ПОДХОДЫ К ОЦЕНКЕ ЦИФРОВОЙ ЗРЕЛОСТИ ОРГАНИЗАЦИЙ

APPROACHES TO ASSESSING THE DIGITAL MATURITY OF ORGANIZATIONS

Inna Kramarenko

Candidate of Science, assistant professor, assistant professor, State University of Management

Russia, Moscow

Ilya Potalainen

Student State University of Management

Russia, Moscow

АННОТАЦИЯ

Исследование посвящено анализу подходов к оценке цифровой зрелости для дальнейшей разработки критериев и применения математического аппарата для обоснования цифровой зрелости организаций. Система показателей, которые предоставляет организация для отчета о внедрении информационных продуктов, не отражает объективную информацию об оценке цифровой зрелости. Особенно это прослеживается в бюджетных организациях. Представлен перечень показателей и обосновывается использование математических методов для формирования комплексной оценки цифровой зрелости бюджетных организаций.

ABSTRACT

The study is devoted to the analysis of approaches to the assessment of digital maturity for the further development of criteria and the application of mathematical tools to substantiate the digital maturity of organizations. The system of indicators provided by the organization for the report on the implementation of information products does not reflect objective information on the assessment of digital maturity. This is especially evident in budget organizations. The list of indicators is presented and the use of mathematical methods for the formation of a comprehensive assessment of the digital maturity of budget organizations is substantiated.

Ключевые слова: цифровая зрелость; цифровая трансформация; информационно-аналитические технологии; информационные продукты; моделирование; математические методы.

Keywords: digital maturity; digital transformation; information and analytical technologies; information products; modeling; mathematical methods.

Ориентация государства на обеспечение цифровой трансформации во всех сферах деятельности, породило появление «мыльных пузырей» в практике внедрения информационных продуктов в деятельность организаций. С одной стороны, организации действительно внедряют информационные продукты. С другой стороны, разнообразие программного обеспечения, отсутствие интеграции информационных продуктов друг с другом порождает совершенно обратный эффект. Исполнители на своих местах «задыхаются» от требований к заполнению новых форм отчетности, ручного занесения данных в различные информационные среды.

В Приказе №600 от 18.11.2020 года Министерства цифрового развития, связи и массовых коммуникации утверждается методика расчета целевых показателей национальной цели развития РФ «Цифровая трансформация» [2].

В расчете показателя «процент достижение цифровой зрелости отраслей экономики и социальной сферы» используются лишь такие количественные показатели как доля достижения целевого значения численности специалистов, интенсивно использующих ИКТ; численность специалистов, интенсивно использующих ИКТ и численность занятых.

В частности, приведу пример. В разделе «Образование и наука» отражение цифровой зрелости обеспечивается такими показателями: доля сотрудников образовательных организаций высшего образования, обладающих цифровыми компетенциями; доля абитуриентов, использующих полноценный процесс поступления в ВУЗ в цифровом виде; доля объема НИОКР, реализуемых в сфере цифровых технологий и др. То есть по данным показателям организация может отчитаться вполне успешно. Но совершенно очевидно, что перечисленные показатели никак не могут отражать цифровую зрелость организации так как наличие и использование информационно-коммуникационных технологий никак не говорит о том, что сотрудник на своем рабочем месте стал эффективнее работать.

Вспомним, зачем нужны информационно-аналитические технологии и продукты. Основная их цель – сократить время выполнения рутинных операций, снизить трудоемкость таких операций как ввод данных, поиск данных, реализация запросов для формирования регламентной отчетности. Дадим краткую характеристику методик оценки цифровой зрелости.

Одной из самых распространённых методик для оценки цифровой зрелости, разработанной консалтинговыми компаниями, является Digital Maturity Model (DMM). В основе модели лежат несколько уровней зрелости, которые организация должна пройти, чтобы стать полностью цифровой: начальная стадия (низкий уровень цифровизации, минимум цифровых инструментов и технологий), развивающаяся стадия (внедрение отдельных цифровых решений для улучшения отдельных процессов), оптимизированная стадия (организация активно использует цифровые технологии для улучшения всех ключевых процессов и разработки новых бизнес-моделей), лидирующая стадия (цифровые технологии являются неотъемлемой частью всех аспектов бизнеса, организация может быть лидером в своей отрасли по уровню цифровизации) [3,13].

Консалтинговая компания Capgemini разработала свою модель Digital Transformation Index (DTI), которая оценивает уровень цифровой зрелости на основе 6 ключевых аспектов: стратегия (наличие цифровой стратегии и ее интеграция с бизнес-стратегией), деятельность (уровень автоматизации и оптимизации процессов с помощью технологий), инфраструктура (использование облачных решений, гибкость IT-инфраструктуры), люди и культура (наличие культуры инноваций, подходов для обучения и повышения квалификации сотрудников), взаимодействие с клиентами (использование технологий для улучшения клиентского опыта), управление данными (способности организации к анализу данных, использованию искусственного интеллекта и других технологий для принятия решений). DTI использует пятибалльную шкалу для оценки того, на каком этапе пути к цифровой зрелости находятся организации [3,11].

