На сучасному етапі в Україні наявна досить складна криміногенна ситуація. Низка потужних за своєю значущістю криміногенних факторів чинить деструктивний вплив на стан правопорядку. Вплив соціально-негативних факторів виявився в: посиленні терористичної небезпеки для всіх громадян країни; збільшенні кількості злочинів, учинених у громадських місцях; триваючому зростанні окремих видів злочинів, особливо насильницьких та корисливих.

Досягнення позитивного результату щодо запобігання злочинності значною мірою залежить від рівня та якості інформаційно-аналітичного забезпечення діяльності правоохоронних органів. Основною метою аналізу злочинності є дієве удосконалення заходів профілактики цього соціально- негативного явища. Науково-практичне вивчення злочинності передусім має забезпечити найбільш точну характеристику, виражену і представлену у відповідних показниках. Для якісного результату необхідно застосовувати якомога більше методів аналізу злочинності. Одним із найзручніших для сприйняття та роботи з великим обсягом числових показників є кластерний аналіз злочинності.

Сутність кластерного аналізу полягає в утворенні груп схожих між собою об’єктів, причому з урахуванням всіх критеріїв одночасно. На відміну від звичайних класифікацій, де застосовується моно-векторний принцип, кластерний аналіз використовує багатовекторний підхід у формуванні груп ГН.

Термін «кластер» (англ. cluster — згусток, пучок, група) досить вдало вписався у наукову термінологію, оскільки його перший склад відповідає традиційному терміну «клас», а другий вказує на його штучне походження.

Отже, кластерний аналіз — це група статистичних методів об’єднуючого (агломеративні методи) або розділяючого (дівізимні методи) типів, що дають змогу здійснювати класифікацію досліджуваних об’єктів з урахуванням всіх критеріїв одночасно, будувати наочні карти і дендрограми, аналізувати отримані кластери Г3, с. 14Ц.

Нині існує чимало методів кластеризації, зокрема реалізованих в різних статистичних комп’ютерних програмах.

Кластерний аналіз надає можливість: 1) розділити досліджуваний комплекс об’єктів (наприклад, країн, районів, областей, будь-яких населених пунктів) на певні розрізнені між собою групи; 2) будувати наочні карти злочинності та її структурних складових.

У статистичній літературі зазначено, що методи кластерного аналізу дають змогу вирішувати завдання щодо:

1)       проведення класифікації об’єктів з урахуванням ознак, які відображають їхню сутність. Це призводить до поглиблення знань про сукупність об’єктів, що класифікуються;

2)       перевірки висунутих припущень про наявність певної структури в досліджуваній сукупності об’єктів;

3)       побудови нових класифікацій для малодосліджених явищ, коли необхідно встановити наявність зв’язків усередині сукупності об’єктів і спробувати долучити до неї структуру Г4, с. 1721.

Перевагою кластерного аналізу є те, що вивчаючи злочинність та її структурні складові на різних територіях, досить зручно оцінювати наявний стан речей за кольоровою картою (наприклад, визначити розподіленість злочинності за всіма досліджуваними об’єктами, скажімо, на території України загалом, окупованої території нашої держави, Київської області тощо). Також кластерний аналіз дозволить розгрупувати об’єкти, що вивчаються і звернути увагу на ті, які становлять особливий інтерес.

Формування кластерів базується на двох основних методах: злиття та подрібнення. У першому випадку наявні кластери розширюються шляхом об’єднання доки не буде сформований один єдиний кластер, що об’єднує всі спостереження. Метод подрібнення заснований на зворотній операції: спочатку всі спостереження об’єднуються у єдиний кластер, а потім розпочинається процес розділення його на частини. Найчастіше використовують метод злиття. Існують різні алгоритми злиття, з яких за замовченням використовується зв’язування середніх у групах, коли відстані між кластерами розраховуються як відстані між середніми усіх спостережень у кластерах [2].

Кластерний аналіз є досить складним процесом, який передбачає проходження певних етапів:

—         вибір змінних критеріїв для кластеризації;

—         вибір засобу виміру відстані між кластерами;

—         стандартизація спостережень;

—         безпосереднє формування кластерів;

—         інтерпретація результатів. На жаль, чітка і виразна картина відносин між змінними зустрічається не часто, адже структури кластерів, якщо отримуються, то не так чітко розділені, особливо за наявності великої кількості спостережень. Скоріше навпаки, кластери розмиті та навіть проникають один в одного. До того ж, кластерний аналіз передбачає наявність великої кількості змінних, що ускладнює аналіз;

—         оцінка отриманих результатів.

У професійній діяльності кримінологів часто постають задачі класифікації, узагальнення, пошуку структури отриманих у дослідженні злочинності даних. Наприклад, коли проведено вивчення стану злочинності у певному регіоні з вибіркою 10 тис. осіб за 10 показниками і зібрано усі необхідні дані, тоді можна розпочинати аналіз, однак робота зупинилася, тому що фахівець просто розгубився у такій кількості цифр. Саме в цей момент на допомогу може прийти кластерний аналіз. З його допомогою можна виявити класи даних, їхню структуру і прийняти рішення про перспективи подальшої роботи щодо виявлення закономірностей злочинності. У майбутньому це дасть змогу безпосередньо вплинути на зменшення рівня цього негативного явища.

Список використаних джерел

1. Бабенко А. М. Методичні основи кримінологічного аналізу регіональних особливостей злочинності / А. М. Бабенко // Актуальні проблеми держави і права : зб. наук. пр. — 2014. — № 71. — С. 3330339.
2. Жаровська Г. П. Визначення пріоритетів у боротьбі із транснаціональною злочинністю в Україні з використанням інструментів інформаційної підтримки / Г. П. Жаровська // Право і суспільство. — 2015. 0 № 4. — С. 1360147.
3. Ольков С. Г. Математическое моделирование в юриспруденции, этике и девиантологии. — Тюмень : НИИ АМЮ ТГНГУ-ТНЦ СО РАН. 0 2006. — 256 с.
4. Правова статистика: навч. посіб. / М. П. Пихтін, Г. С. Поліщук, М. І. Шерман та ін. ; за заг. ред. М. П. Пихтіна. 0 Київ : Ліпкан О. С., 2011. 0272 с.