Технология "Big Data" в цифровой трансформации экономики

   Авторы ставили целю исследовать сущность и основы функционирования «Big Data» в цифровой экономике и особенности успешного использования предприятиями технологии «Больших Данных» в качестве нового экономического ресурса. «Big Data» aвторами представляется как новый экономический ресурс и цифровая технология, которые позволяют решить первоочередную задачу, т. е. выделение на концептуальном уровне исследования наиболее значимых факторов (ресурсов), которые определяют организационный потенциал для использования больших данных. В статье особо подчеркнуто, что в обыденном понимании термин «большие данные» ассоциируется просто с большим объемом информации. Однако исследование причин, по которым компании принимают решение инвестировать в проекты по использованию больших данных, показывает, что главным мотивирующим фактором для них служит не большой объем данных как таковой, а их разнообразие, позволяющее получить количественную и качественную информацию о сложной (комплексной) системе материальных и нематериальных факторов деятельности современной компании. Авторы констатируют, что ожидаемая информационная революция состоит в том, как мы анализируем бизнес и обосновываем управленческие решения, и она обусловлена не просто экспоненциальным, лавинообразным ростом объема больших данных, а появлением в результате такого роста информации нового качества - информации, о которой аналитики десять лет назад не могли даже мечтать. Проблемные материалы статьи излагаются следующим образом: вначале дается анализ публикаций, необходимый для определения содержания понятия «большие данные», а также выделяются позитивные и нормативные модели больших данных. Далее, на основе ресурсно-ориентированного подхода и по результатам эмпирического исследования зарубежных компаний-лидеров в реализации проектов больших данных, разрабатывается концептуальная модель внутрифирменных факторов, определяющих организационный потенциал использования больших данных. В итоге формулируются рекомендации для отечественных компаний, реализующих или принимающих решения о проектах по использованию больших данных.

1. Sejahtera F., Wang W., Indulska M., Sadiq S. Enablers and Inhibitors of Effective Use of Big Data: Insights from a Case Study // Proceedings of PACIS 2018 - 22^nd Pacific Asia Conference on Information Systems. Ed. Tanabu M., Senoo D. Yokohama. – 2018.[Электрондық ресурс]. Қолжетімді: https://aisel.aisnet.org/pacis2018/27/ (өтінім берілген күні 24. 04. 2023).

2. Big Data Executive Survey 2016 // An Update on the Adoption of Big Data in the Fortune 1000. Boston: New Vantage Partners LLC. – 2016. – P. 16. [Электрондық ресурс]. Қолжетімді: http://www.datascienceassn.org/sites/default/files/Big%20Data%20Executive%20Survey%202016.pdf (өтінім берілген күні 24. 04. 2023).

3. Клейнер Г. Б. Системная парадигма и системный менеджмент // Российский журнал менеджмента. – 2008. – Т. 6. – №. 3. – С. 27-50. [Электрондық ресурс]. Қолжетімді: https://rjm.spbu.ru/article/%20view/475/406 (өтінім берілген күні 24. 04. 2023).

4. Бахенская М. В. Интеллектуальный капитал организации: методологические подходы к определению // Вестник Санкт-Петербургского университета. Социология. – 2011. – №. 3. – С. 280-285.

5. Cox M., Ellsworth D. Managing big data for scientific visualization // ACM siggraph. – MRJ / NASA Ames Research Center, - 1997. – Vol. 97. – №. 1. – Р. 21-38.

6. Laney D. et al. 3D data management: Controlling data volume, velocity and variety // META group research note. – 2001. – Vol. 6. – №. 70. – Р. 134-145.

7. Blazquez D., Domenech J. Big Data sources and methods for social and economic analyses //Technological Forecasting and Social Change. – 2018. – Vol. 130. – Р. 99-113. doi: 10.1016/j.techfore.2017.07.027

8. Ghoshal A., Larson E. C., Subramanyam R., Shaw, M. J. The impact of business analytics strategy on social, mobile, and cloud computing adoption. – 2014. [Электрондық ресурс]. Қолжетімді: https://web.archive.org/web/20180720080704id_/http://aisel.aisnet.org/cgi/viewcontent.cgi?article=1371&context=icis2014 (өтінім берілген күні 24. 04. 2023).

