CC BY
104
УДК 338.1:303.71:519.2
doi: http://doi.org/10.15407/econindustry2019.01.051 В1ктор1я Денипвна Чекша,
канд. екон. наук, с.н.с. 1нститут eKOHOMiKH промисловостi НАН Украши 03057, Украша, м. Ки!в, вул. М. Капшст, 2.
E-mail:vdchekina@gmail.com https://orcid.org/ 0000-0003-2118-901X Святослав 1горович Князев, канд. екон. наук, с.н.с. учений секретар Вщдшення eKOHOMiKH НАН Украши Прeзидiя Нацюнально! академй' наук Украши 01030, Украша, м. Ки1в, вул. Володимирська, 54.
E-mail: ksi@nas.gov.ua https://orcid.org/ 0000-0002-5308-4960
АНАЛ1З ВПЛИВУ BIG DATA AND ANALYTICS НА РЕАЛЬНИЙ I ДЕРЖАВНИЙ СЕКТОРИ ЕКОНОМ1КИ ТА ПРОБЛЕМИ ÏX ОЦ1НЮВАННЯ ЗА ДОПОМОГОЮ СТАТИСТИЧНИХ МЕТОД1В
Однieю з базових технологiй, на якш грунтуеться цифрова трансформацiя економши, е великi данi та ïx аналiз (Big Data and Analytics). Упровадження цiеï технологп у вироб-ництво дозволяе оптимiзувати якiсть продукцп, скоротити енергетичнi витрати, полiпшити обслуговування обладнання та систем виробництва й управлшня. А використання великих даних у державному секторi розглядаеться як шструмент побудови бiльш безпечного сус-пiльства, удосконалення адмiнiстративниx функцiй, прогнозування та зменшення держав-них витрат.
Окреслено переваги i бар'ери впровадження великих даних у дiяльнiсть пiдприемств та оргашзацш, проаналiзовано основнi напрями функцiонування компанш, якi пропонують теxнiчну пiдтримку та iншi послуги, пов'язанi з використанням Big Data. Встановлено, що новий напрям бiзнесу, заснований на управлшш та аналiзi великих даних, е найбшьш ди-намiчним та зростаючим сегментом IT-iндустрiï.
Дослiдження показало, що наразi iснуе дефiцит визнано'' на державному рiвнi статис-тично'' шформацп щодо використання Big Data аnd Analytics у дiяльностi пiдприемств та ïx впливу на кiнцевий випуск товарiв i послуг в економщ.
Запропоновано вдосконалити визначення термiна "товар" у "Класифжацп видiв еко-номiчноï дiяльностi ДК 009:2010" Нацiонального класифшатора Украши та звернути увагу на показники, яю можуть виступати маркерами для аналiзу розвитку вiтчизняного ринку Big Data: кшьюсть компанiй, що працюють у сферi аналiзу великих даних (вендорiв Big Data), обсяг доxодiв цих компанiй вiд виробництва обладнання та програмного забезпечен-ня для аналiзу великих даних, кшьюсть компанш та тдприемств, що використовують ана-лiз великих даних у свош дiяльностi (розмiр, види дiяльностi, регiони), обсяг iнвестицiй пiдприемств у велик данi, частку доходу компанш та тдприемств, створену за рахунок використання великих даних тощо.
Ключовi слова: велик данi та анал^ика (Big Data and Analytics), ринок Big Data, циф-ровi теxнологiï, оптимiзацiя, прогнозування, статистична шформащя, статистичнi методи, оцiнювання.
© В. Д. Чекша, С. I. Князев, 2019
Економжа npoMurnoeocmi Экономика
промышленности
За даними дослщжень Boston Consulting Group1 (BCG) "Industry 4.0: The Future of Productivity and Growth in Manufacturing Industries" ("Промисловкть 4.0: майбутне виробництва та зростання у галузях промисловоси) одшею з базових технологш, на якiй грунтуеться цифрова трансформащя економiки, е аналiз великих даних (Big Data and Analytics) як одна з компонент шформацшно-комушкацшних систем2 [2].
Нар^ шнуе велика кшькють визна-чень Big Data and Analytics, проте всi вони зводяться до того, що велик данi (Big Data) - це термш, який застосовуеться до на-борiв даних, розмiр або тип яких виходить за межi можливостей традицiйних реляцш-них баз даних. Велию даш пiдпадають тд одну або кiлька характеристик - великий обсяг, висока швидюсть або велика рiзно-манiтнiсть та надходять з 1нтернету, датчи-кiв, пристро!в, вiдео / аудiофайлiв, файлiв журналiв, трансакцiйних додаткiв, велика частина з яких генеруеться в режимi реального часу i в дуже великих масштабах.
Анал^ика великих даних (Big Data Analytics) дозволяе дослщникам i бiзнес-користувачам приймати бшьш якiснi та швидкi рiшення з використанням даних, якi ранiше були недоступш або непридатнi для використання. Застосовуючи передовi ме-тоди аналiзу, такi як аналiз тексту, машин-не навчання, прогнозна аналiтика, штелек-туальний аналiз даних, статистика й оброб-ка природною мовою, тдприемства мо-жуть аналiзувати ранiше не використаш джерела даних незалежно або разом зi сво-
1 Boston Consulting Group (BCG) - MmHa-pogHa KOHca^THHroBa KoMnaHia 3 noHag 80 o^icaMH no BCbOMy CBiTy. Hagae KoHcy^bTa^i npoBigHHM opraHi3aqiaM 3 nrnaHb iHHoBa^HHoro po3BHTKy, TpaHC^opMa^i, ynpaB^HHa flaнцroгaмн nocTaBOK, CTpaTerin cTBopeHHa BapTOcri to^o. 3aHMae gpyre мicце cepeg 100 Kpa^ux KoMnamn "Fortune's 100 Best Companies to Work For".
2 Bi^bm geTa^bHo npo IKT Mo^Ha gi3HaTHca, HanpHK^ag, b poöoTi O.M. rapKymeHKo "iH^opMa-^HHo-KoMyrnKa^HHi TexHo^orii b enoxy CTaHoB-neHHa CMapT-npoMHcnoBocri: npoö^eMH BH3HaneH-Ha Ta yMoBH po3BHTKy" [1].
1'ми iснуючими корпоративними даними, щоб отримувати HOBi вде1', що приводить до прийняття бiльш ефективних i швидких рiшень [3].
