ИНТЕРНЕТ ВЕЩЕЙ КАК ПЛАТФОРМА ТРАНСФОРМАЦИИ БИЗНЕС-МОДЕЛЕЙ НЕФТЕГАЗОВЫХ КОМПАНИЙ: ИНВЕСТИЦИОННЫЙ АНАЛИЗ И ОЦЕНКА РИСКОВ Текст научной статьи по специальности «Экономика и бизнес»

УДК 004.45:620.9

DOI 10.46920/2409-5516_2022_11177_80

EDN: CEKFSR

Интернет вещей как платформа трансформации бизнес-моделей нефтегазовых компаний: инвестиционный анализ и оценка рисков

Internet of things as platform for transformation of oil and gas companies' business models: investment analysis and risk assessment

СЧ

о

СЧ

<

о

СЦ <

Даниил ЧАПАИКИН Аспирант, Национальный исследовательский институт мировой экономики и международных отношений им. Е. М. Примакова РАН РФ e-mail: dchapaykin@gmail.com

Daniil CHAPAIKIN

Postgraduate student, Primakov Institute of world economy and international relations, National Research Institute, Moscow, Russia e-mail: dchapaykin@gmail.com

Роботизация процессов становится частью работы компаний ТЭК

Источник: sdecoret / depositphotos.com

Аннотация. В условиях нарастающей нестабильности на мировых энергетических рынках нефтегазовые компании трансформируют бизнес-модели, формируя новые пропорции вертикальных и горизонтальных связей в управлении каждым отдельным сегментом цепочки создания стоимости. Исключительную роль в данных трансформационных процессах играют прорывные технологии, в частности интернет вещей как платформа, открывающая возможности децентрализованного управления системой независимых систем, в контексте энергетического рынка - бизнес-единиц. В работе на основании произведенного инвестиционного анализа выверена гипотеза о значительном экономическом потенциале для компаний, который, помимо роста доходности и снижения затрат, предполагает образование сетевого эффекта трансформации. Примененное сценарное риск-моделирование позволило произвести ранжирование различных по капитализации игроков нефтегазового рынка по степени уязвимости к внешним шокам и ценовым обвалам, что исключительно актуально в свете геополитических кризисов. Ключевые слова: интернет вещей, цифровизация, трансформация, нефтегазовые компании, нефтегазовый бизнес, доходность, риски, сетевая структура.

Abstract. Concerning the growing instability of the global energy markets oil and gas companies are transforming business models, creating new proportions of vertical and horizontal integration in the management of each value chain segment. Breakthrough technologies play an exceptional role In transformation processes, In particular, the Internet of Things performs a platform opening up opportunities for decentralized management like system of independent systems (SofS), in the context of the energy market it concerns business units. Based on the carried out investment analysis, the paper verifies the hypothesis of significant economic potential for companies, which, in addition to increasing profitability and reducing costs, presupposes the formation of a networking effect for business. The applied scenario risk modeling made it possible to rank oil and gas market players of different capitalization In terms of their vulnerability to external shocks and price collapses, which Is extremely Important In light of the pandemic and the upcoming crises. Keywords: internet of things, digitaiization, transformation, oii and gas companies, profitabiiity, risks, oii and gas business, networking structure.

//

На одну нефтяную или газовую скважину приходится около 25 датчиков, а во всем мире действует более миллиона нефтяных скважин

В сегодняшних условиях глобальной нестабильности и хрупкости экономических, политических и социальных систем к внешним вызовам возникает необходимость синхронизации двух процессов в энергетических компаниях:

1. Оптимизации затрат, моделей производства, потребления и распределения энергии.

2. Появлении новых моделей бизнеса, производстве информационно-технологических продуктов внутри компании в сочетании с аутсорсингом наиболее неустойчивых звеньев цепочки создания стоимости извне.

Для обеспечения синхронности данных процессов исключительно важной становится перестройка модели управления, где новые возможности открывают цифровые технологии IV поколения или в комплексе -индустрия 4.0, а также сетевые системы,

<

CL ©

интегрирующие вертикальные и горизонтальные связи в компании (Телегина, Ча-пайкин, 2020, 2021).

Оба термина - «Индустрия 4.0» (14.0) и «Интернет вещей» (1оТ) - характеризуют растущую взаимосвязанность и автоматизацию устройств, машин и продуктов, но имеют разную направленность.

