1 Вступ

Цей документ представляє комплексний аналіз сучасних тенденцій у сфері інтелектуальної цифрової економіки. Дослідження включає аналіз ключових показників, візуалізацію даних та прогнозування майбутніх трендів.

1.1 Мета дослідження

  • Аналіз динаміки розвитку цифрової економіки
  • Виявлення ключових факторів впливу
  • Прогнозування майбутніх тенденцій
  • Розробка рекомендацій для політики розвитку

2 Створення демонстраційних даних

# Генерація демонстраційних даних для аналізу
set.seed(123)

# Дані про цифровізацію по роках (2018-2024)
years <- 2018:2024
n_years <- length(years)

# Створення датасету з показниками цифрової економіки
digital_economy_data <- data.frame(
  year = years,
  gdp_digital_share = seq(8.2, 15.8, length.out = n_years) + rnorm(n_years, 0, 0.3),
  internet_penetration = seq(63, 87, length.out = n_years) + rnorm(n_years, 0, 1.5),
  ecommerce_volume = seq(125, 420, length.out = n_years) + rnorm(n_years, 0, 15),
  digital_skills_index = seq(45, 72, length.out = n_years) + rnorm(n_years, 0, 2),
  fintech_adoption = seq(23, 68, length.out = n_years) + rnorm(n_years, 0, 3),
  ai_investment = c(2.1, 3.8, 6.2, 11.5, 18.9, 29.7, 45.3) + rnorm(n_years, 0, 2)
)

# Дані по регіонах
regions_data <- data.frame(
  region = c("Київ", "Львів", "Харків", "Дніпро", "Одеса", "Запоріжжя"),
  digital_infrastructure = c(85, 72, 78, 69, 65, 58) + rnorm(6, 0, 3),
  startup_density = c(156, 89, 92, 67, 71, 45) + rnorm(6, 0, 8),
  it_employment_share = c(12.5, 8.9, 9.2, 6.8, 5.9, 4.2) + rnorm(6, 0, 0.5),
  innovation_index = c(78, 65, 69, 58, 61, 52) + rnorm(6, 0, 3)
)

# Вивід основної статистики
kable(summary(digital_economy_data), 
      caption = "Основна статистика показників цифрової економіки") %>%
  kable_styling(bootstrap_options = c("striped", "hover"))
Основна статистика показників цифрової економіки
year gdp_digital_share internet_penetration ecommerce_volume digital_skills_index fintech_adoption ai_investment
Min. :2018 Min. : 8.032 Min. :61.10 Min. :116.7 Min. :44.56 Min. :19.59 Min. : 3.477
1st Qu.:2020 1st Qu.:10.299 1st Qu.:68.15 1st Qu.:215.9 1st Qu.:50.00 1st Qu.:36.77 1st Qu.: 5.492
Median :2021 Median :12.021 Median :76.84 Median :243.0 Median :57.25 Median :44.61 Median :10.888
Mean :2021 Mean :12.135 Mean :74.94 Mean :270.2 Mean :57.56 Mean :46.72 Mean :16.669
3rd Qu.:2022 3rd Qu.:14.177 3rd Qu.:81.57 3rd Qu.:348.0 3rd Qu.:64.40 3rd Qu.:59.41 3rd Qu.:23.225
Max. :2024 Max. :15.938 Max. :87.17 Max. :404.0 Max. :72.31 Max. :70.46 Max. :44.884

3 Аналіз динаміки розвитку

3.1 Часові тренди ключових показників

# Створення графіка динаміки цифровізації
p1 <- digital_economy_data %>%
  select(year, gdp_digital_share, internet_penetration, digital_skills_index) %>%
  pivot_longer(cols = -year, names_to = "indicator", values_to = "value") %>%
  mutate(indicator = case_when(
    indicator == "gdp_digital_share" ~ "Частка цифрової економіки в ВВП (%)",
    indicator == "internet_penetration" ~ "Проникнення інтернету (%)",
    indicator == "digital_skills_index" ~ "Індекс цифрових навичок"
  )) %>%
  ggplot(aes(x = year, y = value, color = indicator)) +
  geom_line(size = 1.2) +
  geom_point(size = 3) +
  scale_x_continuous(breaks = years) +
  scale_y_continuous(labels = scales::comma) +
  labs(title = "Динаміка ключових показників цифрової економіки",
       subtitle = "Тенденції розвитку 2018-2024 рр.",
       x = "Рік",
       y = "Значення показника",
       color = "Показник") +
  theme_economist() +
  theme(legend.position = "bottom",
        legend.title = element_blank()) +
  guides(color = guide_legend(nrow = 2))

ggplotly(p1) %>%
  layout(height = 500)

