Национальный ландшафт информационно-коммуникационных технологий (ИКТ) может быть продуктивно рассмотрен на примере устойчивых отраслевых комбинаций ИКТ. На корпоративном уровне такие комбинации отражают ИКТ-профиль компаний, рассматриваемый в ресурсной теории как их способность создавать конкурентные преимущества, благодаря комплементарности ресурсов. В отличие от существующих исследований в фокусе внимания авторов статьи — не комбинация ИКТ, сформированная экспертами, а инструмент автоматизированного поиска взаимосвязанных ИКТ на основе методов машинного обучения, который позволяет выявить устойчивые сочетания технологий, внедряемые одновременно несколькими игроками определенной отрасли. ИКТ-профили выявлены с помощью анализа взаимосвязей широкого спектра ИКТ, от базовой инфраструктуры до систем управления эффективностью бизнеса на базе искусственного интеллекта (ИИ). Итоговый набор данных включает 110 технологий для более чем 29 тыс. компаний из 31 отрасли за период 2006– 2022 гг. По результатам анализа сделаны следующие выводы: (1) типичный для большинства отраслей профиль состоит из комбинации систем BPM и SaaS, (2) лидеры по разнообразию и сложности ИКТ-профилей — отрасли страхования и финансов, (3) большие перспективы для отечественных компаний открывает дополнение ИКТпрофилей решениями на базе ИИ, (4) внедрение ИКТпрофилей влияет на финансовые результаты бизнеса, однако значительно варьирует по отраслям.
Идентификаторы и классификаторы
- SCI
- Экономика
The study investigates the Russian information and communication technologies (ICT) landscape with a focus on sustainable ICT combinations at the industry level. The ICT combination for a company reflects its ICT profile, which is considered in resource theory as the firm’s ability to create competitive advantages based on resource complementarity. Unlike previous papers, it is not an expert-specified combination of ICT that is being studied, but a tool for the automated search for interconnected technologies based on machine learning methods is proposed, which makes it possible to identify stable combinations implemented simultaneously by several companies in a certain industry. ICT profile identification was conducted based on the analysis of relationships across a wide range of IT, from basic infrastructure to AI-based business efficiency management systems. The final dataset includes 110 IT technologies for over 29,000 companies from 31 industries spanning from 2006 to 2022. The following conclusions were drawn: (1) a typical profile for most industries consists of a combination of business process management (BPM) and software as a service (SaaS), (2) insurance and finance industries are the leaders in the diversity and complexity of ICT profiles, (3) supplementing ICT profiles with AI-based solutions holds great potential for Russian companies, (4) the implementation of ICT profiles is linked to companies’ financial performance; however, these relationships vary significantly across industries.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Agarwal G.K., Magnusson M., Johanson A. (2021) Edge AI Driven Technology Advancements Paving Way Towards New Capabilities. International Journal of Innovation and Technology Management, 18(01), 2040005. DOI: 10.1142/S0219877020400052 EDN: JGKNCH
2. Agrawal R., Imieliński T., Swami A. (1993) Mining association rules between sets of items in large databases. Paper presented at the 1993 ACM SIGMOD International Conference on Management of Data, June 1993. DOI: 10.1145/170035.170072
3. Agrawal R., Srikant R., Road H., Jose S. (1994) Fast Algorithms for Mining Association Rules. Paper presented at the 20th International Conference on Very Large Data Bases (VLDB), September 12-15, 1994, Santiago de Chile, Chile.
