CC BY
0
BIG DATA КАК ИНСТРУМЕНТ ОБЕСПЕЧЕНИЯ ЭФФЕКТИВНЫХ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ОРГАНИЗАЦИИ В ОБЛАСТИ ПЛАНИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ
Д.А. Иост, студент И.В. Ким, студент
С.А. Шевченко, канд. пед. наук, доцент Е.В. Кузьмина, канд. экон. наук, доцент
Волгоградский государственный технический университет (Россия, г. Волгоград)
DOI:10.24412/2411-0450-2024-5-1-190-195
Аннотация. В данной статье рассматривается понятие Big Data как инструмент для сбора, обработки и анализа данных (структурированных и неструктурированных) и их последующего использования для разработки управленческих решений по улучшению деятельности организации. Определены характерные признаки Big Data: горизонтальная масштабируемость, отказоустойчивость, локальность данных. Выявлены возможности Big Data в обеспечении эффективных управленческих решений организации в области планирования и прогнозирования: позволяет: создать единый формализованный язык, который способствует координации деятельности руководителей, технических специалистов и аналитиков; сделать информацию полезной и превратить ее в долгосрочный актив; в режиме реального времени отслеживать отклонения финансовых показателей от запланированного уровня; выявить факторы, отрицательно влияющие на финансовое положение организации и другие.
Ключевые слова: анализ больших данных, цифровые технологии, управленческие решения, бизнес-модели, прогнозирование, планирование.
Ускоренное внедрение цифровых технологий в экономике и социальной сфере -одна из целей национального развития Российской Федерации на период до 2024 года [1].
Функционирование современной экономики невозможно представить в отрыве от развития цифровых технологий. В связи с ростом объемов производственных процессов, растет объем данных, нуждающихся в оперативной обработке. Это означает, что такими же темпами должны изменяться условия сбора, хранения и обработки информации. Именно этой цели служит технология Big Data.
Понятие Big Data в научной экономической литературе не имеет четкого определения. Впервые термин был использован в 2008 году: в журнале «Nature» был опубликован специальный выпуск, в котором рассматривалась проблема ускоренного роста объемов информации. Однако, массовое распространение данного термина произошло в 2011 году. В это время зна-
чительно увеличилось количество запросов в сеть, содержащих понятие «Big Data» (по аналитике сервиса Google Trend). В июне 2013 г. данный термин был занесен в Оксфордский словарь со следующим определением: «...данные очень большого размера, как правило, в том смысле, что представляют серьезные трудности в материально-техническом обеспечении по манипуляциям и управлению ими; (также) направление вычислений с использованием такого типа данных» [2, с. 118].
Проанализируем, как определяют понятие Big Data разные авторы.
А. Сенько рассматривает Big Data как большие массивы данных, содержащие информацию, подлежащую извлечению, но которая требует быстрой интерактивной обработки. В данном случае речь идет о массиве данных, который невозможно учесть, обработать и проанализировать обычными способами [3, с. 88-89]. Также в своей работе автор отмечает следующие функции Big Data: преобразование посту-
паемой разрозненной информации в единый формат для последующей обработки и практического применения; хранение большого массива данных в различных форматах; и т.д.
М.В. Коновалов трактует, что дословно Big Data означает большие данные. Более подробное определение можно сформулировать так. Big Data - это серия подходов и методов обработки большого объема и значительного многообразия данных, которые тяжело обработать обычными способами. Целью обработки больших данных является получение новой информации. При этом данные могут быть как обработанными (структурированными), так и разрозненными (то есть неструктурированными) [4, с. 8-10].
В. Майер-Шенбергер определяет Big Data как операции, выполнение и обработка которых возможна исключительно в большом масштабе [5].
Ын Анналин и Су Кеннет понимают Big Data как технологию, цель которой обработка больших объемов данных. С ее помощью можно провести анализ большого объема данных, результаты которого будут релевантны для разработки решений по улучшению деятельности организации [6, с. 34].
Основываясь на определениях авторов, к характерным признакам Big Data можно отнести: горизонтальную масштабируемость, отказоустойчивость, локальность данных.
