CC BY
117Большие данные в сфере закупок: теоретические и практические аспекты внедрения и развития
Гладилина Ирина Петровна,
доктор педагогических наук, профессор кафедры управления государственными и муниципальными закупками Московского государственного университета управления Правительства Москвы
E-mail: gladilinaip@edu.mos.ru Погудаева Марина Юрьевна,
доктор экономических наук, профессор кафедры управления государственными и муниципальными закупками Московского государственного университета управления Правительства Москвы
E-mail: pogudaevamy@edu.mos.ru
Сергеева Светлана Александровна,
кандидат экономических наук, научный сотрудник кафедры управления активами, МГИМО, специалист по учебно-методической работе кафедры управления государственными и муниципальными закупками МГУУ Правительства Москвы E-mail: ugmzmag@yandex.ru
Булочникова Наталья Михайловна,
аспирант кафедры управления государственными и муниципальными закупками Московского государственного университета управления Правительства Москвы E-mail: ugmzmag@yandex.ru
Кожевникова Нелли Юрьевна,
аспирант кафедры управления государственными и муниципальными закупками Московского государственного университета управления Правительства Москвы E-mail: ugmzmag@yandex.ru
Теоретические и практические аспекты внедрения и развития технологий Big data (больших данных) в сфере закупок - одна из важных научных задач. Показано, что ученые отмечают, что Big Data характеризуется множественностью методик и инструментов, направленных на работу с неструктурированной и структурированной информацией в больших количествах, получаемую из разных источников, которые непрерывно обновляются. Основной целью Big Data является повышение эффективности управленческих решений, появления новых актуальных продуктов и увеличение уровня конкурентности. Инструментарий и технологии Big Data содержат в себе такую актуальную для сотрудников системы закупок характеристику, как возможность обрабатывать огромные массивы информации в реальном времени. Big Data даёт возможность проводить быстрый анализ актуальной информации, что дает возможность оказывать влияние на значимые для текущего момента направления, что для сотрудников закупочной системы является максимально важным для эффективной работы в условиях постоянных изменений нормативно - правового регулирования закупок. Большие данные являются важнейшим фактором разработки и принятия управленческих решений, основная задача которых выражается в достижении эффективной, качественной и результативной закупки с максимальной социальной, управленческой и экономической эффективностью.
Ключевые слова: закупки, Большие данные - Big data, Единая информационная система.
Аналитические отчеты, представленные в открытом доступе в системе Интернет свидетельствуют о том, что в первом полугодии 2021 года отмечается рост закупок по 44-ФЗ. Факт того, что было опубликовано закупок на 18,14% больше, чем в первом полугодии 2020 (1 883 848 вместо 1 594 618 закупок) - убедительное тому свидетельство^]. При этом отмечается, что средняя сумма закупки выше показателя прошлого года на 8,18% (3 432 406,20 руб. вместо 3 173 003,30 руб.); количество участий также выросло - на 8,51% (1 444 653 заявки против 1 331 356 в первом полугодии 2020 года) [13]. Количество закупок по 223 - ФЗ выросло на 22,49% (919 890 против 750 972); общая сумма - на 16,47% (16 765 487,76 руб. против 14 394 463,85) [13]. Такой рост закупочных процессов требует новых подходов к подготовке и реализации управленческих решений. Опросы контрактных управляющих, руководителями контрактных служб, специалистами в сфере закупок (230 респондентов - заказчики города Москвы и города Севастополя) позволили сделать вывод о том, что все управленческие действия сегодня невозможны без обработки больших массивов информации. В том или ином формате Big data присутствуют в профессиональной деятельности всех заказчиков. Рассмотрим сущность исследуемого понятия. К.А. Алексеев (2020) отмечает, что термин Big data вызывает споры среди специалистов о сущности данного понятия. По мнению исследователя именно то, что термин обозначает технологии обработки структурированных и неструктурированных данных большого объема для получения человеком понятных и полезных итогов позволяет в бизнесе использовать Большие данные для поддержки принятия решений руководителем [1]. Савельев А.И. отмечает, что в большей степени, данная ситуация происходит из-за многих факторов, таких, как:
• непрерывное развитие коммерческого взаимодействия в цифровом пространстве;
• распространение Интернет - технологий во все сферы жизнедеятельности человека;
• активное распространение социальных сетей, собирающих множество информации о пользователях, в том числе об их интересах и цифровом взаимодействии;
• активное развитие поисковых сервисов, основывающихся на рекламной парадигме;
• распространение планшетов и смартфонов среди населения, которые дают возможность
сз о
со £
m Р
сг
от А
=Е
а.
