CHOICE OF CLUSTERIZATION METHOD FOR DIGITAL TRANSFORMATION INDICATORS ANALYSIS OF REGIONS OF UKRAINE
DOI:
https://doi.org/10.32689/maup.it.2023.2.1Keywords:
cluster analysis, digitization of regions, SPSSAbstract
The article deals with the topical issue of the application of cluster analysis for the description and substantiation of trends and indicators of consistency of the development of the regions of Ukraine in the direction of digital transformations. Systematization of available knowledge regarding trends and tools of digitization of regional systems is required for development plans and determination of trends. In order to assess the state of digital transformations of the regions, it is necessary to attract indicators of various types of different areas of activity, both quantitative and qualitative, forming a multidimensional data base for research. The purpose of this work is the research and application of cluster analysis for the description and substantiation of trends and indicators of consistency of the development of the regions of Ukraine in the direction of digital transformations. Cluster analysis consists in the classification of research objects using numerous computational procedures. It makes it possible to classify objects by several features at the same time, to transform a large volume of versatile information into an ordered, compact form. The hierarchical clustering method and the k-means method are considered. The experiments carried out in SPSS Statistics made it possible to choose the k-means method as a method for further research. A computer experiment on the construction of a system of clusters was conducted using the data of the report of the Ministry of Digital Transformation of Ukraine – the final indicators (sub-indices) of the digital transformation of regions. Five clusters have been identified, which can be matched to the levels of development of digitalization of regions. A comparison of these results with the integral indices of the digital transformation of regions, which are determined by a different methodology, shows a good consistency. The method of k-means is planned to be chosen as the basis for the software implementation of the clustering subsystem of the decision support system for the analysis of the digital transformation of regions.
References
Цифрова економіка: тренди, ризики та соціальні детермінанти / за ред. О. Піщулиної. Київ : Центр Разумкова, «Заповіт», 2020. 274 с.
Результати цифрової трансформації в регіонах України. Міністерство цифрової трансформації України. URL: https://thedigital.gov.ua/news/rezultati-tsifrovoi-transformatsii-v-regionakh-ukraini-1 (дата звернення: 01.08.2023).
Державна служба статистики України. URL: https://ukrstat.gov.ua/ (дата звернення: 01.08.2023).
Індекс цифрової трансформації регіонів України. Підсумки 2022 року. Міністерство цифрової трансформації України. URL: https://drive.google.com/drive/folders/1Wp6IaHb0uRKb68mgebq8CvZbgBxupkCz (дата звернення: 02.08.2023).
Котелевець Д.О. Тенденції розвитку цифрової економіки в Україні. Проблеми сучасних трансформацій. Серія: економіка та управління. 2022. № 5. DOI: 10.54929/2786-5738-2022-5-03-01 (дата звернення: 03.08.2023).
Рогозян Ю.С., Вахлакова В.В. Теоретико‐методичні аспекти оцінки результативності й ефективності цифровізації економіки локальних територій України у воєнний і повоєнний час. Академічні Візії. 2023. № 19. URL: http://dx.doi.org/10.5281/zenodo.7989723 (дата звернення: 04.08.2023).
Чаговець Л.О. Концептуальний базис оцінки й аналізу стану цифровізації України. Digitalization and Information Society. Selected Issues. – Katowice: Publishing House of University of Technology. 2023. C. 85–108. URL: http://repository.hneu.edu.ua/handle/123456789/27670 (дата звернення: 03.08.2023).
Горященко Ю.Г. Застосування кластерного аналізу для оцінки інноваційного розвитку соціально-економічних систем. Підприємництво і торгівля. 2021. № 30. С. 25–32. DOI: 10.36477/2522-1256-2021-30-04.
Гавриленко О.В. Навчальний посібник з дисциплін Аналіз даних та Аналіз даних в управляючих системах : навчальний посібник. Київ: КПІ, 2020. – 85 с.
Zhao W., Chellappa R. Face Processing: Advanced Modeling and Methods. Elsevier, 2011. 768 p.
Марченко О.О., Россада Т.В. Актуальні проблеми Data Mining : навчальний посібник. Київ : КНУ ім. Т. Шевченка, 2017. 150 с.
Бізнес-аналітика багатовимірних процесів / Т.С. Клебанова та ін. : навчальний посібник. Харків: ХНЕУ ім. С. Кузнеця, 2018. 271 с.
Караєва Н.В., Варава І.А. Еколого-економічна оптимізація виробництва: методи та засоби кластерного аналізу : методичні вказівки. Київ : НТУУ «КПІ», 2016. 36 с.
Su, M.C.; Chou, C.H. A modified version of the K-means algorithm with a distance based on cluster symmetry. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2001. Vol. 23, № 6. P. 674–680. DOI:10.1109/34.927466.
Ahmed M., Seraj R., Islam S. M.S. The k-means Algorithm: A Comprehensive Survey and Performance Evaluation. Electronics. 2020. Vol. 9, № 8. P. 1–12. URL: https://doi.org/10.3390/electronics9081295 (date of access: 03.08.2023).
Why IBM SPSS software? IBM SPSS Software. URL: https://www.ibm.com/spss (date of access: 03.08.2023).
