экономические методы управления

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

управление экономической системой (кибернетический аспект)
1. Переработка экономической информации (социально-экономической) и принятие на этой основе решений о воздействии на экономическую систему. 2. Реализация этих решений. При данном подходе экономика рассматривается как кибернетическая система, управление которой включает два элемента: определение траектории состояний системы (т.е. формирование цели и указание путей ее достижения) и удержание системы на этой траектории путем регулирования. Соответственно, в подсистеме управления кибернетической системы (см. Управляющая система) выделяются два блока: блок определения целей и блок регулирования (регулятор). Существуют три основных вида управления:а) программное (или жесткое), б) регулирование поведения управляемого объекта и в) саморегулирование, т.е. автоматическое регулирование (самонастройка или самоорганизация). (Рис. У.1) Управление (регулирование) деятельностью хозяйственных систем может рассматриваться, с точки зрения кибернетики, двояко. (При этом учитывается, что речь идет не о технических системах, а о системах социально-экономических, в которых огромную роль играют субъективные факторы, интересы людей). Во-первых, то или иное желательное поведение управляемой системы и ее элементов (хозяйственных звеньев) достигается прямым управляющим воздействием (плановым заданием, запретом какого-либо действия); собственные интересы людей, составляющих данное хозяйственное звено, при этом во внимание не принимаются (хотя, естественно, такое воздействие может на самом деле служить и их интересам, в широком смысле, как интересам членов общества вообще). Это так называемое административное управление. Во-вторых, создаются экономические условия, заинтересовывающие хозяйственные звенья в желательном поведении системы (с помощью установления соответствующих цен, нормативов и доведения другой информации). Это так называемые экономические методы управления. Административное управление, таким образом, ближе к программному, при экономическом же управлении более активная роль отводится саморегулированию, действию рыночных механизмов. В научной литературе можно встретить противопоставление: административные методы управления — волевые, экономические — научные. Такое противопоставление неправомерно, так как и административные методы могут (и должны быть) научными, и экономические, как ни странно, порой бывают волевыми. Можно, например, установить такие налоги и нормативы, что инициатива хозяйственных звеньев, самостоятельных фирм и корпораций будет не менее связана, чем при чисто административном управлении. См. также: Алгоритм управления, Возмущение, Гомеостаз, Иерархическая структура, Исполнительная система, Метауправление, Наука об управлении, Объект управления, Оптимальное управление, Программно-целевые методы планирования и управления, Процесс управления, Следящее управление, Субъект управления, Управляющие параметры в экономике.  Рис. У.1 Управление кибернетической системой I — программное управление, II — регулирование, III — саморегулирование; БУ — блок управления, ОУ — объект управления; штриховка — условное обозначение внешней среды.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• economic system control

