Большие данные в прогнозировании банкротства, автоматизации аудиторских проверок и налоговой аналитике: современные подходы и перспективы развития

Big Data in Bankruptcy Forecasting, Audit Automation and Tax Analytics: Contemporary Approaches and Development Prospects

Российский государственный аграрный университет — МСХА имени К.А. Тимирязева, Российская Федерация, Москва

Rossiyskiy gosudarstvennyy agrarnyy universitet — MSKhA imeni K.A. Timiryazeva (Russian State Agrarian University — Moscow Timiryazev Agricultural Academy), Russian Federation, Moscow

Мери Константиновна Джикия

Mary K. Dzhikiya

канд. экон. наук, доцент кафедры статистики и кибернетики

PhD in Economics, Associate Professor of the Statistics and Cybernetics Department

e-mail: marydzhikia@list.ru

e-mail: marydzhikia@list.ru

Вера Владимировна Мизюрёва

Vera V. Mizyureva

канд. экон. наук, доцент кафедры бухгалтерского учета, финансов и налогообложения

PhD in Economics, Associate Professor of the Department of Accounting, Finance and Taxation

e-mail: vmizyury@rgau-msha.ru

e-mail: vmizyury@rgau-msha.ru

Маргарита Алексеевна Целыковская

Margarita A. Tselykovskaya

Студентка 4-го курса, направленность экономика и управление

4th year Student, Specialization in Economics and Management

e-mail: m.tselykovskaya.m@gmail.com

e-mail: m.tselykovskaya.m@gmail.com

127434, Российская Федерация, г. Москва, Лиственничная аллея, д. 4. Тел. +7 (966) 129-02-16.

4 Listvennichnaya Alley, Moscow, Russian Federation, 127434. Phone +7 (966) 129-02-16.

Института № 3 МАИ — Системы управления, информатика и электроэнергетика, Российская Федерация, Москва

Instituta № 3 MAI — Sistemy upravleniya, informatika i elektroenergetika (Institute No. 3 of Moscow Aviation Institute - Management Systems, Informatics and Electric Power), Russian Federation Moscow

Федор Вячеславович Мизюрёв

Fedor V. Mizyurev

Студент 2-го курса, направленность информатика и вычислительная техника

2nd year Student, Specialization in Computer Science and Computer Engineering

e-mail: fedormizurev@gmail.com

e-mail: fedormizurev@gmail.com

125993, Российская Федерация, г. Москва, ул. Волоколамское шоссе, д. 4. Тел. +7 (985) 600-21-54.

4 Volokolamskoe Highway, Moscow, Russian Federation, 125993. Phone +7 (985) 600-21-54.

Аннотация. Современные методы обработки больших массивов данных создают новые возможности для анализа финансового состояния предприятий и оптимизации бизнес-процессов. В статье рассматриваются особенности применения технологий больших данных в российских условиях с учетом специфики нормативно-правовой базы и требований к защите конфиденциальной информации. Цель — выработка рекомендаций по внедрению технологий больших данных в российскую практику налогового администрирования и финансового планирования на основе комплексного анализа современного состояния и перспектив развития автоматизированных систем прогнозирования банкротства, аудиторских технологий и предиктивной аналитики в сфере бухгалтерского учета, исследование эффективности различных алгоритмов обработки больших данных для предсказания финансовой несостоятельности предприятий на основе зарубежного и отечественного опыта. Методология. В процессе исследования применялись методы сравнительного анализа различных подходов к решению задач прогнозирования и автоматизации, систематизации и обобщения эмпирических данных, а также контент-анализа для выявления основных тенденций развития изучаемых направлений. Результаты. Современные методы обработки больших данных демонстрируют точность прогнозирования банкротства на уровне 82–98%, автоматизация аудиторских и налоговых процедур позволяет снизить трудозатраты на 50–70%, а внедрение предиктивной аналитики повышает эффективность финансового и налогового планирования на 25–35%. Российская практика применения системы «АСК НДС-3» показывает высокую эффективность выявления налоговых нарушений при использовании технологий больших данных. Интеграция налоговых данных с финансовой информацией позволяет повысить точность прогнозирования финансовых затруднений на 12–15%. Перспективы развития связаны с созданием единой цифровой платформы налогового администрирования и формированием соответствующей нормативной базы.

