Логотип
ИЭА СТР
УДК 004.91+004.031.42 • EDN: IPUBTO • e-Library ID: 89068827

СТАНДАРТИЗАЦИЯ ДАННЫХ И ПРОЦЕССОВ В ОТКРЫТОЙ ИНФОРМАЦИОННОЙ СРЕДЕ. ЧАСТЬ 2. ПЕРСПЕКТИВЫ БАНКОВСКОЙ СФЕРЫ

• С. 72-78
Скачать JATS XML Скачать PDF
🇷🇺 На русском

Для цитирования

Бурый А.С., Лопатин И.Н., Погодин И.М. Стандартизация данных и процессов в открытой информационной среде. Часть 2. Перспективы банковской сферы // Информационно-экономические аспекты стандартизации и технического регулирования. 2026. № 1(88). С. 72–78.

Аннотация

Статья посвящена анализу и оценке роли данных и их интеграции в распределенной информационной банковской сфере в ходе решения задач формирования баз данных, поддержки принятия решений на основе интеллектуального анализа данных. Цель работы: оценка возможностей моделей представления данных в распределенных информационных средах и базах данных на основе интеллектуального анализа данных с привлечением нейро-сетевых инструментов для поддержки принятия решений в банковской сфере. Методы: компаративный анализ научных публикаций в области интеграции больших языковых моделей, включая возможности интеллектуальных агентов и многоагентного представления динамики информационного взаимодействия. Результаты: предложен концептуальный подход применения интеллектуальных агентов в ходе формирования и интеграции данных в банковской сфере для повышения обоснованности принимаемых решений, за счет повышения качества информационного взаимодействия на основе ролевого представления интеллектуальных агентов в ходе обучения доменно-специализированных языковых моделей.

Ключевые слова

ИНФОРМАЦИОННАЯ СИСТЕМА ОТКРЫТЫЕ СИСТЕМЫ ОТКРЫТЫЕ ДАННЫЕ ПЛАТФОРМА ОТКРЫТЫЙ БАНКИНГ УПРАВЛЕНИЕ ДАННЫМИ ГЕНЕРАТИВНЫЙ ИНТЕЛЛЕКТ

Об авторах

Бурый Алексей Сергеевич

Бурый Алексей Сергеевич — Доктор технических наук, ФГБУ «Институт стандартизации», ( Москва, Россия )

Лопатин И. Н.

Лопатин И. Н. — Аспирант, ФГБУ «Институт стандартизации», ( Москва, Россия )

Погодин И. М.

Погодин И. М. — Аспирант, ФГБУ «Институт стандартизации», ( Москва, Россия )

