CC BY
27УДК 334.7
Платонов Владимир Владимирович1,
профессор, д-р экон. наук, профессор, Тихонова Майя Владимировна , зам. заведующего кафедрой, кандидат экон. наук, доцент,
Карлик Ефим Михайлович3,
аспирант, Кузяев Далер Адьямович4, аспирант
ПРОБЛЕМА ИССЛЕДОВАНИЯ СИСТЕМЫ
МАТЕРИАЛЬНЫХ И НЕМАТЕРИАЛЬНЫХ ФАКТОРОВ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ ПРОИЗВОДСТВЕННОГО АППАРАТА В УСЛОВИЯХ ЦИФРОВИЗАЦИИ И СЕТЕВОГО ВЗАИМОДЕЙСТВИЯ
Россия, Санкт-Петербург, Санкт-Петербургский государственный
экономический университет
1 2 3
[email protected], [email protected], [email protected],
Аннотация. В статье рассматривается проблема комплексного анализа системы материальных и нематериальных факторов эффективности и результативности предприятий. Целью статьи предложить направления разработки новой методологии в этой области. Авторы обсуждают подходы, определяющие достигнутый, на сегодняшний день и обосновывают необходимость расширения концептуально-терминологического аппарата применительно к производственному аппарату в условиях информационного общества, предлагая, в качестве методического решения, гибридное когнитивное картирование для извлечения информации из «больших данных».
Ключевые слова: цифровизация, анализ деятельности предприятий, киберфи-зические системы, производственный аппарат, большие данные, когнитивные технологии, информационное общество.
Vladimir V. Platonov1,
Professor, Dr. Doctor of Economic Sciences, professor
Maya V. Tikhonova ,
Deputy Head of Department, Ph.D. Candidate of Economic Sciences,
Associate professor Efim M. Karlik3, Ph.D. student Daler A. Kuzyaev4, Ph.D. student
THE CHALLENGE FOR THE RESEARCH OF THE SYSTEM OF TANGIBLE AND INTANGIBLE FACTORS OF THE EFFICIENCY OF THE PRODUCTION FACILITIES UNDER THE CONDITIONS OF DIGITALIZATION AND NETWORK INTERACTION
Russia, St. Petersburg, St. Petersburg State University of Economics
1 2 3
[email protected], [email protected], [email protected],
Abstract. The article deals with the problem of a comprehensive analysis of the system of the tangible and intangible factors of efficiency and effectiveness of enterprises. The aim of the article is to propose research avenues or developing a new methodology in this area. The authors discuss the approaches that determine what has been achieved to date and justify the need for expanding the conceptual and terminological apparatus in relation to the production facilities in the information society, offering, as a methodological solution, the hybrid cognitive mapping for extracting the information from the "big data".
Keywords: digitalization, analysis of the enterprise performance, cyber-physical system, production facilities, cognitive technologies, big data, information society.
В современном обществе с развитием цифровизации и сетевой организации в промышленности, прежде всего, интернета вещей, для промышленных предприятий возрастает важность нематериальных факторов и «именно знания и высокие технологии ... определяют эффективность» [1]. По данным Price Waterhouse Coopers, за последние 42 года вес нематериальных факторов в рыночной стоимости крупнейших компаний возрос с 17% до 84% [2]. Не менее существенным моментом является экспоненциальный рост, вследствие цифровизации и цифровой трансформации слабоструктурированных массивов «больших данных» (от англ. big data) [3]. Большие данные потенциально содержат недоступную ранее количественную и качественную информацию о нематериальных факторах, например, с каждым днем производители накапливают данные о функционировании оборудования, установленного у заказчиков, но их применение, в целях повышения эффективности использования производственного аппарата, прежде всего. с использованием киберфизических систем, практически блокируется отсутствием методологии. В итоге, старая парадигма анализа и оценки деятельности предприятий реального сектора, основанная на соотнесении результата, выраженного в денежной форме, со стоимостной оценкой оборудования, необходимого для получения этого результата, становится все менее информативной для принятия управленческих решений. Ввиду роста гетерогенности, разнородности используемых ресурсов (которые теперь включает не только материально вещественную составляющую, не только программное обеспечение, но также ресурсы, связанные с обеспече-
нием сетевого взаимодействия), роста связанности ресурсов различных хозяйствующих субъектов с использованием интернета вещей и других киберфизических систем производственный аппарат превращается из механизма повышенной сложности в комплексную систему. Понимание особенностей функционирования такой системы, требует комплексного учета материальных и нематериальных активов (оборудования, человеческого и сетевого капитала, бренда, интеллектуальной собственности, информационных ресурсов и так далее), но методология такого анализа находится в зачаточном состоянии. Из-за актуальности проблемы анализа нематериальных факторов в комплексных системах, возникающих при углублении вертикальной кооперации в промышленности, но осмысление новых подходов, требующее серьезных исследований в области функционирования производственного оборудования в рамках системы материальных и нематериальных факторов, отстает. Обычно эти подходы дают максимально оптимистичную оценку инвестирования в нематериальные активы, но не позволяют выявлять противоречия данного процесса, так как последнее требует системного подхода для оценки целесообразности их применения для принятия решений отечественными предприятиями.