3.2 Аналіз росту e-commerce та інвестицій в ШІ

# Аналіз експоненціального росту
p2 <- digital_economy_data %>%
  select(year, ecommerce_volume, ai_investment) %>%
  pivot_longer(cols = -year, names_to = "metric", values_to = "value") %>%
  mutate(metric = case_when(
    metric == "ecommerce_volume" ~ "Обсяг e-commerce (млрд $)",
    metric == "ai_investment" ~ "Інвестиції в ШІ (млрд $)"
  )) %>%
  ggplot(aes(x = year, y = value, fill = metric)) +
  geom_col(position = "dodge", alpha = 0.8) +
  scale_x_continuous(breaks = years) +
  scale_y_continuous(labels = scales::comma) +
  scale_fill_manual(values = c("#1f77b4", "#ff7f0e")) +
  labs(title = "Ріст обсягів e-commerce та інвестицій в штучний інтелект",
       x = "Рік",
       y = "Вартість (млрд $)",
       fill = "Метрика") +
  theme_minimal() +
  theme(legend.position = "bottom")

print(p2)

4 Регіональний аналіз

4.1 Рівень цифрового розвитку по регіонах

# Створення таблиці регіональних даних
datatable(regions_data, 
          caption = "Показники цифрового розвитку по регіонах",
          options = list(pageLength = 10, scrollX = TRUE)) %>%
  formatRound(columns = c('digital_infrastructure', 'startup_density', 
                         'it_employment_share', 'innovation_index'), digits = 1)
# Кореляційний аналіз регіональних показників
correlation_matrix <- cor(regions_data[, -1])
corrplot(correlation_matrix, 
         method = "color", 
         type = "upper",
         title = "Кореляція між показниками цифрового розвитку регіонів",
         mar = c(0,0,2,0))

4.2 Рейтинг регіонів за інноваційністю

# Створення композитного індексу
regions_data <- regions_data %>%
  mutate(composite_index = (digital_infrastructure + startup_density/2 + 
                           it_employment_share*5 + innovation_index)/4) %>%
  arrange(desc(composite_index))

# Візуалізація рейтингу
p3 <- ggplot(regions_data, aes(x = reorder(region, composite_index), 
                               y = composite_index, fill = composite_index)) +
  geom_col(alpha = 0.8) +
  coord_flip() +
  scale_fill_gradient(low = "#ff9999", high = "#66b3ff") +
  labs(title = "Рейтинг регіонів за композитним індексом цифрового розвитку",
       x = "Регіон",
       y = "Композитний індекс",
       fill = "Значення індексу") +
  theme_minimal() +
  theme(legend.position = "none")

print(p3)

5 Прогнозування та моделювання

5.1 Прогноз розвитку цифрової економіки

# Створення часового ряду для прогнозування
ts_digital_gdp <- ts(digital_economy_data$gdp_digital_share, 
                     start = 2018, frequency = 1)

# Побудова моделі ARIMA
model_arima <- auto.arima(ts_digital_gdp)

# Прогноз на 3 роки вперед
forecast_result <- forecast(model_arima, h = 3)

# Візуалізація прогнозу
autoplot(forecast_result) +
  labs(title = "Прогноз частки цифрової економіки в ВВП",
       subtitle = "Модель ARIMA з довірчими інтервалами",
       x = "Рік",
       y = "Частка в ВВП (%)") +
  theme_economist()

# Виведення результатів прогнозу
forecast_df <- data.frame(
  Year = 2025:2027,
  Forecast = as.numeric(forecast_result$mean),
  Lower_CI = as.numeric(forecast_result$lower[,2]),
  Upper_CI = as.numeric(forecast_result$upper[,2])
)

kable(forecast_df, 
      digits = 2,
      caption = "Прогнозні значення частки цифрової економіки в ВВП") %>%
  kable_styling(bootstrap_options = c("striped", "hover"))
Прогнозні значення частки цифрової економіки в ВВП
Year Forecast Lower_CI Upper_CI
2025 17.26 16.45 18.06
2026 18.57 17.43 19.72
2027 19.89 18.49 21.29

5.2 Модель зв’язку між показниками

# Побудова регресійної моделі
model <- lm(gdp_digital_share ~ internet_penetration + digital_skills_index + 
            fintech_adoption, data = digital_economy_data)

