Перечень сокращений и условных обозначений 3
Введение 4
Глава 1 Теоретические подходы к сбору и анализу данных отчетности агропромышленного комплекса 8
1.1 Значимость сбора и анализа данных форм отчетности агропромышленного комплекса 8
1.2 Особенности сбора и анализа данных форм отчетности агропромышленного комплекса 12
1.3 Программные средства для автоматизации обработки и анализа данных форм отчетности агропромышленного комплекса 16
Глава 2 Проектирование процесса обработки и анализа данных формы отчетности агропромышленного комплекса 25
2.1 Формирование технического задания для разработки модуля информационно-аналитической системы для анализа данных формы отчетности агропромышленного комплекса 25
2.2 Визуальное моделирование процесса работы с данными формы отчетности агропромышленного комплекса 32
2.3 Проектирование модуля информационно-аналитической системы для анализа данных формы отчетности агропромышленного комплекса 38
Глава 3 Практическая апробация функционирования модуля информационно-аналитической системы для анализа данных форм отчетности агропромышленного комплекса 52
3.1 Анализ данных формы отчетности агропромышленного комплекса с применением модуля информационно-аналитической системы 52
3.2 Оценка экономической эффективности информационно-аналитической системы для анализа данных форм отчетности агропромышленного комплекса 60
Заключение 69
Список литературы 72
Приложения 82
Актуальность выбранной темы. Сельское хозяйство на сегодняшний день представляет собой приоритетную отрасль российской экономики, именно оно позволяет обеспечить продовольственную безопасность страны. Одной из важнейших задач для экономики страны является активное развитие собственного агропромышленного комплекса, который сможет конкурировать на мировом уровне. Его создание позволит обеспечить промышленность сырьем, жителей страны – продуктами высокого качества по доступным ценам, а государство – финансами. Для развития отрасли, особенно важно исследовать текущее положение сельского хозяйства страны с помощью различных доступных технологических средств, которые позволяют за короткие сроки провести качественный статистический анализ.
Существующие методы анализа данных в совокупности с имеющимися информационными технологиями позволяют оптимизировать время проведения исследования и обеспечить более качественный результат проводимого анализа, однако информация, содержащаяся в формах отчетности агропромышленного комплекса, являющихся одним из основных источников данных о процессах, происходящих в отрасли сельского хозяйства, в настоящее время используется не в полной мере (не изучается дифференциация организаций, взаимосвязи показателей и другие аспекты). В основном, используется только сводная информация, в то время, как без внимания остаются важные нюансы, которые можно получить, изучив полные отчетные формы для более полного представления о текущем состоянии агропромышленного комплекса и перспектив его развития. Содержание проблемы определило выбор темы магистерской диссертации.
Объектом исследования являются данные форм отчетностей агропромышленного комплекса.
Предмет исследования составляет модуль информационно-аналитической системы, позволяющий провести анализ данных форм отчетности агропромышленного комплекса.
Цель и задачи исследования. Цель данного исследования состоит в разработке модуля информационно-аналитической системы для анализа данных форм отчетности агропромышленного комплекса. Для достижения указанной цели исследования поставлены и решены следующие задачи:
- определить значимость и особенности сбора и анализа данных форм отчетности агропромышленного комплекса;
- изучить программные средства для автоматизации обработки и анализа данных форм отчетности агропромышленного комплекса;
- разработать техническое задание;
- описать процесс работы модуля информационно-аналитической системы средствами визуального моделирования;
- разработать модуль информационно-аналитической системы
- провести апробацию функционирования модуля системы с помощью проведения анализа данных формы отчетности агропромышленного комплекса Российской Федерации;
- оценить экономическую эффективность модуля информационно-аналитической системы.
Теоретической и методологической основой магистерской диссертации являются фундаментальные положения экономической и технической наук, труды отечественных и зарубежных авторов, посвященные проблемам анализа данных и его автоматизации.