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics

экономико-математические исследования в бывш. СССР и России
(исторический очерк) Э.-м.и. — направление научных исследований, которые ведутся на стыке экономики, математики и кибернетики и имеют основной целью повышение экономической эффективности общественного производства с помощью математического анализа экономических процессов и явлений и основанных на нем методов принятия оптимальных (шире — рациональных) плановых и иных управленческих решений. Они затрагивают также общую проблематику оптимального распределения ресурсов безотносительно к характеру социально-экономического строя. Развитие Э.-м.и. в бывш. СССР надо рассматривать как этап противоречивого процесса развития отечественной экономической науки и часть общего процесса развития мировой экономической науки, в настоящее время во многом практически математизированной. Первым достижением в развитии Э.-м.и. явилась разработка советскими учеными межотраслевого баланса производства и распределения продукции в народном хозяйстве страны за 1923/24 хозяйственный год. В основу методологии их исследования были положены модели воспроизводства К.Маркса, а также модели В.К.Дмитриева. Эта работа нашла международное признание и предвосхитила развитие американским экономистом русского происхождения В.В.Леонтьевым его прославленного метода «затраты-выпуск».. (Впоследствии, после длительного перерыва, вызванного тем, что Сталин потребовал прекратить межотраслевые исследования, они стали широко применяться и в нашей стране под названием метода межотраслевого баланса.) Примерно в это же время советский экономист Г.А.Фельдман представил в Комиссию по составлению первого пятилетнего плана доклад «К теории темпов народного дохода», в котором предложил ряд моделей анализа и планирования синтетических показателей развития экономики. Этим самым были заложены основы теории экономического роста. Другой выдающийся ученый Н.К.Кондратьев разработал теорию долговременных экономических циклов, нашедшую мировое признание. Однако в начале тридцатых годов Э.м.и. в СССР были практически свернуты, а Фельдман, Кондратьев и сотни других советских экономистов были репрессированы, погибли в застенках Гулага. Продолжались лишь единичные, разрозненные исследования. В одном из них, работе Л.В.Канторовича «Математические методы организации и планирования производства» (1939 г.) были впервые изложены принципы новой отрасли математики, которая позднее получила название линейного программирования, а если смотреть шире, то этим были заложены основы фундаментальной для экономики теории оптимального распределения ресурсов. Л.В.Канторович четко сформулировал понятие экономического оптимума и ввел в науку оптимальные, объективно обусловленные оценки — средство решения и анализа оптимизационных задач. Одновременно советский экономист В.В.Новожилов пришел к аналогичным выводам относительно распределения ресурсов. Он выработал понятие оптимального плана народного хозяйства, как такого плана, который требует для заданного объема продукции наименьшей суммы трудовых затрат, и ввел понятия, позволяющие находить этот минимум: в частности, понятие «дифференциальных затрат народного хозяйства по данному продукту», близкое по смыслу к оптимальным оценкам Л.В.Канторовича. Большой вклад в разработку экономико-математических методов внес академик В.С.Немчинов: он создал ряд новых моделей МОБ, в том числе модель экономического района; очень велики его заслуги в области организационного оформления и развития экономико-математического направления советской науки. Он основал первую в стране экономико-математическую лабораторию, впоследствии на ее базе и на базе нескольких других коллективов был создан Центральный экономико-математический институт АН СССР, ныне ЦЭМИ РАН (см.ниже).. В 1965 г. академикам Л.В.Канторовичу, В.С.Немчинову и проф. В.В.Новожилову за научную разработку метода линейного программирования и экономических моделей была присуждена Ленинская премия. В 1975 г. Л.В.Канторович был также удостоен Нобелевской премии по экономике. В 50 — 60-x гг. развернулась широкая работа по составлению отчетных, а затем и плановых МОБ народного хозяйства СССР и отдельных республик. За цикл исследований по разработке методов анализа и планирования межотраслевых связей и отраслевой структуры народного хозяйства, построению плановых и отчетных МОБ академику А.Н.Ефимову (руководитель работы), Э.Ф.Баранову, Л.Я.Берри, Э.Б.Ершову, Ф.Н.Клоцвогу, В.В.Коссову, Л.Е.Минцу, С.С.Шаталину, М.Р.Эйдельману в 1968 г. была присуждена Государственная премия СССР. Развитие Э.-м.и., накопление опыта решения экономико-математических задач, выработка новых теоретических положений и переосмысление многих старых положений экономической науки, вызванное ее соединением с математикой и кибернетикой, позволили в начале 60-х гг. академику Н.П.Федоренко выступить с идеей о необходимости теоретической разработки и поэтапной реализации единой системы оптимального функционирования социалистической экономики (СОФЭ). Стало ясно, что внедрение математических методов в экономические исследования должно приводить и приводит к совершенствованию всей системы экономических знаний, обеспечивает дальнейшую систематизацию, уточнение и развитие основных понятий и категорий науки, усиливает ее действенность, т.е. прежде всего ее влияние на рост эффективности народного хозяйства. С 60-х годов расширилось число научных учреждений, ведущих Э.-м.и., в частности, были созданы Центральный экономико-математический институт АН СССР, Институт экономики и организации промышленного производства СО АН СССР, развернулась подготовка кадров экономистов-математиков и специалистов по экономической кибернетике в МГУ, НГУ, МИНХ им. Плеханова и других вузах страны. Исследования охватили теоретическую разработку проблем оптимального функционирования экономики, системного анализа, а также такие прикладные области как отраслевое перспективное планирование, материально-техническое снабжение, создание математических методов и моделей для автоматизированных систем управления предприятиями и отраслями. На первых этапах возрождения Э.-м.и. в СССР усилия в области моделирования концентрировались на построении макромоделей, отражающих функционирование народного хозяйства страны в целом, а также ряда частных моделей и на развитии соответствующего математического аппарата. Такие попытки имели немалое методологическое значение и способствовали углублению понимания общих вопросов экономико-математического моделироdания (в том числе таких, как адекватность моделей, границы их познавательных возможностей и т.