Browsing by Author "Tetiana Pavlysh"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Cloud cost monitoring and forecasting: issues and challenges
    (Scientific and practical journal "Economics and technical engineering", 2024-12-25) Liudmyla Shokotko; Anatolii Suprun; Tetiana Petrishyna; Tetiana Pavlysh
    Cloud platforms are revolutionizing big data processing, but they also present significant challenges, particularly in cost management. As organizations move from on-premises solutions to cloud-based infrastructures, they often face unexpected costs due to the increasing volumes of structured, semi-structured, and unstructured data they collect and consume. Overcoming this challenge requires a thorough understanding of cost drivers, effective financial management practices, and strategic planning. This article examines the factors that influence the cost of cloud-based data processing and explores financial management best practices that maximize return on investment. It emphasizes the importance of adopting cost optimization strategies tailored to the unique needs of organizations operating in different industries. In addition to financial considerations, the article examines how cloud platforms enable marketing transformation through campaign automation, enhanced analytics, and personalization of the customer experience. These capabilities not only improve operational efficiency, but also drive greater customer engagement and loyalty. The research evaluates the challenges and opportunities associated with cost optimization in cloud systems. It highlights types of forecasts, optimization processes, and monitoring methods as critical components of achieving financial efficiency. A comprehensive three-step approach to effective financial management is proposed, focusing on understanding, controlling, and optimizing costs. In addition, the article evaluates the tools and solutions offered by cloud service providers, providing actionable insights for organizations to gain better control over their expenses. By integrating perspectives from both the financial and marketing dimensions, the study demonstrates how cloud-based systems can serve as a cornerstone for business innovation and growth. It concludes with practical recommendations for leveraging cloud platforms to improve operational and marketing efficiency while maintaining cost transparency and predictability. Хмарні платформи здійснюють революцію в обробці великих даних, проте постають перед значним викликом: управління витратами. Організації, що переходять від локальних рішень до хмарних інфраструктур, часто стикаються з несподіваними витратами через зростання обсягів структурованих, напівструктурованих та неструктурованих даних, які вони збирають і використовують. Вирішення цього виклику потребує розуміння факторів впливу на витрати, застосування ефективних практик фінансового управління та стратегічного планування. Стаття досліджує фактори, які визначають вартість обробки даних у хмарі, та найкращі практики фінансового управління, що дозволяють максимізувати віддачу від інвестицій. Окрему увагу приділено ролі хмарних платформ у трансформації маркетингових стратегій завдяки автоматизації кампаній, покращенню аналітики та персоналізації взаємодії з клієнтами. Це не лише підвищує ефективність операцій, але й сприяє зміцненню залученості клієнтів. У статті проаналізовано виклики та можливості оптимізації витрат у хмарних системах для досягнення фінансової ефективності, включаючи прогнозування, процеси оптимізації та моніторинг витрат. Запропоновано трирівневий підхід до управління витратами, що охоплює аналіз, контроль і оптимізацію. Крім того, розглянуто інструменти управління, які надають постачальники хмарних послуг, та їх потенціал для зменшення витрат і підвищення ефективності. Поєднуючи фінансові та маркетингові аспекти, стаття надає практичні рекомендації для організацій, які прагнуть максимально реалізувати потенціал хмарних платформ, одночасно забезпечуючи прозорість і передбачуваність витрат.
  • Thumbnail Image
    Item
    Forecasting Energy Market Dynamics with ARIMA approaches and Complex Network Indicators
    (Scientific and practical journal "Economics and technical engineering", 2025-12-30) Andrii Bielinkyi; Victoria Solovieva; Viktoriia Radko; Maksym Seleznov; Tetiana Pavlysh
    This study develops and evaluates a hybrid forecasting framework for energy market dynamics that combines classical econometrics with complex network science. Using daily West Texas Intermediate (WTI) spot prices from May 23, 1990 to October 30, 2025, we target short-horizon risk by forecasting 7-day forward returns, standardized via a rolling 50-day mean and volatility to mitigate heteroskedasticity. The univariate price series is mapped into Natural Visibility Graphs (NVGs) on rolling windows ( = 25, 50, 75, 100 days), and a vector of topological descriptors is extracted at each step, including spectral measures (e.g., algebraic connectivity, spectral gap, natural connectivity, graph energy) and centrality/efficiency and clustering indicators (e.g., global efficiency, harmonic centrality, betweenness, maximum degree, clustering, assortativity). These metrics serve as exogenous regressors in an ARIMAX model, enabling the forecasting engine to incorporate structural information embedded in the geometry of price history. Empirical results show that NVG topology exhibits regime-dependent signatures: crisis episodes are associated with sharp shifts in centralization and connectivity, and several network indicators become statistically significant predictors of standardized 7-day returns. In particular, global efficiency and harmonic centrality repeatedly emerge as dominant covariates, with coefficient signs varying across window lengths, consistent with multi-timescale market behavior. The sample is split into a pre-2020 training set and a post-2020 testing set to stress-test robustness under extreme events. The findings highlight heterogeneous horizons in oil price dynamics and the value of NVG features for practical forecasting and monitoring.