Важлившть використання аналiзу великих даних важко переоцшити, оскшь-ки впровадження ще! технологи у вироб-ництво дозволяе оптимiзувати якiсть продукций знизити енергетичнi витрати, по-лшшити обслуговування обладнання та систем виробництва й управлшня. Використання анал^ики великих даних у дiяльно-ст державних установ та органiзацiй дозволяе скоротити державш витрати та зм> нюе пiдходи до надання державних послуг населенню.
У зв'язку з цим питання оцiнки пере-ваг i бар'ерiв упровадження великих даних у дiяльнiсть пiдприемств, аналiзу основних напрямiв функцiонування компанiй, якi пропонують технiчну пiдтримку та iншi послуги, пов'язанi з використанням Big Data, е вкрай актуальними та знаходять свое вщображення в багатьох сучасних доробках.
Загальнi данi та концептуальнi поло-ження про Big Data й можливост 1'х використання розкрито в роботах K. Taylor-Sakyi [4], P.C. Zikopoulos, C. Eaton, D. de Roos, T. Deutsch, G. Lapis [5]. Учени-ми дослщжено трансформування пiдходiв до визначення великих даних, надано характеристики Big Data та проаналiзовано 1'х джерела, визначено можливост використання цього шструменту шляхом застосу-вання хмарних компонент, проведено оцш-ку шструменпв iнтелектуального аналiзу. Окремо слiд вщзначити, що всi дослiдники вказують на ризики використання Big Data в частиш конфiденцiйностi даних (достат-ностi алгоршадв шифрування, надiйностi та цiлiсностi даних, проблем збер^ання Big Data та шших недолiкiв нових цифрових технологш).
Сфери застосування великих даних, основш вщомост про дiяльнiсть Big Data анал^июв i технологiчнi компоненти сере-довища великих даних окреслено Xiao-meng Su [6], ключовi тренди та важливiсть
викopиcтaння вeликиx дaниx y життeдiяль-toctí людини нaвeдeнo y мoнoгpaфiï M. Minelli, M. Chambers, A. Dhiraj [7]. Вaж-ливють викopиcтaння вeликиx дaниx y дiя-льнocтi пщ^иемств тa opгaнiзaцiй poзкpи-тo aвтopaми нa пpиклaдax iз piзниx гaлyзeй eкoнoмiки; дeтaльнo пpoaнaлiзoвaнo дeякi acпeкти cтвopeння кyльтypи тa opгaнiзa-цш^!' cтpyктypи, a тaкoж мультидиодипл^ mpTOro пiдxoдy y пiдгoтoвцi фaxiвцiв для po6o™ з вeликими дaними.
Cepeд вiтчизняниx yчeниx, якi дo-олщжують poзвитoк вeликиx дaниx i мoж-ливocтi ïx зacтocyвaння для пoтpeб opгaнiв cтaтиcтики, cлiд вiдзнaчити В. Capiorao [8]. Aвтopoм пpoaнaлiзoвaнo пш^ння го-тeнцiйнoï мoжливocтi викopиcтaння в oфi-цiйнiй дepжaвнiй cтaтиcтицi вeликиx дaниx iз визнaчeнням ïx пepeвaг тa oкpecлeнo пpoблeми, якi виpiшyвaти пpи
викopиcтaннi Big Data; нaвeдeнo apгyмeнти щoдo пoдaльшoгo викopиcтaння CTaracra-чнoгo мoдeлювaння, мoдeлювaння пoвeдiн-ки, пepeвaг, нacтpoïв, iнфopмaцiйнoгo впливу як eфeктивниx iнcтpyмeнтiв вито-pиcтaння вeликиx дaниx.
Пepcпeктиви poзвиткy ^eï тexнoлoгiï тa пpoблeми впpoвaджeння вeликиx дaниx у дiяльнicть вiтчизняниx томший вжв№ лeнo в poбoтi Л. Caмoйлeнкo, дe нayкoвцeм викoнaнo aнaлiз pинкy Big Data в Укpaïнi з пopiвнянням poзвиткy цьoгo pинкy в зapy-бiжниx кpaïнax i нaдaнo peкoмeндaцiï щoдo йoгo пoдaльшoгo poзвиткy, a caмe: впpoвa-джeння aвтoмaтизaцiï бiзнec-пpoцeciв, arn-лiтики i шиpoкe зacтocyвaння тexнoлoгiй вeликиx дaниx [9].
Aктyaльнicть викopиcтaння мoдeлi Big Data в бiзнec-пpoцecax poзкpитo К. Шiкoвeць тa В. Miнaкoвoю: дocлiджeнo icтopiю тa пpичини виникнeння вeликиx дaниx, npo-aнaлiзoвaнo пepcпeктиви впpoвaджeння цьoгo iнcтpyмeнтy в дiяльнicть тд^и-eмcтв, нaвeдeнo пpиклaди зacтocyвaння Big Data для пiдвищeння кoнкypeнтocпpoмoж-шсп [10].
Оцiнкy зacтocyвaння вeликиx дaниx у пyблiчнoмy yпpaвлiннi виклaдeнo в po6otc О. Оpлoвa [11]. Aвтopoм дocлiджeнo мoж-
ливocтi викopиcтaння iнфopмaцiйниx pe-cypciв у cиcтeмi пyблiчнoгo yпpaвлiння, a caмe: пpoaнaлiзoвaнo пpoблeми впpoвa-джeння cиcтeми Елeктpoннoгo вpядyвaння в Укpaïнi, виявлeнo пepeвaги тa oбмeжeння викopиcтaння вeликиx дaниx у peфopмy-вaннi дepжaвнoгo yпpaвлiння, poзглянyтo питaння зacтocyвaння Big Data зapyбiжни-ми дepжaвними opгaнaми.
I якщo cпoчaткy тaкi poбoти були го-oдинoкими, тo з кoжним poкoм дocлiдни-кiв, якi виявляють imepec дo впpoвaджeння нoвиx тexнoлoгiй у життя, CTae вce бiльшe - нoвi вiдoмocтi пpo цифpoвi тexнoлoгiï, з oднoгo бoкy, нaдaють нaдiю тa нaтxнeння щoдo нoвиx мoжливocтeй eкoнoмiчнoгo зpocтaння, a з iншoгo - нecyть пpoблeми тa prnrn^ якi cлiд ypaxoвyвaти зaдля уник-нeння нeгaтивниx явищ.
Meтoю CTarri e визнaчeння пepeвaг тa бap'epiв yпpoвaджeння вeликиx дaниx у дiяльнicть пiдпpиeмcтв тa opгaнiзaцiй, дo-cлiджeння ocнoвниx нaпpямiв функцюну-вaння кoмпaнiй, якi пpoпoнyють тexнiчнy пiдтpимкy щoдo викopиcтaння вeликиx дaниx, тa poзpoбкa пpoпoзицiй з yдocкoнa-лeння мeтoдичниx пiдxoдiв дo oцiнки poз-витку в^шня^го pинкy Big Data.
