Декомпозиция информации как основа оптимизации бизнес-анализа

В условиях активной цифровизации и повышенного интереса к зарубежному теоретическому и практическому опыту осуществления информационной революции терминология, используемая на российской платформе, затрудняет, а иногда и искажает содержание и возможность применения бизнес-ана-лиза в условиях цифровизации на уровне субъекта хозяйствования. Актуализируется проблема формирования механизма, функционирование которого определяется информационной компонентой анализа и аналитической, а их содержание и развитие инициируется заказчиком внутренним или внешним. Одновременно не следует забывать, что на любом уровне деятельности именно информационно-аналитические компоненты обеспечивают качество принимаемых управленческих решений, то есть их результативность.

ГРНТИ 06.35.35

EDN YUJZEX

Татьяна Михайловна Леонова – кандидат экономических наук, доцент, доцент кафедры бухгалтерского учета и анализа Санкт-Петербургского государственного экономического университета.

Мария Михайловна Подшивалова – кандидат экономических наук, доцент кафедры бухгалтерского учета и анализа Санкт-Петербургского государственного экономического университета.

Алена Александровна Чистякова – кандидат экономических наук, доцент, доцент кафедры бухгалтерского учета и анализа Санкт-Петербургского государственного экономического университета.

Контактные данные для связи с авторами (Леонова Т.М.): 191023, Санкт-Петербург, наб. канала Грибоедова, 30

Статья поступила в редакцию 06.02.2023.

Целью статьи является показать, во-первых, насыщенность научной литературы в области цифровизации и анализа терминами, нечетко сформулированными и не систематизированными, а, во-вторых, попытаться раскрыть взаимосвязь между целеполаганием, требуемой информацией и возможностями бизнес-анализа. В силу ограниченности объема данной статьи, постараемся схематично, но четко отразить нашу точку зрения, одновременно подчеркнув полемистичность (дискуссионность) проблемы и возможность наличия иных точек зрения.

Анализ литературы

Аналитическая компонента бизнес-анализа использует термины (понятия): анализ, аналитика, бизнес-анализ, бизнес-аналитика и аналитика данных. Часто эти термины используются как взаимозаменяемые и различия между ними размыты. С этим трудно согласиться. Далее раскроем наше понимание этих терминов.

В условиях стремительной цифровизации существенно повышается роль информационной составляющей деятельности бизнеса [6; 7]. Она постоянно растет, и этот рост ускоряется, взаимодействуя с аналитическим блоком и наполняя нашу жизнь уже привычными терминами (данные, информация, знания, отчетность) и новыми терминами, такими как Data Science, Data Mining, Bigdata, Small Data, Wide Data и пр.

Нас заинтересовал вопрос и терминологический, и практический: что есть что, и как эти понятия могут быть использованы и взаимосвязаны? Не претендуя на истину в последней инстанции, исходя из опыта столкновений с этими понятиями и их использованием, уточним определения в рамках аналитической компоненты.

Философы утверждают, что анализ – это метод научного познания. Развивая этот постулат, утверждаем, что анализ как наука представляет собой исследовательскую деятельность, направленную на изучение данных и получение новых знаний об объекте изучения с целью принятия обоснованных управленческих решений.

Слово аналитика при переводе с греческого языка означает искусство анализа, а в прикладном аспекте – это процесс, обеспечивающий сбор, обработку и изучение данных, то есть процесс получения полезной информации для принятия конкретных решений. Таким образом, аналитика обеспечивает определенный уровень понимания информации и получения знаний о финансово-хозяйственной деятельности организации.

Аналитика данных, с нашей точки зрения, объединяет информационную и аналитическую компоненты бизнеса в процессе их имплементации и может применяться как синоним аналитики. Однако следует отметить, что ряд специалистов в условиях цифровизации, в основном зарубежных, ассоциируют аналитику данных только с анализом больших данных. Считаем, что данный подход сужает возможности аналитики данных.

В процессе перехода предприятий на рыночные рельсы в научной и практической деятельности в России активно стал использоваться термин «бизнес». Отсюда возникли бизнес-анализ и бизнес-аналитика. Данная приставка (мы думаем, что с нами согласятся многие коллеги) не изменила сущности терминов, а только их конкретизировала. Бизнесом называется деятельность, осуществляемая предпринимателями, главная цель которых – получение прибыли, т.е. речь идет об анализе в рыночных условиях.