Abstract. Modern methods for processing large data sets create new opportunities for analyzing the financial performance of enterprises and optimizing business processes. This article examines the specifics of applying big data technologies in the Russian context, taking into account the specific regulatory framework and requirements for protecting confidential information. The objective is to develop recommendations for the implementation of big data technologies in Russian tax administration and financial planning practices based on a comprehensive analysis of the current status and development prospects of automated bankruptcy forecasting systems, audit technologies, and predictive analytics in accounting, and to study the effectiveness of various big data processing algorithms for predicting the financial insolvency of enterprises based on international and domestic experience. Methodology. In the course of the research, methods of comparative analysis of various approaches to solving forecasting and automation problems, systematization and generalization of empirical data, as well as content analysis were used to identify the main trends in the development of the studied areas. Results. Modern big data processing methods demonstrate bankruptcy prediction accuracy of 82–98%, automation of audit and tax procedures reduces labor costs by 50–70%, and the implementation of predictive analytics increases the effectiveness of financial and tax planning by 25–35%. Russian practice of impelmenting the ASK VAT-3 system demonstrates the high effectiveness of identifying tax violations using big data technologies. Integrating tax data with financial information improves the accuracy of financial distress forecasting by 12–15%. Prospects for further development lie in the creation of a unified digital tax administration platform and the development of a corresponding regulatory framework.

Ключевые слова: большие данные; прогнозирование банкротства; автоматизация аудита; налоговая аналитика; машинное обучение.

Keywords: big data; bankruptcy forecasting; audit automation; tax analytics; machine learning.

Библиографический список

References

1. Князева О.П., Акмаров П.Б., Кондратьев Д.В., Джикия М.К., Алборов Г.Р. Проблемы применения искусственного интеллекта в решении учетно-аналитических задач // Бухучет в сельском хозяйстве. — 2025. — Т. 22. — № 12(268). — С. 882-892.

2. Улькин А.В. Налоговое администрирование в контексте развития цифровых технологий и законодательного урегулирования // Вестник ИПБ (Вестник профессиональных бухгалтеров). — 2025. — № 4. — С. 13-18.

3. Яковлева Е.Н., Колесова А.С. Прогнозирование банкротства российских предприятий на основе статистических моделей // Вестник удмуртского университета. Серия Экономика и право. — 2024. — Т. 34. — № 2. — С. 367–374.

4. Shetty S., Musa M., Brédart X. Bankruptcy Prediction Using Machine Learning Techniques // Journal of Risk and Financial Management. — 2022. — Vol. 15. — № 1. — p. 35.

5. Константинов А.Ф., Дьяконова Л.П. Построение модели машинного обучения для прогнозирования мошеннических транзакций // Известия Кабардино-Балкарского научного центра РАН. — 2025. — Т. 27. — № 2. — С. 11–22.

6. Tsung-Kang Chen, Hsien-Hsing Liao, Geng-Dao Chen, Wei-Han Kang, Yu-Chun Lin. Bankruptcy prediction using machine learning and text-based communicative value of annual reports // Expert Systems with Applications. — 2023. — Vol. 213. — p. 120714.

7. Косников С.Н., Полещук М.А., Джамалян А.Г. Нейросетевые подходы и методы моделирования финансовых рынков // Индустриальная экономика. — 2024. — № S1. — С. 83–88.

8. Яблоков Д.Ю. Применение технологий больших данных в налоговом администрировании // Региональное развитие: электронный научно-практический журнал. — 2015. — № 2(6). — С. 1–7.

9. Мизюрева В.В., Шелемех Н.Н. Организация и методика проведения налоговых проверок. Вопросы цифровизации контрольных процессов: Учебное пособие. — Москва: Ай Пи Ар Медиа, 2022. — 154 с.

10. Wang Q. Research on the Application of Machine Learning in Financial Anomaly Detection // iBusiness. — 2024. — Vol. 16. — no. 04. — pp. 173-183.
DOI: 10.4236/ib.2024.164012.

11. Юденич Н.М. Налоговое планирование: пределы и возможности: материалы по программе подготовки к экзамену на получение аттестата «Профессиональный налоговый консультант» (4-й раздел «Налоговое планирование»). — Москва: ИПБ России, 2021. — 52 c.

12. Rikhardsson P., Thórisson K.R., Bergthorsson G., Batt C.E. Artificial intelligence and auditing in small‐ and medium‐sized firms: Expectations and applications // AI Magazine. — 2022. — Vol. 43. — no. 3. — pp. 262–274.

13. Карцан И.Н., Нуриев С.А. Машинное обучение в бизнес-аналитике // Информатика. Экономика. Управление. — 2024. — Т. 3. — № 4. — С. 313–321.