В концепции Индустрии 4.0 основное внимание уделяется производственному процессу в рамках «умной фабрики», основанной на подключенных и автоматизированных машинах, которые взаимодействуют друг с другом, а также с элементами, которые они обрабатывают, включая все виды продуктов и ресурсов, которые произ-

сч о сч

<

о

СЦ <

Цифровая модель предприятия Источник: controlengrussia.com

водятся и поставляются по определенной логистической цепочке.

Интернет вещей, напротив, ориентирован не на производство, а на использование оцифрованных и подключенных устройств и продуктов, что позволяет поставщикам в режиме реального времени управлять собственными продуктами1, в то время как они используются клиентами. Также это касается предоставления новых цифровых услуг для клиентов, в пер-

Простейшим примером может служить бизнес-модель компании Apple. Корпорация производит периодические обновления системы IOS, агрегирует данные устройств и осуществляет соответствующее управление информационными потоками. В нефтегазовом бизнесе это касается энергетических сервисов, в том числе распределенной генерации на базе технологии блокчейн.

спективе на основе децентрализованного управления (BIS Research, 2020).

I4.0 и IoT также оказывают влияние на другие сегменты цепочки стоимости внутри компании, такие как исследования и разработки, а также продажи и маркетинг. В обоих случаях это касается открытия новых возможностей бизнеса путем роста горизонтальных связей на различных уровнях - от уровня устройств и машин до уровня машинного блока (на производстве) или групп устройств (используемых клиентами), а также онлайн-связи подключенных машин и продуктов компании на уровне бизнес-процессов.

Решения по аналитике данных помогают нефтегазовым компаниям в различных сферах: получение целостного представления об операциях, понимание потребностей рынка и клиентов, а также управление жизненным циклом проекта. Аналитика данных предоставляет лицам, принимающим решения, информацию, необходимую для их быстрого принятия по экономии средств. Кроме того, аналитика данных предоставляет другие возможности игрокам нефтегазового рынка, такие как интеграция и визуализация данных.

Нефтегазовая промышленность производит огромное количество информации и различных типов данных по цепочке поставок нефти и газа. Например, одна платформа генерирует примерно 2 терабайта данных всего за один час (IDC, 2019; BIS Research, 2020). Датчики используются практически повсеместно, подобный цифровой комплекс генерирует данные каждую секунду. По оценкам BIS Research, на одну нефтяную или газовую скважину приходится около 25 датчиков, а во всем мире действует более миллиона нефтяных скважин. Несмотря на ошеломляющие объемы генерации данных, по произведенным оценкам, нефтегазовая промышленность использует только 1 % данной информации (PTC, 2020). При этом инвестиции в IoT в основном ориентированы на новый формат использования данных для более эффективного принятия решений. Есть несколько примеров, когда нефтегазовые компании, инвестировав в аналитику, сэкономили много денег. В качестве примера можно привести Apache Corporation, независимую нефтегазовую компанию в США, которая использует прогнозную аналитику для предупреждения поломок критически

Регион CAGR,%(2017-2026rr.) Выручка компаний-поставщиков, млн долл. США (2016 г.)

С. Америка 23,72 1102,1

Европа 25,57 603,4

ATP 26,77 363,6

Пр. страны 24,1 813,9

Таблица 1. Динамика рынка 1оТ в нефтегазовом секторе по регионам мира, 2017-2026 гг.

важного насосного оборудования, так называемые электронные погружные насосы (ESP) (BIS Research, 2020). Они успешно увеличили объемы производства и снизили операционные расходы посредством последовательного внедрения данной технологии.

Продукты интернета вещей для нефтегазовых компаний в Северной Америке были оценены в 1,1 млрд долл. в 2016 г. и, как ожидается, достигнут 10,75 млрд долл. в 2023 г. при среднегодовом темпе роста 23,72 % в течение прогнозируемого периода 2017-2023 гг. В основном это связано с высокой развитостью данного рынка, более широким предложением со стороны IT-компаний в Северной Америке по сравнению с другими регионами. Технологически развитая инфраструктура также предопределяет более динамичное

Источник: составлено автором на основании данных BIS Research, 2020 г.