Методологическую основу исследования составляют фундаментальные методы научного познания. Теоретическая часть магистерской диссертации основана на использовании методов теоретического познания (анализ, синтез, формализация, обобщение). В практической части исследования используются эмпирические методы (измерение, сравнение, специализированные методы статистики – корреляционно-регрессионный анализ, статистический анализ, группировка).
Информационной базой работы послужили данные Федеральной службы государственной статистики Российской Федерации, данные формы отчетности 1-КФХ «Информация о производственной деятельности глав крестьянских (фермерских) хозяйств – индивидуальных предпринимателей» по регионам Российской Федерации за 2019 год, собираемые Министерством сельского хозяйства России, справочники и учебные пособия, интернет-источники.
Научная новизна исследования заключается в предложении методики статистического анализа деятельности крестьянских (фермерских) хозяйств и разработке на её основе модуля информационно-аналитической системы для анализа данных форм отчетности агропромышленного комплекса.
В магистерской диссертации сформулированы и обоснованы следующие основные положения, обладающие элементами научной новизны:
– на основе изучения значимости и особенностей сбора анализа данных форм отчетностей агропромышленного комплекса обоснована необходимость разработки модуля информационно-аналитической системы для анализа данных форм отчетности АПК;
– разработаны требования к модулю информационно-аналитической системы для анализа данных форм отчетности АПК и представлен проект модуля информационно-аналитической системы в соответствии с нотацией BPMN 2.0, методологией IDEF0 и унифицированным языком моделирования UML;
− предложена методика анализа крестьянских (фермерских) хозяйств, на основе которой, разработан модуль информационно-аналитической системы для анализа данных форм отчетности АПК, позволяющий изучить эффективность деятельности крестьянских (фермерских) хозяйств и их дифференциацию.
На защиту выносятся следующие положения:
– обоснование необходимости разработки модуля информационно-аналитической системы для анализа данных форм отчетности АПК;
– модельные представления модуля информационно-аналитической системы для анализа данных форм отчетности АПК, созданные системы в соответствии с нотацией BPMN 2.0, методологией IDEF0 и унифицированным языком моделирования UML;
– методика анализа крестьянских (фермерских) хозяйств и результаты разработки модуля информационно-аналитической системы для анализа данных форм отчетности АПК на её основе.
Апробация результатов магистерской диссертации. Основные положения исследования докладывались, обсуждались и получили положительную оценку на международных и всероссийских научно-практических конференциях:
1) 73-я Международная студенческая научно-практическая конференция, посвященная 180-летию со дня рождения М.К. Турского;
2) 74-я Всероссийская студенческая научно-практическая конференция, посвященная 200-летию со дня рождения П.А. Ильенкова;
3) Международная научно-практическая студенческая конференция, посвященная 155-летию со дня основания Российского государственного аграрного университета – МСХА имени К.А. Тимирязева: «Научный форум: Экономика, управление и цифровые технологии в АПК - 2020»;
Публикации: По теме диссертации опубликовано 2 печатных работы.
Структура работы. Диссертация состоит из введения, трех глав и заключения, изложена на 102 страницах, содержит 8 таблиц, 31 рисунок, приложения. Список литературы включает 102 источника, из них 32 зарубежных авторов.
В последние годы в Российской Федерации создаются и поддерживаются различные мероприятия и программы, направленные на преобразование сельского хозяйства в высокотехнологичную отрасль, способную обеспечить не только внутренний рынок, но и многие страны мира, а также создать возможности для использования новых инновационных разработок.
При цифровизации и внедрении различных информационных технологий в отрасль сельского хозяйства важно учитывать, необходимость их использования на всех этапах, особенно при проведении анализа на уровне отдельного производителя, а также на уровне учреждений, для которых актуально изучения сектора и получение корректной, актуальной структурированной информации для принятия различных управленческих решений.