е
см см о см
выходить в цифровое пространство в любой время суток и из любого места [6]. Динамика роста больших данных настолько стремительна[9], что требует глубокого и внимательного изучения происходящих процессов (рис. 1).
300 250 200 150 100 50 0
149
I I I
-274,3
189,1
II
2015 2016
2018 2019
Рис. 1. Динамика роста рынка больших данных, млрд долл. [9]
При этом принятие правильного решения требует не только сбора больших объемов данных, но и их анализа.
Ма Шулян (2018) в своих работах указывает на то, что Big data - новейшее технологическое поколение, основной задачей которого является повышение уровня экономической эффективности при работе с большими массивами данных за счёт максимальной скорости получения, изучения и последующего анализа.
По мнению А. Чащегорова (2020) большие данные являются инструментарием методик и технологий, направленных на обработку и анализ огромных массивов информации. Хочется отметить, что под большими данными понимаются большие по объёму данные, быстро увеличивающие свой объем, разные по структуре, поддающиеся одновременной обработке. Операции в Big data, как правило, проводятся над доступной информацией, разделенной на части, каждая из которых обрабатывается на отдельном вычислительном узле. За счет разделения работы таким образом достигается скорость обработки достаточная для работы с данными Big data.
Согласно определению Рожкова М.А (2019) большие данные - непрерывный и динамичный процесс появления новой информации, которая в большинстве случаев не имеет чёткой структуры и единых правил обработки, т.е., в первую очередь, большие данные - это непрерывный поток информации, которая собирается из множества источников.
О. Почепский (2020) указывает на то, что Big data - единое наименование огромного потока информации, методик его обработки, технологий и системного анализа.
Обобщённые базовые признаки Big data представлены на рисунке 2.
Наиболее полным, на наш взгляд, является предложенные Савельева А.И. положения, согласно которым Big Data является множественностью методик и инструментов, направленных на работу с неструктурированной и структурированной информацией в больших количествах, получае-
мых из разных источников, которые непрерывно обновляются. Основной целью Big Data является повышение эффективности управленческих решений, появления новых актуальных продуктов и увеличение уровня конкурентности [6].
Рис. 2. Обобщённые базовые признаки Big data
Инструментарий и технологии Big Data содержат в себе такую актуальную для сотрудников системы закупок черту, как возможность обрабатывать огромные массивы информации в реальном времени. Ряд исследователей, которые занимаются изучением отрицательных и положительных свойств Больших данных отмечают, что при классическом подходе к системе анализа данных, происходит планомерное составление отчётов и справок на базе имеющейся информации, что в результате приводило к аналитической работе над устаревшей информацией, которая уже не актуальна на данный отрезок времени. Big Data даёт возможность проводить быстрый анализ самой свежей информации, чтобы оказывать влияние на актуальные для текущего момента направления [4], что для сотрудников закупочной системы является максимально важным для эффективной работы с постоянными изменениями как законодательной базы, так и рыночной ситуации. Эта идея базируется на состоявшейся в ноябре 2021 г. работе по опросу работников закупочной системы и обработке научных трудов.
Исследователи, занимающиеся вопросом Больших Данных, выделяют такие присущие Big Data характеристики:
• разнообразие (variety) - типизация информации. Большие массивы могут содержать в себе не только текст, но и видео, аудио, изображения и другую информацию. При сопоставлении больших массивов информации они могут вза-имодополнять друг друга.