Что касается горизонтальной масштабируемости, то можно отметить, что поскольку объем данных постоянно и стремительно растет и информации может быть сколь угодно много, то система, которая подразумевает обработку этих данных, должна быть расширяемой. К примеру, если 2 раза вырос объём данных, то должна быть возможность увеличить мощность аппаратного обеспечения в 2 раза в кластере и система продолжит работать без потерь в производительности. Принцип горизонтальной масштабируемости подразумевает, что машин в кластере может быть много. Например, в компании Yahoo кластер насчитывает более 40000 машин, при этом допускается, что часть
этих машин будет регулярно выходить из строя. Очевидно, что методы работы с большими данными должны учитывать вероятность таких сбоев и поддерживать работоспособность системы без каких-либо значимых последствий.
При проектировании решений на Big Data одним из важнейших принципов является принцип локальности данных, суть которого заключается в том, чтобы данные обрабатывались и хранились на одной и той же машине. В крупных распределённых системах, используемые данные хранятся на большом количестве машин. Но если данные находятся физически на одном сервере, а обрабатываются на другом, то ресурсы, требуемые на передачу данных, могут превысить расходы на обработку данных.
С нашей точки зрения Big Data можно определить как инструмент для сбора, обработки и анализа данных (структурированных и неструктурированных) и их последующего использования для разработки управленческих решений по улучшению деятельности организации.
К функциям Big Data в области повышения эффективности функционирования бизнеса можно отнести: контроль состояния оборудования с целью снижения вероятности производственного сбоя и аварийных ситуаций; проведение анализа эффективности текущих продаж, потребительского поведения; сокращение затрат, путем выявления узких мест в рабочих процессах; функция прогноза [7, с. 12].
В данной статье более подробно рассмотрим функцию прогноза Big Data, которая позволяет улучшить планирование деятельности компании.
Использование Big Data для улучшения эффективности планирования осуществляется по следующему алгоритму:
- формирование группы целей, определяющих развитие организации (рост продаж, увеличение объема производства, оптимизация бизнес-процессов, увеличение рентабельности компании);
- сбор фактических данных из внутренних и внешних источников на основа-
нии первичной документации, архивной информации и т.д.;
- подготовка массива для анализа: на основании собранных данных подготовка централизованного депозитария данных (например, в рабочих программах предприятия);
- приведение данных в удобный для анализа единый формат;
- анализ полученного массива посред-ствам статистического анализа, финансового анализа, визуализации информации и других методов;
- интерпретации итоговых плановых показателей;
- разработка комплекса решений, которые позволят достичь поставленных целей [3, с. 13].
В вопросах прогнозирования цифровые технологии увеличивают эффективность управления предприятием, позволяя исследовать закономерности и предсказать вероятные результаты, что делает предприятие более адаптивным и гибким в условиях динамичной рыночной конъюнктуры.
Процесс бизнес-планирования актуален не только для вновь создающихся, но и для уже существующих организаций. В этом случае, бизнес-планирование применяется как для реализации инвестиционных проектов, так и для формирования стратегий развития. Применение стратегического бизнес-планирования позволяет: в режиме реального времени отслеживать отклонения финансовых показателей от запланированного уровня; выявить факторы, отрицательно влияющие на финансовое положение организации; оценить эффективность деятельности и провести корректировку будущих мероприятий.
Big Data успешно используется в разработке бизнес-моделей организации, что позволяет получить количественную оценку деятельности в соответствии с планом и перспективами достижения поставленных целей. Стоит отметить, что бизнес-модель должна учитывать как ресурсы организации в динамике (внутренней среды), так и изменение факторов внешней среды [6]. В соответствии с этим, для принятия обоснованных управленческих решений, по-
вышения эффективности функционирования, а также достижения стратегических целей перед организациями возникает проблема поиска, анализа и интерпретации данных.