14. Gepp A., Linnenluecke M.K., O’Neill T.J., Smith T. Big Data Techniques in Auditing Research and Practice: Current Trends and Future Opportunities // Journal of Accounting Literature. — 2018. — no. 40(1). — pp. 102–115.

15. Джикия К.А., Хабарова Н.Д., Мизюрев Ф.В. Применение ML-технологий для автоматизации финансового мониторинга и эффективного выявления аномалий в системе бухгалтерского учета // Бухучет в сельском хозяйстве. — 2025. — Т. 22. — № 5(261). — С. 340-349.
DOI: 10.33920/sel-11-2505-04.

16. Nath Kummari D. AI-Powered Tax Compliance: Enhancing Accuracy and Efficiency Through Predictive Modeling // Education Administration: Theory and Practices. — 2023. — no. 29(4). — pp. 5234-5253.
DOI: 10.53555/kuey.v29i4.10066.

17. Kokina J., Blanchette S., Davenport T.H., Pachamanova D. Challenges and opportunities for artificial intelligence in auditing: Evidence from the field // International Journal of Accounting Information Systems. — 2025. — Vol. 56. — p. 100734.

18. Kureljusic M., Karger E. Forecasting in financial accounting with artificial intelligence — A systematic literature review and future research agenda // Journal of Applied Accounting Research. — 2023. — Vol. 25. — no. 1. — pp. 81–104.

19. Пантелеева А.И. Применение технологий машинного обучения для прогнозирования макроэкономических индикаторов: разработка и оптимизация алгоритмов // Вестник науки. — 2025. — Т. 2. — № 1(82). — С. 1108-1113.

20. Хоружий Л.И., Уколова А.В., Джикия М.К., Дашиева Б.Ш., Семенова С.О., Ветошкин А.Ю., Титов А.Д., Титова Д.А., Быков Д.В., Сивова А.Н. Информационные системы и технологии в АПК: коллективная монография. — Москва: Российский государственный аграрный университет — МСХА имени К.А. Тимирязева, 2025. — 192 с.

21. Sizan M.M.H., Chouksey A., Miah M.N.I., Pant L., Ridoy M.H., Sayeed A.A., Khan M.T. Bankruptcy Prediction for US Businesses: Leveraging Machine Learning for Financial Stability // Journal of Business and Management Studies. — 2025. — Vol. 7. — no. 1. — pp. 01–14.

22. Рябышев Д.Э. Цифровая трансформация налогового контроля: анализ российских и зарубежных практик // Теория и практика общественного развития. — 2025. — № 7. — С. 184-188.
DOI: 10.24158/tipor.2025.7.23.

23. Анисимова Е.И., Крицкий В.И. Цифровизация налогового администрирования и цифровые сервисы ФНС России как фактор снижения рисков государства и налогоплательщиков в сфере налогообложения, создания комфортной среды для взаимодействия и уплаты налогов // Вестник ИПБ (Вестник профессиональных бухгалтеров). — 2021. — № 6. — С. 37-42.

24. Лабынцев Н.Т., Чухрова О.В. Развитие бухгалтерского учета в условиях электронного документооборота // Вестник ИПБ (Вестник профессиональных бухгалтеров). — 2023. — № 1. — С. 32–38.

25. Залюбовин В.С., Гришин В. Переход к экономике данных на основе единой цифровой платформы «Гостех» // Вестник науки. — 2024. — Т. 1. — № 3(72). — С. 67–72.

1. Knyazeva O.P., Akmarov P.B., Kondrat'ev D.V., Dzhikiya M.K., Alborov G.R. Problemy primeneniya iskusstvennogo intellekta v reshenii uchetno-analiticheskikh zadach [Critical Issues of Application of Artificial Intelligence in Solving Accounting and Analytical Problems]. Bukhuchet v sel'skom khozyaystve, 2025, Vol. 22, no. 12(268), pp. 882–892 (in Russ.).

2. Ulkin A.V. Nalogovoe administrirovanie v kontekste razvitiya tsifrovyh tekhnologiy i zakonodatel'nogo uregulirovaniya [Tax Administration in the Context of Digital Technologies Development and Legislative Regulation]. Vestnik IPB (Vestnik professional'nyh buhgalterov), 2025, no. 4, pp. 13–18 (in Russ.).