Список литературы

  1. 1. Бурый А.С., Лопатин И.Н., Погодин И.М. Стандартизация данных и процессов в открытой информационной среде. Часть 1. Открытые данные // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 6(87). С. 469–474. – URL: https://doi.org/10.24412/2311-1348-2025-6-469-474.
  2. 2. Бурый А.С., Ловцов Д.А. Открытая наука как движущая сила информационного общества // Правовая информатика. 2024. № 3. С. 4–12. – URL: https://doi.org/10.24682/1994-1404-2024-3-4-12.
  3. 3. Дубинин С.К., Теличко Л.Е. Банковская экосистема как клиентоориентированная бизнес-модель в условиях цифровизации // Финансы и кредит. 2022. Т. 28, № 5. С. 1000–1026. – URL: https://doi.org/10.24891/fc.28. 5. 1000.
  4. 4. Васильева Е.В., Солянов К.С., Коневцева Т.Д. Адаптивное хранилище данных как технологический базис экосистемы банка // Финансы: теория и практика. 2020. Т. 24, № 3. С. 132–146.
  5. 5. Zhao X., Lu J., Deng C., et al. Beyond one-model-fits-all: A survey of domain specialization for large language models. arXiv preprint arXiv. 2023, 2305.
  6. 6. Parate S., Reddi L.T., Agarwal S., Suryadevara M. Analyzing the impact of open data ecosystems and standardized interfaces on product development and innovation. International Journal of Advanced Research in Science, Communication and Technology. 2023;3(1):476–485.
  7. 7. Лопатин И.Н. Многоуровневые системы качественных данных на основе моделей искусственного интеллекта: проблемы и решения // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 1(82). С. 70–75.
  8. 8. Kumar T.V. Cloud-Based Core Banking Systems Using Microservices Architecture. IJRECE. 2019;7(2): 3663–3672.
  9. 9. Бурый А.С. Тенденции развития распределенных информационных систем на основе облачных технологий // Транспортное дело России. 2013. № 6. С. 160–162.
  10. 10. Бурый А.С., Погодин И.М. Оценка качества больших данных. Часть 2. Модели данных // Информационно-экономические аспекты стандартизации и технического регулирования. 2024. № 4 (79). С. 24–32.
  11. 11. Balaskas G., Papadopoulos H., Pappa D., et al. A Framework for Domain-Specific Dataset Creation and Adaptation of Large Language Models. Computers.2025;14(5): 172.
  12. 12. Pessanha Santos N. The expansion of data science: dataset standardization. Standards. 2023; 3(4):400–410.
  13. 13. Решетников В.Н., Болодурина И.П., Парфенов Д.И. Моделирование размещения сервис-ориентированных приложений в программно-управляемой инфраструктуре виртуального центра обработки данных // Программные продукты и системы. 2016. № 4. С. 15–22.
  14. 14. Blohm I., Wortmann F., et al. Data products, data mesh, and data fabric: New paradigm (s) for data and analytics? Business & Information Systems Engineering. 2024;66(5):643–652.
  15. 15. Бурый А.С., Фролов В.А., Куляница А.Л. Эволюция агентного моделирования. Часть 1. Архитектура интеллектуального агента // Информационно-экономические аспекты стандартизации и технического регулирования. 2023. № 5(74). С. 38–47.
  16. 16. Jeong C. Fine-tuning and Utilization Methods of Domain-specific LLMs. arXiv 2024. arXiv preprint:2401.02981.
  17. 17. Rostam Z.R.K., Kertesz G. Fine-tuning large language models for scientific text classification: A comparative study. In 2024 IEEE 6th International Symposium on Logistics and Industrial Informatics (LINDI). IEEE, 2024: 000233-000238.
🇬🇧 In English

DATA AND PROCESSES STANDARDIZATION IN AN OPEN INFORMATION ENVIRONMENT. PART 2. FUTURE OF THE BANKING SECTOR

For citation

Buryi A.S., Lopatin I.N., Pogodin I.M. Data and Processes Standardization in an Open Information Environment. Part 2. Future of the Banking Sector. Information and economic aspects of standardization and technical regulation. 2026;1(88):72–78. (In Russ.).

Abstract

The article is devoted to the analysis and assessment of the role of data and their integration in the distributed information banking sector in solving the problems of database formation, decision support based on data mining.Purpose of the paper: to evaluate the capabilities of data representation models in distributed information environments and databases based on data mining using neuro-network tools to support decision-making in the banking sector.Methods of study: comparative analysis of scientific publications in the field of integration of large language models, including the capabilities of intelligent agents and multi-agent representation of the dynamics of information interaction.Study findings: a conceptual approach to the use of intelligent agents in the formation and integration of data in the banking sector is proposed to increase the validity of decisions made by improving the quality of information interaction based on the role representation of intelligent agents during the training of domain-specific language models.

Keywords

INFORMATION SYSTEM OPEN SYSTEMS OPEN DATA PLATFORM OPEN BANKING DATA MANAGEMENT GENERATIVE INTELLIGENCE

About the authors

Buryi A. S.

Buryi A. S. — Doctor of Science in Technology, Russian Standardization Institute, ( Moscow, Russia )

Lopatin I. N.

Lopatin I. N. — Graduate student, Russian Standardization Institute, ( Moscow, Russia )

Pogodin I. M.

