CC BY
2010. Кошмаров М. Ю., Трубецкой А. Ю. Экономические теории и эволюция пропаганды // Мир новой экономики. 2017. № 4. С. 48-54.
11. Сиразиева Л.И., Аскарова Г.Ф. Цифровые технологии для управления бизнес процессами внутри организации //Актуальные вопросы современной экономики 2019г. № 5 с. 863-870
Сведения об авторах
ГЕХАЕВА ПЕТИМАТ ТАУСОВНА, к.э.н., доцент « Экономическая теория и предпринимательство», Чеченский государственный университет имени A.A. Кадырова, г. Грозный, Россия.
БАКАШЕВ ЭМИДИ ДАГАЕВИЧ, к.э.н., доцент кафедры «Менеджмент инноваций и бизнеса», ФГБОУ ВО «Грозненский государственный нефтяной технический университет им. акад. М.Д. Миллионщикова», г. Грозный, Россия.
ГАЙРБЕКОВА МАРИАННА ИСАЕВНА, к.э.н., доцент кафедры экономики и управление в образовании, Чеченский государственный педагогический университет, г. Грозный, Рос-
Information about the authors
GEHAEVA PETIMAT TAUSOVNA, Ph.D. in Economics, Associate Professor "Economic Theory and Entrepreneurship", Kadyrov Chechen State University, Grozny, Russia. BAKASHEV EMIDI DAGAEVICH, Ph.D. in Economics, Associate Professor of the Department of Innovation and Business Management, Grozny State Petroleum Technical University named after Academician M.D. Millionshchikov. Grozny, Russia.
GAIRBEKOVA MARIANNAISAEVNA, PhD, Associate Professor of Economics and Management in Education, Chechen State Pedagogical University, Grozny, Russia.
Научная статья
УДК 332.8
DOI 10.26118/2782-4586.2024.63.98.002
Ольшанская Мария Вадимовна
Российский университет дружбы народов
РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ В ДЕВЕЛОПМЕНТЕ И СТРОИТЕЛЬСТВЕ
Аннотация. В научной статье рассказывается о сущности рекомендательных систем в девелопменте и строительстве, а также сформировано авторское видение данного взаимодействия через алгоритм использования ресурсов рекомендательных систем. В частности, представлены особенности жилищного рынка России. Проведен анализ региональных норм Москвы. Например, градостроительный проект Москвы включает несколько направлений в своем развитии. Сделан вывод о том, что рекомендательные системы предлагают руководителю компании оптимальные варианты для финансирования и анализа показателей финансово-экономической сферы, что дает возможности для регулярного и оперативного мониторинга в этом направлении. Кроме этого, раскрыты особенности использования больших объемов данных информации в строительстве, рассмотрена система сессионной направленности — SBRS, что позволило подтвердить актуальность исследования и возможности развития рекомендательных систем с помощью искусственного интеллекта.
Ключевые слова: рекомендательные системы, девелопмент, строительство, многоквартирные дома, искусственный интеллект, большие базы данных.
Olshanskaya Maria Vadimovna
Peoples' Friendship University of Russia
RECOMMENDATION SYSTEMS IN DEVELOPMENT AND CONSTRUCTION
Abstract. The scientific article describes the essence of recommendation systems in development and construction, and also forms the author's vision of this interaction through the algorithm of using the resources of recommendation systems. In particular, the peculiarities of the housing market of Russia are presented. Regional norms of Moscow are analyzed. For example, the urban planning project of Moscow includes several directions in its development. It is concluded that recommender systems offer the head of the company optimal options for financing and analyzing the indicators of the financial and economic sphere, which provides opportunities for regular and operational monitoring in this direction. In addition, the peculiarities of using large amounts of data information in construction are revealed, the system of session orientation - SBRS - is considered, which allowed to confirm the relevance of the study and the possibilities of developing recommender systems with the help of artificial intelligence.
Keywords: recommendation systems, development, construction, apartment buildings, artificial intelligence, large databases.
Рекомендательные системы с каждым годом все больше пользуются популярностью во всех сферах нашей жизни. На их базе функционируют онлайн-магазины, сервисы с музыкой и кинотеатры, а последнее время и строительная сфера с девелопментом.