Так, использование информационных систем и технологий для изучения сельского хозяйства становится ключевым фактором при реализации анализа отрасли, а существующие инструменты способствуют проведению более качественного и точного анализа данных, упрощая процесс и минимизируя временные затраты, однако не всегда охватывают важные нюансы при проведении анализа.
По итогам магистерской диссертации была выполнена цель – разработан модуля информационно-аналитической системы для анализа данных форм отчетности агропромышленного комплекса, а также решены поставленные задачи:
- определены значимость и особенности сбора и анализа данных форм отчетности агропромышленного комплекса;
- изучены программные средства для автоматизации обработки и анализа данных форм отчетности агропромышленного комплекса;
- разработано техническое задание;
- описан процесс работы модуля информационно-аналитической системы средствами визуального моделирования;
- разработан модуль информационно-аналитической системы;
- проведена апробация функционирования модуля системы с помощью проведения анализа данных формы отчетности агропромышленного комплекса Российской Федерации;
- проведена оценка экономическую эффективность модуля информационно-аналитической системы.
Разработанный модуль информационно-аналитической системы позволяет проводить анализ данных формы отчетности 1-КФХ. Является кроссплатформенным и реализован в виде веб-приложения, для работы которого не требуется установка специализированного программного обеспечения.
Результаты, полученные в ходе исследования, позволяют сделать следующие выводы:
1. Использование информационных систем и технологий для изучения сельского хозяйства становится ключевым фактором при реализации анализа отрасли, а существующие инструменты способствуют проведению более качественного и точного анализа данных, упрощая процесс и минимизируя временные затраты, однако они не всегда охватывают важные нюансы при проведении анализа. На текущий момент, глубокому и разностороннему анализу данных отчетных форм (одному из основных источников данных о состоянии агропромышленного комплекса) не уделяется особого внимания, несмотря на то, что полученные при анализе таких данных сведения могут оказать большую помощь в развитии отрасли.
2. Методика анализа крестьянских (фермерских) хозяйств, предложенная в работе, стала основой разработки модуля информационно-аналитической системы для анализа данных форм отчетности АПК. Таким образом, предложенный методический инструментарий в комплексе с разработанным модулем информационно-аналитической системы на практике способствует реализации анализа данных форм отчетностей, что в целом позволит повысить уровень изучения предметной области (оптимизировать время на исследование, расширить область анализа), способствуя последующему улучшению ситуации в области принятия управленческих решений в агропромышленном комплексе для его дальнейшего интенсивного развития.
Представленная работа содержит элементы научной новизны, теоретической и практической значимости, что подтверждает актуальность и экономическую целесообразность её создания.
1. Афанасьев В.Н. Статистика сельского хозяйства / В.Н. Афанасьев. – М.: Финансы и статистика, 2014. – 272 с. – Текст : электронный.
2. Бабкина, А.В. Общая теория систем и системный анализ: учебно-методическое пособие / А.В. Бабкина. – М.: РГАУ-МСХА им. К.А. Тимирязева, 2016. – 80 с. – Текст : электронный.
3. Бессонов, А. С. Интерфейсы автоматизированных систем. Методические указания : методические указания / А. С. Бессонов. – Москва : РТУ МИРЭА, 2020. – 61 с. – Текст : непосредственный.
4. Вандер, П.Д. Python для сложных задач: наука о данных и машинное обучение. / П.Д. Вандер. – СПб.: Питер, 2018. – 576 с. – Текст : непосредственный.
5. Вейцман, В. М. Проектирование информационных систем : учебное пособие / В. М. Вейцман. – Санкт-Петербург : Лань, 2019. – 316 с. – Текст : электронный.
6. Водяхо, А.И. Архитектурные решения информационных систем / А.И. Водяхо – Санкт-Петербург: Лань, 2017. – 356 с. – Текст : электронный.
7. Волк, В.К. Практическое введение в программную инженерию: учебное пособие / В.К. Волк. – Санкт-Петербург: Лань, 2019. – 100 с. – Текст : электронный.