Дocить нeпoмiтнo цифpoвi тexнoлoгiï yвiйшли в життя кoжнoï людини. Вeликi дaнi нe e виключeнням, aджe oцифpoвy-вaння нaдaлo мoжливocтi нaкoпичyвaти i збepiгaти вeликi мacиви cтpyктypoвaнoï тa нecтpyктypoвaнoï iнфopмaцiï. I якщo oto-чaткy тaкy iнфopмaцiю викopиcтoвyвaли лишe для мapкeтингy, кpeдитyвaння тa лo-гicтики, нapaзi в iнфopмaцiйниx toto^x видiляють кoнкpeтнi дaнi, якi дoзвoляють зocepeджyвaтиcя нa вдocкoнaлeннi oкpeмиx виpoбничиx пpoцeciв.
Тaк, нaпpиклaд, у дocлiджeннi Mckin-sey1 нaвoдятьcя дaнi npo тe, як зa дoпoмo-гою викopиcтaння aнaлiзy вeликиx дaниx
1 Mckinsey - мiжнapoднa кoнcaлтингoвa фip-Ha, HRa oбcлyгoвye шиpoкий CTerap пpивaтниx, дepжaвниx i coцiaльниx momiy^^ Cпeцiaлiзyeть-ch нa виpiшeннi зaвдaнь, пoв'язaниx з1 cтpaтeгiч-ним yпpaвлiнням. Рaзoм 1з Bain & Company тa BCG вxoдить дo тaк звaнoï "Вeликoï тpiйки".
-Екoнoмiка npoMurnoeocmi W' З^тмика npoMbirnnemocmu
ISSN 1562-109X Econ. promisl. 2019, № 1 (85)
можна тдвищити ефектившсть роботи в^ряно! електростанцп шляхом правильного налаштування турбш, якi оптимiзують piBeHb BiTpy. Вони вироблятимуть енергп на 10% бшьше з тieю самою кiлькiстю ру [12]. А використання великих даних виробником напiвпpовiдникiв Infineon Technologies наведено у звт BCG: шляхом ствставлення даних чипiв i3 технолопч-ними даними, зiбpаними у процес вироб-ництва, на пiдпpиeмствi змогли визначити модел^ якi допомагають щентифжувати пошкодженi чипи на початку процесу ви-
робництва та полiпшити якють продукцп
[13].
За даними опитування NewVantage Partners, близько 85,5% пщприемств пла-нують або вже використовують аналiз великих даних, проте тшьки 37,1% досягли yспiхy в цьому напpямi [14]. У звт Dresner Advisory Services "Big Data Analytics Market Study" ("Дослщження ринку аналь тики великих даних") у 2017 р. велию даш у свош дiяльностi використовували 53% компанш, що на 36% бшьше, шж у 2015 р. (рис. 1).
60 50 40 30 20 10 0
2015
2016
2017
Е Так, ми використовуемо велик данi вже сьогоднi D Можливо, ми будемо використовувати ведию данi у майбутньому Hi, ми не маемо плант щодо використання великих даних
Складено за джерелом [15].
Рисунок 1. Упровадження Big Data у 2015-2017 рр., % (за даними Dresner Advisory Services, LLC)
Найбшьш активно технологш Big Data використовують у таких галузях, як технологИ (14%), охорона здоров'я, фшан-сов1 послуги (12%), телекомушкацп (7%), осв1та, послуги консультування (5%), енер-гетика, промисловють та б1знес-послуги (3%) (рис. 2).
Найбшьшу вщдачу ввд анал1зу великих даних тдприемства отримують за ра-хунок скорочення витрат i створення нових можливостей для шновацш 49,2% пщпри-емств зазначили, що змогли зменшити об-сяг операцшних витрат за рахунок швести-цш у великi данi, 44,3% - знайти новi мож-ливостi для шновацш, 27,9% пщприемств
вдалося створити та налагодити ефективну систему використання Big Data (Data-Driven Culture) [14].
Фахiвцi з McKinsey Analytics у глобальному оглядi "Analytics comes of age" ("Анал^ика досягла повнол^тя") визначи-ли сфери бiзнесy, на якi великi данi мають найбiльший вплив [16]. Данi було зiбpано шляхом онлайн-опитування 530 кеpiвникiв компанiй вищо! ланки з piзних pегiонiв та галузей.
Так, за 1х даними аналiз великих даних суттево змiнив практику пpодажiв i сферу маркетингу та значно вплинув на сферу галузевих наyково-дослiдних i дос-
16 14 12 10 8 6 4 2 0
lllllllllll
'///S//////////S '
¿Г J* J* ^ ^ ^ ^ хГ 4
J? Ж Л cr ¿p **
Складено за [15].
^ W/
cfi ¿г
&
Рисунок 2. Сфери впровадження Big Data у д1яльн1сть пщпрнемств (за даними Microstrategy.com)
лiдно-конструкторських po6iT (НДДКР) Також ця цифрова технолопя використо-вуються у ланцюжках постачання, управ-лiннi персоналом, виpoбництвi та шших сферах дiяльнoстi пiдпpиeмств.
За результатами огляду зростаюча частка компанш використовуе великi данi для генерування дoхoдiв (або отримання "нових" дoхoдiв). Мoнетизацiя Big Data вiдбуваeться шляхом створення бшьшо! цiннoстi компани для кшентав та бiзнесу через розробку нових бiзнес-мoделей, створення пулiв iз кoмпанiй сумiжних га-лузей, що використовують великi данi, додавання нових послуг, нових напpямiв i видiв збуту продукци, пiдвищення piвня якост продукци тощо. Було встановлено, що частка монетизованих Big Data у за-гальних доходах кoмпанiй, якi використовують аналiз великих даних для генерування дoхoдiв, може складати бшьше 20% [16].
З кожним роком усе стpiмкiше роз-виваеться новий напрям використання великих даних - упровадження pезультатiв прогностичних моделей Big Data (анал^и-ки великих даних) у державний сектор еко-номши. Уpядoвi оргашзаци по всьому св^у
вже давно oцiнили значущшть вoлoдiння великими масивами шформаци. Тепер, коли з'явилася можливють упpавлiння ними, держави отримали iнстpумент для ефе-ктивного використання великих даних з метою побудови бiльш безпечного суспшь-ства, удосконалення адмiнiстpативних фу-нкцiй, прогнозування та зменшення дер-жавних витрат.