Для того чтобы осознать все преимущества использования рекомендательных систем, необходимо раскрыть проблемы рынка жилья и строительства в России.
Жилищный рынок России характеризуется слабым уровнем удовлетворенности в спросе. Здесь предложение больше, чем спрос, однако советские отголоски управления жилищным рынком до сих пор остались. Специалисты отмечают, что при снижении платежеспособности людей замедляются темпы строительства многоквартирных домов, становится дешевле технология и материалы, а вот стоимость квадратного метра не снижается. Поэтому в таких условиях участникам рынка строительства не интересно вводить инновации, так как это может увеличить стоимость объектов недвижимости, что негативно отразится на уровне ликвидности [3, с. 603].
На современном этапе развития регионы разрабатывают свои индивидуальные градостроительные проекты, устанавливая в них расчетные показатели, представленные в статье 29.2. ГК РФ [1]. Например, градостроительный проект Москвы включает несколько направлений в своем развитии:
1.проектирование объектов в области физической культуры и спорта;
2.проектирование объектов торговли и обслуживания;
3.объектов, которые предупреждают чрезвычайные ситуации, эпидемии, а также занимаются ликвидацией их последствий [8].
Региональные нормативы регулируют различные направления проектирования городской среды, что подтверждает проект Москвы. Однако проблема остается с недостаточно качественным нормативным обеспечением данного процесса, включая благоприятные условия не только для строительства жилых многоквартирных домов, инфраструктуры, а также увеличение норм для качественной жизни лиц с ограниченными возможностями человека, объектов транспортной инфраструктуры, а также требований безопасности.
В основу работы рекомендательных систем входят большие объемы данных, которые программы получают за прошедший промежуток времени. Затем их анализируют и выдают индивидуальную подбору для пользователя. С точки зрения технического оснащения, то рекомендательные системы представляют собой матрицу, в которой сочетается «пользователь-объект». Если анонимно или первый раз пользователь посетил сайт, то информация о нем будет недоступной. Для того чтобы все данные о пользователях были открыты по текущей сессии, тогда используют инновационный вид рекомендательных систем сессионной направленности — SBRS (Session-based Recommender Systems — Рекомендательные системы на основе сеансов). Пользователь получает в один клик информацию о своем запросе. Цель любой рекомендательной системы заключается в том, чтобы предсказать следующий объект, который выберет в дальнейшем клиент [3, с. 604].
В строительстве и девелопменте рекомендательные системы помогают подготовить оптимальные условия для качественного финансирования, управления рисками и проектами.
Чаще всего на практике применяется два варианта использования рекомендательных систем. Во-первых, рекомендательные системы предлагают руководителю компании оптимальные варианты для финансирования и анализа показателей финансово-экономической сферы. Во-вторых, рекомендательные системы помогают в девелопменте подобрать наилучший вариант земельного участка с помощью оценки стоимости земли, демографических данных и других показателей.
Остановимся подробнее на описании девелопмента. Так, девелопмент—этодеятельность, которая предусматривает качественные изменения объекта недвижимости. В девелопменте есть несколько основных стадий:
1.Предпроектная.
2.Стадия строительства.
3.Реализация [7].
Основной акцент специалисты делают на стадии строительства. Здесь подключаются
функции управления, которые связаны с контролем, потому что без него не возможно получить качественный результат. Контроль основан на соблюдении нормативно-правового законодательства, в частности, Градостроительный Кодекс РФ. Подробно описано в статьях 53 и 54 настоящего документа. Так, строительный контроль проводится для того, чтобы выполнять в соответствии с законодательством и нормами само строительство зданий и сооружений, реконструкцию, а также капитальный ремонт. Все строительные объекты проходят проверку на соответствие проектной документации требованиям технических регламентов, результатам, которые были получены с помощью инженерных изысканий, строительных норм, плана реконструкции, а также документов, подтверждающих использование земли под строительство.