8. Елисеева, И.И. Эконометрика: учебник для бакалавриата и магистратуры / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Издательство Юрайт, 2017. – 449 с. – Текст : электронный.
9. Завьялов Д.В. Устойчивое развитие малых и средних предприятий агропромышленного компекса // Вестник Российского экономического университета им. Г.В. Плеханова. – 2013. – №5. – С.12-23 – Текст : электронный.
10. Зинченко, А.П. Статистика: учебник / А. П. Зинченко. – М.: Издательство РГАУ-МСХА, 2013. – 368 с.: ил. – Текст : непосредственный.
11. Зинченко, А. П. Статистика сельского хозяйства: статистическое наблюдение : учебное пособие для вузов / А. П. Зинченко, Ю. Н. Романцева. – 2-е изд., испр. и доп. – Москва : Издательство Юрайт, 2020. – 162 с. – Текст : электронный.
12. Зинченко, А.П. Статистическое наблюдение в сельском хозяйстве: учебное пособие / А. П. Зинченко. – М.: Изд-во РГАУ-МСХА имени К.А. Тимирязева, 2010. – 124 с. – Текст : электронный.
13. Зинченко, А.П. Экономико-статистический анализ сельского хозяйства: Сборник статей. Часть 2 / А.П. Зинченко. – М.: Издательство РГАУМСХА имени К. А. Тимирязева, 2017. – 189 c. – Текст : электронный.
14. Кобайло, А.С. Проектирование информационных систем: учеб.-метод. пособие по выполнению курсовых проектов для студентов специальности «Информационные системы и технологии» / А. С. Кобайло. – Минск : БГТУ, 2014. – 65 с. – Текст : электронный.
15. Коваленко, В. В. Проектирование информационных систем : учебное пособие / В.В. Коваленко. – 2-е изд., перераб. и доп. – Москва : ИНФРА-М, 2021. – 357 с. – Текст : электронный.
16. Коломейченко, А.С. Информационные технологии. учеб. пособие. – Санкт-Петербург : Лань, 2018. – 228 с. – Текст : электронный.
17. Кон, М. Пользовательские истории: гибкая разработка программного обеспечения / М. Кон. – М.: Вильямс, 2020. – 256 c. – Текст : электронный.
18. Ларман, К. Применение UML 2.0 и шаблонов проектирования. Введение в объектно-ориентированный анализ, проектирование и итеративную разработку / К. Ларман. – М.: Вильямс, 2013. – 736 c. – Текст : электронный.
19. Лутц, М. Python. Карманный справочник / М. Лутц. – 5-е изд.: Пер. с англ. – М.: ООО «И.Д. Вильямс», 2015. – 320 с.: ил. – Паралат. тит. англ. – Текст : непосредственный.
20. Лутц, М. Изучаем Python / М. Лутц.– М.: Вильямс, 2020. – 720 с. – Текст : непосредственный.
21. Маран, М. М. Программная инженерия : учебное пособие / М. М. Маран. – Санкт-Петербург : Лань, 2021. – 196 с. – Текст : электронный.
22. Нильсен, Э. Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение / Э. Нильсен. – М.: Вильямс, 2021. – 544 c. – Текст : электронный.
23. Плас, Д. В. Python для сложных задач / Д.В. Плас – СПб.: Питер, 2018. – 576 с. – Текст : электронный.
24. Савицкая, Г.В. Анализ хозяйственной деятельности предприятий АПК / Г.В. Савицкая – М.: ИНФРА–М, 2017. – 656 с. – Текст : электронный.
25. Самарханов, Т.Г. Создание и эффективное функционирование крестьянских (фермерских) хозяйств: метод. реком. – М.: ФГБНУ «Росинформагротех», 2018. – 260 с. – Текст : электронный.
26. Сарайкин, В.А. Экономическая классификация личных подсобных хозяйств как основа для совершенствования методики их текущего наблюдения / В.А. Сарайкин // Вопросы статистики. – 2018. – Т. 25. – № 2. – С. 73-80. – Текст : электронный.