Аналiз великих даних дозволяе прог-нозувати пoведiнку людини в суспшьств^ l'i pеакцiю на фopс-мажopнi обставини, що надае органам полщи та органам управлш-ня з питань надзвичайних ситуацiй нoвi мoжливoстi для розробки предиктивно! пoлiтики та коригування сво!х планiв i завдань - вщ pейдiв по iгopних залах до прогнозування можливих мiсць загоряння oб'ектiв. Тут можна додати, що велик даш можуть стати в нагoдi при pеагуваннi уряду на швидко мiнливi поди, що змшюють настpiй суспiльства, показуючи його неза-доволення або потребу в допомозг
Big Data надають велик можливост для скорочення часу та державних кoштiв у сфеpi оподаткування, oскiльки oсoбистi данi платникiв, як збираються державними податковими органами, найчастше дублю-
-Економжа npoMurnoeocmi ^ Экономика промышленности-
ISSN 1562-109X Econ. promisl. 55
еться кшька pa3iB та зберiгаються в кшькох мiсцях одночасно - платники повинш за-повнювати новi форми з шформащею, яку урядовi органи вже мають. Тепер цього можна уникнути, адже iнструментарiй ана-л^ики великих даних дозволяе системати-зувати, оновлювати та використовувати накопичений обсяг шформацп без додат-кових витрат грошей та часу.
1нструментарш великих даних може допомогти мiнiмiзувати шахрайство у сфе-рi податюв i соцiального забезпечення на-селення шляхом виявлення патернiв для пошуку пiдозрiлих транзакцiй у режимi реального часу - отримання державно! до-помоги, тльг при одночасному отриманш великого доходу з рiзних джерел.
На рiвнi надання медичних послуг великi данi можуть допомогти спрогнозу-вати потреби щодо охорони здоров'я на основi даних про авари, хвороби, екологiю, соцiальний стан тощо.
Окремо слiд вiдзначити, що економiя державних коштiв може вiдбуватися навт на рiвнi контролю за роботою урядових чиновникiв, !х вiдрядженнями тощо.
Проте разом з устшним досвщом ви-користання великих даних пщприемства та оргашзацп вказують на таю бар'ери впро-вадження Big Data: недостатньо тдготов-
120 -
лена оргашзацшна структура (42,6%), вщсутшсть розумiння на середньому рiвнi управлшня (41,0%), опiр чи нерозумiння (41,0%), вщсутшсть узгоджено! стратеги (29,5%), вщсутшсть спшьного бачення (26,2%), вiдсутнiсть пол^ики та практики управлiння великими даними (21,3%) [14]. Тому пщприемствам допомагають компа-нп, якi пропонують техшчну пiдтримку й iншi послуги, пов'язаш з використанням Big Data.
Наразi новий напрям бiзнесу, засно-ваний на управлшш великими даними та 1'х аналiзi, е найбiльш динамiчним i зроста-ючим сегментом ГГ^ндустри. Клiентами компанш, що спецiалiзуються на великих даних, виступають як великi корпораци, так i малi пiдприемства. За прогнозами статистичного порталу Statista [17] ринок Big Data (продаж комерцшних технологш, обладнання, програмного забезпечення та послуг Big Data) у 2027 р. становитиме близько 103 млрд дол. (рис. 3).
Для ощнки розвитку ринку Big Data за даними журналу CRN, який щорiчно публшуе список "Big Data 100", де зiбрано провщш компани ринку Big Data, складено список топ-5 компанш ще! сфери (див. таблицю).
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027
Складено за джерелом [17].
Рисунок 3. Прогноз розвитку ринку Big Data and Analytics вщ Statista
Таблиця. Топ-5 компанш ринку Big Data (2016-2018 pp.) 1
№ 2016 2017 2018
Бiзнес-аналiтика
1 Algorithmia Alpine Data Labs Alteryx
2 Alpine Data Labs Alteryx Anodot
3 Alteryx Anodot Arcadia Data
4 Arcadia Data Arcadia Data Attivio
5 Attivio Attivio Birst
Управлшня даними та штегращя
1 Alation Alation 1010 Data
2 AtScale AtScale Actian
3 Attunity Attunity Alation
4 Bedrock Data Bedrock Data AtScale
5 Confluent Confluent Attunity
Платформа великих даних
1 Altiscale Amazon Web Services Amazon Web Services
2 Amazon Web Services BlueData Software BlueData Software
3 BlueData Software Cazena Cazena
4 BlueTalon Cloudera Cloudera
5 Cazena Dell Technologies Dell Technologies
1 Складено за джерелами [18-20].
Перша п'яирка - це компани, що спещ^зуються на бiзнес-аналiзi та роз-робщ програмного забезпечення для 6!з-нес-ан^зу, аналiтики i вiзуалiзацi!.
Друга п'яирка - компани, що розроб-ляють технологи для управлiння великими даними та 'х штеграци. Програмне забезпечення, яке пропонуеться компанiями, використовуеться для багатовимiрного аналiзу, бiзнес-аналiтики й управлшня да-ними.
Третя п'ятiрка - це компани, як! про-понують пiдприемствам обладнання (апа-ратнi сервери) та програмне забезпечення (программ платформи, електронш додатки, хмарнi сервiси тощо), а також шфраструк-турнi технологи обробки великих даних.
Як видно з таблищ, ринок Big Data е дуже динамiчним - щороку вiдбуваеться змiна лiдерiв, якi нарощують капiтал та мають високi фiнансовi показники. Так, наприклад, доходи компани Alteryx - лще-ра у сферi бiзнес-аналiтики - у 2016 р. ста-новили 85,8 млн дол., у 2017 р. - 136,1 [21], а за I квартал 2018 р. - 42,8 млн дол. [22]. Другий рж поспшь тримають сво! позици компани-лщери у сферi хмарних техноло-
гш1 Доходи Amazon вiд Amazon Web Services у 2016 р. склали 12 387 млн дол., у
2017 р. - 17 458, за I квартал 2018 р. -5 442 млн дол. [23]. Саме Amazon Web Services е основним засобом отримання прибутку корпораци Amazon.
Тобто з'явився новий сегмент еконо-мши, що виробляе додану вартшть. У По-вщомленш Комш! Свропейському парламенту та Радi "Time to establish a modern, fair and efficient taxation standard for the digital economy" ("Час для створення су-часного, справедливого та ефективного стандарту оподаткування в цифровш еко-номщ"), яке було оприлюднено у березш
2018 р., наводяться данi про те, що цшшсть економiки Big Data у £С у 2020 р. станови-тиме близько 739 млрд евро, що дорiвню-ватиме 4% загального обсягу ВВП £С [24].
