devterРазвитие территорийTerritory Development2412-8945Сибирский институт управления10.32324/2412-8945-2025-2-60-69LNQGLTdevter-577Research ArticleЭКОНОМИЧЕСКИЕ ИССЛЕДОВАНИЯECONOMIC RESEARCHКластерный анализ пространственно-временных паттернов в исследовании структуры деловой активности регионаCluster Analysis of Spatio-Temporal Patterns in the Study of the Structure of Business Activity in the RegionКисляковА. Н.KislyakovA. N.

Кисляков Алексей Николаевич — профессор кафедры информационных технологий, доктор экономических наук, кандидат технических наук, доцент

Владимир

Alexey N. Kislyakov — Professor of the Department of Information Technologies, Doctor of Economic Sciences, Candidate of Technical Sciences, Associate Professor

Vladimir

ankislyakov@mail.ruВладимирский филиал Российской академии народного хозяйства и государственной службы при Президенте Российской ФедерацииVladimir branch of the Russian Presidential Academy of National Economy and Public Administration20252306202502 (40)6069Copyright © Кисляков А.Н., 20252025Кисляков А.Н.Kislyakov A.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://devter.elpub.ru/jour/article/view/577

Работа посвящена актуальной задаче исследования деловой активности бизнеса на отдельно взятой территории. В ней рассматриваются изменения результативности ведения бизнеса в определенном регионе в зависимости от времени, местоположения и экономических условий ведения хозяйственной деятельности субъектов малого и среднего предпринимательства. Сформулирован методологический подход, который позволяет анализировать и выявлять закономерности в распределении результативности по сферам деятельности субъектов с учетом пространственных и временных аспектов. Для выявления общих закономерностей и факторов, влияющих на экономическое развитие, а также для разработки рекомендаций по оптимизации бизнес-процессов и улучшению условий предпринимательской деятельности на региональном уровне используются методы кластерного анализа. Показана эффективность решения поставленной задачи при анализе сложных высокоразмерных данных с применением нелинейных методов уменьшения размерности. Результаты исследований показали, что деловая активность в регионе зависит не только от экономических факторов, наблюдаемых в динамике, но и от пространственного размещения субъектов хозяйствования, кластеризация которых выполняется с использованием специализированных метрик, что позволяет адаптировать универсальный алгоритм уменьшения размерности пространства признаков UMAP под конкретные задачи и типы данных. Полученные выводы могут быть полезны для предпринимателей, органов власти и бизнес-сообществ, стремящихся оптимизировать меры по поддержке бизнеса и улучшить условия для его ведения

The paper is devoted to the urgent task of studying the business activity of business in a particular territory. It examines changes in the effectiveness of doing business in a certain region depending on the time, location, and economic conditions of conducting business activities of small and medium-sized enterprises. A formulated methodological approach allows analyzing and identifying patterns in the distribution of performance across areas of activity of entities, taking into account spatial and temporal aspects. Cluster analysis methods are used to identify general patterns and factors affecting economic development, as well as to develop recommendations for optimizing business processes and improving the conditions for entrepreneurial activity at the regional level. The effectiveness of solving the set task in the analysis of complex high-dimensional data using nonlinear methods of dimensionality reduction is shown. The results of the research showed that business activity in the region depends not only on economic factors observed in dynamics, but also on the spatial location of economic entities, the clustering of which is performed using specialized metrics, which allows adapting the universal UMAP feature space dimensionality reduction algorithm to specific tasks and data types. The findings may be useful for entrepreneurs, authorities, and business communities seeking to optimize business support measures and improve conditions for doing business.