д.). Но скоро стала очевидна ограниченность такого подхода. Концепция СОФЭ стимулировала развитие иного подхода — системного моделирования экономических процессов, были расширены методологические поиски экономических рычагов воздействия на экономику: оптимального ценообразования, платы за использование природных и трудовых ресурсов и т.д. На этой основе начались параллельные разработки ряда систем моделей, из которых наиболее известны многоуровневая система среднесрочного прогнозирования (рук. Б.Н.Михалевский), система моделей для расчетов по определению общих пропорций развития народного хозяйства и согласованию отраслевых и территориальных разрезов плана — СМОТР (рук. Э.Ф.Баранов), система многоступенчатой оптимизации экономики (рук. В.Ф.Пугачев), межотраслевая межрайонная модель (рук. А.Г.Гранберг). Существенно углубилось понимание народнохозяйственного оптимума, роли и места экономических стимулов в его достижении. Наряду с распространенной ранее скалярной оптимизацией в исследованиях стала более активно применяться многокритериальная, лучше учитывающая многосложность условий и обстоятельств решения плановой задачи. Более того, стало меняться общее отношение к оптимизации как универсальному принципу: вместе с ней (но не вместо нее, как иногда можно прочитать) начали разрабатываться методы принятия рациональных (не обязательно оптимальных в строгом смысле этого слова) решений, теория компромисса и неантагонистических игр (Ю.Б.Гермейер) и другие методы, учитывающие не только технико-экономические, но и человеческие факторы: интересы участников процессов принятия и реализации решений. В начале 70-х гг. экономисты-математики провели широкие исследования в области применения программно-целевых методов в планировании и управлении народным хозяйством. Они приняли также активное участие в разработке методики регулярного (раз в пять лет) составления Комплексной программы научно-технического прогресса на очередное двадцатилетие. Впервые в работе такого масштаба при определении общих пропорций развития народного хозяйства на перспективу и решении некоторых частных задач был использован аппарат экономико-математических методов. Началось широкое внедрение программно-целевого метода в практику народнохозяйственного планирования. Были продолжены работы по созданию АСПР — автоматизированной системы плановых расчетов Госплана СССР и Госпланов союзных республик, и в 1977 г. введена в действие ее первая очередь, а в 1985 г. — вторая очередь. Выявились и немалые трудности непосредственного внедрения оптимизационных принципов в практику хозяйствования. В условиях, когда предприятия, объединения, отраслевые министерства были заинтересованы не столько в выявлении производственных резервов, сколько в их сокрытии, чтобы избежать получения напряженных плановых заданий, учитывающих эти резервы, оптимизация не могла найти повсеместную поддержку: ее смысл как раз в выявлении резервов. Поэтому работа по созданию АСУ не всегда давала должные результаты: усилия затрачивались на учет, анализ, расчеты по заработной плате, но не на оптимизацию, т.е. повышение эффективности производства (оптимизационные задачи в большинстве АСУ занимали лишь 2 — 3% общего объема решаемых задач). В результате эффективность производства не росла, а штаты управления увеличивались: создавались отделы АСУ, вычислительные центры. Эти обстоятельства способствовали некоторому спаду экономико-математических исследований к началу 80-х гг. Большой удар по экономико-математическому направлению был нанесен в 1983 г., когда бывший тогда секретарем ЦК КПСС К.У.Черненко обрушился с явно несправедливой и предвзятой критикой на ЦЭМИ АН СССР, после чего институт жестоко пострадал: подвергся реорганизации, был разделен надвое, потом еще раз надвое, из него ушел ряд ведущих ученых. Тем не менее, прошедшие годы ознаменовались серьезными научными и практическими достижениями экономико-математического крыла советской экономической науки. В ряде аспектов, прежде всего теоретических — оно заняло передовые позиции в мировой науке. Например, в области математической экономики и эконометрии (не говоря уже об открытиях Л.В.Канторовича) широко известны советские исследования процессов оптимального экономического роста (В.Л.Макаров, С.М.Мовшович, А.М.Рубинов и др.), ряд моделей экономического равновесия; сделанная еще в 1976 г. В.М.Полтеровичем попытка синтеза теории равновесия и теории экономического роста; работы отечественных ученых в области теории игр, теории группового (социального) выбора и многие другие. В каком-то смысле опережая время, экономисты-математики еще в 70-е гг. приступили к моделированию и изучению таких явлений, приобретших острую актуальность в период перестройки, как «самоусиление дефицита», экономика двух рынков — с фиксированными и гибкими ценами, функционирование экономики в условиях неравновесия. Активно развивается математический аппарат, в частности, такие его разделы, как линейное и нелинейное программирование (Е.Г.Гольштейн), дискретное программирование (А.А.Фридман), теория оптимального управления (Л.С.Понтрягин и его школа), методы прикладного математико-статистического анализа (С.А.Айвазян). За последние годы развернулось широкое использование имитационных методов, являющихся характерной чертой современного этапа развития экономико-математических методов. Хотя сама по себе идея машинной имитации зародилась существенно раньше, ее практическая реализация оказалась возможной именно теперь, когда появились электронные вычислительные машины новых поколений, обеспечивающие прямой диалог человека с машиной. Наконец, новым направлением прикладной работы, синтезирующим достижения в области экономико-математического моделирования и информатики, стала разработка и реализация концепции АРМ (автоматизированного рабочего места плановика и экономиста), а также концепции стендового экспериментирования над экономическими системами (В.Л.Макаров). Начинается (во всяком случае должна начинаться) переориентация Э.-м.и. на изучение путей формирования и эффективного функционирования рынка (особенно переходного процесса — это самостоятельная тема). Тут может быть использован богатый арсенал экономико-математических методов, накопленный не только в нашей стране, но и в странах с развитой рыночной экономикой.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• economico-mathematical studies in the ex-USSR and russia