Сл!д пояснити, що до групи "Big Data Platform" потрапили т1льки компанй', основною д1яльн1стю яких е розробка та реал1зац1я обладнання i програмного забезпечення для обробки Big Data у хмарному простор!. Вочевидь, через це пганти-провайдери хмарних серв!с!в, так! як Microsoft або IBM, не увшшли до списку "Big Data 100".
-Економжа npoMurnoeocmi Экономика промышленности
ISSN 1562-109X Econ. promisl. 2019, № 1 (85)
При визначенш впливу цифровiзащi на обсяг ВВП доцшьно враховувати такий по-казник, як доходи пiдприeмств, що працю-ють у сферi програмного забезпечення, обладнання та послуг Big Data.
Однак за таким запитом знайти ш-формацш у державних статистичних управлiннях не вдалося. При цьому комер-цiйнi статистичнi платформи, типу Statista [25], а також велию аналiтичнi корпорацii, такi як Gartner [26], IDC [27], Forrester Research [28] та rn, дослщження яких базу-ються на даних ^ентських баз (а це сотш та тисячi корпорацiй та пщприемств), таку iнформацiю мають i надають, проте вар-тiсть окремих матерiалiв може становити до 5 тис. дол. за один зв^. Вим уже з'яв-ляються компанп, створенi як ствтоварис-тва фахiвцiв-практикiв i консультантiв, якi спiльно використовують вiдкритi довiдковi матерiали з вщкритим вихiдним кодом (на-приклад, Wikibon [29]).
Пiдводячи коротт тдсумки, доцшьно вщзначити, що оскiльки монетизащя великих даних розпочалася не так давно, i цей процес швидко розповсюджуеться, урядам кра1н варто замислитися над тим, щоб розробити визнану на державному рiвнi методику ощнювання впливу великих даних на збшьшення доходiв, створення додано! вартостi та ВВП загалом. Основ-ними показниками для тако1 методики мо-жуть виступати:
а) для оцiнки постачальниюв Big Data - кiлькiсть компанш, що працюють у сферi великих даних (вендорiв Big Data), обсяг доходiв цих компанiй вiд виробницт-ва програмного забезпечення для великих даних та 1х аналiзу, а також вартшть послуг, пов'язаних зi збором, зберiганням й аналiзом великих даних;
б) для ощнки споживачiв Big Data -юльюсть компанiй та пiдприeмств, що використовують Big Data у сво1й дiяльностi (розмiр, види дiяльностi, репони), обсяг витрат пiдприeмств на велию дат, частка доходу компанiй та пщприемств, створена
за рахунок використання великих даних тощо.
Таким чином, у розпорядженш статистичних управлшь з'явилася б шформа-цiя, яку можна було б використовувати для ощнки розвитку втизняного ринку Big Data, аналiзу дiяльностi пiдприeмств на сучасному етат та розробки прогнозiв розвитку економiки в умовах цифровiзацiï.
Для збору показникiв дiяльностi пщ-приемств - споживачiв великих даних Держкомстату Украïни потрiбно буде роз-робити новi статистичнi форми, а пщпри-емствам - виокремлювати, можливо, ощ-ночним методом, частку доходiв, отрима-них завдяки Big Data.
Що стосуеться збору статистичноï шформацп по новому бiзнесу, створеному Big Data, то тут складшше, оскiльки зрозу-мiло, що в перелжу кодiв видiв економiч-toï дiяльностi за нацiональним класифжа-тором такого виду дiяльностi не юнуе. Проте така дiяльнiсть могла б бути вщне-сена до розд^ 62 "Комп'ютерне програ-мування, консультування та пов'язана з ними дiяльшсть" секцiï J мIнформацiя та телекомушкацп".
У 2017 р. Мiжнародний валютний фонд опублiкував дослiдження "Big Data: Potential, Challenges, and Statistical Implications" ("Велию дат: потенщал, виклики та статистичш наслiдки"), де було запропоно-вано класифiкацiю великих даних (продук-цiï), яка вiдповiдаe макроекономiчнiй та фiнансовiй статистицi [30]. Серед них: со-цiальнi мережi (шформащя про людськi ресурси), традицiйнi бiзнес-системи, 1нтер-нет речей (машиннi дат).
Для збору бшьш детально!' шформацп про дiяльнiсть компанiй - постачальни-кiв великих даних можна скористатися досвщом нiмецькоï компанiï "Experton Group", яка розробила Методику ощнювання вендорiв Big Data та використовуе ïï для проведення щорiчного монiторингу цього ринку (наприклад, "Big Data Vendor Benchmark 2015" [31]).
Також доцшьним е виправлення ви-значення термiна "товар" у "Класифжацн вид!в економ!чно1 д!яльност! ДК 009:2010" Нацюнального класифiкатора Украши, оск!льки завдяки стр!мким темпам цифро-в!зацп товари вже давно е не тшьки матер> альними об'ектами - оцифрованi товари та програмне забезпечення не потр!6но тран-спортувати, проте вони е предметом кутв-л!, продажу або о6м!ну i не належать до послуг.
Оск!льки нац!ональн! класиф!катори розробляються згщно з International Standard Industrial Classifications of All Economic Activities (ISIC)1, можна прогнозувати, що через стр!мкий розвиток цифров!зац!1 та зростання рол! шформацшно1 !ндустр!1 в недалекому майбутньому деяю види еко-ном!чно! д!яльност! буде переглянуто, а деяю додано до перелжу. Також будуть розроблеш методики щодо вим!рювання впливу великих даних (та шших технолог!й цифров!зац!1) на розвиток економши. Проте все це стане можливим т!льки п!сля того, як буде узгоджено та загально прийнято визначення терм!на "цифрова економжа" або "!нформац!йна !ндустр!я", або "цифро-вий сектор економ!ки", розроблено його класифжацш та класиф!кац!ю його про-дукт!в тощо.
Л1тература
1. Гаркушенко О. Н. Информационно-коммуникационные технологи в эпоху становления смарт-промышленности: проблемы определения и условия развития. Економжа промисловост1. 2018. № 2 (82). С. 50-75. doi: http://dx.doi.org/10.15407/ econindustry2018.02.050
2. Rüßmann M., Lorenz M., Gerbert P., Waldner M., Justus J., Engel P., Harnisch M. Industry 4.0: The future of productivity and growth in manufacturing industries. Boston Consulting Group. 2015. 20 р.
1 International Standard Industrial Classifications of All Economic Activities (ISIC) - Мiжнарод-на стандартна галузева класифжащя вах видiв eKOHOMi4HOi дiяльностi.