27. Свободин, В.А. Методологические вопросы определения эффективности организационно-экономического механизма сельского хозяйства / В.А. Свободин // АПК: экономика, управление. – 2013. – №2. – С.38-42. – Текст : электронный.
28. Седер, Н. Python. Экспресс-курс. 3-е изд. – СПб.: Питер, 2019. – 480 с. – Текст : электронный.
29. Скрипкин, К.Г. Экономическая эффективность информационных систем в России: Монография / К.Г. Скрипкин – М.: МАКС Пресс, 2014, – 156 с. – Текст : электронный.
30. Сухов, К. HTML5 – путеводитель по технологии / К. Сухов. – 2-е изд. – Москва : ДМК Пресс, 2013. – 352 с. – Текст : электронный.
31. Столетова, Е.А. Информационные системы и технологи в экономике и управлении : учебное пособие / Е.А. Столетова Л.А. – Кемерово: КемГУ, 2018. – 173 с. – Текст : электронный.
32. Федоров, Д.Ю. Программирование на языке высокого уровня Python: учеб. пособие для СПО / Д.Ю. Федоров. – М.: Издательство Юрайт, 2019. – 126 с. – Текст : электронный.
33. Фило, В.Ф. Теоретический минимум по Computer Science / В.Ф. Фило – СПб.: Питер, 2018. – 224 с. – Текст : электронный.
34. Царев, Р.Ю. Алгоритмы и структуры данных: учебное пособие / Р.Ю. Царев. – Красноярск: Красноярский государственный аграрный университет, 2014. – 178 с. – Текст : электронный.
35. Чан, У. Python: создание приложений. Библиотека профессионала / У. Чан. – 3-е изд.: Пер. с англ. – М.: ООО «И.Д. Вильяме», 2015. – 816 с.: ил. – Парал. тит. англ. – Текст : непосредственный.
36. Шанченко, Н. И. Оценка трудоемкости разработки программного продукта: методические указания / Н. И. Шанченко. – Ульяновск : УлГТУ, 2015. – 40 с. – Текст : непосредственный.
37. Шолле, Ф. Глубокое обучение на Python / Ф. Шолле. – СПб.: Питер, 2018. – 400 с.: ил. – (Серия «Библиотека программиста»). – Текст : непосредственный.
38. Узун, В.Я. Крупный и малый бизнес в сельском хозяйстве России: адаптация к рынку и эффективность / В.Я. Узун. – М.: Энциклопедия российских деревень, 2004. – 136 с. – Текст : электронный.
39. Якимова О.Ю. Методы оценки эффективности корпоративных информационных систем управления // Современные наукоемкие технологии. – 2006. – № 3 – С. 95-98 – Текст : непосредственный.
40. Гвоздева, Т.В. Проектирование информационных систем: технология автоматизированного проектирования. Лабораторный практикум: учеб.-справ. пособие / Т.В. Гвоздева, Б.А. Баллод. – Санкт-Петербург: Лань, 2018. – 156 с. – Текст : электронный.
41. Горбенко А.В., Горбенко А.О. Проблемы оценки экономической эффективности информационных систем в энергетике // Экономика: вчера, сегодня, завтра, 2017. Том 7. № 9А. – С. 169-179. – Текст : электронный.
42. Зинченко, А.П. Аграрная статистика и А.В. Чаянов / А.П. Зинченко, А.В. Уколова // Материалы международной научной конференции «Научное и творческое наследие А.В. Чаянова в аграрной экономике XXI века». М.: Издательство РГАУ-МСХА, 2018. – С. 223-228. – Текст : электронный.
43. Зимнов С.С., Щедрина Е.В. Проектирование и разработка базы данных в СУБД MS Access (ПРиМА, ИПФ, ЭФ): учебно-методическое пособие. – М. : ФБГОУ ВПО МГАУ, 2014. – 124 с. – Текст : непосредственный.