Особенности использования Big Data при прогнозировании бизнес моделей раскрывается через V-концепты: volume (объем) - это большие объемы данных, которые невозможно обрабатывать на одной машине; velocity (быстрота) - это скорость поступления данных; variety (разнообразность) - это означает гетерогенность данных; variability (непостоянство) - это различие потоков данных в отношении пиков и спадов, то есть их переменчивость, что связано с трендами в социальных медиа, с ежедневными и сезонными пиковыми загрузками данных и с другими факторами; validity (действительность) -это валидность данных, что учитывает величину искажений и «шумов» в данных; veracity (правдивость) - это достоверность, корректность и аккуратность данных; volatility (изменчивость) - это сохранность и долговечность данных [8].
Необходимость использования Big Data в планировании деятельности организации объясняется созданием единого формализованного языка, который позволяет координировать деятельность руководителей, технических специалистов и аналитиков, а также получить единое решение в определении наиболее перспективных направления деятельности. Включение в процессы стратегического планирования аналитики является первым шагом к освоению Big Data.
Использование Big Data в стратегическом планировании раскрывается через 3 основных элемента, которые соответствуют общим целям организации: данные (массивная реорганизация архитектуры данных с течением времени); аналитические модели; инструменты [5].
Информация с одной стороны, расположена внутри организации и зачастую бывает, как разрознена в различных структурных подразделениях, так и находиться в обособленных устаревших ИТ-системах (система обслуживания клиентов, система цепочек поставок, система ценообразова-
ния и другие). С другой стороны, информация расположена за пределами организации и находится в неструктурированной форме, например, сообщения в социальных сетях.
Следовательно, задача бизнес-планирования Big Data сделать эту информацию полезной и превратить ее в долгосрочный актив, что предполагает разработку стандартов управления данных (отбор внутренних и внешних данных, которые будут интегрированы в систему) [9].
Интеграция данных в систему не генерирует конечных значений, поэтому в управление Big Data в бизнес-плане необходимо включить аналитические модели, которые позволят на основе интегрированных данных осуществить оптимизацию (например, путем создания транспортных сетей, графиков работы сотрудников) или перспективный анализ (например, получить информацию о возможной задержки рейса или о возможных покупках на вебсайте) [10].
Стратегическое бизнес-планирование управления Big Data предполагает определение: места внедрения моделей, то есть, где они будут представлять дополнительную ценность для бизнеса; вида модели для каждой выполняемой задачи; возможностей синтеза моделей, то есть их объединения для решения более широких задач оптимизации. Однако не стоит забывать золотое правило эконометрики: количество переменных в модели должно быть оптимальным, иначе при перегруженности модели ее будет сложно применять и поддерживать.
Выходная информация при использовании двух элементов Big Data может быть очень богата, однако это ценно только тогда, когда руководство и, во многих случаях, рядовые сотрудники понимают, как ее использовать. Следовательно, необходимы интуитивно понятные инструменты, которые после объединения данных и моделирования результатов переводят процесс в реальные бизнес-мероприятия, например,
способ принятия решений о скидках для менеджеров по маркетингу в режиме реального времени.
Появление современных производственных трендов в цифровой экономике, таких как виртуальные фабрики, требует использования для планирования деятельности таких инструментов как Big Data для повышения эффективности и конкурентоспособности организаций [11].
На основании проведенного исследования и сформулированной методологи стратегического бизнес-планирования Big Data, можно сделать вывод о том, что интеграция данных, разработка и подбор аналитических моделей, создание новых инструментов, обучение персонала - позволяют руководству организации узнать такие факты о бизнесе, которые оно просто не могло раньше видеть. В свою очередь, чем раньше руководство начнет включать управление Big Data в стратегические бизнес-планы своих организация, тем больше вероятность, что это станет реальным источником конкурентного преимущества.
Таким образом, к возможностям Big Data в обеспечении эффективных управленческих решений организации в области планирования и прогнозирования относятся: создание единого формализованного языка, который способствует координации деятельности руководителей, технических специалистов и аналитиков; получение полезной информации и превращение ее в долгосрочный актив; отслеживание в режиме реального времени отклонений финансовых показателей от запланированного уровня; выявление факторов, отрицательно влияющих на финансовое положение организации; оценка эффективности деятельности организации и проведение корректировки будущих мероприятий; создание условий для получения единого решения в определении наиболее перспективных направления деятельности организации.
