канд. эконом. наук, доцент кафедры математического и компьютерного моделирования
Candidate of Economic Sciences, Associate Professor of the Department of Mathematical and Computer Modeling
студент группы ЕТ-414
student of ET-414 group
student of ETv-229 group
студентка группы ЕТв-229
The article addresses issues of increasing the economic efficiency for the sports reserve training. Young athletes are viewed as valuable assets, and the training process as an optimizing investment project. Aim. The objective is to develop an economic and mathematical model increasing the human capital return on investment (HCROI) through personalizing training management. Materials and methods. Cluster analysis is used as an investigation method. Results. The K-means clustering algorithm has effectively grouped 103 athletes, who met 15 objective parameters, into two homogeneous groups. Analysis of variance (ANOVA) confirmed significant differences between the groups, allowing them to be interpreted as two types of assets with different potential and risks. For each cluster are developed differentiated management strategies (training programs) aimed at maximizing their "value" (athletic potential) and minimizing risks (injuries, dropout). Conclusion. The study shows that mathematical models facilitate the transition from intuitive to scientific management of sports assets, thereby improving the overall performance of sports organizations.
В статье рассматривается проблема повышения экономической эффективности процесса подготовки спортивного резерва. Юные спортсмены рассматриваются как ценные активы, а тренировочный процесс – как инвестиционный проект, требующий оптимизации. Цель исследования – разработка экономико-математической модели, позволяющей повысить отдачу от инвестиций в человеческий капитал за счет персонализации управления подготовкой. Материалы и методы. В качестве инструментального метода предложен кластерный анализ. Результаты. На основе выборки из 103 спортсменов, охарактеризованных по 15 объективным параметрам, с помощью алгоритма K-means были выделены две гомогенные группы (кластеры) активов. Статистический анализ (ANOVA) подтвердил значимые различия между группами, что позволяет интерпретировать их как два типа активов с разным потенциалом и рисками. Для каждого кластера разработаны дифференцированные стратегии управления (тренировочные программы), направленные на максимизацию их «стоимости» (спортивного потенциала) и минимизацию рисков (травм атизм, отсев). Заключение. Работа демонстрирует, что применение математических методов позволяет перейти от интуитивного управления к научно обоснованному менеджменту спортивных активов, повышая общую эффективность деятельности спортивных организаций.