44. Константайн Л., Локвуд Л. Разработка программного обеспечения. – СПб.:Питер, 2004. – 592 с.
45. Самуэльсон П., Нордхаус У. Экономика. – М.: Вильямс, 2014. – 1360 с. – Текст : электронный.
46. Уколова, А.В., Шайкина, Е.В., Практикум по эконометрике: учебное пособие / А.В. Уколова, Е.В. Шайкина. – М.: МСХА, 2014. – 105 с. – Текст : электронный.
47. Флегонтов А.В., Матюшичев И.Ю. Моделирование информационных систем. – Электрон. дан. – Санкт-Петербург: Лань, 2018. – 112 с. – Текст : электронный.
48. Цехановский В.В, Чертовской В.Д. Управление данными. – Электрон. дан. – Санкт-Петербург: Лань, 2015. – 432 с. – Текст : электронный.
49. Бенгфорт Б., Билбро Р., Охеда Т. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка. – СПб.: Питер, 2019. – 368 с. – Текст : электронный.
50. Гарсиа-Молина Г., Ульман Д.Д., Уидом Д. Python. Системы баз данных. Полный курс – М.: Вильямс, 2020. – 1088 с. – Текст : непосредственный.
51. Губина Е. А., Ирзаев Г. Х., Адеева М. Г. Проектирование информационной системы на основе связывания CASE-инструментария и реляционной базы данных //Наука и бизнес: пути развития. – 2014. – №. 4. – С. 75-79. – Текст : электронный.
52. Муромцев Д.Ю, Муромцев Ю.Л., Тютюнник В.М, Белоусов О.А. Экономическая эффективность и конкурентоспособность: учебное пособие / Тамбов : Изд-во Тамб. гос. техн. ун-та, 2007. – 96 с. – Текст : электронный.
53. Рыжко А.Л., Лобанова Н.М., Рыжко Н.А., Кучинская Е.О. Экономика информационных систем: учебное пособие. – М.: Финансовый университет, 2014. – 204 с. – Текст : электронный.
54. Математическая статистика: практикум / О.Б. Тарасова, Е.В., Шайкина, А.Е., Шибалкин, М.В. Кагирова под. общ. Ред. О.Б. Тарасовой. М.: Изд-во РГАУ-МСХА имени К.А. Тимирязева, 2014. – 140 с. – Текст: непосредственный.
55. Эконометрика : учебник для бакалавриата и магистратуры / И. И. Елисеева [и др.] ; под редакцией И. И. Елисеевой. – Москва : Издательство Юрайт, 2019. – 449 с. – Текст: электронный.
56. Эффективность сельскохозяйственного производства (методические рекомендации) / Под ред. И.С. Санду, В.А. Свободина, В.И. Нечаева, М.В. Косолаповой, В.Ф. Федоренко. – М.: ФГБНУ «Росинформагротех», 2013. – 228с. – Текст: электронный.
57. Bell M. Service-Oriented Modeling: Service Analysis, Design, and Architecture – NY.: Wiley & Sons, 2017. – 384 p. – 289 p. – Текст: электронный.
58. Dean J. Big Data. Data Mining and Machine Learning. – New Jersey: John Wiley & Sons, 2014. – 289 p. – Текст: электронный.
59. Dinov I.D. Data Science and Predictive Analytics. – London.: Springer, 2018. – 817 p. – Текст : электронный.
60. DuRocher D. HTML and CSS QuickStart Guide: The Simplified Beginners Guide. – New York.: ClydeBank Media LLC, 2021. – 361 p. – Текст: электронный.
61. Carin M. The World of Agricultural Economics. An introduction. – New York.: Routledge, 2013. – 356 p. – Текст : электронный.
62. Hailu, G. Do Farm Support Programs Reward Production Inefficiency?/ G. Hailu, K. Poon // Canadian Journal of Agricultural Economics. – 2017. – Vol. 65. 186 – Issue 4. – Р. 567-589. – Текст : электронный.