данные
Интерпретируемое формализованным способом представление информации, пригодное для коммуникации, интерпретации или обработки.
[ИСО/МЭК 2382-1]
[ ГОСТ Р 52292-2004]

данные
Информация, представленная в виде, пригодном для обработки автоматическими средствами при возможном участии человека
[ ГОСТ 15971-90]
[ ГОСТ Р 50304-92]
[ОСТ 45.127-99]

[Руководящий документ "Основные положения развития Взаимоувязанной сети связи Российской Федерации на перспективу до 2005 года"]

данные
Представление информации в формализованном виде, пригодном для передачи, интерпретации или обработки.
[ ГОСТ Р ИСО/МЭК 12119-2000]
[ ГОСТ Р 52653-2006]

данные
Информация, представленная в формализованном виде, пригодном для передачи, интерпретации или обработки с участием человека или автоматическими средствами
[ ГОСТ 34.320-96]

данные
Сведения, являющиеся объектом обработки в информационных человеко-машинных системах.
[ ГОСТ 17657-79]

данные
Информация, обработанная и представленная в формализованном виде для дальнейшей обработки
[ГОСТ 7.0-99]

данные
Сведения о состоянии любого объекта — экономического или не экономического, большой системы или ее элементарной части (элемента), о человеке и машине и т. д., представленные в формализованном виде и предназначенные для обработки (или уже обработанные). Д. не обязательно должны быть числовыми: например, статистические показатели работы предприятий и анкетные сведения о человеке — все это Д.) В процессах сбора, обработки и использования они расчленяются на отдельные элементарные составляющие — элементы данных или элементарные данные (иногда их называют просто данными). Элементарные Д. могут быть выражены целыми и вещественными числами, словами, а также булевыми величинами, способными принимать лишь два значения — «истина» (1), «ложь» (0). Слово «Д.» не вполне соответствует слову «информация«, хотя они часто употребляются как синонимы. Д. — величина, число или отношение, вводимые в процесс обработки или выводимые из него. Информация же определяется как знание, полученное из этих данных. Следовательно, обработка данных есть приведение их к такому виду, который наиболее удобен для получения из них информации, знания. Для того, чтобы из минимального количества Д. извлечь максимум информации, используются различные способы записи массивов данных, методы агрегирования и др. Для того, чтобы быть воспринятыми и стать информацией, Д. проходят как бы тройной фильтр: физический (ограничения по пропускной способности канала), семантический (см. Тезаурус) и прагматический, где оценивается полезность Д. (см. Информация). Экономические Д. можно подразделить на два особенно важных класса: условно-постоянные и переменные. Различие между ними поясним простым примером: нормативы запасов — условно-постоянные Д., размеры запасов отдельных материалов на конкретные даты — переменные. Следовательно, первые — это всякого рода расценки, нормативы, нормы, сведения о производительности оборудования и т.д. Обычно в автоматизированных системах управления они либо хранятся в массивах картотек (устаревшая и выходящая из употребления система), либо вводятся в память машины один раз и при необходимости включаются в расчет самой машиной. Условно-постоянными они называются потому, что все же время от времени обновляются. Переменные Д. (сведения о выработке рабочих, о сдаче деталей и продукции, о тех же запасах на складе и многие другие) после расчета, как правило, выводятся из памяти компьютера. См. также Автоматизированная система обработки данных (АСОД), База данных, Носитель данных, Обработка данных, Показатель, Сбор данных, Скорость передачи данных, Экономическая информация.
[ http://slovar-lopatnikov.ru/]