3. Big Data Analytics Ibm.com. Available: https://www.ibm.com/analyti cs/hadoop/ big-data-analytics (last accessed 21.02.2019).
4. Taylor-Sakyi K. Big Data: Understanding Big Data. Researchgate.net. Available: https://www.researchgate.net/publication/ 291229189_Big_Data_Understanding_Big_ Data (last accessed 16.02.2019).
5. Zikopoulos P. C., Eaton C., deRoos D., Deutsch T., Lapis G. Understanding Big Data. Analytics for Enterprise Class Hadoop and Streaming Data. Chicago: McGraw-Hill Osborne Media, 2011. 166 p.
6. Su X. Introduction to Big Data. Nor-ges teknisk-naturvitenskapelige universitet. Available: https://www.ntnu.no/iie/fag/big/les sons/lesson2.pdf. (last accessed 16.02.2019).
7. Minelli M., Chambers M., A. Dhiraj. Big Data, Big Analytics: Emerging Business Intelligence and Analytic Trends for Today's Businesses. s.l: John Wiley & Sons, 2013. 205 p.
8. Сарюгло В. Г. "Велию даш" як джерело шформацп та шструментарш для офщшно! статистики: потенщал, проблеми, перспективи. Статистика Украши. 2016. № 4. С. 12-19.
9. Самойленко Л. Б. Можливост та проблеми застосування технологш Big Data втизняними компашями. Ефективна економжа. 2018. № 1. URL: http://www.eco-nomy.nayka.com.ua/pdf/1_2018/59.pdf (дата звернення: 15.02.2019).
10. Мшакова В. П. Актуальшсть ви-користання моделi Big Data в бiзнес-процесах. Економжа i сустльство. 2017. Вип. № 10. С. 892-896.
11. Орлов О. В. Велию даш у пуб-лiчному управлшш: технологи майбутньо-го. Державне будiвництво. 2016. № 1. С. 111.
12. How companies are using big data and analytics. McKinsey & Company. Available: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/ how-companies-are-using-big-data-and-analy tics (last accessed 16.02.2019).
13. Industry 4.0: The Future of Productivity and Growth in Manufacturing Industries. The Boston Consulting Group. Available: https://www.bcg.com/publications/2015/
-Економжа промисловосmi W' Экономика промышленности
ISSN 1562-109X Econ. promisl. 2019, № 1 (85)
engineered_products_project_business_indust ry_4_future_productivity_growth_manufactu ring_industries.aspx (last accessed 12.02.2019).
14. Big Data Business Impact: Achieving Business Results through Innovation and Disruption. Big Data Executive Survey 2017. Executive Summary of Findings. NewVantage Partners LLC. Available: http://newvantage. com/wp-content/uploads/2017/01/Big-Data-Executive-Survey-2017-Executive-Summary. pdf (last accessed 26.01.2019).
15. Big Data Analytics Market Study. Wisdom of Crowds Series. Microstrate-gy.com. Available: https://www.microstrategy. com/getmedia/cd052225-be60-49fd-ab1c-49 84ebc3cde9/Dresner-Report-Big_Data_Analy tic_Market_Study-WisdomofCrowdsSeries-2017 (last accessed 11.02.2019).
16. Analytics comes of age. McKinsey & Company. Available: https://www.mckinsey. com/~/media/McKinsey/Business%20Functio ns/McKinsey%20Analytics/0ur%20Insights/ Analytics%20comes%20of%20age/Analytics-comes-of-age.ashx (last accessed 11.02.2019).
17. Forecast of Big Data market size, based on revenue, from 2011 to 2027 (in billion U.S. dollars). Statista. The Statistics Portal. Available: https://www.statista.com/ statistics/254266/global-big-data-market-fore cast/ (last accessed 21.01.2019).
18. 2016 Big Data 100. CRN. Available: https://www.crn.com/news/applications-os/ 3 00080545/the-2016-big-data-100.htm (last accessed 26.01.2019).
19. 2017 Big Data 100. CRN. Available: https://www.crn.com/news/applications-os/300084738/the-2017-big-data- 100.htm (last accessed 26.01.2019).
20. 2018 Big Data 100. CRN. Available: https://www.crn.com/news/applications-os/300102856/the-2018-big-data-100.htm (last accessed 26.01.2019).
21. Alteryx announces fourth quarter and full year 2017 financial results. ALTE-RYX, INC. Available: https://www.alteryx. com/press-releases/2018-02-21-alteryx-anno unces-fourth-quarter-and-full-year-2017-finan cial-results (last accessed 22.01.2019).
22. Alteryx announces first quarter 2018 financial results. ALTERYX, INC. Avail-
able: https://www.alteryx.com/press-releases/ 2018-05-09-alteryx-announces-first-quarter-2018-financial-results (last accessed 22.01.2019).
23. Quarterly revenue of Amazon Web Services from 1st quarter 2014 to 1st quarter 2018 (in million U.S. dollars). Statista. The Statistics Portal. Available: https://www.statista. com/statistics/250520/forecast-of-amazon-web-services-revenue/ (last accessed 22.01.2019).
24. Time to establish a modern, fair and efficient taxation standard for the digital economy. Communication from The Commission to The European Par-liament and The Council. COM (2018) 146. Brussels, 21.3.2018. 11 p.
25. Big Data. Statista. The Statistics Portal. Available: https://www.statista.com/to pics/1464/big-data/ (last accessed 22.01.2019).
26. 100 Data and Analytics Predictions Through 2021. Gartner.com. URL: https://www.gartner.com/doc/3746424?ref= mrktg-srch (last accessed 09.02.2019).
27. Worldwide Big Data and Analytics 2017-2021 Forecast: Market Opportunity by Industry. IDC.com. URL: https://www.idc.com/ getdoc.jsp?containerId=US43104117 (last accessed 16.01.2019).
28. Big Data. Forrester.com. URL: https://www.forrester.com/search?tmtxt=big+ data+&source=typed&dateRange=1&show Atoms=true (last accessed 11.02.2019).
29. Big Data. Wikibon, Inc. URL: https://wikibon.com/research/big-data/ (last accessed 11.02.2019).
30. Hammer C. L., Kostroch D. C., Quiros G., STA Internal Group. Big Data: Potential, Challenges, and Statistical Implications. IMF Staff Discussion Note. IMF.org. URL: http://www.imf.org/~/media/Files/ Publications/SDN/2017/sdn1706-bigdata. ashx (last accessed 11.02.2019).
