emanagE-ManagementE-Management2658-34452686-8407State University of Management10.26425/2658-3445-2026-9-1-82-101emanag-650Research ArticleЦИФРОВЫЕ СТРАТЕГИИ И ТРАНСФОРМАЦИИDIGITAL STRATEGIES AND TRANSFORMATIONSМоделирование интеллектуальной зрелости промышленных экосистем на основе данных с применением модифицированного метода анализа иерархийModeling the intellectual maturity of industrial ecosystems using data-driven approaches and the modified analytic hierarchy processhttps://orcid.org/0000-0003-3644-4239ШкарупетаЕ. В.ShkarupetaE. V.

Шкарупета Елена Витальевна, Д-р экон. наук, вед. науч. сотр.; проф. каф. цифровой и отраслевой экономики

г. Санкт-Петербург

г. Воронеж

Elena V. Shkarupeta, Dr. Sci. (Econ.), Leading Researcher; Prof. at the Digital and Sectoral Economics Department

St. Petersburg  

Voronezh

9056591561@mail.ruСанкт-Петербургский политехнический университет Петра Великого; Воронежский государственный технический университетРоссияPeter the Great St. Petersburg Polytechnic University; Voronezh State Technical UniversityRussian Federation2026090620269182101Copyright © Шкарупета Е.В., 20262026Шкарупета Е.В.Shkarupeta E.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://e-management.guu.ru/jour/article/view/650

Целью настоящего исследования является разработка и апробация управленческой модели оценки интеллектуальной зрелости промышленных экосистем на основе данных с применением модифицированного метода анализа иерархий. В рамках гипотезы исследования предположено, что интеллектуальная зрелость промышленных экосистем формируется как синергетический результат взаимодействия стратегического, процессного, организационного, информационно-­данного, архитектурного и операционно-инновационного измерений, а не как сумма их изолированных характеристик.

Методологическая основа исследования объединяет классическую процедуру Саати с энтропийной объективизацией весов и матрицей межизмерительных взаимодействий, что позволяет учесть нелинейные зависимости и снизить субъективность экспертных оценок за счет анализа вариативности данных.

Эмпирическая апробация проведена на экспертной выборке, представляющей специалистов предприятий машиностроительного, химико-технологического, фармацевтического и информационно-технологического секторов. Средний интегральный уровень интеллектуальной зрелости составил 3,6 по шкале 0–5, что соответствует переходу от управляемого уровня к установленному. Наибольшие уровни интеллектуальной зрелости зафиксированы по стратегическому и архитектурному измерениям (3,9 и 3,8 соответственно). Процессное измерение также демонстрирует близкие к установленному уровню значения (3,7). В то же время организационное, информационно-данное и операционно-инновационное измерения характеризуются более низкими уровнями зрелости (3,4, 3,2 и 3,3 соответственно).

Полученные результаты исследования подтвердили применимость модифицированного метода анализа иерархий для количественной оценки и прогнозирования интеллектуального развития промышленных экосистем. Практическая ценность исследования заключается в возможности использования модели для построения дорожных карт повышения зрелости, формирования приоритетов цифровой и искусственно-интеллектуальной трансформации, а также перехода от фрагментарной цифровизации к устойчивому управлению на основе данных.

The purpose of the study is to develop and empirically validate a data-driven managerial model for assessing the intellectual maturity of industrial ecosystems using the modified Analytic Hierarchy Process. The research hypothesis assumes that the intellectual maturity of industrial ecosystems is formed as a synergistic outcome of the interaction among strategic, process, organizational, data-related, architectural, and operational-innovation dimensions, rather than as the sum of their isolated characteristics.

The research methodological framework integrates the classical Saaty procedure with entropy-based weight objectification and an inter-dimensional interaction matrix, which makes it possible to account for nonlinear relationships and to reduce the subjectivity of expert judgments through the analysis of data variability.

The empirical validation has been conducted on an expert sample representing enterprises from the mechanical engineering, chemical-technological, pharmaceutical, and IT sectors. The average integrated level of intellectual maturity amounted to 3.6 on a 0–5 scale, corresponding to a transition from the Managed to the Established level. The highest levels of intellectual maturity have been observed in the strategic and architectural dimensions (3.9 and 3.8, respectively), forming the core of ecosystem maturity, while the process dimension has also demonstrated values close to the established level (3.7). At the same time, the organizational, data-related, and operational-innovation dimensions have exhibited lower maturity levels (3.4, 3.2, and 3.3, respectively).

The obtained study results confirm the applicability of the mo­ dified Analytic Hierarchy Process for the quantitative assessment and forecasting of the intellectual development of industrial ecosystems. The practical value of the study lies in the possibility of using the proposed model to design maturity-enhancement roadmaps, define priorities for digital and AI transformation, and support the transition from fragmented digitalization to sustai­ nable data-driven governance.