развитие данного рынка. Поскольку львиная доля 1оТ-спроса сконцентрирована в сегменте добычи, а также менеджменте, прогноз рынка интернета вещей в этом регионе остается наиболее оптимистичным в перспективе до 2026 г. (см. табл. 1).

На аналитику эффективности управления активами приходилась основная доля инвестиций, примерно 64 % в 2016 г. (см. рис. 1). Она была оценена в 1,43 млрд долл. в 2016 г. и, как ожидается, достигнет 14,42 млрд долл. в 2026 г. при среднегодовом темпе роста (CAGR) 24,09 % в течение прогнозируемого периода 2017-2026 гг. В основном это связано с тем, что нефтегазовая отрасль является ресурсо- и капиталоемкой. При высокой относительной доле капитальных затрат также необходимо соответствующее обслуживание данной инфраструктуры. Оценка состояния

<

CL

©

Рис. 1. Динамика глобального рынка 1оТ по бизнес-направлению ИТ-продукта, млн долл. США, 2016-2026 гг.

Источник: составлено автором на основании данных BIS Research, 2020 г.

25000

20000

15000

10000

5000

сч о сч

<

о

к <

2016 2017 2018 2019 Менеджмент-аналитика

2020 2021 2022 «Мидстрим» ■ Переработка

2023 2024 2025 Разведка и бурение

2026

<

CL ©

стратегических активов и необходимость повышения операционной эффективности требуют постоянного анализа производительности на всех этапах цепочки создания стоимости. Более того, повсеместное внедрение и использование датчиков также вызовут потребность в обслуживании и мониторинге состояния активов, что, в свою очередь, будет еще больше способствовать росту спроса на данный IT-продукт.

Ожидается, что аналитика в сегменте разведки и бурения будет расти из-за необходимости снижения себестоимости добычи нефти, появления новых проектов, использования передовых технологий для разведки и соблюдения нормативных требований, возрастающих в условиях энергетического перехода. Аналитика в нефтепереработке будет также испытывать положительную динамику в связи с растущим спросом на нефтепродукты в развивающихся странах. Рост спроса в сегменте «мидстрим», прежде всего, обусловлен необходимостью контроля логистической цепочки и системы трубопроводов, что стимулируется ростом числа датчиков и устройств слежения (Forrester, 2016; IDC, 2019; PTC, 2020).

Нефтегазовая промышленность производит огромное количество информации и данных по цепочке поставок нефти и газа. Одна платформа генерирует примерно 2 ТБ данных всего за 1 час

На долю разведки и добычи приходилось примерно 48 % в 2016 г. (см. рис. 3). В 2016 г. она была оценена в 1,39 млрд долл. и, как ожидается, достигнет 14,19 млрд долл. в 2026 г. при среднегодовом темпе роста 24,19 % в прогнозируемый период 2017-2026 гг. «Мидстрим» (транспортировка и распределение) был оценен в 480,6 млн долл. в 2016 г. и,по расчетам BIS Research, достигнет 5,33 млрд долл. в 2026 г. при максимальном среднегодовом темпе роста 25,15 % в течение прогнозируемого периода 2017-2026 гг.

Основными факторами, детерминирующими спрос на IoT-решения в сегменте

Рис. 2. Структурная динамика глобального рынка 1оТ в нефтегазовом секторе, млн долл. США, 2016-2026 гг.

Источник: составлено автором по данным BIS Research, 2020 г.

сч о сч

<

о

СЦ <

2026

2016

2000 4000 6000 8000 10000 12000 14000 16000 ■ «Даунстрим» «Мидстрим» ■ «Апстрим»

Без системной трансформации

После

(Добавочная) ценность/эффект

от каждого нового проекта ЦТ

(Добавочные) затраты на каждый новый проект ЦТ

Первые эксперименты с «цифрой» (ПА/БА)

Приоритетные проекты (самые экономически ценные)

Проекты ЦТ | Ценность проекта ЦТ Затраты на проект ЦТ — Чистая выгода

«Цифровой парадокс»: уменьшающаяся

Парадокс разрешен:

ценность от проектов ЦТ ИТ-трансфор- получение выгод при возрастающих мация от цу

затратах

II

Рис. 3. Эффект «цифрового парадокса»

Источник: составлено автором на основании данных Boston Consulting Group, 2021 г.