Формирование методологии комплексного анализа факторов эффективности и результативности в условиях цифровизации и сетевой организации находится в начальной стадии. Используется ряд частных методических решений для анализа отдельных факторов или, напротив, весьма обобщенные подходы, предлагаемые консультационными фирмами. При сотнях публикаций в международных журналах по оценке нематериальных активов, главная проблема состоит в отсутствии консенсуса между ними [4]. Данная ситуация является следствием того, что концептуально-методологическая основа исследований в данной области отсутствует, а значительная часть исследований не строится на принципах системного подхода, необходимого для анализа сложных хозяйственных систем. Такой основой могла бы стать системная парадигма, предложенная венгерским ученым Я. Корнаи и конкретизированная применительно задачам управления на предприятии Г.Б. Клейнером [5]. В рамках системного менеджмента Г.Б. Клейнера, система производственного предприятия состоит из семи подсистем: ментальной, организационно-культурной, институциональной, когнитивной, имущественно-технологической, имитационной и исторической. Тогда задача сводится к анализу нематериальных факторов объектной системы, которой является предприятие. Однако обратная сторона системности такого подхода - необходимость обеспечения анализа огромным объемом объективной информации о системе материальных и нематериальных факторов и, что
не менее важно, субъективной информации, воплощенной в ментальных моделях управленцев. Экспоненциальное накопление объемов «больших данных» и развитие когнитивного картирования решает данную проблему. За рубежом наиболее близко к формированию единого концептуально-методического подхода к анализу нематериальных факторов эффективности и результативности подошли представители школы интеллектуального капитала. Для измерения производственного оборудования и нематериальных факторов, обеспечивающих его функционирование, разрабатываются сложные системы атрибутов, позволяющие выйти за рамки простых и знакомых количественных методов измерения и индикаторов, таких как измерение массы или расстояния [7]. Предлагаемые структурно-логические модели, развивающие идею навигатора интеллектуального капитала Л. Эдвинссона, достигли высокой степени конкретизации, но, при этом, они обладают существенным недостатком -отсутствием возможности для анализа количественной информации на уровне предприятия, оставаясь скорее эвристическим инструментом для принятия управленческих решений. В рамках альтернативного подхода к исследованию нематериальных факторов - «динамических способностей,» претендующего на определенную системность, проблематика оценки и анализа, разрабатывается в меньшей степени. Этим можно объяснить то, что при возрастании интереса к изучению нематериальных факторов, количество публикаций по динамическим способностям в ведущих международных журналах, достигшее пика в 2012 году, с тех пор неуклонно снижается [6]. Мы считаем, что концепция «динамических способностей», если ее рассматривать во взаимосвязи с интеллектуальными ресурсами, может стать важным конструктом в аналитической структуре анализа нематериальных факторов в рамках системной парадигмы [8]. Для реализации системной парадигмы перспективным методом анализа сложных систем является причинно-следственное, в том числе, когнитивное картирование, которое активно применяется в исследованиях в области стратегического менеджмента, но, еще в очень ограниченных масштабах используемое при системном анализе системы материальных и нематериальных факторов, обеспечивающих функционирование производственного аппарата в условиях развития киберфизи-ческих систем. Оно впервые было предложено Аксельродом для анализа текстовой информации и, в последние пятнадцать лет, наблюдается возрождение интереса к этому направлению когнитивного картирования, в приложении к контентному анализу качественных данных, из-за возможности использования машинных процедур обработки информации с использованием нечеткой логики (fuzzy cognitive maps) [9]. Гибридный метод когнитивного картирования Маркози и Гольдберг позволил ис-
следовать ментальные модели путем опроса руководителей и специалистов для извлечения информации о важнейших конструктах/концепциях/факторах, связанных со сложными хозяйственными системами, которые представляют собой современные фирмы. Работы в данном направлении развиваются и считается, что гибридное когнитивное картирование обладает значительным потенциалом для анализа больших объемов информации [11, р. 41]. Из попыток применить когнитивное картирование к оценке интеллектуального капитала наибольший интерес представляет исследование Монтемари и Нильсена использовавших его для оценки стоимости отельных нематериальных факторов в комбинировании с сетевым анализом, но систему показателей в данном исследовании разработать не удалось [9]. Гибридное когнитивное картирование использовалось отечественными исследователями в эмпирических исследованиях стратегической проблематики с применением количественного анализа коллективных ментальных моделей. Российские ученые из ИПУ РАН (Абрамова Н.А., Авдеева З.К., Коврига С.В., Максимов В.И., Райков А.Н) подошли к использованию когнитивного картированию с нормативной стороны: не как метода исследования, а как управленческого инструмента поддержки принятия стратегических решений. Вместе с тем, когнитивное картирование еще не применялось для анализа и оценки деятельности предприятия. Существенным недостатком гибридного когнитивного картирования, подрывающим его объективность, является субъективизм в формировании исходного пула факторов/концепций/проблем. Для его устранения необходимо объединить оба направления: гибридное когнитивное картирование как инструмент извлечения и анализа информации ментальных моделей управленцев и когнитивное картирование как вид контентного анализа, который должен быть применен для извлечения информации из «больших данных».
