ДИНАМИЧЕСКАЯ ОПТИМИЗАЦИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ОСНОВЕ ПОТОКОВЫХ ДАННЫХ

<jats:p>Статья посвящена методологическому осмыслению динамической оптимизации управленческих решений в организациях, использующих непрерывно поступающие данные. Показано, что переход от периодической аналитики к потоковой меняет сам объект управления: оптимизации подлежит уже не единичный выбор, а политика последовательных действий, пересматриваемая по мере появления событий, уточнения состояния системы и получения обратной связи. Теоретическое исследование выполнено посредством сравнительного анализа концепций ограниченной рациональности, динамических способностей, организационного научения, потоковой обработки, дрейфа концепта, онлайн- и предписывающей оптимизации. Предложена авторская модель четырёх времён управленческого контура: времени события, времени данных, времени модели и времени организационного действия. Их рассогласование рассматривается как самостоятельный источник потерь, который не устраняется простым ускорением вычислений. Динамическая оптимизация определяется как институционально ограниченный процесс обновления управленческой политики с учётом ожидаемого результата, неопределённости, цены переключения, несвоевременности и обратимости последствий. Разработан семистадийный контур, включающий регистрацию события, реконструкцию состояния, диагностику изменения режима, формирование альтернатив, оптимизацию, санкционированное исполнение и двойную обратную связь. Сформулированы теоретические положения о темпоральной согласованности, нестационарности, границах автоматизации и роли управленческого суждения. Практическая ценность модели состоит в том, что она позволяет проектировать регламенты потокового управления без отождествления скорости реакции с качеством решения.</jats:p> <jats:p>The article develops a methodological view of dynamic managerial decision optimization in organizations using continuously arriving data. The shift from periodic to streaming analytics changes the object of optimization: rather than selecting a single best alternative, an organization updates a policy of sequential actions as events arrive, system states are refined, and feedback becomes available. The study synthesizes bounded rationality, dynamic capabilities, organizational learning, stream processing, concept drift, online optimization, and prescriptive analytics. An original four-clock model is proposed, distinguishing event time, data time, model time, and organizational action time. Misalignment among these clocks is treated as a specific source of managerial loss that cannot be eliminated merely by faster computation. Dynamic optimization is defined as an institutionally constrained process of policy revision that accounts for expected performance, uncertainty, switching costs, delay, and reversibility. A seven-stage decision loop is presented, including event capture, state reconstruction, regime-change diagnosis, alternative generation, constrained optimization, authorized implementation, and dual feedback. The paper formulates propositions on temporal consistency, non-stationarity, automation boundaries, and managerial judgment. The framework can support the design of streaming decision governance without confusing response speed with decision quality.</jats:p>