разведки и добычи, являются соблюдение ограничений выбросов парниковых газов, повышение операционной эффективности за счет увеличения срока службы буровой установки (Forrester, 2016; IDC, 2019; РТС, 2020) и сокращение потерь топлива при транспортировке, повышение безопасности и сохранение здоровья рабочих, а также стратегическое лавирование компаний в условиях низких цен на углеводороды в совокупности с неопределенностью на мировых рынках (Телегина, Чапайкин, 2020,2021).

Для оценки экономической целесообразности цифровой трансформации нефтегазовых компаний исключительно важны не только оценка потенциальной доходности и величины оптимизации затрат, но и сетевые эффекты, которые возникают

Продукты интернета вещей для компаний ТЭК в Северной Америке были оценены в1,1 млрд долл. в 2016 г. и, как ожидается, достигнут 10,75 млрд долл. в 2023 г. при среднегодовом темпе роста 23,72 %

как мультипликатор комплексного внедрения множества цифровых технологий, что способствует росту горизонтальных связей в компании при сохранении вертикального контроля в тех сегментах, где это важно сточки зрения рисков.

На рис. 3 представлена ситуация «цифрового парадокса», когда чистая выгода для компаний, выраженная как разница добавленной стоимости, которую приносит каждый новый цифровой проект, и соответствующих затрат, начинает быстро сокращаться. Затем, когда компания перестраивает бизнес-модель, переходя к комплексной цифровой трансформации, срабатывают описанные сетевые эффекты, которые возвращают положительную динамику чистой выгоды и одновременно разрушают эффект «цифрового парадокса».

В этой связи интернет вещей следует рассматривать не только как новую карту возможностей контроля логистических, управленческих механизмов, а также интеллектуализации управления спросом, но и платформу сетевого управления другими цифровыми технологиями, в частности продуктами блокчейн2.

Под блокчейном в данном контексте понимается широкая интерпретация термина, а именно технологически распределенная база данных, которая содержит информацию обо всех транзакциях, проведенных участниками системы. В энергетическом бизнесе технология применяется в широком спектре направлений, от обеспечения информационно-технологической интеграции на этапах разведки и добычи до децентрализованной информационно-финансовой платформы трейдинга

<

CL ©

Произведенные в данной работе оценки инвестиционной доходности могут интерпретироваться не только как результат прямого внедрения технологии 1оТ, но и потенциала сетевой интеграции множества цифровых технологий, что в ближайшие 5-7 лет станет предельно актуальным для нефтегазовых компаний.

Для инвестиционного анализа интеграции 1оТ-решений компании нефтегазового профиля были объединены в 4 группы по капитализации:

и маркетинга энергетических продуктов (подробнее см. Телегина, Чапайкин, 2020, 2021).

• супермейджоры (X>100 млрд долл. США);

• средние компании (10<X< 25 млрд долл.);

• мидстрим-компании (5<X<20 млрд долл.);

• даунстрим-игроки (2<X<5 млрд долл.).

В сегменте супермейджоров были выбраны компании BP, Shell, Chevron и Total. Среди средних компаний - Concho, Continental, Pioneer и Devon Energy. Для выбранных групп были проанализированы экономические эффекты в сегменте «апстрим».

Рис. 4. Инвестиционная доходность интеграции интернета вещей в бизнес-модели нефтегазовых компаний

Источник: рассчитано автором

Индекс прибыльности на 5-летнем промежутке

Даунстрим-игроки (5 < X < 2)

2,6

Мидстрим-компании (20 < X < 5)

Cредние компании (25 < X < 10)

Cупермейджоры (X > 100)

0 0,5 1 1,5 2 2,5 3

сч о сч

Срок окупаемости, лет

<

Даунстрим-игроки (5 < X < 2)

о

Мидстрим-компании (20 < X < 5)

2,33

СЦ <

Cредние компании (25 < X < 10)

Cупермейджоры (X > 100)

1,5

0 0,5 1 1,5 2 2,5

1

2

Год 2016 2017 2018 2019 2020 2021

Номер периода 0 1 2 3 4

Цена реализации, долл./б. н. э. 39,99 51,71 67,81 61,56 35 30*

Выручка, млн долл. 729,8175 943,7075 1237,5325 1123,47 638,75 547,5*

Рассчитанный эффект роста доходности, млн долл. 58,3854 75,4966 99,0026 89,8776 51,1 43,8

Апроксимированный

уровень годовых издержек

компании ВР на интеграцию 27,07 32,41 40,45 51,73 38,2*

и использование продуктов

1оТ, млн долл.