Pogodin I. M. — Graduate student, Russian Standardization Institute, ( Moscow, Russia )

References

  1. 1. Buryi A.S., Lopatin I.N., Pogodin I.M. Standartizaciya dannyh i processov v otkrytoj informacionnoj srede. Part 1. Otkrytye dannye. Information and economic aspects of standardization and technical regulation. 2025;6(87):469–474. (In Russ.).
  2. 2. Buryi A.S., Lovtsov D.A. Otkrytaya nauka kak dvizhushchaya sila informacionnogo obshchestva. Legal informatics. 2024;3:4–12. (In Russ.).
  3. 3. Dubinin S.K., Telichko L.E. Bankovskaya ekosistema kak klientoorientirovannaya biznes-model v usloviyah cifrovizacii. Finance and Credit. 2022;28(5):1000–1026. (In Russ.).
  4. 4. Vasileva E.V., Solyanov K.S., Konevtseva T.D. Adaptivnoe hranilishche dannyh kak tekhnologicheskij bazis ekosistemy banka. Finansy: teoriya i praktika. 2020;24(3):132– 146. (In Russ.).
  5. 5. Zhao X., Lu J., Deng C., et al. Beyond one-model-fits-all: A survey of domain specialization for large language models. arXiv preprint arXiv. 2023, 2305.
  6. 6. Parate S., Reddi L.T., Agarwal S., Suryadevara M. Analyzing the impact of open data ecosystems and standardized interfaces on product development and innovation. International Journal of Advanced Research in Science, Communication and Technology. 2023;3(1):476–485.
  7. 7. Lopatin I.N. Mnogourovnevye sistemy kachestvennyh dannyh na osnove modelej iskusstvennogo intellekta: problemy i resheniya. Information and economic aspects of standardization and technical regulation. 2025;1(82):70–75. (In Russ.).
  8. 8. Kumar T.V. Cloud-Based Core Banking Systems Using Microservices Architecture. IJRECE. 2019;7(2): 3663–3672.
  9. 9. Buryi A.S. Tendencii razvitiya raspredelennyh informacionnyh sistem na osnove oblachnyh tekhnologij. Transportnoe delo Rossii. 2013;6:160–162. (In Russ.).
  10. 10. Buryi A.S., Pogodin I.M. Ocenka kachestva bol'shih dannyh. Part 2. Data Models. Information and economic aspects of standardization and technical regulation. 2024;3(78):49–58. (In Russ.).
  11. 11. Balaskas G., Papadopoulos H., Pappa D., et al. A Framework for Domain-Specific Dataset Creation and Adaptation of Large Language Models. Computers.2025;14(5): 172.
  12. 12. Pessanha Santos N. The expansion of data science: dataset standardization. Standards. 2023; 3(4):400–410.
  13. 13. Reshetnikov V.N., Bolodurina I.P., Parfenov D.I. Modelirovanie razmeshcheniya servisorientirovannyh prilozhenij v programmno-upravlyaemoj infrastrukture virtual'nogo centra obrabotki dannyh. Programmnye produkty i sistemy. 2016;4:15–22. (In Russ.).
  14. 14. Blohm I., Wortmann F., et al. Data products, data mesh, and data fabric: New paradigm (s) for data and analytics? Business & Information Systems Engineering. 2024;66(5):643–652.
  15. 15. Buryi A.S., Frolov V.A., Kulaynitsa A.L. Evolyuciya agentnogo modelirovaniya. Part 1. Arhitektura intellektualnogo agenta. Information and economic aspects of standardization and technical regulation. 2023;5(74):38–47. (In Russ.).
  16. 16. Jeong C. Fine-tuning and Utilization Methods of Domain-specific LLMs. arXiv 2024. arXiv preprint:2401.02981.
  17. 17. Rostam Z.R.K., Kertesz G. Fine-tuning large language models for scientific text classification: A comparative study. In 2024 IEEE 6th International Symposium on Logistics and Industrial Informatics (LINDI). IEEE, 2024: 000233-000238.