3. YAkovleva E.N., Kolesova A.S. Prognozirovanie bankrotstva rossiyskikh predpriyatiy na osnove statisticheskikh modeley [Forecasting Bankruptcy of Russian Enterprises Based on Statistical Models]. Vestnik udmurtskogo universiteta. Seriya Ekonomika i parvo, 2024, Vol. 34, no. 2, pp. 367–374 (in Russ.).

4. Shetty S., Musa M., Brédart X. Bankruptcy Prediction Using Machine Learning Techniques. Journal of Risk and Financial Management, 2022, Vol. 15, № 1, p. 35.

5. Konstantinov A.F., Dyakonova L.P. Postroenie modeli mashinnogo obucheniya dlya prognozirovaniya moshennicheskikh tranzaktsiy [Building a Machine Learning Model for Predicting Fraudulent Transactions]. Izvestiya Kabardino-Balkarskogo nauchnogo tsentra RAN, 2025, Vol. 27, no. 2, pp. 11–22 (in Russ.).

6. Tsung-Kang Chen, Hsien-Hsing Liao, Geng-Dao Chen, Wei-Han Kang, Yu-Chun Lin. Bankruptcy prediction using machine learning and text-based communicative value of annual reports. Expert Systems with Applications, 2023, Vol. 213, p. 120714.

7. Kosnikov S.N., Poleshchuk M.A., Djamalyan A.G. Neyrosetevye podkhody i metody modelirovaniya finansovykh rynkov [Neural Network Approaches and Methods for Financial Market Modeling]. Industrial'naya ekonomika, 2024, no. S1, pp. 83–88 (in Russ.).

8. YAblokov D.YU. Primenenie tekhnologiy bol'shikh dannykh v nalogovom administrirovanii [Using of the Technology Big Data in Tax Administration]. Regional'noe razvitie: elektronnyy nauchno-prakticheskiy zhurnal, 2015, no. 2(6), pp. 1–7 (in Russ.).

9. Mizyureva V.V., SHelemekh N.N. Organizatsiya i metodika provedeniya nalogovykh proverok. Voprosy tsifrovizatsii kontrol'nykh protsessov: Uchebnoe posobie [Organization and Methodology of Tax Audits. Issues of Digitalization of Control Processes]. Moscow, Ay Pi Ar Media Publ., 2022. 154 p.

10. Wang Q. Research on the Application of Machine Learning in Financial Anomaly Detection. iBusiness, 2024, Vol. 16, no. 04, pp. 173-183.
DOI: 10.4236/ib.2024.164012.

11. YUdenich N.M. Nalogovoe planirovanie: predely i vozmozhnosti: materialy po programme podgotovki k ekzamenu na poluchenie attestata «Professional'nyy nalogovyy konsul'tant» (4-y razdel «Nalogovoe planirovanie») [Tax Planning: Limits And Possibilities: Materials on the Preparation Program for the Exam for the Certificate "Professional Tax Consultant" (4th Section "Tax Planning")]. Moscow, IPB Rossii Publ., 2021. 52 p.

12. Rikhardsson P., Thórisson K.R., Bergthorsson G., Batt C.E. Artificial intelligence and auditing in small‐ and medium‐sized firms: Expectations and applications. AI Magazine, 2022, Vol. 43, no. 3, pp. 262–274.

13. Kartsan I.N., Nuriev S.A. Mashinnoe obuchenie v biznes-analitike [Machine Learning in Business Analytics]. Informatika. Ekonomika. Upravlenie, 2024, Vol. 3, no. 4, pp. 313–321 (in Russ.).

14. Gepp A., Linnenluecke M.K., O’Neill T.J., Smith T. Big Data Techniques in Auditing Research and Practice: Current Trends and Future Opportunities. Journal of Accounting Literature, 2018, no. 40(1), pp. 102–115.

15. Dzhikiya K.A., KHabarova N.D., Mizyurev F.V. Primenenie ML-tekhnologiy dlya avtomatizatsii finansovogo monitoringa i effektivnogo vyyavleniya anomaliy v sisteme bukhgalterskogo ucheta [Application of Ml-Technologies for Automation of Financial Monitoring and Effective Detection of Anomalies in Accounting]. Bukhuchet v sel'skom khozyaystve, 2025, Vol. 22, no. 5(261), pp. 340-349 (in Russ.).
DOI: 10.33920/sel-11-2505-04.

16. Nath Kummari D. AI-Powered Tax Compliance: Enhancing Accuracy and Efficiency Through Predictive Modeling. Education Administration: Theory and Practices, 2023, no. 29(4), pp. 5234-5253.
DOI: 10.53555/kuey.v29i4.10066.