ОР -27,07 66,6 49,43 -0,63 5,6

Суммарный поток, накопленным итогом -27,07 39,52 88,95 88,33 93,93

Ставка дисконтирования^ 10

(ВР)

РОР -27,07 60,54 40,85 -0,47 3,82

РСР, накопленным итогом -27,07 33,47 74,32

РО! 27,07 24,61 22,37 20,34 18,49

Сумма РС1 189,85

Показатели экономической эффективности проекта

ЧДД, млн долл. 77,67

вид 206 %

Срококупаемости, лет < года

Дисконтированный срок окупаемости, лет < года

Индекс прибыльности 1,41

*Для выбранных параметров приведены прогнозные среднегодовые значения

Таблица 2. Инвестиционный анализ интеграции пакета решений 1оТ в бизнес-модель на примере компании ВР

В комплекс мидстримеров3 вошли компании Pembia, EQT и Antero. В даунстрим-сегменте (переработка и сбыт энергетических продуктов) - это PBF Energy, CVR Energy, Delek US, а также компания Murphy Oil.

Для каждой компании была построена индивидуальная инвестиционная модель, которая явилась продуктом анализа корпоративных годовых отчетов, материалов консалтинговых компаний Boston Consulting Group, PWC, а также аналитических обзоров Deloitte, IBS Research, Forrester, Watson, PTC Experton Group.

Оцениваемый экономический эффект складывался из двух слагаемых:

Мидстримеры - компании, которые занимаются транспортировкой и распределением как жидких углеводородов, так и конечных энергетических продуктов.

• эффектов технологизации и роста добычи (для «апстрима»);

• оптимизации затрат (характерно для всех сегментов цепочки создания стоимости).

На основании анализа комплекса данных была выявлена примерная пропорция «8020», которая характеризует распределение рынка 1оТ-решений между супермейджорами и прочими игроками. Перечень компаний, работающих на базе аутсорсинг-контрактов или приобретающими «под ключ» 1оТ-продук-ты, позволили оценить примерный уровень затрат компании каждой группы капитализации. Далее, он был скорректирован на основании данных консалтинговых компаний, которые работали с данными клиентами в рамках конкретных кейсов.

сч о сч

<

о

к <

< CL

e

Аналитика в сегменте разведки и бурения будет расти из-за необходимости снижения себестоимости добычи, появления новых проектов, использования передовых технологий для разведки и т. д.

Общий денежный поток был рассмотрен в динамике 2016-2021 гг., для 2021 г. было выбрано прогнозное значение. На основании положительного денежного потока, сформированного как суммы описанных слагаемых, и отрицательного С^ отражающего транзакционные затраты, издержки компании на приобретение 1оТ-услуг и их обслуживание, был сформирован чистый денежный поток. Для каждой компании была выбрана индивидуальная ставка

дисконтирования согласно публикуемым годовым отчетам, что позволило произвести расчет классических показателей ЧДД, ВНД, срока окупаемости и индекса прибыльности.

Средние значения конечных показателей по группе были рассчитаны как средневзвешенное по величине капитализации полученных значений для компаний данной весовой категории. Примеры расчетов приведены в таблицах 2-5.

Несмотря на то, что данное инвестиционное моделирование обладает относительной точностью, требующей дополнительной «очистки» конечных показателей от макроэкономических факторов, которые влияют на операционный денежный поток, оно позволяет произвести сравнительную оценку сетевых эффектов для компаний различных групп капитализации.

Очевидно, что в сегменте «даунстрим» наименьшей по капитализации группы компаний интеграция интернета вещей наиболее оправдана с инвестиционной точки зрения, поскольку рассматриваемые североамериканские игроки облада-

Таблица 3. Инвестиционный анализ интеграции пакета решений IoT в бизнес-модель на примере компании Devon Energy

Год 2016 2017 2018 2019 2020 2021

Номер периода 0 1 2 3 4

Рассчитанный эффект роста доходности, млн долл. 9,82 12,83 13,31 12,78 10,95*

Апроксимированный уровень затрат, млн

к к к 1,62 7,78 9,71 12,41 9,17*

долл.

