Цель. Настоящее исследование направлено на проведение сравнительного анализа концепций формирования системы показателей эффективности деятельности бизнеса и определение их соотношения с вызовами цифровизации и стейкхолдер-ориентированности. Методы. Работа основана на применении методов анализа и синтеза научной литературы, в том числе зарубежных и отечественных публикаций, методе сравнения для оценки характеристик разных методологий, методе логического обобщения и дедукции для выявления тенденций и пробелов. Результаты. Проведено подробное сравнение шести методологических подходов к формированию системы показателей: Tableau de Bord, управление по целям (MBO), сбалансированная система показателей (BSC), Hoshin Kanri, Пирамида эффективности (Performance Pyramid), Призма эффективности (Performance Prism). Установлено, что ни один из рассмотренных подходов не обеспечивает полного удовлетворения требований цифровой трансформации бизнеса и стейкхолдерского управления. Наиболее распространённая модель BSC сохраняет практическую ценность, но нуждается в адаптации к цифровой среде. Модель Performance Prism отличается всеобъемлющим учётом интересов стейкхолдеров, но сложна для практической реализации и требует большого объёма данных. Другие подходы (Tableau de Bord, MBO, Hoshin Kanri, Performance Pyramid) изначально фокусируются либо на операционных показателях, либо на внутренних целях организации, что диктует необходимость их модернизации под современные условия цифровой экономики и многосторонние запросы заинтересованных сторон.
Лукьянов Александр Вадимович
Финансовый университет при Правительстве Российской Федерации
Публикации автора
В журналес. 48-55
Цифровая трансформация как детерминанта сущности современного аналитического обеспечения
А.В. Лукьянов
Цель. Настоящее исследование направлено на выявление ключевых особенностей новой цифровой модели аналитического обеспечения бизнеса и определение методологических условий, необходимых для её эффективного внедрения. Особое внимание уделено корпоративному управлению данными как основному фактору обеспечения их качества и надёжности для принятия обоснованных решений. Методы. Применены такие общенаучные методы исследования, как анализ, синтез, сравнение, обобщение. Работа основана на анализе современных научных публикаций и международных стандартов в области аналитических систем, управления и качества данных. Выполнен сравнительный обзор поколений бизнес-аналитики (Аналитика 1.0-3.0), а также рассмотрена концепция расширенной аналитики, объединяющей методы искусственного интеллекта и машинного обучения для автоматизации процессов подготовки и анализа данных. Результаты. Показано, что переход к интеллектуальной, проактивной аналитике на базе ИИ-технологий позволяет компаниям принимать решения в реальном времени, тем самым повышая их гибкость и конкурентоспособность. Вместе с тем подчёркивается, что устойчивый эффект от внедрения таких технологий возможен только при наличии развитой институциональной среды работы с данными. Для этого необходимо формализовать принципы управления данными - определить роли, зону ответственности и политики, обеспечивающие стабильное качество данных на всех этапах аналитического цикла. Без зрелой системы управления данными даже самые современные аналитические платформы могут сводиться лишь к формальной визуализации отчётов, не дающих практической пользы. Таким образом, успешное внедрение расширенной аналитики требует не только технологических инвестиций, но и развития корпоративных механизмов управления и обеспечения качества данных, что является ключевым элементом цифровой трансформации бизнес-аналитики.
