Modeling of Management Decision-Making Processes

In the context of increasing turbulence, increasing the level of risk of production and economic activities, and expanding the range of information resources, the relevance of studying management decision-making modeling processes is among the priorities of management theory and practice. The purpose of the article is to develop a system of modeling principles for managerial decision-making in the digital economy, as well as to develop an algorithm for adaptive modeling of the managerial decision-making process. The methodological base of the research includes methods of system analysis, visualization, econometric statistics and description. The work uses data from Rosstat and the National Research University Higher School of Economics.
The main research results include: a system of principles for modeling managerial decisions (information sufficiency, goal setting, verification, multiple choice, decomposition, parameterization); the developed algorithm for adaptive modeling; the concept of an interdisciplinary approach to modeling (bioinformatic, informational, cognitive modeling).
The scientific novelty lies in the development of an integrated approach to modeling management decisions that takes into account the specifics of the digital economy. The proposed algorithm can be used to specify and decompose control models in complex systems.
The practical significance of the work lies in the possibility of using the developed methodological approaches to improve the effectiveness of managerial decision-making in modern economic conditions.
The research contributes to the development of management theory and practice by offering new tools for adapting decision-making processes to the digital economy.

1. Сенин А.С., Лясников Н.В. Принятие управленческих решений в кризисных ситуациях на основе нейронной сети «дерево решений» // Экономика и социум: современные модели развития. 2019. Т. 9. № 1 (23). С. 98–110.

2. Сидоркин В.А., Васяев А.П. Разработка и принятие нестандартных управленческих решений // Вестник Академии управления и производства. – 2024. № 2. С. 592–596.

3. Балдашев Р.М., Романович – В.К. Факторы, влияющие на принятие управленческих решений в условиях неопределённости и риска // Экономика и бизнес: теория и практика. 2024. № 3–1 (109). С. 46–49.

4. Сидорчукова Е.В., Верба Д.С., Маркова А.Д. Принятие управленческих решений на основе концепции маржинального анализа // Естественно-гуманитарные исследования. 2024. № 4 (54). С. 458–462.

5. Дронь Е.А., Павлович – Т.В., Здольник В.В. Управление системой мониторинга технических параметров процесса бурения с применением цифровых технологий в организационных системах // Вестник Воронежского института ФСИН России. 2024. № 4. С. 65–73.

6. Даринцев О.В. Синтез новых моделей микрогидродинамики в исследованиях лаборатории «Робототехника и управление в технических системах» // Многофазные системы. 2022. Т. 17. № 1–2. С. 74–96.

7. Атаева С., Байрамгылыджов С., Байрамов С. Автоматизация и управление в технических системах: современные подходы и технологии // In Situ. 2024. № 11. С. 26–28.

8. Димитриенко Ю.И., Зубарев К.М., Скуднева О.В. Разработка лабораторных работ для студентов, обучающихся по специальности «Управление в технических системах», проводимых в электронной информационно – образовательной среде «Nomotex» // Информатизация образования и науки. 2024. № 4 (64). С. 104–114.

9. Бобков С.П., Астраханцева И.А., Павлова Е.А. Имитационное моделирование для интеллектуальной поддержки принятия управленческих решений // Современные наукоемкие технологии. Региональное приложение. – 2022. № 1 (69). С. 61–69.

10. Вайтекунене Е.Л., Пинчук И.А., Семенова Е.И. Имитационное моделирование как инструмент поддержки принятия управленческих решений // Наука и бизнес: пути развития. 2023. № 10 (148). С. 8–10.

11. Кетоева Н.Л., Знаменская М.А., Павлов Е.М., Прошкин Н.Е. Моделирование и разработка программы для интеллектуальной системы поддержки принятия кадровых управленческих решений в электроэнергетике // Инженерный вестник Дона. 2024. № 5 (113). С. 698–712.

12. Свиридов И.А., Лютин В.И. Синтез и моделирование байесовского алгоритма принятия управленческих решений // Инновационная наука. 2024. № 6–2. С. 53–58.

13. Долгов А.В., Сыротюк С.Д. Бизнес-моделирование деятельности предприятий массового обслуживания на основе принятия управленческих решений и методологии BPM // Вестник Волжского университета им. В.Н. Татищева. 2025. № 2 (111). С. 90–101.

14. Давыдовский А.Г., Пархименко В.А. Биоинформационное моделирование процессов принятия управленческих решений в условиях информационного стресса // Big Data and Advanced Analytics. 2015. № 1. С. 93–107.

15. Кудрявцева С.С., Шинкевич – М.В. К вопросу об оценке ресурсной эффективности производственных систем // Петербургский экономический журнал. 2024. № 4. С. 121–130.

16. Шинкевич – А.И., Барсегян Н.В. Информационные технологии поддержки принимаемых решений интеллектуального предприятия // Математические методы в технологиях и технике. 2021. № 9. С. 10105–108

17. Кудрявцева С.С. Логистическое обеспечение инновационной деятельности промышленных предприятий Республики Татарстан // Экономический вестник Республики Татарстан. 2013. № 1. С. 47–52.

18. Панилов П.А., Цибизова Т.Ю., Малахов Н.А. Когнитивное моделирование автономной системы управления беспилотным летательным аппаратом // Динамика сложных систем – XXI век. 2023. Т. 17. № 4. С. 5–11.

19. Галимулина Ф.Ф., Шинкевич – М.В., Зарайченко И.А. Наилучшие доступные технологии в современной экономике: основа импортозамещения и инструмент перехода к циркулярной экономике // Вестник университета. 2022. № 11. С. 113–120.

20. Росстат. URL: https://rosstat.gov.ru

21. Цифровая экономика: краткий статистический сборник / В.Л. Абашкин, Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». М.: ИСИЭЗ ВШЭ, 2025. 120 с.