Цифровая трансформация аналитических процессов бизнеса

Развитие и управление экономической деятельностью в современных условиях во многом связывают с реализацией концепции цифровой экономики, что ставит новые задачи перед бизнес-аналитикой. Набор задач формируется исходя из необходимости, во-первых, развития бизнес-аналитики как реакции на совершенствование управления экономическими субъектами, во-вторых, обеспечения при внедрении цифровых технологий качественной определенности аналитических процессов бизнеса. Совершенствование управления на основе концепции бизнес-среды определяет, что на принципах мониторинга анализируется поведение участников внешней бизнес-среды в целях выстраивания рациональных отношений партнерства. Информационные возможности для данного направления создает цифровая экономика, обеспечивающая доступ к большим данным и обработку их с применением технологий Big data-аналитика. Исходя из требований собственно управления, в статье анализируется поведение элементов внутренней бизнес-среды для выработки управленческого решения по повышению эффективности их поведения. Высокое качество решения обеспечивает информационная модель как высокоадекватный образ конкретного объекта управления и способность аппарата управления наиболее полно реализовать объемы присущих ей функций. В этих условиях цифровая трансформация аналитических процессов базируется на собственной информационной платформе, в которой должны применяться прорывные цифровые технологии. В процессе исследования использованы методы системного анализа при обобщении современных концепций управления экономическими системами, развития цифровых технологий и их внедрения в процессы принятия управленческих решений.

1. Прохоров А., Коник Л. Цифровая транформация. Анализ, тренды, мировой опыт. М.: ООО «Альянс-Принт»; 2019. 368 с.

2. Бердников А. А. Анализ бизнес-среды в определении рыночной позиции организации. Молодой ученый. 2014;60(1):327-330.

3. Майер-Шенебергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. Пер. с англ. М.: Манн, Иванов и Фербер; 2014. 240 с.

4. Maryika J., Chui M., Brown B. Big data. The next frontier for innovation, competition and productivity. McKinsey Globe Institute. 2011. 156 p. URL: https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insights/Big%20data%20The%20next%20frontier%20for%20innovation/MGI_big_data_exec_summary.pdf (дата обращения: 17.12.2021).

5. Михненко О. Е., Ильин В. В. Цифровые трансформации и управленческие решения. Мат. II междунар. науч.-практич. конф. «Цифровая трансформация в экономике транспортного комплекса. Развитие цифровых экосистем: наука, практика, образование» (Москва, 11 октября 2019 г.). М.: РУТ (МИИТ); 2019:228-237.

6. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям. СПб.: Питер; 2013. 704 с.

7. Френкс Б. Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики. Пер. с англ. М.: ООО «Интеллектуальная литература»; 2016. 367 с.

8. Френкс Б. Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики. Пер. с англ. М.: Манн, Иванов и Фербер; 2014. 343 с.

9. Hassani H., Saporta G., Silva E. S. Data mining and official statistics: Ehe past, the present and the future. Big Data. 2014;2(1):34-43. DOI: 10.1089/big.2013.0038

10. Hostie T., Nibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inferens, Prodiction. Second edition. Springer-Verlag; 2009. 763 p. URL: https://www.springer.com/gp/book/9780387848570 (дата обращения: 17.12.2021).

11. Михненко О. Е., Салин В. Н. От анализа статистических данных к анализу реальных явлений на основе статистической информации. Мат. междунар. науч.-практич. конф. «Наука о данных» (Санкт-Петербург, 5-7 февраля 2020 г.). СПб.: СПбГЭУ; 2020:196-199.

12. Михненко О.Е Информационные модели в управлении экономическими явлениями. М.: МИИТ; 2007. 48 с.

13. Михненко О. Е. Управление экономическими явлениями на железнодорожном транспорте: информационный аспект. М.: МИИТ; 2001. 200 c.

14. Михненко О. Е. Цифровые технологии и эффективность статистических показателей. Мат. II междунар. науч.-практич. конф. «Цифровая трансформация в экономике транспортного комплекса. Развитие цифровых экосистем: наука, практика, образование» (Москва, 11 октября 2019 г.). М.: РУТ (МИИТ); 2019:207-216.

15. Михненко О. Е. Статистическая грамотность в эпоху «Индустрия 4,0». Вестник кафедры статистики Российского экономического университета им. Г. В. Плеханова. Статистические исследования социально-экономического развития России и перспективы устойчивого роста. 2018;(3):358-361.

16. Михненко О. Е. Цифровые двойники в управлении экономическими процессами. Мат. II междунар. науч.-практич. конф. «Цифровая трансформация в экономике транспортного комплекса. Развитие цифровых экосистем: наука, практика, образование» (Москва, 11 октября 2019 г.). М.: РУТ (МИИТ); 2019:215-221.

17. Марр Б. Ключевые инструменты бизнес-аналитики. 67 инструментов, которые должен знать каждый менеджер. Пер. с англ. М.: «Лаборатория знания»; 2018. 339 с.