В зарубежной практике есть нормативная и методическая база, раскрывающая сущность бизнес-анализа. Бизнес-анализ, в соответствии со сводом знаний Business Analysis Body of Knowledge 2.0, это – «совокупность функций, методов и средств, используемых для взаимодействия заинтересованных лиц (стейкхолдеров) в процессе исследования структуры, политик и операций организации, а также последующей выработки рекомендаций, обеспечивающих достижение организацией поставленных целей» [9]. Стоит отметить, что приведенное определение является симбиозом анализа и аналитики, так как содержит элементы содержания анализа и его инструментария.

Термин «бизнес-аналитика» (business intelligence, BI) ввел в 1980 году аналитик компании Gartner, раскрыв технологию анализа, то есть процесс обнаружения, интерпретации и информирования о найденных закономерностях в данных, а также использовании средств, которые помогают компании анализировать любые данные в любой среде и на любых устройствах. В целом, с данной трактовкой согласны и российские специалисты [3; 4].

Важным аспектом оптимизации процесса бизнес-анализа является система необходимых данных. По определению науки «статистика», данные (data) отражают совокупность фактов, характеристик, представленных в определенных форматах, которые пригодны для их хранения, передачи и обработки. Термин «данные» в широком смысле слова трактуется двояко: как необработанные сведения и обработанные. В целях реализации информационно-аналитического механизма на базе пирамиды знаний [10], представим декомпозицию данных как пирамиду преобразования (см. рис.) и ниже уточним понятийный аппарат.

• 1.    Данные – набор разрозненных данных, материалы для обработки, т.е. массив для извлечения ценных данных, это основа, фундамент.

• 2.    Информация – обработанные данные, которые являются полезными для целевого исследования. это очищенные данные, которые можно выделить.

• 3.    Знания – результат обработки информации, выявление закономерностей и извлечение информации, имеющей практическую ценность.

• 4.    Ценность важна для принятия решения, это – интерпретация на базе знаний.

Декомпозиция представляет собой прием логической детализации данных, который отражает их последовательную трансформацию в виде, удобном для восприятия [5; 8]. Декомпозиция дает возможность в рамках информационной компоненты выделить отдельные структурные блоки, установить связи между ними и определить значимость для аналитической компоненты. Процесс эффективной декомпозиции данных трансформирует их в существенный актив, приносящий организации экономические выгоды [1; 2].

Результаты и их обсуждение

Значительное повышение роли информационной компоненты, ее объемов обусловило демаркацию аналитики данных и систематизацию видов анализа с формированием соответствующих задач для аналитика. А именно:

• •    итоговый (описательный) анализ, использующий типовой объем данных и отвечающий на вопрос: «Что имеем?»;

• •    диагностический анализ на базе информации и знаний, характеризующий причины такого состояния;

• •    прогнозный (предиктивный) анализ, отвечающий на вопрос: «Чего хотим достичь?», привлекающий более сложные, продвинутые информационные и аналитические инструменты;

• •    ситуационный (предписывающий) анализ, отвечающий на вопрос: «Что и как надо сделать?», позволяющий сформировать стратегию развития.

При этом эволюция отношения к данным (информации) потребовала выхода за пределы используемых типовых инструментов, так как именно аналитика в зависимости от сложности обработки данных обеспечивает определенную степень понимания информации и знаний об объекте исследования.

С нашей точки зрения, не следует забывать о традиционных данных, возможности и необходимости их анализа. Также актуальным остается вопрос о сферах применения традиционных данных и больших данных (Big Data, Small Data, Wide Data и пр.), их целеполагании. На основе проведенных исследований можно предположить, что большие данные в основном используются в сфере розничной торговли, в финансах и маркетинге, а традиционные данные (например, финансовая отчетность), в соответствии с федеральным законом «О бухгалтерском учете», – для оценки финансовой устойчивости организаций. Заключение

Таким образом, следует сказать, что анализ – это логико-мыслительная деятельность, направленная на обеспечение эффективного управления экономическим ростом бизнеса. Фундаментом бизнес-анализа являются как традиционные, так и большие данные, взаимосвязь которых недостаточно четко раскрыт, а инструменты и методы требуют дополнительного углубленного дальнейшего исследования.

Благодарности

Статья выполнена в рамках инициативной НИР Санкт-Петербургского государственного экономического университета: «Анализ хозяйственной деятельности в условиях цифровой трансформации» (код 06.35.31-прикладная).