роботу та розробити детальні бізнес-плани та стратегії розвитку. Використання методів та моделей Data Mining у процесах прогнозування соціально-економічних процесів забезпечує більш точні прогнозні розрахунки. Для підбору методу вирішення задач прогнозування необхідно розуміти чи є макроряд стаціонарним чи нестаціонарним, чи характеризується макроряд чітким трендом або сезонністю. Для прогнозування стаціонарних часових рядів найпопулярнішими моделями є модель авторегресії та рухомого середнього. ARIMA-моделі охоплюють достатньо широкий спектр часових рядів, а невеликі модифікації цих моделей дозволяють достатньо точно описувати і часові ряди з сезонністю. У статті розглядається роль, значення і зміст методів Data Mining в соціально-економічних процесах, потенціал використання Big Data в бізнес середовищі. Виконано процедури застосування методів Data Mining для практичної реалізації алгоритмів Data Mining і створення прогнозного ВВП України на мові програмування Python з використанням статистичного пакета statsmodels. Виконано прогноз ВВП України за допомогою моделі подвійного експоненціального згладжування. Проведено аналіз можливостей використання моделі ARIMA для прогнозу ВВП України.