ИНТЕГРАЦИЯ ДАННЫХ ЭЛЕКТРОННОЙ КОММЕРЦИИ И ЗЕЛЁНЫХ ИНДИКАТОРОВ В МОДЕЛЯХ ПРОГНОЗИРОВАНИЯ РЫНОЧНЫХ ТЕНДЕНЦИЙ (НА ПРИМЕРЕ УЗБЕКИСТАНА)

Авторы

  • Равана Бакиева программы «MBA – Цифровая экономика» Высшей школы бизнеса и предпринимательства при Кабинете Министров Республики Узбекистан

Ключевые слова:

электронная коммерция, машинное обучение, прогнозирование, цифровая экономика, зелёная экономика, ESG, большие данные, Узбекистан

Аннотация

В статье рассматривается интеграция данных электронной коммерции и зелёных индикаторов в моделях прогнозирования рыночных тенденций в условиях цифровой трансформации экономики Узбекистана. Обосновано, что использование высокочастотных транзакционных данных в сочетании с экологическими показателями позволяет повысить точность прогнозирования по сравнению с традиционными макроэкономическими подходами. Предложена многофакторная модель, учитывающая цифровые, экономические и экологические переменные. Показано, что данный подход обеспечивает более адекватное отражение краткосрочной динамики спроса и долгосрочных структурных изменений. Выявлены ограничения, связанные с фрагментацией данных и недостаточной интеграцией информационных систем. Сделан вывод о необходимости развития единой архитектуры данных и применения методов машинного обучения.

Биография автора

Равана Бакиева , программы «MBA – Цифровая экономика» Высшей школы бизнеса и предпринимательства при Кабинете Министров Республики Узбекистан

слушатель магистратуры

Библиографические ссылки

International Trade Administration. Uzbekistan – E-commerce Market Overview // U.S. Department of Commerce. – 2024. – URL: https://www.trade.gov/country-commercial-guides/uzbekistan-ecommerce

World Bank. Uzbekistan Country Climate and Development Report. – Washington, DC: World Bank, 2024.

Указ Президента Республики Узбекистан от 30 января 2025 года № УП-16. О Государственной программе по реализации Стратегии «Узбекистан – 2030» в «Год охраны окружающей среды и зелёной экономики».

Uzum. Официальные данные о цифровой платформе Uzum и развитии электронной коммерции в Узбекистане // Официальный сайт. – 2025. – URL: https://uzum.uz

UNDP Uzbekistan. Green Development Finance Assessment

Makridakis S., Spiliotis E., Assimakopoulos V. Statistical and Machine Learning forecasting methods: Concerns and ways forward // PLOS ONE. – 2018.

Hyndman R. J., Athanasopoulos G. Forecasting: Principles and Practice. – Melbourne: OTexts, 2021.

Carbonneau R., Laframboise K., Vahidov R. Application of machine learning techniques for supply chain demand forecasting // European Journal of Operational Research. – 2008.

Zournatzidou G. Advancing sustainability through machine learning: modeling renewable energy consumption // Sustainability. – 2025.

Alonso-Robisco A., Carbó J., Marqués J. Machine Learning Methods in Climate Finance // SUERF Policy Brief. – 2023

Загрузки

Опубликован

2026-04-18

Как цитировать

Бакиева , Р. (2026). ИНТЕГРАЦИЯ ДАННЫХ ЭЛЕКТРОННОЙ КОММЕРЦИИ И ЗЕЛЁНЫХ ИНДИКАТОРОВ В МОДЕЛЯХ ПРОГНОЗИРОВАНИЯ РЫНОЧНЫХ ТЕНДЕНЦИЙ (НА ПРИМЕРЕ УЗБЕКИСТАНА). Talqin Va Tadqiqotlar. извлечено от https://talqinvatadqiqotlar.uz/index.php/tvt/article/view/3046