Abstract
<jats:p>Статья посвящена разработке концепции информационно-аналитической системы (ИАС) для прогнозирования индекса потребительских цен (ИПЦ) в Российской Федерации. В рамках исследования предложена архитектура ИАС, определены функциональные и технические требования, а также выбран стек технологий для её реализации. Проведён сравнительный анализ методов прогнозирования временных рядов — от классических статистических до современных методов машинного обучения и нейросетевых моделей. Оценены возможности различных аналитических платформ, таких как Microsoft Excel, Яндекс DataLens, Foresight Analytics Platform и OptiMA, в контексте решения задач прогнозирования ИПЦ. Сформулированы рекомендации по выбору модели и программной реализации системы в зависимости от характеристик данных и доступных ресурсов.</jats:p> <jats:p>This article explores the development of a concept for an information and analytical system (IAS) for forecasting the consumer price index (CPI) in the Russian Federation. The study proposes IAS architecture, defines its functional and technical requirements, and selects a technology stack for its implementation. A comparative analysis of time series forecasting methods, from classical statistical approaches to modern machine learning and neural network models, is conducted. The capabilities of various analytical platforms, such as Microsoft Excel, Yandex DataLens, Foresight Analytics Platform, and OptiMA, are assessed for solving CPI forecasting problems. Recommendations are provided for selecting a model and software implementation based on data characteristics and available resources.</jats:p>