4. Amid A., Moalagh M., Zare Ravasan A. (2012) Identification and classification of ERP critical failure factors in Iranian industries. Information Systems, 37(3), 227-237. DOI: 10.1016/j.is.2011.10.010
5. Barney J., Wright M., Ketchen D.J. (2001) The resource-based view of the firm: Ten years after 1991. Journal of Management, 27(6), 625-641. DOI: 10.1177/014920630102700601 EDN: JNSRXJ
6. Batarseh F.A., Gopinath M., Monken A., Gu Z. (2021) Public policymaking for international agricultural trade using association rules and ensemble machine learning. Machine Learning with Applications, 5, 100046. DOI: 10.1016/j.mlwa.2021.100046 EDN: XAOHRR
7. Bellemare M.F., Masaki T., Pepinsky T.B. (2017) Lagged Explanatory Variables and the Estimation of Causal Effect. The Journal of Politics, 79(3), 949-963. DOI: 10.1086/690946
8. Chae H.-C., Koh C.E., Prybutok V.R. (2014) Information Technology Capability and Firm Performance: Contradictory Findings and Their Possible Causes. MIS Quarterly, 38(1), 305-326. DOI: 10.25300/MISQ/2014/38.1.14
9. Chae H.-C., Koh C.E., Park K.O. (2018) Information technology capability and firm performance: Role of industry. Information & Management, 55(5), 525-546. DOI: 10.1016/j.im.2017.10.001
10. Coşkun E., Gezici B., Aydos M., Tarhan A.K., Garousi V. (2022) ERP failure: A systematic mapping of the literature. Data & Knowledge Engineering, 142, 102090. DOI: 10.1016/j.datak.2022.102090 EDN: VZIQQC
11. Daviy A. (2022) Does the regional environment matter in ERP system adoption? Evidence from Russia. Journal of Enterprise Information Management, 36(2), 437-458. DOI: 10.1108/JEIM-11-2021-0488 EDN: NVDVHP
12. Devece C., Palacios-Marqués D., Galindo-Martín M.-Á., Llopis-Albert C. (2017) Information Systems Strategy and its Relationship with Innovation Differentiation and Organizational Performance. Information Systems Management, 34(3), 250-264. DOI: 10.1080/10580530.2017.1330002
13. Díaz-Chao Á., Ficapal-Cusí P., Torrent-Sellens J. (2021) Environmental assets, Industry 4.0 technologies and firm performance in Spain: A dynamic capabilities path to reward sustainability. Journal of Cleaner Production, 281, 125264. DOI: 10.1016/j.jclepro.2020.125264 EDN: EHQHGD
14. Dumas M., Fournier F., Limonad L., Marrella A., Montali M., Rehse J.-R., Accorsi R., Calvanese D., De Giacomo G., Fahland D., Gal A., La Rosa M., Völzer H., Weber I. (2023) AI-Augmented Business Process Management Systems: A Research Manifesto. ACM Transactions on Management Information Systems, 14(1), 1-19. DOI: 10.1145/3576047
15. Enholm I.M., Papagiannidis E., Mikalef P., Krogstie J. (2022) Artificial intelligence and business value: A literature review. Information Systems Frontiers, 24(5), 1709-1734. DOI: 10.1007/s10796-021-10186-w EDN: QRZHWY
16. Enekwe C., Agu C., Nnagbogu E. (2014) The Effect of Financial Leverage on Financial Performance: Evidence of Quoted Pharmaceutical Companies in Nigeria. IOSR Journal of Economics and Finance, 5(3), 17-25. DOI: 10.9790/5933-0531725
17. Geum Y., Lee H., Lee Y., Park Y. (2015) Development of data-driven technology roadmap considering dependency: An ARM-based technology roadmapping. Technological Forecasting and Social Change, 91, 264-279. DOI: 10.1016/j.techfore.2014.03.003
18. Gupta S., Qian X., Bhushan B., Luo Z. (2019) Role of cloud ERP and big data on firm performance: A dynamic capability view theory perspective. Management Decision, 57(8), 8. DOI: 10.1108/MD-06-2018-0633
19. Habibi F., Zabardast M.A. (2020) Digitalization, education and economic growth: A comparative analysis of Middle East and OECD countries. Technology in Society, 63, 101370. DOI: 10.1016/j.techsoc.2020.101370 EDN: STBZUP
20. HassabElnaby H.R., Hwang W., Vonderembse M.A. (2012) The impact of ERP implementation on organizational capabilities and firm performance. Benchmarking: An International Journal, 19(4/5), 618-633. DOI: 10.1108/14635771211258043
21. Hegland M. (2003) Algorithms for Association Rules. In: Advanced Lectures on Machine Learning: Machine Learning Summer School 2002 Canberra, Australia, February 11-22, 2002 Revised Lectures (eds. S. Mendelson, A.J. Smola), Heidelberg, Dordrecht, London, New York: Springer, pp. 226-234. DOI: 10.1007/3-540-36434-X_7
22. Hendricks K.B., Singhal V.R., Stratman J.K. (2007) The impact of enterprise systems on corporate performance: A study of ERP, SCM, and CRM system implementations. Journal of Operations Management, 25(1), 65-82. DOI: 10.1016/j.jom.2006.02.002