• объём (volume) - количество генерируемой и хранящейся информации. Размеры информации показывает её потенциал и значимость.
• изменчивость (variability) - противоречия в массивах данных, что может является препятствием к эффективному управлению и обработке.
• скорость (velocity) - скорость генерации и обработки информации. Как правило, Big Data получается и анализируется в реальном времени.
• достоверность (veracity) - уровень качества информации напрямую виляет на их анализ [5]. Структура и объём рынка Big Data представлена в таблице 1.
2017
2022
Ряд 1
Таблица 1. Структура и объём рынка Big Data[11]
Объем глобального рынка Big Data и бизнес-аналитики (в соответствии с оценкой IDC) Сумма, млрд долл. Увеличение,%
2018 год 168,8
2019 год 189,1 12%
в период 2018-2022 гг. до 274,3 к 2022 г. предполагается рост рынка со среднегодовым темпом (САСР) на уровне 13,2%
Основной системы Big Data database является работа с большими информационным полями, в которые непрерывно поступают новые данные на основании таких методик: • крауд сорсинг, основывающийся на умении принимать и перенаправлять в дальнейшую обработку множественные потоки информации, поступающие из различных источников, общее число которых ограничивается исключительно мощностью системы;
Таблица 2. Методы анализа Big Data[10]
• система глубокого анализа, которая разбивает получаемые данные на подгруппы на основании заранее составленных цифровых математических алгоритмах;
• прогнозирование, которое подразумевает апробацию новейших параметров с последующей проверкой работы при получении больших массивов информации;
• сплит тестирование, которое основывается на сравнении элементов от их изначального состояния до изменения. Данная технология наиболее актуальна для определения факторов, которые оказывают влияние на элементы, т.е. на основании этого тестирования получается наиболее точный результат;
• анализ сетевой активности для эффективного разделения аудитории по возрастным и географическим признакам, интересам и другим актуальным параметрам;
• машинное обучение, которое в перспективе может на базе искусственного интеллекта получать и в автоматическом режиме обрабатывать данные и использовать их для обучения искусственного интеллекта [11].
Рассмотрим более подробно методы, которые
применяют для анализа Big Data (табл. 2).
Метод анализа Big Data Содержание Типичный пример
Описательная аналитика (descriptive analytics) Отвечает на вопрос «Что произошло?», анализирует данные, поступающие в реальном времени, и исторические данные. Главная цель - выяснить причины и закономерности успехов или неудач в той или иной сфере для использования в этих данных в эффективных моделях. Для описательной аналитики используют базовые математические функции. Социологические исследования или данные веб-статистики, которые компания получает через Google Analytics.
Прогнозная или предикативная аналитика (predictive analytics) Прогнозирует наиболее вероятное развитие событий на основе имеющихся данных, используя готовые шаблоны на основе каких- либо объектов или явлений с аналогичным набором характеристик. Просчёт обвала или изменение цен на фондовом рынке. Оценка возможностей потенциального заемщика по выплате кредита.
Предписательная аналитика (prescriptive analytics) Следующий уровень по сравнению с прогнозной. Выявляет проблемные точки в бизнесе или любой другой деятельности и рассчитывает сценарии для избегания их в будущем
Диагностическая аналитика (diagnostic analytics) Использует данные для анализа причины произошедшего. Выявляет аномалии и случайные связи между событиями и действиями.
Рис. 3. Отрасли-драйверы Big data [11]
Несколько лет назад большие данные анализировались для исследований в рамках чаще
всего статистики, то рост объема информационных потоков потребовал не только установить определённую последовательность данной информации, но и найти её практическое применение. Те отрасли, которые по мнению исследователей данной проблемы, в своей деятельности активно применяют большие данные, представлены на рисунке 3.
