Модель оценки цифровой зрелости промышленного предприятия

Цель. Разработать количественную модель оценки цифровой зрелости промышленного предприятия.

Задачи. Определить понятие цифровой зрелости промышленного предприятия; систематизировать существующие подходы к оценке цифровой зрелости промышленного предприятия; провести критический анализ существующих подходов в аспекте учета требований уровней корпоративной архитектуры TOGAF, требований достоверности результатов оценки; предложить количественную модель оценки цифровой зрелости промышленного предприятия.

Методология. К инструментам исследования, примененным в настоящей статье, относятся методы системного анализа и синтеза, методы экономического анализа для систематизации существующих подходов к оценке степени цифровой зрелости промышленного предприятия, а также методы математической статистики, эконометрического анализа для разработки многофакторной регрессионной модели оценки цифровой зрелости промышленного предприятия с учетом требований процессного подхода.

Результаты. Предложена классификация моделей оценки цифровой зрелости, которая помогает выделить основные подходы к последней и рассмотреть направления деятельности предприятия для оценки уровня его цифровой зрелости, шкалы оценки, методы, используемые при оценке, и область применения моделей, а также применимость таких моделей к комплексной оценке по уровням архитектуры предприятия. Разработана многофакторная регрессионная модель оценки цифровой зрелости предприятия, позволяющая оценить степень влияния каждого направления этой оценки на цифровую зрелость предприятия и дать рекомендации по управлению цифровой зрелостью, которые могут быть использованы при формировании стратегии цифровой трансформации предприятия.

Выводы. В результате систематизации подходов к оценке цифровой зрелости промышленных предприятий выявлено, что в настоящее время применяемые модели преимущественно основаны на экспертных оценках, что приводит к субъективности. В этих моделях используются номинальные и порядковые шкалы, что затрудняет применение аппарата эконометрического анализа. Описанные модели не учитывают соотношение переменных, определяющих цифровую зрелость предприятия и уровней его архитектуры по методике TOGAF, что приводит к «лоскутному» характеру рассмотрения бизнес-процессов промышленного предприятия и, как следствие, отсутствию всесторонней оценки цифровой зрелости. Очевидны, по мнению авторов, неполнота и субъективность существующих моделей оценки, необходимость их модернизации. Авторами предложена модель оценки цифровой зрелости промышленного предприятия, позволяющая решить изложенные проблемы. Коэффициент детерминации построенной модели (R² = 0,845) свидетельствует о том, что доля общего разброса относительно выборочной средней интегрального показателя оценки цифровой зрелости на 84,5 % объяснена построенной регрессионной моделью. Коэффициент множественной корреляции (Multiple R = 0.919) говорит о силе взаимосвязи между результативной и независимыми переменными. Значение критерия Фишера (F = 102) указывает на высокую значимость построенной многофакторной регрессионной модели. Согласно результатам расчета, к значимым стандартизованным коэффициентам регрессионного уравнения относятся Х₁ beta, Х₃ beta, Х₄ beta, Х₅ beta, что позволяет сделать вывод о наиболее сильном влиянии вариации Хi на вариацию результативного признака Y при отвлечении от сопутствующего влияния вариаций других факторов, входящих в уравнение регрессии.

1. The Secrets to Transformation Success // McKinsey. URL: https://www.mckinsey.com/featured-insights/Mckinsey-live/webinars/the-secrets-to-transformation-success (дата обращения: 20.03.2022).

2. Ashkenas R. Change Management Needs to Change // Harvard Business Review. 2013. April 16. URL: https://hbr.org/2013/04/change-management-needs-to-cha (дата обращения: 20.03.2022).

3. Модель оценки цифровой зрелости центра подготовки CDTO. CDTOwiki: знания и термины цифровой трансформации // Cdto.wiki. URL: https://cdto.wiki (дата обращения: 20.03.2022).

4. Брусакова И. А. Информационный менеджмент в условиях цифровых трансформаций // Системный анализ в проектировании и управлении: сборник науч. тр. XXIV Междунар. науч. и учеб.-практ. конф. / под общ. ред. Г. В. Гореловой, А. В. Логиновой. СПб.: Политех-Пресс, 2020. С. 115–122. DOI: 10.18720/SPBPU/2/id20-203

5. Digital Maturity Model: Achieving Digital Maturity to drive Growth. London: Deloitte, 2018. 24 p. URL: https://www2.deloitte.com/content/dam/Deloitte/global/Documents/Technology-Media-Telecommunications/deloitte-digital-maturity-model.pdf (дата обращения: 20.03.2022).

6. The digital maturity model: how digitizing information helps you achieve your goals // Kodak Alaris. URL: https://www.alarisworld.com/en-gb/insights/articles/digital-maturitymodel#section%201 (дата обращения: 20.03.2022).

7. Geissbauer R., Vedso J., Schrauf S. Industry 4.0: Building the digital enterprise. London: PWC, 2016. 36 p. URL: https://www.pwc.com/gx/en/industries/industries-4.0/landingpage/industry-4.0-building-your-digital-enterprise-april-2016.pdf (дата обращения: 20.03.2022).

8. Leyh С., Bley K., Schäffer T., Bay L. The Application of the Maturity Model SIMMI 4.0 in Selected Enterprises / 23rd Americas Conference on Information Systems (AMCIS 2017). (Boston, MA, Aug. 10–12, 2017). Atlanta, GA: Association for Information Systems, 2017. P. 1−10. URL: https://www.researchgate.net/publication/317505970_The_Application_of_the_Maturity_Model_SIMMI_40_in_Selected_Enterprises (дата обращения: 20.03.2022).

9. Варнавский А. В., Волкова Е. С., Бурякова А. О., Климова Е. А. Модель оценки цифрового лидерства организации // Вестник Университета (Государственный университет управления). 2020. № 4. С. 23−32. DOI: 10.26425/1816-4277-2020-4-23-32

10. Ramos L. F., Loures E. R., Deschamps F. An Analysis of Maturity Models and Current State Assessment of Organizations for Industry 4.0 Implementation // Procedia Manufacturing. 2020. Vol. 51. P. 1098–1105. DOI: 10.1016/j.promfg.2020.10.154

11. Марчук А. А. Учет качественных параметров в регрессионном анализе // Русская служба оценки. URL http://www.rusvs.ru/data/files/articles/dummyvar.pdf (дата обращения: 20.03.2022).

12. Боровиков В. П. Популярное введение в программу Statistica. М.: Альпина Бизнес-Букс, 2003. 321 с.

13. Боровиков В. П., Ивченко Г. И. Прогнозирование в системе Statistica в среде Windows. Основы теории и интенсивная практика на компьютере. СПб.: Финансы и статистика, 2000. 384 с.