innosferaНаука и инновацииScience and Innovations1818-98572412-9372Издательский дом «Белорусская наука»10.29235/1818-9857-2025-4-43-46innosfera-804Research ArticleЦИФРОВАЯ ПЕРСПЕКТИВАDIGITAL PERSPECTIVEИспользование рядов распределения для анализа коммерческих данныхUsing distribution series to analyze business dataРагельД.RahelD.

Дмитрий Рагель, доцент кафедры экономики, кандидат экономических наук

Dzmitry Rahel 

agel@mail.ruБелорусский государственный университет информатики и радиоэлектроникиBelarus202513052025144346Copyright © Издательский дом «Белорусская наука», 20252025Издательский дом «Белорусская наука»Издательский дом «Белорусская наука»https://innosfera.belnauka.by/jour/about/submissions#copyrightNoticehttps://innosfera.belnauka.by/jour/article/view/804

В статье изложен подход к построению рядов распределения для оценки деятельности юридических лиц, которые объединены каким-либо типовым признаком, характеризующим их занятость. Описан алгоритм для анализа значений совокупности однотипных компаний при проведении мониторинга состояния отрасли или рынка, к которому они относятся, основанный на характере распределения данных по ряду предприятий, которые были получены по итогам их работы за отчетный период или являются коммерческими результатами в течение определенных временных интервалов. Предложены направления использования данного подхода при проведении анализа финансовых или коммерческих данных, которые являются однородными для совокупности однотипных организаций.

The article presents an approach to constructing distribution series for assessing the activities of legal entities that are united by some typical feature characterizing their business activities. In addition, an algorithm is described for analyzing the values of a set of companies when analyzing the state of the industry or market to which they belong. A variant of displaying the results of the analysis of the activities of legal entities similar from the point of view of the market is proposed, which is based on the analysis of the nature of the distribution of data for a number of companies that were obtained based on the results of their business activities for the reporting period or are commercial results of activities during certain time intervals. The conclusion describes the proposed directions for using this approach when analyzing financial or commercial data of a set of similar companies.

анализ данныхфинансовые данныемассивы данныхфинансыпрогнозированиефинансовая аналитикаскалярные значенияоценка платежеспособностикомплексная оценкашкала оценкиоценка сделокоценка юридических лицфинансовый анализчастотаотносительная частотаасимметрия значенийнормальное распределениераспределение данныхформула Стерджессаплотность распределенияdata analysisfinancial datadata setsfinanceforecastingfinancial analyticsscalar valuessolvency assessmentcomprehensive assessmentassessment scaletransaction assessmentlegal entity assessmentfinancial analysislegal entity assessmentfrequencyrelative frequencyskewness of valuesnormal distributiondata distributionSturges formuladistribution densityReferencesКоэн М.И. Прикладная линейная алгебра для исследователей данных / пер. с англ. А.В. Логунова. – М., 2023.Коэн М.И. Прикладная линейная алгебра для исследователей данных / пер. с англ. А.В. Логунова. – М., 2023.Мыльников Л.А. Статистические методы интеллектуального анализа данных. – СПб., 2021.Мыльников Л.А. Статистические методы интеллектуального анализа данных. – СПб., 2021.Помазанов М.В. Управление кредитным риском в банке: подход внутренних рейтингов. – М., 2023.Помазанов М.В. Управление кредитным риском в банке: подход внутренних рейтингов. – М., 2023.Практическая статистика для специалистов Data Science: пер. с англ. / П. Брюс, Э. Брюс. – СПб., 2019.Практическая статистика для специалистов Data Science: пер. с англ. / П. Брюс, Э. Брюс. – СПб., 2019.

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