Интеллектуальная зрелостьпромышленная экосистемаметод анализа иерархийуправление на основе данныхцифровая трансформацияэнтропийное взвешиваниесинергетическая модельИндустрия 5.0Intellectual maturityindustrial ecosystemanalytic hierarchy processdata-driven managementdata-driven governancedigital transformationentropy weightingsynergistic modelIndustry 5.0Исследование выполнено за счет гранта Российского научного фонда № 25-18-00978, https://rscf.ru/project/25-18-00978/.The research was funded by a grant from the Russian Science Foundation No. 25-18-00978, https://rscf.ru/en/project/25-18-00978/.ReferencesВасяйчева, В. А. Карта технологии управления инновационным проектированием промышленного предприятия / В. А. Васяйчева // Вестник Самарского университета. Экономика и управление. — 2022. — Т. 13, № 3. — С. 71–78. — DOI 10.18287/2542-0461-2022-13-3-71-78. — EDN ZWFDHM.De Bruin, T., Rosemann, M., Freeze, R., & Kaulkarni, U. (2005). Understanding the main phases of developing a maturity assessment model. In: Proceedings of the Australasian Conference on Information Systems (ACIS). Sydney: Australasian Chapter of the Association for Information Systems.Вишнягова, Е. А. Идентификация структуры и особенностей промышленных экосистем / Е. А. Вишнягова, И. А. Соловьева // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. — 2024. — Т. 18, № 1. — С. 80–89. — DOI 10.14529/em240107. — EDN NTVBIH.Glukhov, V. V., Babkin, A. V., & Shkarupeta, E. V. (2025). Conceptual framework for assessing and managing the intellectual maturity of industrial ecosystems. Journal of New Economy, 26(3), 105–123. (In Russian). https://doi.org/10.29141/2658-5081-2025-26-3-6Глухов, В. В. Концептуальный фреймворк для оценки и управления интеллектуальной зрелостью промышленных экосистем / В. В. Глухов, А. В. Бабкин, Е. В. Шкарупета // Journal of New Economy. — 2025. — Т. 26, № 3. — С. 105–123. — DOI 10.29141/2658-5081-2025-26-3-6. — EDN QMXRKU.Glukhov, V. V., Babkin, A. V., Shkarupeta, E. V., & Zdolnikova, S. V. (2025). Formation of a terminological platform for strategic management of industrial ecosystem intellectual maturity in the context of technological sovereignty. Economics and Management, 31(8), 1016–1029. (In Russian). https://doi.org/10.35854/1998-1627-2025-8-1016-1029Глухов, В. В. Формирование терминологической платформы стратегического управления интеллектуальной зрелостью промышленных экосистем в целях технологического суверенитета / В. В. Глухов, А. В. Бабкин, Е. В. Шкарупета, С. В. Здольникова // Экономика и управление. — 2025. — Т. 31, № 8. — С. 1016–1029. — DOI 10.35854/1998-1627-2025-8-1016-1029. — EDN FJJQVC..Guo, C., Song, Q., Yu, M. M., & Zhang, J. (2024). A digital economy development index based on an improved hierarchical data envelopment analysis approach. European Journal of Operational Research, 316(3), 1146–1157. https://doi.org/10.1016/j.ejor.2024.02.023Иголкин, С. Л. Управление инновационно-цифровыми трансформациями промышленных предприятий в условиях экономики данных и венчурной акселерации / С. Л. Иголкин, Е. А. Кравцов, Е. И. Макеев [и др.] // Экономика и управление: проблемы, решения. — 2025. — Т. 3, № 4(157). — С. 19–26. — DOI 10.36871/ek.up.p.r.2025.04.03.002. — EDN NQTVNH..Gupta, B. B., Gaurav, A., Panigrahi, P. K., & Arya, V. (2023). Analysis of artificial intelligence-based technologies and approaches on sustainable entrepreneurship. Technological Forecasting and Social Change, 186, 122152. https://doi.org/10.1016/j.techfore.2022.122152Ковальчук, Ю. А. Управление промышленными экосистемами в едином цифровом пространстве / Ю. А. Ковальчук, И. М. Степнов // Проблемы рыночной экономики. — 2022. — № 3. — С. 107–121. — DOI 10.33051/2500-2325-2022-3-107-121. — EDN CMOQDC.Hupperz, M. J., Gur, I., Moller, F., & Otto, B. (2021). What is a data-driven organization? In: Proceedings of the Americas Conference on Information Systems (AMCIS). Montreal.