23. Hikmawati E., Maulidevi N.U., Surendro K. (2021) Minimum threshold determination method based on dataset characteristics in association rule mining. Journal of Big Data, 8(1), 146. DOI: 10.1186/s40537-021-00538-3 EDN: WHVSOZ
24. Hill A.D., Johnson S.G., Greco L.M., Walter S.L. (2021) Endogeneity: A Review and Agenda for the Methodology-Practice Divide Affecting Micro and Macro Research. Journal of Management, 47(1), 105-143. DOI: 10.1177/0149206320960533 EDN: HZQGQK
25. Jacobsson M., Linderoth H.C.J., Rowlinson S. (2017) The role of industry: An analytical framework to understand ICT transformation within the AEC industry. Construction Management and Economics, 35(10), 611-626. DOI: 10.1080/01446193.2017.1315148
26. Karim M.S., Nahar S., Demirbag M. (2022) Resource-Based Perspective on ICT Use and Firm Performance: A Meta-analysis Investigating the Moderating Role of Cross-Country ICT Development Status. Technological Forecasting and Social Change, 179, 121626. DOI: 10.1016/j.techfore.2022.121626 EDN: JKUKLO
27. Kaur J., Dharni K. (2022) Assessing efficacy of association rules for predicting global stock indices. DECISION, 49(3), 329-339. DOI: 10.1007/s40622-022-00327-8 EDN: LBACMZ
28. Kotsiantis S., Kanellopoulos D. (2006) Association rules mining: A recent overview. GESTS International Transactions on Computer Science and Engineering, 32(1), 71-82.
29. Li L., Tong Y., Wei L., Yang S. (2022) Digital technology-enabled dynamic capabilities and their impacts on firm performance: Evidence from the COVID-19 pandemic. Information & Management, 59(8), 103689. DOI: 10.1016/j.im.2022.103689 EDN: FEWHVE
30. Mithas S., Rust R.T. (2016) How Information Technology Strategy and Investments Influence Firm Performance: Conjecture and Empirical Evidence. MIS Quarterly, 40(1), 223-245. DOI: 10.25300/MISQ/2016/40.1.10
31. Oh I., Kim J. (2023) Frontiers and laggards: Which firms benefit from adopting advanced digital technologies? Managerial and Decision Economics, 44(2), 753-766. DOI: 10.1002/mde.3710 EDN: ASGPFG
32. Shakina E., Naidenova I., Barajas A. (2022) Shadow prices for intangible resources. Journal of Intellectual Capital, 23(3), 666-686. DOI: 10.1108/JIC-02-2020-0031 EDN: ARPPAT
33. Teece D.J. (2018) Profiting from innovation in the digital economy: Enabling technologies, standards, and licensing models in the wireless world. Research Policy, 47(8), 1367-1387. DOI: 10.1016/j.respol.2017.01.015
34. Wu Y.-C.J., Dong T.-P., Chang C.-L., Liao Y.-C. (2015) A collaborative learning lesson from using effective information technology combinations. Computers in Human Behavior, 51, 986-993. DOI: 10.1016/j.chb.2014.10.008
35. Xue Y., Liang H., Boulton W.R., Snyder C.A. (2005) ERP implementation failures in China: Case studies with implications for ERP vendors. International Journal of Production Economics, 97(3), 279-295. DOI: 10.1016/j.ijpe.2004.07.008
36. Zavertiaeva M.A., López-Iturriaga F.J., López-Iturriaga F.J. (2020) Networks of directors on Russian boards: The hidden part of the corporate governance iceberg. Russian Management Journal, 18(1), 29-50. DOI: 10.21638/spbu18.2020.102 EDN: XQUXAF
Выпуск
Другие статьи выпуска
Необходимость постоянного поиска возможностей и обновления ценных активов в усложняющемся контексте представляет экстраординарную задачу для компаний. Одним из наиболее релевантных инструментов ее решения видятся скрытые внутренние ресурсы в виде предпринимательских инициатив персонала — интрапренерство. Интерес к новому типу предпринимательства в последнее десятилетие устойчиво растет. Статья вносит вклад в понимание факторов, влияющих на его развитие, рассматривая пример предприятий обрабатывающей промышленности в наиболее развитых штатах Индии. Раскрывается роль таких ключевых предпосылок, как индивидуальные предпринимательские способности и приобретенные компетенции (стратегическое мышление и проактивное поведение), а также искусство культивирования уникального рабочего климата, благоприятствующего появлению инноваций. Авторские выводы усиливают аргументационную базу в пользу новых форматов экономического развития в дополнение к классическому предпринимательству. Они могут быть полезны для лиц, принимающих решения о способах обновления и наращивания конкурентных преимуществ в динамичной бизнес-среде