Библиографический список
1. Указ Президента Российской Федерации от 07 мая 2018. № 204 «О национальных целях и стратегических задачах развития РФ на период до 2024 года». - [Электронный ресурс]. - Режим доступа: http://www. kremlin.ru/events/president/news/57425 (дата обращения 19.05.2024).
2. Доклад для общественных консультаций ЦБ РФ «Использование больших данных в финансовом секторе и риски финансовой стабильности». - Москва, 2021. - 32 с.
3. Сенько А. Работа с Big Data в облаках. Обработка и хранение данных с примерами из Microsoft Azure. - СПб.: Питер, 2019. - 448 с.
4. Коновалов М.В. Big Data. Особенности и роль в современном бизнесе // Технические науки: проблемы и перспективы: материалы VI Междунар. науч. конф. (г. Санкт-Петербург, июль 2018 г.). - Санкт-Петербург: Свое издательство, 2018. - С. 8-10.
5. Майер-Шенбергер В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / Виктор Майер-Шенбергер, Кеннет Кукьер; пер. с англ. Инны Гайдюк. - М.: Мани, Иванов и Фенбер, 2014. - 240 с.
6. Анналин Ы., Кеннет С. Теоретический минимум по Big Data. Все, что нужно знать о больших данных. - СПб.: Питер, 2019. - 208 с.
7. Корнев М.С. История понятия «большие данные» (Big Data): словари, научная и деловая периодика. - 2018. -209 с.
8. Шальнова Ю.П. Экономическая сущность больших данных // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. - 2020. - № 3 (59). - С. 40-45.
9. Воловиков Б.П. Стратегическое бизнес-планирование на промышленном предприятии с применением динамических моделей и сценарного анализа. - М.: НИЦ ИНФРА-М, 2020. - 226 с.
10. Кабалкин А. Что такое Big Data (большие данные) в маркетинге: проблемы, алгоритмы, методы анализа // Портал маркетинговых технологий LPgenerator. - [Электронный ресурс]. - Режим доступа: http://lpgenerator.ru/blog/2022/11/17/chto-takoe-big-data-bolshie-dannye-v-marketinge-problemy-algoritmy-metody-analiza/#ixzz41mkLQr8q (дата обращения 19.05.2024).
11. Кузьмина, Е.В. Технология виртуальной фабрики, как тренд развития предприятия в условиях цифровой экономики / Е.В. Кузьмина, С.А. Шевченко, Д.В. Шокурова // Экономика и бизнес: теория и практика. - 2024. - № 3-1 (109). - С. 196-198. - DOI: 10.24412/2411-0450-2024-3-1-196-198.
BIG DATA AS A TOOL FOR ENSURING EFFECTIVE MANAGEMENT DECISIONS OF AN ORGANIZATION IN THE FIELD OF PLANNING AND FORECASTING
D.A. Iost, Student I.V. Kim, Student
S.A. Shevchenko, Candidate of Pedagogical Sciences, Associate Professor
E.V. Kuzmina, Candidate of Economic Sciences, Associate Professor Volgograd State Technical University
(Russia, Volgograd)
Abstract. This article discusses the concept of Big Data as a tool for collecting, processing and analyzing data (structured and unstructured) and their subsequent use for developing management decisions to improve the organization's activities. The characteristic features of Big Data are defined: horizontal scalability, fault tolerance, data locality. The capabilities of Big Data in providing effective management decisions for an organization in the field of planning and forecasting have been identified: it allows: to create a single formalized language that facilitates the coordination of the activities of managers, technical specialists and analysts; make information useful and turn it into a long-term asset; monitor deviations of financial indicators from the planned level in real time; identify factors that negatively affect the financial position of the organization and others.
Keywords: big data analysis, digital technologies, management decisions, business models, forecasting, planning.