стратегическое планированиекластерный анализтеория графовэкономическая географиявременные рядыанализ пространственных данныхstrategic planningcluster analysisgraph theoryeconomic geographytime seriesspatial data analysisReferencesГрекусис Д. Методы и практика пространственного анализа. Описание, исследование и объяснение с использованием ГИС / пер. с англ. А. Н. Киселева. М. : ДМК Пресс, 2021. 500 с.Grekusis D. Metody i praktika prostranstvennogo analiza. Opisanie, issledovanie i ob"yasnenie s ispol'zovaniem GIS [Spatial Analysis Methods and Practice], per. s angl. A.N. Kiseleva. Moscow : DMK Press, 2021, 500 p.Окунев И. Ю. Основы пространственного анализа : моногр. М. : Аспект Пресс, 2020. 255 с.Okunev I.Yu. Osnovy prostranstvennogo analiza [Fundamentals of Spatial Analysis] : monogr. Moscow : Aspekt Press, 2020, 255 p.Kuk G., Marijn J. The Business Models and Information Architectures of Smart Cities // Journal of Urban Technology. 2011. Vol. 18 (2). P. 39—52.Kuk G., Marijn J. The Business Models and Information Architectures of Smart Cities, Journal of Urban Technology, 2011, vol. 18 (2), pp. 39–52.Павлов Ю. В. Фракталы как инструмент территориального планирования агломерационных систем // Фундаментальные исследования. 2013. № 10. С. 2242—2248.Pavlov Yu.V. Fraktaly kak instrument territorial'nogo planirovaniya aglome-ratsionnykh sistem [Fractals as a Tool for Territorial Planning of Agglomeration Systems], Fundamental'nye issledovaniya [Fundamental Research], 2013, no. 10, pp. 2242–2248.Кисляков А. Н. Графовые методы описания торгового профиля региона // Управленческое консультирование. 2022. № 2. С. 70—80.Kislyakov A.N. Grafovye metody opisaniya torgovogo profilya regiona [Graph Methods for Describing the Trade Profile of a Region], Upravlencheskoe konsul'tirovanie [Administrative Consulting], 2022, no. 2, pp. 70–80.Петимко А. М., Козлова Н. В., Дадалова М. В. Региональный АПК как точка роста стратегии развития экономики территории // Направления повышения эффективности управленческой деятельности органов государственной власти и местного самоуправления : сб. материалов V Междунар. науч.-практ. конф., Алчевск, 15 дек. 2022 г. Алчевск : Луган. гос. ун-т им. Владимира Даля, 2023. 163 с.Petimko A.M., Kozlova N.V., Dadalova M.V. Regional'nyy APK kak tochka rosta strategii razvitiya ekonomiki territorii [Regional Agro-Industrial Complex as a Growth Point in the Strategy of Development of the Territory's Economy], Napravleniya povysheniya effektivnosti upravlencheskoy deyatel'nosti organov gosudarstvennoy vlasti i mestnogo samoupravleniya : sb. materialov V Mezhdunar. nauch.-prakt. konf. [Directions of increasing the efficiency of management activity of state authorities and local self-government : proceedings of the V International scientific-practical conference], Alchevsk, 15 December 2022 g. Alchevsk : Lugan. gos. un-t im. Vladimira Dalya, 2023, 163 p.Корчагина И. В., Пытченко К. В. Социально-экономическая система регионального предпринимательства как объект стратегирования // Экономика промышленности. 2023. № 16 (4). С. 361—371.Korchagina I.V., Pytchenko K.V. Sotsial'no-ekonomicheskaya sistema regional'nogo predprinimatel'stva kak ob"ekt strategirovaniya [Social and Economic System of Regional Entrepreneurship as the Object of Strategizing], Ekonomika promyshlennosti [Russian Journal of Industrial Economics], 2023, no. 16 (4), pp. 361–371.Garlaschelli D., Ruzzenenti F., Basosi R. Complex Networks and Symmetry I // A Review. Symmetry. 2010. Nо. 2. P. 1—27.Garlaschelli D., Ruzzenenti F., Basosi R. Complex Networks and Symmetry I, A Review. Symmetry, 2010, no. 2, pp. 1–27.Efficient Regionalization Techniques for Socio‐economic Geographical Units Using Minimum Spanning Trees / R. M. Assunção, M. C. Neves, G. Câmara, C. Da Costa Freitas // International Journal of Geographical Information Science. 