63. Hatcher L. Advanced Statistics in Research: Reading, Understanding, and Writing Up Data Analysis Results. – Michigan.: Shadow Finch Media LLC, 2013. – 644 p. – Текст : электронный.
64. Kreibich J.A. Using SQLite. – Sebastopol.: O’Reilly Media, 2010. – 503 p. – Текст : непосредственный.
65. Lott S.F. Modern Python Cookbook. – Birmingham.: Packt Publishing, 2016. – 819 p. – Текст : непосредственный.
66. McKinney W. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython – Sebastopol.: O’Reilly Media, 2017. – 550 p. – Текст : непосредственный.
67. Mello F. Machine Learning. A Practical Approach on the Statistical Learning Theory. – London.: Springer, 2018. – 362 p. – Текст : электронный.
68. Mertz D. Functional Programming in Python. – Sebastopol.: O’Reilly Media, 2015. – 49 p. – Текст : электронный.
69. Molin S. Hands-On Data Analysis with Pandas: Efficiently perform data collection, wrangling, analysis, and visualization using Python. – Birmingham.: Packt Publishing, 2019. – 740 p. – Текст : непосредственный.
70. Owens M. The Definitive Guide to SQLite. –New York.: Apress, 2006. – 464 p. – Текст : электронный.
71. Peart, R.M. Agricultural Systems Modeling and Simulation / R.M. Peart, W.D. Shoup. – Boca Raton: CRS Press, 2018. – 728 р. – Текст : электронный.
72. Pillai A.B. Software Architecture with Python. – Birmingham.: Packt Publishing, 2017. – 622 p. – Текст : электронный.
73. Rashka S. Machine Learning and Deep Learning with Python, scikir-learn, and TensorFlow. – Birmingham.: Packt Publishing, 2017. – 619 p. – Текст : непосредственный.
74. Shenoy A. Learning Bootstrap. – Birmingham.: Packt Publishing, 2014. – 204 p. – Текст : электронный.
75. Shields W. SQL QuickStart Guide. The Simplified Beginner's Guide to Managing, Analyzing, and Manipulating Data With SQL. – New York.: ClydeBank Media LLC, 2019. – 251 p. – Текст : электронный.
76. Spurlock J. Bootstrap: Responsive Web Development. – Sebastopol.: O’Reilly Media, 2013. – 128 p. – Текст : электронный.
77. Sweigart A. Automate the boring stuff with Python. – San Francisco.: No Starch Press, 2015. – 505 p. – Текст : электронный.
78. Vincent W.S. Django for Beginners: Build websites with Python and Django. – Michigan.: Independently published, 2018. – 332 p. – Текст : электронный.
79. Walker M. Python Data Cleaning Cookbook: Modern techniques and Python tools to detect and remove dirty data and extract key insights. – Birmingham.: Packt Publishing, 2020. – 436 p. – Текст : электронный.
80. Lee K.D., Hubbard S. Data structures and algorithms with Python. – London.: Springer, 2015. – 369 p. – Текст : непосредственный.
81. Lyman Ott R., Longnecker M.T. An Introduction to Statistical Methods and Data Analysis – Boston.: Cengage Learning, 2015. – 1296 p. – Текст : электронный.
82. Goodrich M.T., Tamassia R., Goldwasser M.H. Data structures and algorithms in Python. – Hoboken.: John Wiley & Sons, 2013. – 770 p. – Текст : электронный.
83. Chen L.M., Su Z., Jiang B. Mathematical Problems in Data Science. – London.: Springer, 2015. – 210 p. – Текст : электронный.
84. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Data Mining, Inference, and Prediction. – London.: Springer, 2009. – 764 p. – Текст : электронный.
85. Navlani A., Fandango A., Idris I. Python Data Analysis: Perform data collection, data processing, wrangling, visualization, and model building using Python. – Birmingham.: Packt Publishing, 2021. – 478 p. – Текст : электронный.