Усиление внутренних и внешних вызовов последних лет стало стресс-тестом для российских инновационных компаний. Оценить их адаптационный потенциал и готовность к продолжению инновационной деятельности в условиях кризиса позволяют агрегирование и систематизация настроений и ожиданий бизнес-сообщества в условиях изменения деловой среды. В расчет принимается набор из 47 факторов, объединенных в восемь групп: рынки сбыта, конкурентная среда, материальная база, обеспеченность кадрами, доступность финансовых ресурсов, качество инфраструктуры, государственное регулирование и общественная среда. Источником данных выступают результаты специализированного опроса руководителей 1 121 организации традиционного хайтека и сферы услуг, проведенного в январе–марте 2022 г. Установлено, что восприятие условий для инноваций и зон неэффективности деловой среды слабо коррелирует со сферой деятельности и в значительной мере связано с реализуемыми моделями инновационного поведения. Наиболее пессимистичны в своих оценках организации, не имеющие опыта создания инноваций. Ключевыми барьерами для их развития выступают факторы качества государственного регулирования и доступности внешнего финансирования. Полученные результаты позволяют расширить представление об особенностях адаптации бизнеса к внешним ограничениям и сформулировать некоторые рекомендации для инновационной политики.
В статье представлен подробный анализ мирового рынка микроводорослей, включая научно-технологические возможности и перспективы их промышленного выращивания и создания производной продукции. Системно оцениваются коммерческий потенциал микроводорослей в разных регионах мира, наиболее перспективные штаммы, типы продуктов и потенциальные сферы их применения, а также траектория дальнейшего развития рынка. Научно-технологический интерес к теме проанализирован на базе ежегодной динамики числа статей, которые содержат ключевое слово «микроводоросли» и опубликованы в журналах, индексируемых Scopus. Результаты представлены в хронологическом, категориальном и региональном измерениях, что дает многомерную картину эволюции внимания ученых во времени и в разных географических контекстах. Коммерческий потенциал детально проанализирован на региональном уровне с акцентом на ключевые центры разработки микроводорослевой продукции: США, Германию, Китай и Японию. В ходе исследования учитывалась преобладающая динамика рынка в каждом регионе, что позволило комплексно оценить конъюнктуру. К значимым результатам исследования относятся подробно описанные перспективы развития рынка микроводорослей, новый обоснованный подход, обогащающий существующие представления об этом рынке. Его сегментация по сферам применения продукции, включая производство нутрицевтиков и фармацевтических препаратов, еды и напитков, косметики, кормов для животных и биотоплива, позволила выявить направления устойчивого роста. Среднегодовые темпы роста мирового рынка микроводорослей прогнозируются на уровне 6.8%, к 2030 г. объем этого рынка достигнет 2 млрд долл., что свидетельствует о высоком потенциале производных продуктов в различных отраслях и о важности развития биоэкономики в целом
Рост цен на продукты питания, усиление конкуренции и борьба за сохранение бизнеса подталкивают игроков продовольственного сектора к внедрению инновационных стратегий. Пищевые отходы и потери представляют серьезную проблему, решение которой могло бы внести существенный вклад не только в достижение Целей устойчивого развития (ЦУР), но и, благодаря новым подходам, в повышение конкурентоспособности и улучшение финансовых результатов предприятий отрасли. Проблематика пищевых отходов чаще рассматривается с точки зрения производства, тогда как розничная торговля не получает достаточного внимания исследователей. Апсайклинг (англ. upcycling — трансформация, творческая переработка) продуктов питания — инновационное решение, позволяющее превратить пищевые отходы или излишки в товарную продукцию. В настоящем исследовании проанализировано отношение потребителей к трансформированным пищевым продуктам, изготовленным из излишков, а также конкурентные преимущества, которые ритейлеры способны из этого извлечь. Анализ научной литературы на базе рекомендаций PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses for Protocols — Предпочтительные элементы отчетности для систематического обзора и метаанализа протоколов) позволяет выявить ряд важных характеристик продукции апсайклинга, с которой широкая публика пока плохо знакома. Наибольшей популярностью такие продукты пользуются среди экологически сознательных потребителей. Распространено мнение, что чем меньшей обработке продукты питания подвергаются, тем лучше. Поскольку в случае апсайклинга уровень обработки остается низким, технофобия должна служить не сдерживающим, а, напротив, стимулирующим спрос фактором. Как и в случае с обычными продуктами питания, потребительские решения определяются вкусом, чувственной привлекательностью и ценой творчески переработанной продукции. Без существенного увеличения расходов на маркетинг инновационные предприятия розничной торговли могут привлечь потенциальных клиентов с помощью комплексной и информативной рекламы. Наиболее эффективным форматом служат офлайн-презентации и дегустации, однако не менее важно и распространение информации в интернете. Продажа продуктов питания, подвергнутых апсайклингу, наряду с вкладом в достижение ЦУР, обеспечит ритейлерам конкурентные преимущества