Рассмотрим подробнее использование рекомендательных систем в девеломпенте. Во-первых, их используют для управления контентом в недвижимости. В частности, для составления частных рекомендаций для каждого отдельного объекта. Система анализирует предпочтения клиентов и формирует уникальные варианты. Во-вторых, актуальность искусственного интеллекта за последние несколько лет выросла в геометрической прогрессии. Он помогает рекомендательным системам проводить анализ больших объемов данных, а также формировать к ним выводы для удовлетворения потребностей покупателей недвижимости. В-третьих, применяются активно системы 1оТ (Интернет вещей). Они проводят сбор информации о недвижимости, которую покупаю разные группы покупателей, а затем на основании этого анализа формируются рекомендации для клиентов. В-четвертых, системы геолокации помогают составить информацию о местоположении клиентов и сначала предлагать им объекты недвижимости, которые находятся рядом с ними [7].
Рассмотрим на примере одного из крупных застройщиков Московской и Ленинградской областей. Для него сформировали рекомендательную систему, в процессе ее проектирования внедрили искусственный интеллект, который обрабатывает большие объемы информации и представляет результат в удобном формате.
Кроме этого, рекомендательные системы помогают автоматизировать подбор квалифицированных сотрудников для решения той или иной задачи. Это происходит с помощью анализа действий специалистов в прошлом, далее система анализирует опыт экспертов в определенной сфере, затем подбирает оптимальные варианты для решения поставленных задач.
Основными преимуществами рекомендательных систем является экономия времени, когда специалист на поиски необходимой информации тратит меньше времени, чем раньше. Это дает возможность увеличить эффективность бизнеса и увеличить количество метрик, например, использование метрик имеет смысл тогда, когда необходимо увеличить средний чек и дополнительные продажи. Если система знает, что с покупкой квартиры часто покупают место для автомобиля или гараж, то растет вероятность того, что в итоге клиент купить комплект «квартира и гараж».
Еще одним современным ноу-хау в рекомендательных системах последних трех лет является искусственный интеллект. Он помогает проводить оперативный анализ больших и разных данных, уже начиная с подготовительного этапа проекта. Это позволяет увеличить уровень безопасности на строительных объектах, а также улучшить саму конструкцию зданий. Кроме этого, искусственный интеллект используется при написании сценария под названием «что, если» помогает составить план действий на случай возникновения риска. Такой механизм помогает специалистам подготовиться к разным видам сценариев, а также выбрать оптимальный вариант решения [9].
Если использовать искусственный интеллект, на подготовительном этапе проекта строительства, то он дает гарантию строителям завершить проект в срок и в соответствии с бюджетом.
Этап планирования играет одну из важных ролей в строительстве объекта. Здесь оценивают вид объекта, ведь это может быть многоквартирный дом, административное здание, мост или дорога. Также важно рассмотреть многообразие методов работы и характер проектной деятельности. Проект может финансироваться за счет частных или государственных лиц.
Кроме этого, с помощью компьютерного зрения можно анализировать снимки, которые специалисты получают со спутника, для того, чтобы сравнить несколько похожих по характеристикам территорий [4]. При этом в дальнейшем искусственный интеллект простой план концепции строительства превращает в детальный алгоритм. Такой подход позволяет эффективно разработать проект, включая чертежи и различные виды инженерно-коммуникационных сетей.
Если говорить о работе с документами, то искусственный интеллект и радикальные системы в рабочие программы внедряют механизмы, благодаря которым создаются документы на основе двумерных чертежей для экономии времени и ресурсов [5].
Недостатком рекомендательной системы является то, что пользователи видят готовый алгоритм, у них снижается потребность в осмыслении своих желаний.
Итак, алгоритм использования рекомендательных систем в строительстве и девелопменте выглядит следующим образом:
1.Застройщик выбирает земельный участок на карте для дальнейшего строительства своего объекта.
2.Рекомендательные системы с помощью искусственного интеллекта проводят анализ с помощью таких сервисов, как ЦИАН, Авито и других подобных платформ. Критерии такой оценки сводятся к тому, чтобы уточнить расстояние от дома до ближайшей остановки общественного транспорта, а также до социальных объектов и крупных магистралей. Кроме этого, актуальным является для мегаполисов исследование ближайших платных или бесплатных парковок.
3.На основе полученных данных система показывает пользователю различные варианты рекомендаций.
4.Система проводит оценку экономических показателей с помощью составления прогноза рыночной стоимости за квадратный метр с учетом возможных вариантов затрат.
