Глобальный рост объемов данных и развитие цифровых технологий привели к увеличению потребления электроэнергии дата-центрами, что привело к последствиям для глобальной и экологической устойчивости. Высокая энергоемкость серверных энергосистем, систем охлаждения и электросети приводит к росту затрат на энергоснабжение, увеличению углеродного следа поставок и усилению нагрузки на энергетическую систему. В статье анализируются масштабы энергопотребления, дата-центры, его экономические и экологические последствия, а также разрабатываются инновационные решения для повышения энергоэффективности. Особое внимание уделяется внедрению возобновляемых источников энергии, оптимизации систем охлаждения и государственным мерам регулирования энергопотребления. Обсуждаются перспективы развития цифровой занятости и ее роль в «зеленой» экономике будущего.
Наукастинг валового внутреннего продукта (ВВП) представляет собой ключевой инструмент макроэкономического анализа, позволяющий формировать оперативные оценки текущей динамики экономической активности до выхода официальной статистики. Современные вызовы, связанные с высокой волатильностью экономических условий, требуют адаптивных и вычислительно эффективных моделей, способных учитывать как классические макроиндикаторы, так и потоки высокочастотных данных. В настоящей статье рассматриваются теоретические основы и перспективы объединения динамических факторных моделей (DFM) с методами машинного обучения для построения гибридных архитектур наукастинга. Основное внимание уделено аналитическому обзору структуры DFM, методам оценки скрытых факторов при наличии пропусков и смешанных временных частот, а также проблемам интерпретируемости и устойчивости модели к структурным сдвигам. Дополнительно обсуждаются подходы к интеграции высокочастотных источников данных - таких как транзакционная активность, мобильность и поведенческие индикаторы - в рамках наукастинг-моделей.