31. Big Data Vendor Benchmark 2015. A Comparison of Big Data Solution Providers. Tmtanalysis.com. URL: https://www.tmt analysis.com/PDFs/expertOn-big-data-germany-2015.pdf (last accessed 17.01.2019).
References
1. Garkushenko, O. M. (2018). Information and communication technologies in
the era of the smart industry development: problems of definition and conditions of development. Econ. promisl., 2(82), pp. 50-75. doi: http://doi.org/10.15407/econindustry 2018.02.050.
2. RuBmann, M., Lorenz, M., Gerbert, P., Waldner, M., Justus, J., Engel, P., & Harnisch, M. (2015). Industry 4.0: The future of productivity and growth in manufacturing industries. Boston Consulting Group, 20 p.
3. Big Data Analytics (2019). Big Data Analytics. Retrieved from https://www.ibm. com/analytics/hadoop/big-data-analytics (last accessed 21.02.2019).
4. Taylor-Sakyi, K. (2016). Big Data: Understanding Big Data. Researchgate.net. Retrieved from https://www.researchgate.net/ publication/291229189_Big_Data_Understan ding_Big_Data.
5. Zikopoulos, P. C., Eaton, C., deRoos, D., Deutsch, T., & Lapis, G. (2011). Understanding Big Data. Analytics for Enterprise Class Hadoop and Streaming Data. Chicago: McGraw-Hill Osborne Media, 166 p.
6. Su, X. (2016). Introduction to Big Data. Norges teknisk-naturvitenskapelige uni-versitet. Retrieved from https://www.ntnu.no/ iie/fag/big/lessons/lesson2.pdf (last accessed 16.02.2019).
7. Minelli, M., Chambers, M., & Dhi-raj, A. (2013). Big Data, Big Analytics: Emerging Business Intelligence and Analytic Trends for Today's Businesses. s. l.: John Wiley & Sons, 205 p.
8. Sarioglo, V. G. (2016). "Big Data" as a source of information and tools for official statistics: potential, problems, perspectives. Statystyka Ukrainy, № 4, pp. 12-19 [in Ukrainian].
9. Samojlenko, L. B. (2018). Opportunities and problems of using Big Data technologies by domestic companies. Efek-tyvna ekonomika, № 1. Retrieved from http://www.economy.nayka.com.ua/pdf/1_2018/ 59.pdf [in Ukrainian].
10. Minakova, V. P. (2017). Relevance of the use of the Big Data model in business processes. Ekonomika i suspilstvo, № 10, pp. 892-896 [in Ukrainian].
11. Orlov, O. V. (2016). Big data in public administration: technologies of the future. Derzhavne budivnyctvo, № 1, pp. 1-11 [in Ukrainian].
12. How companies are using big data and analytics (2016). McKinsey & Company. Retrieved from https://www.mckinsey.com/ business-functions/mckinsey-analytics/our-insights/how-companies-are-using-big-data-and-analytics
13. Industry 4.0: The Future of Productivity and Growth in Manufacturing Industries (2015). The Boston Consulting Group. Retrieved from https://www.bcg.com/publicati ons/2015/engineered_products_proj ect_busi ness_industry_4_future_productivity_growth_ manufacturing_industries. aspx
14. Big Data Business Impact: Achieving Business Results through Innovation and Disruption. Big Data Executive Survey 2017. Executive Summary of Findings (2017). NewVantage Partners LLC. Retrieved from http://newvantage.com/wp-content/uploads/2017/ 01/Big-Data-Executive-Survey-2017-Executi ve-Summary.pdf
15. Big Data Analytics Market Study. Wisdom of Crowds Series (2017). Microstrat-egy.com. Retrieved from https://www.micro strategy.com/getmedia/cd052225-be60-49fd-ab1c-4984ebc3cde9/Dresner-Report-Big_ Data_Analytic_Market_Study-Wisdomof CrowdsSeries-2017
16. Analytics comes of age (2018). McKinsey & Company. Retrieved from https://www.mckinsey.com/~/media/McKinsey/ Business%20Functions/McKinsey%20Analy tics/Our%20Insights/Analytics%20comes%20 of%20age/Analytics-comes-of-age.ashx
17. Forecast of Big Data market size, based on revenue, from 2011 to 2027 (in billion U.S. dollars) (2017). Statista. The Statistics Portal. Retrieved from https://www.statista. com/statistics/254266/global-big-data-market-forecast/
18. 2016 Big Data 100 (2016). CRN. Retrieved from https://www.crn.com/news/ applications-os/300080545/the-2016-big-data-100.htm
19. 2017 Big Data 100 (2017). CRN. Retrieved from https://www.crn.com/news/
-Економжа промисловосmi W' Экономика промышленности
ISSN 1562-109X Econ. promisl. 2019, № 1 (85)
applications-os/30008473 8/the-2017-big-data-100.htm
20. 2018 Big Data 100. (2018). CRN. Retrieved from https://www.crn.com/news/ applications-os/30010285 6/the-2018-big-data-100.htm
21. Alteryx announces fourth quarter and full year 2017 financial results (2018). ALTERYX, INC. Retrieved from https://www.alteryx.com/press-releases/2018-02-21 -alteryx-announces-fourth-quarter-and-full-year-2017-financial-results.
22. Alteryx announces first quarter 2018 financial results (2018). ALTERYX, INC. Retrieved from https://www.alteryx.com/ press-releases/2018-05-09-alteryx-announces-first-quarter-2018-financial-results.
23. Quarterly revenue of Amazon Web Services from 1st quarter 2014 to 1st quarter 2018 (in million U.S. dollars) (2018). Statista. The Statistics Portal. Retrieved from https://www.statista.com/statistics/250520/ forecast-of-amazon-web-services-revenue/
24. Time to establish a modern, fair and efficient taxation standard for the digital economy. Communication from The Commission to The European Par-liament and The Council. COM (2018) 146. Brussels, 21.3.2018. 11 p.
25. Big Data (2017). Statista. The Statistics Portal. Retrieved from https://www.statista.com/topics/1464/big-data/
26. 100 Data and Analytics Predictions Through 2021 (2017). Gartner.com. Retrieved from https://www.gartner.com/doc/3746424? ref=mrktg-srch
27. Worldwide Big Data and Analytics 2017-2021 Forecast: Market Opportunity by Industry (2017). IDC.com. Retrieved from https://www.idc.com/getdoc.jsp?containerId= US43104117.