Таким образом, проведение анализа информации в строительстве и девелопменте представляет собой сбор данных, их анализ, который помогает извлекать ценные сведения для их решения. Такой подход дает возможность строительным компаниям формировать аргументированные и эффективные управленческие решения, которые приводят к проведению качественных строительных работ [9].
На основание проведенного исследования можно ввести определение рекомендательных систем в строительстве и девелопменте.
Рекомендательные системы в строительстве и девелопменте - это совокупность инновационных инструментов, которые описывают эффективные действия для качественной и оперативной строительной деятельности. Поэтому компаниям важно на регулярной основе развивать рекомендательные системы. Если без них сразу перейти, например, к внедрению искусственного интеллекта, то начнутся проблемы с принятием управленческих решений, а также ответственности. В этом случае рекомендательные системы помогают руководителю собрать необходимую информацию для дальнейшего развития строительного объекта.
Список источников
1. Градостроительный кодекс Российской Федерации : Федеральный закон от 29 дек. 2004 г. № 190-ФЗ (ред. от 25.12.2023). - Текст : электронный // СПС КонсультантПлюс. - Режим доступа : локальный; по договору.
2. СП 42.13330.2011. Свод правил. Градостроительство. Планировка и застройка городских и сельских поселений. Актуализированная редакция СНиП 2.07.01-89*: издание официальное : утвержден и введен в действие приказом Минрегиона РФ от 28 дек. 2010 г. № 820. - Текст : электронный // URL: http://www.docs.cntd.ru/document/1200084712 (дата обращения: 30.01.2024).
3. Лебединская А. Р. Оценка перспектив развития рынка экологического строительства России / А. Р. Лебединская. - Текст : непосредственный // Современные тенденции социального, экономического и правового развития стран Евразии : сборник научных трудов : Московский университет им. С.Ю. Витте, 2016. - С. 603-611.
4. ИИ въезжает в стройку II Платформа для социальной журналистики : официальный сайт. - 2024. - URL: https://medium.com/aiurbanism/ии-въeзжaeт-в-cтpoйкy-26529add1420 (дата обращения: 30.01.2024).
5. ИИ распространяется в строительной области // Каталог цифровых решений и услуг : официальный сайт. -2024. - URL: https://pro-tim.ru/blog/ii-rasprostranyaetsyav-stroitelnoy-ob Iasti/?ysclid=lnyzwqjod7209661793 (дата обращения: 31.01.2024).
6. Как искусственный интеллект меняет строительную отрасль // Программное обеспечение для строительства : официальный сайт. - 2024. - URL: https://www.planradar.com/ ru/kakiskusstvennyj-intellekt-menyaet-stroitelnuyuotrasl/?ysclid=lnyzwwbt73681877565 (дата обращения: 30.01.2024).
7. Как нейросети и машинное обучение меняют девелопмент // Строительная газета: официальный сайт. - 2024. - URL: https://stroygaz.ru/publication/technologies/kakneyroseti-i-mashinnoe-obuchenie-menyayutdevelopment/?ysclid=lnraybptmf310903494 (дата обращения: 30.01.2024).
8. Конференция «Комфортный город. Нормы и правила» // Архитектурный совет города Москвы : официальный сайт. - 2024. - URL: http:// archsovet.msk.ru/exhibitions/konferenciya-komfortnyy-gorod-normy-i-pravila (дата обращения: 30.01.2024).
9. Краткое введение в систему персонализированных рекомендаций // Русский блог : официальный сайт. - 2024. - URL: https://russianblogs.com/article/67031290674 (дата обращения: 31.01.2024).
Сведения об авторе
МАРИЯ ВАДИМОВНА ОЛЬШАНСКАЯ, к.э.н., заместитель директора по развитию ФГА-ОУ ВО «Российский университет дружбы народов» Высшая школа промышленной политики и предпринимательства, г. Москва, Россия
Information about the author
MARIA VADIMOVNA OLSHANSKAYA, Ph.D. in Economics, Federal State Educational Institution of Higher Education «Peoples' Friendship University of Russia» Higher School of Industrial Policy and Entrepreneurship. Deputy Director for Development, Moscow, Russia.