# Виведення результатів моделі
summary(model)
## 
## Call:
## lm(formula = gdp_digital_share ~ internet_penetration + digital_skills_index + 
##     fintech_adoption, data = digital_economy_data)
## 
## Residuals:
##        1        2        3        4        5        6        7 
## -0.04268 -0.23841  0.39377 -0.10248  0.05817  0.04262 -0.11098 
## 
## Coefficients:
##                      Estimate Std. Error t value Pr(>|t|)
## (Intercept)          -2.48991    3.64102  -0.684    0.543
## internet_penetration  0.07767    0.08405   0.924    0.424
## digital_skills_index  0.10412    0.05833   1.785    0.172
## fintech_adoption      0.06018    0.04022   1.496    0.231
## 
## Residual standard error: 0.2839 on 3 degrees of freedom
## Multiple R-squared:  0.9951, Adjusted R-squared:  0.9902 
## F-statistic: 203.9 on 3 and 3 DF,  p-value: 0.0005779
# Візуалізація залишків
par(mfrow = c(2, 2))
plot(model)

6 Ключові висновки та рекомендації

6.1 Основні тенденції

Аналіз показує стійке зростання цифрової економіки з середньорічним темпом приросту 1.3%. Особливо динамічно розвиваються:

  • Сектор електронної комерції
  • Інвестиції в штучний інтелект
  • Рівень цифрових навичок населення

6.2 Стратегічні рекомендації

  1. Інфраструктурний розвиток: Пріоритет розвитку цифрової інфраструктури в регіонах
  2. Освітні програми: Розширення програм розвитку цифрових навичок
  3. Інноваційна екосистема: Підтримка стартапів та IT-підприємництва
  4. Регуляторне середовище: Створення сприятливих умов для цифрових технологій

6.3 Перспективи досліджень

  • Вплив штучного інтелекту на трансформацію галузей
  • Аналіз цифрової нерівності між регіонами
  • Моделювання впливу цифровізації на зайнятість

Документ підготовлено з використанням R Markdown для академічних та дослідницьких цілей

## R version 4.5.1 (2025-06-13)
## Platform: x86_64-pc-linux-gnu
## Running under: Ubuntu 24.04.2 LTS
## 
## Matrix products: default
## BLAS:   /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.12.0 
## LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.12.0  LAPACK version 3.12.0
## 
## locale:
##  [1] LC_CTYPE=uk_UA.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=uk_UA.UTF-8        LC_COLLATE=uk_UA.UTF-8    
##  [5] LC_MONETARY=uk_UA.UTF-8    LC_MESSAGES=uk_UA.UTF-8   
##  [7] LC_PAPER=uk_UA.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=uk_UA.UTF-8 LC_IDENTIFICATION=C       
## 
## time zone: Europe/Kyiv
## tzcode source: system (glibc)
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] kableExtra_1.4.0 knitr_1.50       scales_1.4.0     ggthemes_5.1.0  
##  [5] corrplot_0.95    forecast_8.24.0  DT_0.33          plotly_4.11.0   
##  [9] lubridate_1.9.4  forcats_1.0.0    stringr_1.5.1    dplyr_1.1.4     
## [13] purrr_1.1.0      readr_2.1.5      tidyr_1.3.1      tibble_3.3.0    
## [17] ggplot2_3.5.2    tidyverse_2.0.0 
## 
## loaded via a namespace (and not attached):
##  [1] gtable_0.3.6       xfun_0.52          bslib_0.9.0        htmlwidgets_1.6.4 
##  [5] lattice_0.22-7     tzdb_0.5.0         crosstalk_1.2.1    quadprog_1.5-8    
##  [9] vctrs_0.6.5        tools_4.5.1        generics_0.1.4     curl_6.4.0        
## [13] parallel_4.5.1     xts_0.14.1         pkgconfig_2.0.3    data.table_1.17.8 
## [17] RColorBrewer_1.1-3 lifecycle_1.0.4    compiler_4.5.1     farver_2.1.2      
## [21] textshaping_1.0.1  htmltools_0.5.8.1  sass_0.4.10        yaml_2.3.10       
## [25] lazyeval_0.2.2     pillar_1.11.0      jquerylib_0.1.4    cachem_1.1.0      
## [29] nlme_3.1-168       fracdiff_1.5-3     tidyselect_1.2.1   digest_0.6.37     
## [33] stringi_1.8.7      labeling_0.4.3     tseries_0.10-58    fastmap_1.2.0     
## [37] grid_4.5.1         colorspace_2.1-1   cli_3.6.5          magrittr_2.0.3    
## [41] withr_3.0.2        timechange_0.3.0   TTR_0.24.4         rmarkdown_2.29    
## [45] httr_1.4.7         quantmod_0.4.28    nnet_7.3-20        timeDate_4041.110 
## [49] zoo_1.8-14         hms_1.1.3          urca_1.3-4         evaluate_1.0.4    
## [53] lmtest_0.9-40      viridisLite_0.4.2  rlang_1.1.6        Rcpp_1.1.0        
## [57] glue_1.8.0         xml2_1.3.8         svglite_2.2.1      rstudioapi_0.17.1 
## [61] jsonlite_2.0.0     R6_2.6.1           systemfonts_1.2.3