Энтропийная методология оценки влияния синергетических эффектов на реализацию проекта

Цель. Разработать систему показателей, позволяющих определить индикаторы, которые необходимо учитывать на фоне получения синергетического эффекта для успешной реализации проектов, а также посредством энтропийной модели выявить значимость и формирование веса индикаторов.
Задачи. Раскрыть сущность синергетических эффектов и отраслевую специфику их проявления в нефтегазовой отрасли; на основании экспертной оценки выявить набор показателей; оценить значимость индикаторов в условиях риска и неопределенности отрасли. Методология. При проведении исследования использованы общенаучные методы, метод анализа иерархий, метод Дельфи, метод экспертных оценок.
Результаты. Предложен авторский подход к решению проблем оценки эффективности реализации крупных проектов в условиях риска и неопределенности. Авторами рассмотрена воз можность применения индикаторов, оказывающих наибольшее влияние по соответствующим аспектам, к оценке получения синергетического эффекта при реализации проекта и эффективности управления крупным проектом на примере нефтегазовой отрасли. Выявлена система показателей оценки, влияющих на эффективность проекта, по шести аспектам: социальному, экологическому, экономическому, технологическому, геополитическому и аспекту безопасности, рассчитан энтропийный вес индикаторов. Применена теория Кронбаха, которая способствовала достижению более объективных и обоснованных результатов анализа.
Выводы. В статье рассмотрена проблема расчета весовых коэффициентов для различных индикаторов оценки эффективности проектов, предложено ее решение на основе метода экспертной оценки и расчета энтропийного веса. Предлагаемая авторами методика универсальна, адаптирована к российским реалиям и учитывает особенности нефтегазовой отрасли. В связи с этим стало очевидным, что использование ее для других отраслей требует корректировки индикаторов ввиду оценок экспертов соответствующего профиля.

1. Галабурда В. Г. Синергетический эффект транспорта // Мир транспорта. 2014. Т. 12. № 1. С. 96–100.

2. Портер М. Конкурентное преимущество. Как достичь высокого результата и обеспечить его устойчивость / пер. с англ. М.: Альпина Бизнес Букс, 2005. 715 с.

3. Управление проектами: учеб. пособие / под общ. ред. И. И. Мазура, В. Д. Шапиро. 6-е изд., стер. М.: Омега-Л, 2010. 960 с.

4. Ансофф И. Новая корпоративная стратегия / пер. с англ. С. Жильцов; под ред. Ю. Н. Каптуревского. СПб.: Питер, 1999. 416 с.

5. Коменденко С. Н., Писарев Д. В. Синергетический эффект совместной реализации инвестиционных проектов // Экономический анализ: теория и практика. 2012. № 23. С. 37–44.

6. Dehdasht G., Zin R. M., Ferwati M. S. et al. DEMATEL-ANP risk assessment in oil and gas construction projects // Sustainability. 2017. Vol. 9. No. 8. Article 1420. https://doi.org/10.3390/su9081420

7. Dai L., Liu X., Wang J., Yang C., Chen R. Learning two-view correspondences and geometry via local neighborhood correlation // Entropy. 2021. Vol. 23. No. 8. Article 1024. https://doi.org/10.3390/e23081024

8. Li H., Shang Q., Deng Y. A generalized gravity model for influential spreaders identification in complex networks // Chaos, Solitons & Fractals. 2021. Vol. 143. Article 110456. https://doi.org/10.1016/j.chaos.2020.110456

9. Bumin M., Ozcalici M. Predicting the direction of financial dollarization movement with genetic algorithm and machine learning algorithms: The case of Turkey // Expert Systems with Applications. 2023. Vol. 213. Part C. Article 119301. https://doi.org/10.1016/j.eswa.2022.119301

10. Scuotto V., Magni D., Palladino R., Nicotra M. Triggering disruptive technology absorptive capacity by CIOs. Explorative research on a micro-foundation lens // Technological Forecasting and Social Change. 2022. Vol. 174. No. 6. Article 121234. https://doi.org/10.1016/j.techfore.2021.121234

11. Hammoud A. Trimetric fusion: A novel algorithm for multi-criteria decision-making // International Research Journal. 2025. No. 3. Article 88. https://doi.org/10.60797/IRJ.2025.153.6

12. Матризаев Б. Д. Исследование синергетических эффектов влияния инновационных и сопряженных макроэкономических факторов на экономический рост // Финансы: теория и практика. 2021. Т. 25. № 4. С. 98–109. https://doi.org/10.26794/2587-5671-2021-25-4-98-109

13. Коробов В. Б., Тутыгин А. Г. Классификационные методы решения эколого-экономических задач. Архангельск: Поморский университет, 2010. 309 с.

14. Саати Т. Л. Принятие решений при зависимостях и обратных связях: аналитические сети / пер. с англ. О. Н. Андрейчиковой; науч. ред. А. В. Андрейчиков, О. Н. Андрейчикова. 2-е изд. М.: Либроком, 2009. 360 с.

15. Chen D., Xiang P., Jia F. Performance measurement of operation and maintenance for infrastructure mega-project based on entropy method and D-S evidence theory // Ain Shams Engineering Journal. 2022. Vol. 13. No. 2. Article 101591. https://doi.org/10.1016/j.asej.2021.09.018

16. Ghoddousi P., Nasirzadeh F., Hashemi H. Evaluating highway construction projects’ sustainability using a multicriteria group decision-making model based on bootstrap simulation // Journal of Construction Engineering and Management. 2018. Vol. 144. No. 9. Article 04018092. https://doi.org/10.1061/(ASCE)CO.1943-7862.0001514

17. Cronbach L. J. Coefficient alpha and the internal structure of tests // Psychometrika. 1951. Vol. 16. No. 3. P. 297–334. https://doi.org/10.1007/BF02310555