Методика McKinsey ориентирована на 4 ключевых области: цифровая стратегия и лидерство (насколько стратегия цифровизации интегрирована в общую бизнес-стратегию компании), производственные возможности (как эффективно используются цифровые технологии для улучшения внутренней деятельности компании), взаимодействие с клиентами (насколько хорошо организация использует цифровые инструменты для взаимодействия с клиентами), использование технологий (уровень внедрения и использования передовых технологий, таких как AI, Big Data, автоматизация и т.д.). Оценка по каждому из критериев производится на основе пятиуровневой шкалы, аналогичной DMM [3,8].

Модель Deloitte рассматривает пять основных измерений зрелости, каждое из которых впоследствии оценивается по пятибалльной шкале Лайкерта: клиент, стратегия, технология, операции, организация и культура. Эти измерения в свою очередь делятся на 28 индикаторов, собранных из 179 факторных переменных. Модель цифровой зрелости, разработанная Университета Санкт-Галлена учитывает девять измерений, разделенных на 64 индикатора. Пять уровней зрелости формируются в результате осуществления кластерного анализа [9].

Модель цифровой зрелости ABILI, разработанная в Университете прикладных наук и искусств Северо-Западной Швейцарии, рассматривает 4 индикатора: внутренние и внешние индикаторы организации, человеческие и организационные индикаторы. Среди индикаторов присутствуют такие, например, как операционное и организационное совершенство [9].

При оценке цифровой зрелости промышленного производства используется методика Industry 4.0, которая сфокусирована на следующих аспектах: Интернет вещей (использование сенсоров и других устройств для мониторинга и управления производственными процессами), интеллектуальные системы и автоматизация (применение систем для автоматического принятия решений и прогнозирования), интеграция данных (наличие единой экосистемы для обмена данными и интеграции различных цифровых решений). Оценка производится по 4 уровням: начальному (цифровизация ограничена и происходит только на базовом уровне, например, несколько IoT-устройств), развивающемуся (используются отдельные системы автоматизации и IoT, но интеграция ещё ограничена), оптимизированному (внедрены передовые системы автоматизации, цифровизация охватывает ключевые процессы), лидерскому (все системы и процессы объединены в единую сеть, активно используются технологии машинного и глубокого обучения и др.) [1,6,7].

В представленных методиках [4,6,13,11,8,7] описаны подходы к оценке цифровой зрелости на основе экспертных оценок, проведения аудита и интервьюирования ключевых сотрудников. Как отмечается в [3] в существующих методиках оценки цифровой зрелости используются либо технико-технологические (оценка цифровой зрелости Индустрия 4.0 [6,10]) либо когнитивные аспекты цифрового развития. Целесообразно добавление к системе оценки еще и личностных характеристик, которые могли бы быть связаны, например, с оценкой степени удовлетворенности использованием ИКТ сотрудником [5]. Помимо этого, получение результатов интервью, экспертных оценок следует заменить метриками, которые собирает информационно-аналитическая система автоматически.

В этом случае для оценки цифровой зрелости целесообразно использовать методики с применением математического аппарата. Наиболее известными являются индексные методы, определяющие значения цифровой зрелости - как средневзвешенное значение определяющих факторов [12]. В случае хранения цифровых следов и процесса работы с ИКТ сотрудников, возможно использование более сложных моделей углубленного анализа данных (Data Mining) и моделей машинного обучения (регрессионного анализа, деревьев решений) [9,12]. Использование моделей машинного обучения позволит избежать привязки к заранее заданным предопределенным факторам и уровням зрелости. Модель позволит классифицировать данные по новым, не тривиальным признакам, позволит отыскать новые связи. При использовании методов регрессионного анализа после построения модели возможно осуществить прогноз изменения уровня цифровой зрелости при изменении различных факторов.

При использовании теории случайных процессов цифровая зрелость воспринимается не как скалярное значение, а как процесс, где строится марковская цепь, состояниями которой являются различные проявления цифровой зрелости. В результате решения системы дифференциальных уравнений Колмогорова находятся вероятности этих состояний как функции времени. Состояниями могут быть, например, вероятность достижения оптимального уровня зрелости за определенный период времени, исходя из текущего состояния организации; потенциал перехода между уровнями зрелости в зависимости от внутренних усилий, внешних изменений, текущей готовности организации к изменениям [10].