Исследование «больших данных» как источника количественной и качественной информации для системного анализа материальных и нематериальных факторов, обеспечивающих эффективность функционирования производственного аппарата промышленных предприятий, в рамках киберфизических систем, еще находится на начальном этапе. Однако по результатам исследований в области информационных технологий, можно конкретизировать содержание термина «большие данные», применительно исследованию производственного аппарата в промышленности как информационный актив, возникший в результате цифрови-зации бизнеса и характеризующийся таким объемом, разнообразием и динамичностью, что требуется применение специальных методов и технологий для обретения ценности для анализа. Это, например, могут быть
данные с датчиков, установленные на машинах оборудовании для оценки технологического ноу-хау, а могут быть аудиозаписи переговоров с клиентами. В одном из немногочисленных научных исследований по возможным направлениям применения «больших данных» в анализе указаны: разработка новых показателей и методов исследования; прогнозирование; учет разнородности факторов. Поэтому необходимо формирование концептуально-методического подхода, позволяющего проанализировать всю совокупность факторов эффективности и результативности предприятия, включая разработку эмпирической модели и алгоритма анализа.
Благодарность
При поддержке РФФИ в рамках научного проекта № 19-010-00257 А «Методология анализа промышленных предприятий и отраслей нематериального производства в условиях информационного общества и цифровизации».
Список литературы
1. Выступление Президента РФ на Международном Форуме Технопром 2018 о необходимости научно-технологического прорыва. Международный форум «Тех-нопром-2018». Новосибирск. 28.08.2018 http://kremlin.ru/events/ president/news/58391.
2. Россия в цифрах. 2017: Крат.стат.сб./Росстат- M., Р76 2017 - 511 с.
3. Inside BIGDATA Guide to Use of Big Data on an Industrial Scale. 2017. https://insidebigdata.com/white-paper/guide-big-data-industrial-scale/
4. Pastor D. Intangibles and methods for their valuation in financial terms: Literature review // Intangible Capital, vol. 13, núm. 2, 2017, pp. 387-410.
5. Клейнер Г.Б. Системная парадигма и системный менеджмент // Российский журнал менеджмента - 2008 -№ 3, C. 27-50.
6. Albort-Morant, G. Assessing the origins, evolution and prospects of the literature on dynamic capabilities: A bibliometric analysis // European Research on Management and Business Economics, http://dx.doi.org/10.1016/j.iedeen.2017.06.004.
7. Goran R. Key Contributions To The Intellectual Capital Field Of Study/The Routledge Companion to Intellectual Capital ed. James Guthrie, John Dumay , Federica Ricceri and Christian Nielsen). Oxford: Routledge Handbooks Online. 2017.
8. Елисеева И.И., Платонов В.В. Динамический потенциал - недостающее звено в исследовании инновационной деятельности//Финансы и бизнес - 2014. - №4. - С. 102-110.
9. Papageorgiou E., Salmeron J. L., A review of fuzzy cognitive maps research during the last decade // IEEE Transactions n Fuzzy Systems. - 2013. - Vol. 21. - No. 1. -pp. 66-79.
10. Markoczy L. Goldberg J. A method for eliciting and comparing causal maps // Journal of Management. --1995. - Vol. 21. - No. 2. - pp. 305-333.
11. The SAGE Dictionary of Qualitative Management Research. - Thousand Oaks: SAGE. 2017. 312 pages.
12. Montemari M., Nielsen C. The role of causal maps in intellectual capital measurement and management // Journal of Intellectual Capital. - 2013 - Vol. 14 - No.4. - pp. 522-546.