Тематики

• базы данных
• защита информации
• информационно-библиотечная деятельность
• информационные технологии в образовании
• системы для сопряж. радиоэлектр. средств интерфейсные
• системы обработки информации
• телевидение, радиовещание, видео
• экономика
• электронный обмен информацией
• электросвязь, основные понятия

EN

• data

FR

• données

3.4 данные (data): Совокупность значений, присвоенных для основных мер измерений, производных мер измерений и (или) показателей.

[ИСО/МЭК 15939:2007]

Источник: ГОСТ Р ИСО/МЭК 27004-2011: Информационная технология. Методы и средства обеспечения безопасности. Менеджмент информационной безопасности. Измерения оригинал документа

1. Данные

Data

Информация, представленная в виде, пригодном для обработки автоматическими средствами при возможном участии человека

Источник: ГОСТ 15971-90: Системы обработки информации. Термины и определения оригинал документа

3.2.14 данные (data): Представление информации в формальном виде, пригодном для передачи, интерпретации или обработки людьми или компьютерами;

Источник: ГОСТ Р ИСО 10303-1-99: Системы автоматизации производства и их интеграция. Представление данных об изделии и обмен этими данными. Часть 1. Общие представления и основополагающие принципы оригинал документа

12. Данные

Data

По ГОСТ 15971

Источник: ГОСТ 24402-88: Телеобработка данных и вычислительные сети. Термины и определения оригинал документа

3.3 данные (data): Данные по качеству воздуха и общие данные.

Источник: ГОСТ Р ИСО 7168-2-2005: Качество воздуха. Представление данных. Часть 2. Сокращенный формат представления данных оригинал документа

2.6 данные (Data): Дискретные объективные факты (номера, символы, цифры) без контекста и пояснений.

Источник: ГОСТ Р 53894-2010: Менеджмент знаний. Термины и определения оригинал документа

3.12 данные (data): Представление информации или команд в виде, пригодном для передачи, интерпретации или обработки с помощью компьютера.

[IEEE 610, модифицировано]

Примечание - Данные, необходимые для определения параметров и реализации прикладных и служебных функций в системе, называются «прикладными данными».

Источник: ГОСТ Р МЭК 60880-2010: Атомные электростанции. Системы контроля и управления, важные для безопасности. Программное обеспечение компьютерных систем, выполняющих функции категории А оригинал документа

3.13 данные (data): Представление информации или сообщений в виде, подходящем для передачи, интерпретации или обработки с помощью компьютеров (см. рисунок 2).

[IEEE 610, модифицировано] [1]

Источник: ГОСТ Р МЭК 61513-2011: Атомные станции. Системы контроля и управления, важные для безопасности. Общие требования оригинал документа

3.1.3 данные (data): Любой элемент информации, принимаемый регистратором для записи, включая численные значения, текст, а также звуковые и радиолокационные сигналы, за исключением особо оговоренных случаев или ситуаций, когда по контексту понятно иное.

Источник: ГОСТ Р МЭК 61996-1-2009: Морское навигационное оборудование и средства радиосвязи. Судовой регистратор данных рейса (РДР). Часть 1. Регистратор данных рейса (РДР). Технико-эксплуатационные требования, методы и требуемые результаты испытаний оригинал документа

3.17 данные (data): представление информации формальным способом, подходящим для коммуникации, интерпретации или для информационной обработки человеком или компьютерами.

Источник: ГОСТ Р 54136-2010: Системы промышленной автоматизации и интеграция. Руководство по применению стандартов, структура и словарь оригинал документа