CF -1,62 5,05 3,61 0,36 1,78

Суммарный поток, накопленным итогом -1,62 3,43 7,03 7,39 9,18

Ставка дисконтирования^ (Devon Energy) 10

DCF -1,62 4,59 2,98 0,27 1,22

DCF, накопленным итогом -1,62 2,97 5,95

DCI 1,62 1,48 1,34 1,22 1,11

Сумма DCI 40,69

Показатели экономической эффективности проекта

ЧДД, млн долл. 7,44

ВНД 240 %

Срок окупаемости, лет < года

Дисконтированный срок окупаемости, лет < года

Индекс прибыльности 1,18

* Для выбранных параметров приведены прогнозные среднегодовые значения

Год 2016 2017 2018 2019 2020 2021

Номер периода 0 1 2 3 4

Рассчитанный эффект роста доходности, млн долл. 5,33 5,72 25,48 12,74 9,555*

Апроксимированный уровень затрат, млн долл. 1,6244 7,7776 9,7072 12,4144 9,168*

ОР -1,6244 -2,0576 15,7728 0,3256 0,387

Суммарный поток, накопленным итогом -1,6244 -3,682 12,0908 12,4164 12,8034

Ставка дисконтирования^ (АМего) 8,2

ЭОР -1,6244 -1,9016636 13,472689 0,2570411 0,2823591

РСР, накопленным итогом -1,6244 -3,5260636 9,9466251 11,828066 12,110425

Сумма РС1 40,6916

Показатели экономической эффективности проекта

ЧДД, млн долл. 10,49

вид 137 %

Срококупаемости, лет 1,14

Дисконтированный срок 1,15

окупаемости, лет

Индекс прибыльности 1,26

*Для выбранных параметров приведены прогнозные среднегодовые значения

Таблица 4. Инвестиционный анализ интеграции пакета решений 1оТ в бизнес-модель на примере компании АМего

<

о.

©

ют наибольшей контрактной гибкостью с широким спектром поставщиков и продавцов 1оТ-услуг и продуктов, которая чередуется с высокой конкуренцией и ресурсной гибкостью. Для супермейджоров масштабирование технологий требует гораздо больше времени, несмотря на то, что предельная окупаемость одного проекта варьируется около 1,5 лет, индекс прибыльности говорит о значительной ивтоже время наименьшей среди анализируемых групп доходности на выбранном 5-летнем промежутке. Зачастую для цифровых проектов результаты инвестиционного анализа на 5-летней перспективе выглядят «завышено», поскольку сложно прогнозировать отрицательное воздействие факторов внешней среды на таком периоде. Для мидстрим-игроков более значительная величина капитальных инвестиций соответствующе отражается на показателе срока окупаемости, при этом индекс доходности незначительно отличается от компаний-супермейджоров.

Далее для оценки чувствительности инвестиционной доходности кусловиям обвала цен было произведено сценарное риск-моделирование. В моделях падение цен закладывалось на длительный трехлетний период, включая сценарии 8, 50 и 75 % обвала значений ценового параметра (см. рис. 5).

В условиях 8 %-падения наиболее уязвимыми к внешним шокам являются

Основными факторами, определяющими спрос на 1оТ-решения в сегменте разведки и добычи, являются соблюдение ограничений выбросов парниковых газов и повышение операционной эффективности

сч о сч

<

о

к <

Год 2016 2017 2018 2019 2020 2021

Номер периода 0 1 2 3 4

Рассчитанный эффект роста

доходности и оптимизации 0 21,66 21,36 21,54 16,155 12,11625*

затрат, млн долл.

Апроксимированный уровень затрат, млн долл. 1,6244 7,7776 9,7072 12,4144 9,168*

ОР -1,6244 13,5824 11,8328 3,7406 2,94825

Суммарный поток, накопленным итогом -1,6244 11,958 23,7908 27,5314 30,47965

Ставка дисконтированиям, (CVR) 7,48

ЭОР -1,6244 12,6371418 10,2431188 3,01271671 2,20929483

DCF, накопленным итогом -1,6244 11,0127418 21,2558606 24,2685773 26,4778721

DCI

Сумма DCI 40,6916

Показатели экономической эффективности проекта

ЧДД, млн долл 26,48

ВНД 7,55

Срок окупаемости, лет <года

Дисконтированный срок окупаемости, лет <года

Индекс прибыльности 1,65

* Для выбранных параметров приведены прогнозные среднегодовые значения

Таблица 5. Инвестиционный анализ интеграции пакета решений IoT в бизнес-модель на примере компании CVR Energy