28. Big Data. (2018). Forrester.com. Retrieved from https://www.forrester.com/ search?tmtxt=big+data+&source=typed&date Range= 1&showAtoms=true
29. Big Data (2018). Wikibon, Inc. Retrieved from https://wikibon.com/research/ big-data/
30. Hammer, C. L., Kostroch, D. C., Quiros G., STA Internal Group. Big Data: Potential, Challenges, and Statistical Implications. IMF Staff Discussion Note. (2017). IMF.org. Retrieved from http://www.imf. org/~/media/Files/Publications/SDN/2017/sdn 1706-bigdata. ashx.
31. Big Data Vendor Benchmark 2015. A Comparison of Big Data Solution Providers. (2015). Tmtanalysis.com. Retrieved from https://www.tmtanalysis.com/PDFs/expertOn-big-data-germany-2015.pdf
Виктория Денисовна Чекина,
канд. экон. наук, с.н.с.
Институт экономики промышленности НАН Украины
03057, Украина, г. Киев, ул. М. Капнист, 2.
E-mail:vdchekina@gmail.com https://orcid.org/ 0000-0003-2118-901X Святослав Игоревич Князев, канд. экон. наук, с. н.с. ученый секретарь Отделение экономики НАН Украины Президиум Национальной академии наук Украины 01030, Украина, г. Киев, ул. Владимирская, 54.
E-mail: ksi@nas.gov.ua https://orcid.org/ 0000-0002-5308-4960
АНАЛИЗ ВЛИЯНИЯ BIG DATA AND ANALYTICS НА РЕАЛЬНЫЙ И ГОСУДАРСТВЕННЫЙ СЕКТОРЫ ЭКОНОМИКИ И ПРОБЛЕМЫ ИХ ОЦЕНКИ С ПОМОЩЬЮ СТАТИСТИЧЕСКИХ МЕТОДОВ
Одной из базовых технологий, на которой основывается цифровая трансформация экономики, является анализ больших данных (Big Data and Analytics). Внедрение этой тех-
нологии в производство позволяет оптимизировать качество продукции, снизить энергетические затраты, улучшить обслуживание оборудования и систем производства и управления. А использование больших данных в государственном секторе рассматривается как инструмент построения более безопасного общества, совершенствования административных функций, прогнозирования и уменьшения государственных расходов.
Определены преимущества и барьеры внедрения больших данных в деятельность предприятий и организаций, проанализированы основные направления функционирования компаний, которые предлагают техническую поддержку и другие услуги, связанные с использованием Big Data. Установлено, что новое направление бизнеса, основанное на управлении и анализе больших данных, является наиболее динамичным и растущим сегментом IT-индустрии.
Исследование показало, что в настоящее время существует дефицит признанной на государственном уровне статистической информации по использованию Big Data аиё Analytics в деятельности предприятий и их влиянию на конечный выпуск товаров и услуг в экономике.
Предложено усовершенствовать определение термина "товар" в "Классификации видов экономической деятельности ДК 009: 2010" Национального классификатора Украины и обратить внимание на показатели, которые могут выступать маркерами для анализа развития отечественного рынка Big Data: количество компаний, работающих в сфере анализа больших данных (вендоров Big Data), объем доходов этих компаний от производства оборудования и софта для анализа больших данных, количество компаний и предприятий, использующих анализ больших данных в своей деятельности (размер, виды деятельности, регионы), объем инвестиций предприятий в большие данные, долю дохода компаний и предприятий, созданную за счёт использования больших данных и т. д.
Ключевые слова: большие данные и аналитика (Big Data and Analytics), рынок Big Data, цифровые технологии, оптимизация, прогнозирование, статистическая информация, статистические методы, оценки.
Viktoriia D. Chekina,
PhD in Economics Institute of Industrial Economics of the NAS of Ukraine 03057, Ukraine, Kyiv, 2 M. Kapnist Str.
E-mail:vdchekina@gmail.com https://orcid.org/ 0000-0003-2118-901X
Sviatoslav I. Kniaziev,
PhD in Economics, Scientific Secretary Department of Economics of the National Academy of Sciences of Ukraine
03057, Ukraine, Kyiv, 54 Vladimirskaya Str.
E-mail: ksi@nas.gov.ua https://orcid.org/ 0000-0002-5308-4960
THE BIG DATA AND ANALYTICS EFFECT ANALYSIS ON THE REAL AND PUBLIC SECTORS OF ECONOMY AND THE PROBLEMS OF THEIR ASSESSMENT BY STATISTICAL METHODS
Big Data and Analytics is one of the key technologies, on which the digital transformation of the economy is based. The implementation of this technology into production would allow optimizing product's quality, reducing energy consumption, and improving the maintenance of equipment, manufacturing and management systems. Use of Big data in the public sector is seen
-Економжа npoMurnoeocmi W' Экономика промышленности
ISSN 1562-109X Econ. promisl. 2019, № 1 (85)
as a tool for building a safer society, enhancing the administrative functions' performing, forecasting and reducing government spending.
In this regard, the paper identified the advantages and barriers to the implementation of Big data in activities of enterprises and organizations; analyzed the main fields of companies' operations that offer technical support and other services, related to the use of Big Data. It has been established that a new direction of business activity, based on management and analysis of Big data, is the most dynamic and growing segment of the IT industry.
It is revealed that now there is a shortage of state-recognized statistical information on the use of Big Data and Analytics in enterprises' activities and their impact on the final output of goods and services in an economy.
Based on the results of the analysis, the paper offered to improve the definition of the term "goods" in the Classification of Economic Activities DK 009: 2010 of the National Classifier of Ukraine and to pay attention to indicators that can act as markers for analyzing the development of the Big Data's domestic market: the number of companies, operating in the field of Big Data and Analytics (Big Data vendors); amount of income of these companies from the production of equipment and software for Big Data and Analytics; the number of companies and enterprises, which are used Big Data and Analytics in their business (size, activities, regions); amount of investments in Big Data; the share of companies' income, generated by the Big Data use, etc.
Keywords: Big Data and Analytics, Big Data market, digital technologies, optimization, forecasting, statistical information, statistical methods, assessments.
JEL: O14, 030.
Формат цитування:
Чекша В. Д., Князев С. I. Аналiз впливу Big Data and Analytics на реальний i держав-ний сектори економжи та проблеми !х оцшювання за допомогою статистичних методiв. Економта промисловостi. 2019. № 1 (85). С. 51-64. doi: http://doi.org/10.15407/econindustry 2019.01.051
Chekina, V. D. & Kniaziev, S. I. (2019). The Big Data and Analytics effect analysis on the real and public sectors of economy and the problems of their assessment by statistical methods. Econ. promisl., 1 (85), рр. 51-64. doi: http://doi.org/10.15407/econindustry 2019.01.051
Надшшла до редакцП 12.01.2019 р.