2006. Vol. 20 (7). P. 797—811.Assunção R.M., Neves M.C., Câmara G., Da Costa Freitas C. Efficient Regionalization Techniques for Socio-economic Geographical Units Using Minimum Spanning Trees, International Journal of Geographical Information Science, 2006, vol. 20 (7), pp. 797–811.Benassi F., Deva M., Zindato D. Graph Regionalization with Clustering and Partitioning: An APlication for Daily Commuting Flows in Albania (September 25, 2015) // Regional Statistics. 2015. Vol. 5, no. 1. P. 25—43.Benassi F., Deva M., Zindato D. Graph Regionalization with Clustering and Partitioning: An APlication for Daily Commuting Flows in Albania (September 25, 2015), Regional Statistics, 2015, vol. 5, no. 1, pp. 25–43.Openshaw S., Alvanides S. Designing zoning systems for representation of socio-economic data // In Time and Motion of Socio-Economic Units ; A. Frank, J. Raper and J. Cheylan (Eds). 2001. P. 281—300.Openshaw S., Alvanides S. Designing zoning systems for representation of socio-economic data, In Time and Motion of Socio-Economic Units, 2001, pp. 281–300.Franklin J. The elements of statistical learning: data mining, inference and prediction // The Mathematical Intelligencer. 2003. No. 27. P. 83—85.Franklin J. The elements of statistical learning: data mining, inference and prediction, The Mathematical Intelligencer, 2003, no. 27, pp. 83–85.Giorgino T. Computing and Visualizing Dynamic Time Warping Alignments in R: The Dtw Package // Journal of Statistical Software. 2009. No. 31 (7). Р. 1—24.Giorgino T. Computing and Visualizing Dynamic Time Warping Alignments in R: The Dtw Package, Journal of Statistical Software, 2009, no. 31 (7), pp. 1–24.Renato M. Assuncao and Edna A. Reis. A new proposal to adjust Moran’s I for population density // Statistics in Medicine. 1999. No. 18 (16). Р. 2147—2162.Assuncao R.M., Reis E.A. A new proposal to adjust Moran’s I for population density, Statistics in Medicine, 1999, no. 18 (16), pp. 2147–2162.Haining R., Wise S., Ma J. Designing and implementing software for spatial statistical analysis in a GIS environment // Journal of Geographical Systems. 2000. No. 2. P. 257—286.Haining R., Wise S., Ma J. Designing and implementing software for spatial statistical analysis in a GIS environment, Journal of Geographical Systems, 2000, no. 2, pp. 257–286.Generalizations of the clustering coefficient to weighted complex networks, / J. Saramaki, M. Kivel, J.-P. Onnela, K. Kaski, J. Kertesz // Physical Review E. 2007. Vol. 75(2). DOI:10.1103/PhysRevE.75.Saramaki J., Kivel M., Onnela J.-P., Kaski K., Kertesz J. Generalizations of the clustering coefficient to weighted complex networks, Physical Review E, 2007, vol. 75(2). DOI:10.1103/PhysRevE.75.027105McInnes L., Healy J., Melville J. UMAP: Uniform manifold aProximation and projection for dimension reduction, 2018. arXiv preprint arXiv:1802.03426.McInnes L., Healy J., Melville J. UMAP: Uniform manifold aProximation and projection for dimension reduction, 2018. ArXiv preprint arXiv:1802.03426.Dimensionality reduction for visualizing single-cell data using UMAP / E. Becht et al. // Nature biotechnology. 2019. Vol. 37, nо. 1. P. 38—44.Becht E. et al. Dimensionality reduction for visualizing single-cell data using UMAP, Nature biotechnology, 2019, vol. 37, no. 1, pp. 38–44.Медведева О. А. Оценка экономического потенциала региона для развития кластеров // Развитие территорий. 2023. № 3. C. 25—31.Medvedeva O.A. Otsenka ekonomicheskogo potentsiala regiona dlya razvitiya klasterov [Assessment of the Region's Economic Potential for Cluster Development], Razvitie territoriy [Territory Development], 2023, no. 3, pp. 25–31.

The authors declare that there are no conflicts of interest present.