Объем рынка больших данных России, предоставлен в аналитических материалах Boston Consulting Groupх[13] следующим образом:
По состоянию на конец 2020 года:
объем российского рынка в 45 млрд с темпом прироста
больших данных оцени- руб. 12% в течение по-
вается следних пяти лет
Что касается сферы закупок России, то необходимо отметить внушительный пул информации об оцифрованных общедоступных данных о процедурах проведения закупок: на сайте ЕИС, электронных площадках, официальных сайтах заказчиков. Такие сведения - о процедурах и участниках- позволяют дать оценку:
• объемам закупок;
• потребностям государственных, муниципальных и корпоративных заказчиков;
• состоянию конкурентной среды:
• ведению реестра недобросовестных поставщиков и др.
Мы выходим на позиции, позволяющие заказчику прогнозировать возможные сценарии осуществления практически каждой закупки. Во время опроса топ-менеджеров различных компаний, которые проводила Leva Data [8] стало ясно, что большинство топ менеджеров придерживается идеи о том, что закупочная система, работающая на основании технологий Больших данных, будет иметь решающее значение для определения ценности, уменьшения расходов и повышения уровня эффективности. Около половины опрошенных считает, что закупочная система их компании может активно использовать инструментарий для прогнозирования. Большая часть (71%) отметила, что активное применение искусственного интеллекта для риск ориентированного управления окажет ключевое воздействие на уровень конкурентности.
Сейчас, наиболее актуально в парадигме Больших данных выглядят исследования новых разработке в Единой информационной системе закупок, которые будут введены первого января 2022 г.
Наибольшие интерес вызывает модуль Риск мониторинга, который выстроен на алгоритме «Анализ - Рейтинг - Информация - Фактура -Отбор», на которой будет размещены данные с 2013 г. и будут работать более 50 алгоритмов, таких, как:
• досье подрядчика, досье заказчика, где содержатся актуальные данные о оценочных и статистических параметрах;
• рейтинговый мультипликатор подрядчиков, который определяется на основании контрактов заказчика и содержит в себе четыре основных параметра;
• информационная статистическая панель, которая даёт возможность перехода к плавной
^ апробации комплаенс систем и др. = Таким образом, большие данные являются в важнейшим фактором при создании и принятии Я управленческих решений, основная задача кото-~ рых выражается в эффективной, качественной z и результативной закупке с максимальной соци-
альной, управленческой и экономической эффективностью.
Литература
1. Алексеев К.А. Использование Big Data в международном бизнесе//Труды ИСП РАН, том 32, вып. 4, 2020, с. 7-20. isp_32_2020_4_7.pdf (ispras.ru)
2. Абдыкаримова А. Т., «Технология больших данных»// Наука и жизнь Казахстана, № 2(78), 2019 г., с. 223-226
3. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. М. 2014. С. 17
4. Перерва О.Л., Степанов С.Е., Незимо-ва С.С. Использование анализа больших данных для определения факторов эффективности процесса государственных закупок // Вестник Евразийской науки, 2018 № 3, https://esj. today/PDF/24ECVN318.pdf
5. Радченко И.А., Николаев И.Н. Технологии и инфраструктура Big Data. Учебное пособие. -СПб.
6. Савельев А.И. Проблемы применения законодательства о персональных данных в эпоху «Больших данных» (Big Data) // Право. Журнал Высшей школы экономики. 2015. № 1. С. 4366
7. Федорова Л.А., Ху Гуйюй, Хуан Сяоянь, Зем-лякова С.А. Применение технологий Big Data в деятельности современных предприятий // Вестник Алтайской академии экономики и права. - 2020. - № 9-2. - С. 322-329
8. Платформа управления когнитивными поставками. Платформа управления когнитивными поставками. Электронный ресурс: https:// levadata.com/https://levadata.com/
9. Global big data and business analytics revenue from 2015 to 2022: - [Электронный ресурс]. -https://www.statista.com
10. Аналитический отчет. - [Электронный ресурс]. - https://www.projectpro.io/article/types-of-analytics-descriptive-predictive-prescriptive-analytics/209
11. Отрасли-драйверы Big data. [Электронный ресурс].— https://www.idc.com/cis/russia]
12. Fortune Business Insights - [Электронный ресурс]. - https://www.researchandmarkets.com/
13. Boston Consulting Group. - [Электронный ресурс]. - https://www.bcg.com/en-ru/
14. Аналитический отчет. - [Электронный ресурс]. -https://zakupki.kontur.ru/site/articles/1337-kak-prohodili-zakupki-v-1 -polugodii-2021