86. Диаграммы вариантов использования : [сайт]. – URL: https://studfiles.net/preview/6214574 (дата обращения: 08.11.2020). – Текст : электронный.
87. О Регламенте предоставления информации в систему государственного информационного обеспечения в сфере сельского хозяйства: Приказ Минсельхоза РФ от 02.04.2008 N 189 (ред. от 27.09.2011) : [сайт]. – URL: http://www.consultant.ru/document/cons_doc_LAW_77008/ (дата обращения: 01.11.2020). – Текст : электронный.
88. Оценка экономической эффективности корпоративных информационных систем в современных условиях: [сайт]. – URL: http://www.m-economy.ru/art.php?nArtId=2189 (дата обращения: 16.04.2021). – Текст : электронный.
89. Почему Django – лучший фреймворк для разработки сайтов: [сайт]. – URL: https://ru.hexlet.io/blog/posts/pochemu-django-luchshiy-freymvork-dlya-razrabotki-saytov (дата обращения: 12.05.2020). – Текст : электронный.
90. Российский статистический ежегодник 2020 (на русском и английском языках) : [сайт]. – URL: http://gks.ru/bgd/regl/b20_13/ (дата обращения: 10.04.2021). – Текст : электронный.
91. Современные подходы к оценке эффективности информационных технологий в управлении АПК: [сайт]. – URL: https://cyberleninka.ru/article/v/sovremennye-podhody-v-otsenke-effektivnosti-infor-matsionnyh-tehnologiy-v-upravlenii-v-apk (дата обращения: 12.05.2021). – Текст : электронный.
92. Стандартные методы оценки экономической эффективности инвестиций: [сайт]. – URL: https://poisk-ru.ru/s11549t11.html (дата обращения: 10.04.2021). – Текст : электронный.
93. Управление общей стоимостью владения КИС: [сайт]. – URL: https://poisk-ru.ru/s11549t11.html (дата обращения: 16.04.2021). – Текст : электронный.
94. Что такое нотация BPMN. Основные понятия с примером: [сайт]. – URL: https://www.columbusglobal.com/ru/blog/chto-takoe-notaciya-bpmn-osnovnye-ponyatiya-s-primerom (дата обращения: 05.04.2020). – Текст : электронный.
95. Экономическая эффективность инвестиций в ИТ: оптимальный метод оценки : [сайт]. – URL: http://www.pcweek.ru/idea/article/detail.php?ID=68331 (дата обращения: 16.04.2021). – Текст : электронный.
96. Экономическая эффективность информационных технологий в экономике и управлении : [сайт]. – URL: https://dengifinance.ru/yekonomicheskaya-yeffektivnost-informa (дата обращения: 16.04.2021). – Текст : электронный.
97. Экономическая эффективность предприятия : [сайт]. – URL: http://1-fin.ru/?id=281&t=220 (дата обращения: 16.04.2021). – Текст : электронный.
98. Django Tutoriasl : [сайт]. – URL: https://learndjango.com/ (дата обращения: 25.01.2021). – Текст : электронный.
99. SQLite Tutorial : [сайт]. – URL: https://www.sqlitetutorial.net/ (дата обращения: 18.01.2021). – Текст : электронный.
100. SQLite vs MySQL vs PostgreSQL: сравнение систем управления базами данных : [сайт]. – URL: https://devacademy.ru/article/sqlite-vs-mysql-vs-postgresql (дата обращения: 12.05.2020). – Текст : электронный.
101. PHP, Ruby, Python – краткая характеристика трёх языков программирования : [сайт]. – URL: https://www.internet-technologies.ru/articles/php-ruby-python-harakteristika-yazykov-programmirovaniya.html#header-9428-8 (дата обращения: 12.05.2020). – Текст : электронный.
102. Meet Django: [сайт]. – URL: https://www.djangoproject.com/ (дата обращения: 12.05.2020). – Текст : электронный.