УДК 004.02 ББК 16.33
Потанькина И.А.
Научный руководитель: д.э.н., профессор Нестеренко Ю.Н.
ТРАНСФОРМАЦИЯ БИЗНЕСА НА ОСНОВЕ УПРАВЛЕНИЯ БОЛЬШИМИ ДАННЫМИ
BUSINESS TRANSFORMATION BASED ON BIG DATA MANAGEMENT
ПОТАНЬКИНА Ирина Александровна — магистр 1 курса института ЭМИТ, ФГБОУ ВО «Российская Академия Народного Хозяйства и Государственной Службы при Президенте Российской Федерации», г. Москва, Россия (e-mail: irina.potankina@mail.ru).
Научный руководитель:
НЕСТЕРЕНКО Юлия Николаевна — доктор экономических наук, профессор кафедры финансов, бухгалтерского учета и налогообложения, ФГБОУИ ВО «Московский государственный гуманитарно-экономический университет», профессор факультета информационных технологий и анализа данных, ФГБОУ ВО «Российская Академия Народного Хозяйства и Государственной Службы при Президенте Российской Федерации», г. Москва, Россия (e-mail: julia-nesterenko@mail.ru).
POTANKINA Irina Aleksandrovna — 1st year Master at the EMIT Institute, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Moscow, Russia (e-mail: irina.potanki-na@mail.ru ).
Research supervisor:
NESTERENKO Julia Nikolaevna — Doctor of Economics, Professor of the Department of Finance, Accounting and Taxation, Moscow State University of Humanities and Economics, Professor of the Faculty of Information Technology and Data Analysis, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Moscow, Russia (e-mail: julia-nesterenko@mail.ru).
Аннотация. Данная статья посвящена методике принятия решений на основе больших данных. Раскрыта сущность, принципы работы и воздействие Data-driven decision making на бизнес. Описаны ключевые на-
правления цифровизации Представлены технологии процесса цифровой трансформации бизнеса.
Ключевые слова: трансформация, большие данные, Data-driven подход, управление, цифровизация.
Abstract. This article is devoted to the decision-making methodology based on big data. Disclosure of essence, validity of work and impact Data-driven decision making. The main directions of digitalization are described. Presentation of the technology of the digital process of business transformation.
Keywords: transformation, Big Data, Data - driven decision-making, management, digitalization.
В современных условиях данные представляют собой огромную ценность. Информация, которая поступает из разрозненных источников, приводит к множеству версий «правды», оставляя руководителей с запутанным восприятием общей эффективности своей компании. Подобные проблемы могут привести к снижению объема продаж, отрицательной оценке рентабельности, а также к потерянному капиталу. При таких условиях увеличивается риск банкротства организации и возникает необходимость совершенствования системы управления бизнесом.
Под влиянием внутренних и внешних факторов цифровизация диктует необходимость налаживать проходящие процессы предприятий, опираясь на информационные потоки, которые стремительно увеличиваются с каждым днем. За последние пятнадцать лет были осуществлены обширные инвестиции в бизнес-инфраструктуру, за счет чего была улучшена способность собирать данные и интегрировать их в бизнес-процессы для ускорения развития. Практически каждый аспект деятельности теперь стал открыт и часто даже инструментирован.
Уровень использования информационных активов и технологическая среда стали намного мощнее, сети стали повсеместными. Тем самым были разработаны алгоритмы, чтобы обеспечить более широкий и глубокий анализ, чем это было возможно ранее. Конвергенция этих явлений в бизнесе привела к все более широкому применению процесса принятия решений на основе данных, который также известен как управление решениями на основе данных — Data-driven поход. Он заключается в том, что каждое решение, основанное на данных, должно быть обобщено из наборов информации, которые показывают их эффективность и производительность. Данная трансформация бизнеса позволяет фокусироваться на важности обеспечения различных бизнес-результатов. В постоянно растущей конкурентной среде использование данных, основанных на фак-
тах стратегий, избавляет от догадок разработки таких задач, как маркетинг нового продукта или услуги, управление сотрудниками и пр.