BIG DATA IN PROCUREMENT: THEORETICAL AND
PRACTICAL ASPECTS OF IMPLEMENTATION AND
DEVELOPMENT
Gladilina I.P., Pogudaeva M. Yu., Sergeeva S.A., Bulochnikova N.M., Kozhevnikova
N. Yu.
Moscow State University of Management Moscow Government
Theoretical and practical aspects of the implementation and development of Big data technologies - Big data in the field of procurement is one of the important scientific problems that requires its speedy solution. Scientists note that Big Data is characterized by a variety of methods and tools aimed at working with unstructured and structured information in large quantities, obtained from various sources, which are constantly updated. The main goal of Big Data is to increase the efficiency of management decisions, the emergence of new topical products and an increase in the level of competition. Big Data tools and technologies contain such an important feature for the procurement system employees as the ability to process huge amounts of information in real time. Big Data makes it possible to carry out a quick analysis of the latest information, which makes it possible to influence the areas that are relevant for the current moment, which for the employees of the procurement system is most important for effective work in the face of constant changes in the legal regulation of procurement. Big data is the most important factor in the development and adoption of management decisions, the main task of which is to achieve effective, high-quality and efficient procurement with maximum social, managerial and economic efficiency.
Keywords: procurement, Big data - Big data, Unified information system.
References
1. Alekseev K.A. The use of Big Data in international business // Proceedings of ISP RAS, volume 32, no. 4, 2020, pp. 7-20. isp_32_2020_4_7.pdf (ispras.ru)
2. Abdykarimova A. T., "Technology of Big Data" // Science and Life of Kazakhstan, No. 2 (78), 2019, pp. 223-226
3. Mayer-Schoenberger V., Kukier K. Big data. A revolution that will change the way we live, work and think. M. 2014.S. 17
4. Pererva O.L., Stepanov S.E., Nezimova S.S. Using big data analysis to determine the factors of efficiency of the public procurement process // Bulletin of Eurasian Science, 2018 No. 3, https://esj.today/PDF/ 24ECVN318.pdf
5. Radchenko I.A., Nikolaev I.N. Big Data technologies and infrastructure. Tutorial. - SPb.
6. Savelyev A.I. Problems of the application of legislation on personal data in the era of "Big Data" // Law. Journal of the Higher School of Economics. 2015. No. 1. P. 43-66
7. Fedorova L.A., Hu Guiyu, Huang Xiaoyan, Zemlyakova S.A. The use of Big Data technologies in the activities of modern enterprises // Bulletin of the Altai Academy of Economics and Law. -2020. - No. 9-2. - S. 322-329
8. Cognitive supply management platform. Cognitive Supply Management Platform. Electronic resource: https://levadata.com/
9. Global big data and business analytics revenue from 2015 to 2022: - [Electronic resource]. - https://www.statista.com
10. Analytical report. - [Electronic resource]. - https://www.pro-jectpro.io/article/types-of-analytics-descriptive-predictive-prescriptive-analytics/209
11. Industries-drivers Big data. [Electronic resource]. - https://www. idc.com/cis/russia]
12. Fortune Business Insights - [Electronic resource]. - https:// www.researchandmarkets.com/
13. Boston Consulting Group. - [Electronic resource]. - https:// www.bcg.com/en-ru/
14. Analytical report. - [Electronic resource]. - https://zakupki.kontur. ru/site/articles/1337-kak-prohodili-zakupki-v-1-polugodii-2021