Рис. 5. Сценарное риск-моделирование индекса Источник:

прибыльности в условиях 8, 50 и 75 %-падения рассчитано автором

углеводородных цен

сч о сч

<

г;

о

СЦ <

■ 60%

■ 50% - 40%

- 30%

55,4% - 52,4%

- 20% - 10%

- 6,9%

0%

Cупермейджоры (X > 100) Cредние компании (25 < X < 10) Мидстрим-компании (20 < X < 5) Даунстрим-игроки (5 < X < 2)

средние игроки, индекс прибыльности снижается на 10,9%. Супермейджоры и даунстрим-игроки оказываются наиболее гибкими с точки зрения показателей доходности. В контексте супермейджоров это касается всех трех сценариев, что в целом достаточно логично. При этом в условиях «жесткого» 50 и 75 %-падения наибольшие потери несут компании сегмента «мидстрим». Поскольку падение в моделях закладывалось на длительный трехлетний период, начинают срабатывать факторы пересмотра обязательств по части контрактов, что в свою очередь наносит соответствующий ущерб доходности данного проекта.

Заключение

Выверенные результаты произведенного инвестиционного анализа свидетельствуют о наличии положительного эффекта доходности для компаний всех четырех весовых категорий. В условиях длительного и жесткого ценового шторма наиболее уязвимыми остаются игроки сектора «мидстрим», при этом компании капитализацией свыше ста млрд долл. терпят наименьшие потери среди конкурентов по всем трем сценариям. Цифро-визация и ее исключительная роль заключается не столько в улучшении динамики показателей доходности и оптимизации затрат, сколько в трансформации модели бизнеса нефтегазовых компаний, когда посегментарно появляются новые пропорции вертикальных и горизонтальных связей. С финансовой точки зрения это касается сетевых эффектов, когда

на смену цифровизации приходит цифровая трансформация, предполагающая построение сетевой структуры,связанной множеством технологий, оптимально распределенных по всей цепочке создания стоимости. Качество построения подобной сетевой платформы и следующие сетевые эффекты будут определяться тем, насколько фундаментально игроки смогут адаптировать интернет вещей собственным императивам и новым возможностям бизнеса.

<

CL

©

Искусственный интеллект Источник: VitalikRadko /depositphotos.com

Использованные источники

Телегина Е А., ЧапайкинД. А. Сетевая трансформация нефтегазовых компаний // Цифровая экономика и новый энергетический ландшафт / Под общей редакцией члена-корреспондента РАН, профессора Е.А. Телегиной. М.: Издательский центр РГУ нефти и газа имени И. М. Губкина, 2020. С. 162-183.

ТелегинаЕ. А., ЧапайкинД. Л. Цифровизация энергокомпаний в переходе к сетевой модели бизнеса // Энергетическая политика. № 1 (155), 2021. С. 12-21. Телегина Е А., ЧапайкинД. А. Цифровизация и глобальные факторы сетевой трансформации нефтегазовых компаний // Проблемы экономики и управления нефтегазовым комплексом. №3(195), 2021. С. 35-39. Телегина Е А., ЧапайкинД. А. Цифровизация - фактор трансформации нефтегазовых компаний // Нефтегазовая вертикаль. № 6, 2021. С. 68-74.

BIS Research (2020). Global Internet of Things (loT) in oil and gas market - Analysis and Forecast [Подписка].иРЬ: https://hisresearch.com/industry-report/glohal-iot-oil-gas-market.html

IDC (2019). Market Scape: Worldwide loT Platforms, 2019,

Vendor Assessment. [Подписка] URL: https://www.idc.com/

getdoc.jsp?containerld=US45116919

PTC Experton Group (2020). Industry 4.0/ Internet of things,

Vendor Benchmark, 2020. [Подписка] URL: https://www.ptc.com

Forrester (2016). The Forrester Wave: loT Software Platforms,

Q4, 2016. [Подписка]URL:https://www.forrester.com/report/

The+Forrester+Wave+loT+Software+Platforms+Q4+2016/-

/E-RES136087

СЧ

о сч

<

о

к <