В стремлении добиться выхода на новые уровни развития компании применяют самые разные стратегии. Наряду с курсом на самодостаточность и работу с рисками, многие игроки рассматривают для себя приемлемой сложную комбинацию стратегических действий: инвестируют в политические инициативы, рассчитывая в перспективе на получение государственной поддержки, чтобы превратить ее в «бустер» собственной инвестиционной и инновационной активности. В статье представлен детальный анализ влияния корпоративной политической активности (КПА) на формирование долгосрочных технологических и рыночных преимуществ для бизнеса. Основу исследования составила выборка американских компаний, котирующихся на бирже. Влияние рассматриваемой стратегии на показатели бизнеса выглядит неоднозначным. В развитие и уточнение результатов предыдущих исследований делается вывод, что КПА приносит компаниям ощутимые преимущества лишь до определенного предела. Наиболее значимые выгоды от применения данного инструмента, помимо небольших компаний, извлекают и крупные игроки, которые по тем или иным причинам оказались в уязвимом положении с точки зрения наращивания капитала. Напротив, самодостаточным и устойчивым субъектам бизнеса, сумевшим накопить солидную инвестиционную базу, целесообразно отказаться от КПА. Взамен следует сфокусироваться на расширении рыночного присутствия и вложениях в исследования и разработки, что обеспечит более ощутимую прибыльность в сравнении с КПА
Производство компьютерных игр вышло за пределы индустрии развлечений, превратившись в высокотехнологичную, инновационную, высокоприбыльную область, оказывающую большое влияние на многие секторы. Она интегрирует технические и гуманитарные дисциплины — искусственный интеллект (ИИ), виртуальную реальность, поведенческую психологию, когнитивистику, дизайн, агентное моделирование, сценарное планирование и др. В статье исследуются перспективы расширения этой области за счет применения более сложных технологий, включая алгоритмы ИИ. На основе методов Форсайта — сканирования горизонтов, анализа научно-технологических, политических, экономических и ценностных факторов — разработаны четыре сценария развития игровой индустрии в Малайзии на ближайшие 10 лет. Настоящее исследование вносит вклад в наполнение информационной базы для обоснования стратегий использования ИИ при разработке игр разного назначения.
К настоящему времени накоплен значительный задел в исследовании проблемы формулирования запросов к искусственному интеллекту (ИИ), или промпт-инжиниринга. Вместе с тем, в литературе по теме сохраняются заметные лакуны, в том числе связанные с проведением социального анализа и прогнозированием будущего. В статье представлен обзор публикаций и результаты лабораторного тестирования различных инструментов ИИ. В частности, приводится подробный список белых пятен в исследованиях, составленный на основе анализа существующей литературы. Установлено, что при условии грамотно сформулированного запроса ИИ выполняет социальный анализ и прогнозирует будущее не хуже или даже лучше, чем опытные эксперты. Изучение литературы свидетельствует, что для обеспечения необходимой надежности следует четко разграничивать два аспекта деятельности специалистов по подготовке запросов (промпт-инженеров): их формулирование как таковое и контроль качества информации, которая не сводится к ответам на запросы. Предложены схема рабочего процесса в виде модели применения ИИ для сбора информации и обоснование возможного в перспективе снижения зарплат менеджеров высшего звена
Издательство
- Издательство
- ВШЭ
- Регион
- Россия, Москва
- Почтовый адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- Юр. адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- ФИО
- Анисимов Никита Юрьевич (Ректор)
- E-mail адрес
- hse@hse.ru
- Контактный телефон
- +7 (___) _______
- Сайт
- https://www.hse.ru/