Таким образом оценка цифровой зрелости должна представлять комплексный подход, использующий в большей степени результаты автоматического сбора данных. Для построения комплексной методики оценки необходимо определить метрики, которыми можно измерить цифровую зрелость, с использованием методов факторного анализа отобрать минимальное количество метрик, определить возможные взаимосвязи между метриками. После обоснования использования метрик можно использовать математический аппарат теории вероятностей и математической статистики, методы многомерного анализа данных и модели машинного обучения для определения уровня цифровой зрелости в конкретной организации.

Список литературы:

1. Асланова, И. В. Моделирование и оценка цифровой зрелости организации: обзор существующих методик / И. В. Асланова, О. В. Милехина // Интеллектуальная инженерная экономика и Индустрия 5.0 (ИНПРОМ) : Сборник трудов VIII Международной научно-практической конференции, Санкт-Петербург, 27–30 апреля 2023 года. – Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023. – С. 561-564. 
2. Приказ №600 от 18.11.2020 года Министерства цифрового развития, связи и массовых коммуникации «Об утверждении утверждается методика расчета целевых показателей национальной цели развития РФ «Цифровая трансформация URL: https://base.garant.ru/77306124/?ysclid=m4nzvrizby361650013 (дата обращения: 05.04.2024)
3. Хоролец, Н. А. Обзор методик, используемых для оценки уровня цифровой зрелости коммерческих предприятий, на примере банковской отрасли / Н. А. Хоролец. — Текст : непосредственный // Молодой ученый. — 2022. — № 5 (400). — С. 136-141. — URL: https://moluch.ru/archive/400/88641/ (дата обращения: 06.04.2024).
4. Чурсин А. А., Кокуйцева Т. В. Развитие методов оценки цифровой зрелости организации с учетом регионального аспекта // Экономика региона. 2022. Т. 18, вып. 2. С. 450-463. https://doi.org/10.17059/ekon.reg.2022-2-11.
5. Шевцова Ю. В., Монастырская Т. И., Полетайкин А. Н. Данилова Л. Ф. Технология оценивания цифровой зрелости образовательной организации. Часть II // Вестник СибГУТИ. 2023. Т. 17, № 4. С. 34–48. https://doi.org/10.55648/1998 6920-2023-17-4-34-48.
6. Шу Г. Индекс зрелости Индустрии 4.0 / Г. Шу. — Текст: электронный // Acatech: [сайт]. — URL: https://www. acatech.de / wp-content / uploads / 2018 / 03 / acatech_STUDIE_rus_Maturity_Index_WEB. pdf (дата обращения: 12.04.2024).
7. An Industry 4.0 maturity model // ResearchGate URL: https://www.researchgate.net/publication/348281052_Industry_40_and_Digital_Maturity (дата обращения: 17.04.2024)
8. Building up your digital quotient // McKinsey URL: https://www.mckinsey.com/ch/~/media/ClientLink/Building%20up%20your%20digital%20quotient%20How%20to%20harness%20digital%20to%20accelerate%20business%20performance/McKinsey%20-%20Digital%20Quotient%20final.ashx (дата обращения: 09.04.2024)
9. Iryna Strutynska, Halyna Kozbur, Olena Sorokivska, Lesia Dmytrotsa, Ihor Kozbur. Proceedings of the 1st International Workshop on Bioinformatics and Applied Information Technologies (BAIT 2024) Zboriv, Ukraine, October 02-04, 2024. Analysis of Business Structures Regarding the Level of Digital Maturity Using Data Mining Methods URL: https://ceur-ws.org/Vol-3842/paper15.pdf (дата обращения: 09.04.2024)
10. Smart production: Features of assessing the level of personnel digital readiness / Y. S. Mitrofanova, L. V. Glukhova, V. I. Burenina [et al.] // Procedia Computer Science : 25, Szczecin, 08–10 сентября 2021 года. – Szczecin, 2021. – P. 2962-2970. – DOI 10.1016/j.procs.2021.09.068.
11. The Digital Transformation Index: A Roadmap to Digital Excellence in Government // publicies sapient URL: https://www.publicissapient.com/industries/public-sector/a-roadmap-to-digital-excellence-in-government (дата обращения: 09.04.2024)
12. Thomas Hanne, Phillip Gachnang, Stella Gatziu Grivas, Ilyas Kirecci, and Paul Schmitter. 2022. Artificial Intelligence and Machine Learning for Maturity Evaluation and Model Validation. In 2022 13th International Conference on E-business, Management and Economics (ICEME 2022), July 16–18, 2022, Beijing, China. ACM, New York, NY, USA, 5 pages. https: //doi.org/10.1145/3556089.3556102
13. Unleashing the Power of Digital Marketing: The Digital Maturity Model Explained // Seer Interactive URL: https://www.seerinteractive.com/insights/introduction-to-digital-maturity(дата обращения: 09.04.2024)