Подход, основанный на данных, помогает компаниям организовывать поступающие информационные потоки с целью повышения уровня сервиса и лучшего обслуживания своих клиентов и потребителей. Вызов времени — омниканальность: для поддержания конкурентоспособности сейчас важно, чтобы клиенты могли получать услуги везде, где им удобно: в точке присутствия, на сайте, в мобильном приложении.
Принятие решений на основе данных предоставляет компаниям возможность генерировать аналитические данные и прогнозы в режиме реального времени. Они могут использовать комбинированные данные о прошлых показателях продукта, чтобы предвидеть, какие продукты захотят потребители, прежде чем это желание возникнет. Компании также могут использовать данные о ценах, чтобы сформировать оптимальную ценовую стратеги.
Таким образом, Data-driven подход делает возможным принимать обоснованные решения для устойчивого роста и развития бизнеса, а также соответствовать культуре и ценностям компании в долгосрочной перспективе.
Не менее важным фактором для принятия решений на основе данных является технология обработки данных.
Технология «большие данные» (также Big Data) в последнее время получили значительное внимание средств массовой информации. Нетрадиционная методика позволила интерпретировать огромные потоки текстовых и числовых массивов в адаптивную информацию. Благодаря ее возникновению значительно повысилось качество извлечение полезных знаний из данных, сократилось время на анализ и обработку, которые в свою очередь не соизмеримы для адекватного восприятия человеческому интеллекту.
Наряду с Big Data продолжают развиваться и другие технологические решения аналитики. Современные подходы к большим данным используют Стратегии Интернета вещей (IoT) и облачных вычислений для записи большего количества данных со всего мира и решения в области машинного обучения и искусственного интеллекта для создания более точных моделей. Робототехника и роботизированная автоматизация процессов (RPA) используется как способ создания виртуальной рабочей силы, которая умножает возможности бизнеса, чтобы получить такие высококонкурентные преимущества, как точность, надежность и масштабируемость.
Трансформация технологий делает возможной трансформацию бизнеса. Интеллектуальные технологии меняют информационные потоки и про-
водят к более эффективной системе управления и иметь возможность эффективно отслеживать информацию на основе своих стратегий и целей.
Успех в современной бизнес-среде, ориентированный на данных, требует способности думать о том, как эти фундаментальные концепции применимы к конкретным бизнес-проблемам — мыслить аналитически. Хотя трудно предсказать, каким будет следующий прогресс в области цифровой трансформации бизнеса, с точностью можно предположить, что процесс цифровизации будет продолжать становиться более масштабным и эффективным инструментом в различных сферах жизни.
Список литературы:
1. Литвиненко И.Л. Интеллектуальные ресурсы - национальной экономике // Сборник научных трудов «Адаптивная экономика в человеческом измерении» (по материалам IV Межд. соц.-эконом. форума «Интеллектуальные ресурсы — региональному развитию».
- Ростов-на-Дону: ИУБиП, 2015. С. 35-42.
2. Литвиненко И.Л., Яковенко С.В. Управление проектами: учебное пособие. - Ростов н/Д: ООО «Донской издательский дом», 2016.
- 192 с.
3. Arellano G.N., Jaime-Acuña O., Graeve O.A. Latino engineering faculty in the United States. 2018. P. 131-133.
4. Gladkova V.E., Yakhyaev M.A., Korolkov V.E., Smirnova I.A., Litvinenko I.L., Pinkovetskaya Ju.S. THE Access of Russian Small Enterprises to Public Procurement Markets: Data Analysis // Amazonia Investiga. 2018. Т. 7. № 15. C. 20-31.
5. Moreno J., Fernandez E.B., Serrano M.A., Fernandez M. IEEE Access // Secure development of big data ecosystems. 2019. P. 19.
6. Muthusamy V., Rausch T., Dube P., Maghraoui K., Murthi A., Oum P. IEEE international conference on cloud engineering // ModelOps: Cloud-based lifecycle management for reliable and trusted AI. In: (IC2E), Prague, Czech Republic. 2019. P. 24-27.
7. Sutherland M., Cook M. Annual International Conference on Digital Government Research // Data-Driven Smart Cities. Staten Island, NY, USA. 2017. P. 471-476.
8. Volk M, Bosse S, Bischoff D, Turowski K. Decision-support for selecting big data reference architectures. Business Information Systems // Lecture notes in business information processing, Cham: Springer. 2019. P. 229-232.