9. Günther W. A. et al. Debating big data: A literature review on realizing value from big data // The Journal of Strategic Information Systems. – 2017. – Vol. 26. – №. 3. – Р. 191-209. doi: 10.1016/j.jsis.2017.07.003

10. Kouanou A. T. et al. An optimal big data workflow for biomedical image analysis // Informatics in Medicine Unlocked. – 2018. – Vol. 11. – Р. 68-74. doi: 10.1016/j.imu.2018.05.001

11. Manyika C. J., Miremadi M. Where Machines Could Replace Humans – and Where They Can’t (yet). N.-Y.: McKinsey Quarterlyю - 2018. [Электрондық ресурс]. Қолжетімді: http://dln.jaipuria.ac.in:8080/jspui/bitstream/123456789/2951/1/Where-machines-could-replace-humans-and-where-they-cant-yet.pdf (өтінім берілген күні 24. 04. 2023).

12. Davenport T., Bean R. Big Data Executive Survey 2017. Executive summary of findings // New Vantage Partners. – 2017. [Электрондық ресурс]. Қолжетімді: https://www.privacyitalia.eu/wp-content/uploads/2017/06/Big-Data-Executive-Survey-2017-Executive-Summary.pdf (өтінім берілген күні 24. 04. 2023).

13. Tallon P. P. Corporate governance of big data: Perspectives on value, risk, and cost // Computer. – 2013. – Vol. 46. – №. 6. – С. 32-38. [Электрондық ресурс]. Қолжетімді: https://ieeexplore.ieee.org/abstract/document/6519236 (өтінім берілген күні 24. 04. 2023).

14. Когденко В. Г., Мельник М. В. Современные тенденции в бизнес-анализе: исследование экосистемы компании, анализ информационной составляющей бизнес-модели, оценка возможностей роста // Экономический анализ: теория и практика. – 2017. – Т. 16. – №. 10 (469). – С. 1878-1897. doi: 10.24891/ea.16.10.1878

15. Малиновская Н. В. Концепция множественности капиталов в интегрированной отчетности // Международный бухгалтерский учет. – 2018. – Т. 21. – №. 6 (444). – С. 700-713. doi: 10.24891/ia.21.6.700

16. Луканина А. В. Анализ базовых категорий МСФО в рамках принципа приоритета содержания над формой // Международный бухгалтерский учет. – 2016. – №. 2 (392). – С. 19-33.

17. Ackoff R. L. From data to wisdom //Journal of applied systems analysis. – 1989. – Т. 16. – №. 1. – С. 3-9.

18. Rowley J. The wisdom hierarchy: representations of the DIKW hierarchy // Journal of information science. – 2007. – Т. 33. – №. 2. – С. 163-180. doi: 10.1177/0165551506070706

19. Boisot M. Knowledge assets: Securing competitive advantage in the information economy. - Oxford: OUP. –1998. – 312 p.

20. LaValle S., Lesser E., Shockley R., Hopkins M. S., Kruschwitz N. Big Data, Analytics and the Path from Insights to Value // MIT sloan management review. – 2013. – № 2. – Т. 21. – Р. 20–31. [Электрондық ресурс]. Қолжетімді: https://sloanreview.mit.edu/article/big-data-analytics-and-the-path-from-insights-to-value/

21. McIver D., Lengnick-Hall C. The causal ambiguity paradox: Deliberate actions under causal ambiguity // Strategic Organization. – 2018. – Vol. 16. – №. 3. – P. 304-322. doi: 10.1177/1476127017740081

22. Teece D. J., Pisano G., Shuen A. Dynamic capabilities and strategic management // Strategic management journal. – 1997. – Vol. 18. – №. 7. – P. 509-533. doi: 10.1002/(SICI)1097-0266(199708)18:7%3C509::AID-SMJ882%3E3.0.CO;2-Z

23. Gao J., Koronios A., Selle S. Towards a Process View on Critical Success Factors in Big Data Analytics, Projects // Proceedings of Twenty-first Americas Conference on Information Systems, Puerto Rico. – 2015. – P. 1–14.

24. Edvinsson L. Developing intellectual capital at Skandia // Long range planning. – 1997. – Vol. 30. – №. 3. – P. 366-373. doi: 10.1016/S0024-6301(97)90248-X

25. Smith G. T. On construct validity: issues of method and measurement // Psychological assessment. – 2005. – Vol. 17. – № 4. – P. 386-396. https://psycnet.apa.org/doi/10.1037/1040-3590.17.4.396

26. Given L. M. The Sage encyclopedia of qualitative research methods. - New York: Sage publications, 2008. – 1043 p.