17. Kokina J., Blanchette S., Davenport T.H., Pachamanova D. Challenges and opportunities for artificial intelligence in auditing: Evidence from the field. International Journal of Accounting Information Systems, 2025, Vol. 56, p. 100734.

18. Kureljusic M., Karger E. Forecasting in financial accounting with artificial intelligence — A systematic literature review and future research agenda. Journal of Applied Accounting Research, 2023, Vol. 25, no. 1, pp. 81–104.

19. Panteleeva A.I. Primenenie tekhnologiy mashinnogo obucheniya dlya prognozirovaniya makroekonomicheskikh indikatorov: razrabotka i optimizatsiya algoritmov [Application of Machine Learning Technologies for Forecasting Macroeconomic Indicators: Development and Optimization of Algorithms]. Vestnik nauki, 2025, Vol. 2, no. 1(82), pp. 1108–1113 (in Russ.).

20. KHoruzhiy L.I., Ukolova A.V., Dzhikiya M.K., Dashieva B.SH., Semenova S.O., Vetoshkin A.YU., Titov A.D., Titova D.A., Bykov D.V., Sivova A.N. Informatsionnye sistemy i tekhnologii v APK: kollektivnaya monografiya [Information Systems and Technologies in the Agro-Industrial Complex]. Moscow, Rossiyskiy gosudarstvennyy agrarnyy universitet — MSKHA imeni K.A. Timiryazeva Publ., 2025. 192 p.

21. Sizan M.M.H., Chouksey A., Miah M.N.I., Pant L., Ridoy M.H., Sayeed A.A., Khan M.T. Bankruptcy Prediction for US Businesses: Leveraging Machine Learning for Financial Stability. Journal of Business and Management Studies, 2025, Vol. 7, no. 1, pp. 01–14.

22. Ryabyshev D.E. TSifrovaya transformatsiya nalogovogo kontrolya: analiz rossiyskikh i zarubezhnykh praktik [Digital Transformation of Tax Control: Experience of the Federal Tax Service of Russia and International Practices]. Teoriya i praktika obshchestvennogo razvitiya, 2025, no. 7, pp. 184-188. (in Russ.).
DOI: 10.24158/tipor.2025.7.23.

23. Anisimova E.I., Kritsky V.I. TSifrovizatsiya nalogovogo administrirovaniya i tsifrovye servisy FNS Rossii kak faktor snizheniya riskov gosudarstva i nalogoplatel’shchikov v sfere nalogooblozheniya, sozdaniya komfortnoy sredy dlya vzaimodeystviya i uplaty nalogov [Tax Administration Digitalization and Federal Tax Service of Russia Digital Services as a Factor in Reducing Taxation Risks of the State and Taxpayers and Creating a Comfortable Environment for Interaction and Payment of Taxes]. Vestnik IPB (Vestnik professional’nyh buhgalterov), 2021, no. 6, pp. 37–42 (in Russ.).

24. Labyntsev N.T., Сhukhrova O.V. Razvitie buhgalterskogo ucheta v usloviyah elektronnogodokumentoborota [Accounting Development within the Framework of Electronic Document Management]. Vestnik IPB (Vestnik professional’nyh buhgalterov), 2023, no. 1, pp. 32–38 (in Russ.).

25. Zalyubovin V.S., Grishin V. Perekhod k ekonomike dannykh na osnove edinoy tsifrovoy platformy «Gostekh» [Transition to a Data Economy Based on Unified Digital Platform "Gostech"]. Vestnik nauki, 2024, Vol. 1, no. 3(72), pp. 67–72 (in Russ.).

Для цитирования

For citation

Джикия М.К., Мизюрева В.В., Целыковская М.А., Мизюрев Ф.В. Большие данные в прогнозировании банкротства, автоматизации аудиторских проверок и налоговой аналитике: современные подходы и перспективы развития // Вестник ИПБ (Вестник профессиональных бухгалтеров). — 2026. — № 4. — С. 26–34.

Dzhikiya M.K., Mizyureva V.V., TSelykovskaya M.A., Mizyurev F.V. Bol'shie dannye v prognozirovanii bankrotstva, avtomatizatsii auditorskikh proverok i nalogovoy analitike: sovremennye podkhody i perspektivy razvitiya [Big Data in Bankruptcy Forecasting, Audit Automation and Tax Analytics: Contemporary Approaches and Development Prospects]. Vestnik IPB (Vestnik professional'nyh buhgalterov), 2026, no. 4, pp. 26–34 (in Russ.).