Процесс глобальной цифровизации экономики кардинальным образом меняет рынки и их структуру, деловые процессы, принципы организации, методы управления предприятием, социально-экономические отношения и общество в целом. В таких высокотехнологичных областях, как ИТ и телекоммуникации, данные тенденции проявляются наиболее отчетливо. Однако стоить отметить, что в ближайшем будущем процессы цифровой трансформации затронут все отрасли, станут глобальными и масштабными.
Согласно исследованию международной консалтинговой компании Arthur D. Little, цифровая трансформация бизнеса является базисом корпоративной стратегии управления на ближайший период [1]. Аналогичного мнения придерживаются и другие аналитические компании, исследующие мировой ИТ-рынок: Gartner, Accenture, IBM, Deloitte.
Таким образом, успешность развития современных предприятий в эпоху цифровой трансформации в значительной степени будет зависеть от масштаба и эффективности внедрения цифровых технологий и инструментов ведения бизнеса, возможности и способности компании адаптироваться к современным технологичным условиям.
Одним из перспективных и интересных направлений развития цифровых трендов трансформации бизнеса является продвинутая аналитика (advanced analytics). Решения класса Advanced Analytics позволяют выполнять более глубокий анализ данных, выявлять закономерности, взаимосвязи и причины событий, прогнозировать будущие результаты. Выделяют несколько видов продвинутой аналитики (рис.1):
Рис. 1. Виды продвинутой аналитики
1. Дескриптивная аналитика предполагает все виды описательной структурированной отчетности, которые используются в областях управления компанией. Основная цель данного вида продвинутой аналитики – выявление, мониторинг проблем и их диагностика на основе данных.
2. Прогнозная аналитика обеспечивает предсказание вариантов развития событий на основе подтвержденных статистических гипотез и взаимосвязей. Данный вид аналитики используют для моделей прогнозирования численности, планирования загрузки, формирования профиля успешного сотрудника, плана мероприятий по повышению вовлеченности сотрудников и др. В данном виде аналитики используются такие методы, как корреляционно-регрессионный и кластерный анализ.
3. Предиктивная аналитика ориентирована на прогнозирование на основе выявления скрытых зависимостей и мультивариантности сценариев и используется для выявления рисков и возможностей будущих событий. Основное отличие данного вида аналитики – работа с большими данными (Big Data). На данном этапе используется машинное обучение, профильные аналитические программы для определения неочевидных зависимостей и построения моделей. Стоит отметить, что предиктивная аналитика использует множество методов интеллектуального анализа данных, статистики, моделирования и искусственного интеллекта.
Таким образом, очевидно, что дальнейшее развитие мирового рынка бизнес-анализа пойдет по пути активного освоения продвинутой аналитики, в том числе – предиктивного анализа, построения симуляторов и вариативных моделей.
В качестве сферы применения предиктивного анализа можно выделить следующие направления деятельности: директ–маркетинг, оценка эффективности рекламных кампаний, в том числе таргетированных рекламных кампаний, разработка моделей диагностики в медицине и др.
4. Цель прескриптивной аналитики – не только прогнозирование и выявление причин, но и предложение вариантов решений в современной динамической среде. Данный вид аналитики предполагает использование искусственных нейронных сетей.
В связи с этим в эпоху цифровой экономики и трансформации бизнеса для предприятий особое значение приобретают качество и скорость информационно-аналитической поддержки. В настоящее время ведущие поставщики бизнес решений (IBM, SAS, SAP) предлагают продвинутые аналитические сервисы и платформы: IBM Watson, Deductor Studio, Tibco, SAS Enterprise Miner и др.
Для реализации задач планирования и анализа большинство современных компаний использует аналитические платформы на основе OLTP и OLAP-систем [2]. Наиболее распространенной в применении корпоративном секторе OLTP-систем является современная ERP-система. К широко применяемым OLAP-системам следует отнести системы бизнес-интеллекта (Business Intelligence), а также системы управления корпоративной результативностью (Corporate performance management systems). Однако стоит отметить, что в современных экономических условиях, базового функционала данных систем уже недостаточно для решения новых цифровых задач [3].
Данные анализа информационно-аналитических платформ и материалы мировых исследовательских компаний позволяют определить в качестве актуальной следующую функциональную архитектуру корпоративной информационно-аналитической системы с использованием продвинутой бизнес-аналитики (рис. 2):
Рис. 2. Функциональная архитектура корпоративной информационно-аналитической системы с использованием продвинутой бизнес-аналитики
Таким образом, участникам цифрового рынка предстоит трансформация ИТ-систем. Также цифровая трансформация бизнеса предполагает переход компании на «цифровое управление», переоценку организационных принципов маркетинга и менеджмента, частичное или полное перестроение бизнес-процессов и их аналитического обеспечения.
Также необходимо понимать, что для эффективной разработки и внедрения информационно-аналитических систем наряду с качественно новыми аналитическими технологиями необходима реализация комплекса проектных работ, связанных с разработкой операционной модели управления и соответствующими изменениями в деловых процессах компании.
В перспективе цифровые информационные системы все в большей мере будут приобретать гибкие адаптивные свойства, опираясь на аналитику больших данных и предиктивный анализ.