Миллер, А. Е. Разработка управленческого механизма организации интеллектуальной инфраструктуры технологического развития промышленных предприятий / А. Е. Миллер, Л. М. Давиденко // Вестник Сибирского института бизнеса и информационных технологий. — 2022. — Т. 11, № 1. — С. 53–61. — DOI 10.24412/2225-8264-2022-1-53-61. — EDN UCFVGX.Igolkin, S. L., Kravtsov, E. A., Makeev, E. I., Marenich, B. Yu., & Milov, A. S. (2025). Management of innovation and digital transformations of industrial enterprises in the data economy and venture acceleration context. Economics and Management: Problems, Solutions, 4(3), 19–26. (In Russian). https://doi.org/10.36871/ek.up.p.r.2025.04.03.002Морковкин, Д. Е. Развитие механизмов принятия управленческих решений на основе технологий искусственного интеллекта и больших данных / Д. Е. Морковкин, Д. С. Шихалиева, Г. И. Алеева, Т. В. Петрусевич // Вестник евразийской науки. — 2025. — Т. 17, № S1. — EDN HHXLCG..Kovalchuk, Yu. A., Stepnov, I. M. (2022). Management of industrial ecosystems in a unified digital space. Market Economy Problems, 3, 107–121. (In Russian). https://doi.org/10.33051/2500-2325-2022-3-107-121Пономарева, С. В. Имитационное моделирование оценки экономической эффективности системы управления знаниями и производственными бизнес-процессами промышленного предприятия / С. В. Пономарева, И. Р. Винокур // Экономика и управление: проблемы, решения. — 2025. — Т. 16, № 1(154). — С. 36–45. — DOI 10.36871/ek.up.p.r.2025.01.16.004. — EDN WNPMRK.Li, X., Zhang, L., & Cao, J. (2023). Research on the mechanism of sustainable business model innovation driven by the digital platform ecosystem. Journal of Engineering and Technology Management, 68, 101738. https://doi.org/10.1016/j.jengtecman.2023.101738Родионова, В. Н. Многокритериальный анализ и цифровые решения для повышения конкурентоспособности предприятий в условиях Индустрии 5.0 / В. Н. Родионова, И. С. Антонов // π-Economy. — 2024. — Т. 17, № 5. — С. 32–44. — DOI 10.18721/JE.17502.Miller, A. E., Davidenko, L. M. (2022). Development of a management mechanism for organizing the intellectual infrastructure of industrial technological development. Bulletin of the Siberian Institute of Business and Information Technologies, 11(1), 53–61. (In Russian). https://doi.org/10.24412/2225-8264-2022-1-53-61Смольянинова, И. В. Управление развитием инновационно ориентированных экосистем предприятий на основе платформенных решений и экономики данных / И. В. Смольянинова, Н. Р. Пузаков, Д. В. Стариков, С. А. Тыщенко // Первый экономический журнал. — 2025. — № 4(358). — С. 111–120. — DOI 10.58551/20728115_2025_4_111. — EDN STFPMA.Morkovkin, D. E., Shikhalieva, D. S., Aleeva, G. I., & Petrusevich, T. V. (2025). Development of management decision-making mechanisms based on artificial intelligence and big data technologies. Bulletin of Eurasian Science, 17(S1). (In Russian).Трифонов, П. В. Разработка системных подходов к использованию цифровых моделей для инновационного развития и повышения эффективности промышленных предприятий в условиях цифровой экономики / П. В. Трифонов // Кузнечноштамповочное производство. Обработка материалов давлением. — 2025. — № 1. — С. 74–82. — EDN PKLQGG.Ponomareva, S. V., Vinokur, I. R. (2025). Simulation modeling for assessing the economic efficiency of knowledge management and production business processes of an industrial enterprise. Economics and Management: Problems, Solutions, 16(1), 36–45. (In Russian). https://doi.org/10.36871/ek.up.p.r.2025.01.16.004Устинова, Л. Н. Модель цифровой трансформации инновационной экосистемы на основе технологической платформы / Л. Н. Устинова, А. М. Макаров, В. В. Бритвина // π-Economy. — 2022. — Т. 15, № 4. — С. 110–122. — DOI 10.18721/JE.15408. — EDN NILHBK.Portner, L., Riel, A., Schmidt, B., & Leclaire, M. (2025). Data Management Maturity Model — Process Dimensions and Capabilities to Leverage Data-Driven Organizations Towards Industry 5.0. Applied System Innovation, 8(2), 41. https://doi.org/10.3390/asi8020041Юдин, А. В. Управление устойчивым развитием промышленных экосистем в условиях динамично меняющейся среды / А. В. Юдин, Е. С. Митяков, Н. Н. Карпухина, П. Ю. Грошева // Развитие и безопасность. — 2025. — № 1(25). — С. 58–69. — EDN LFGNEC.Rodionova, V. N., Antonov, I. S. (2024). Multicriteria analysis and digital solutions to enhance enterprise competitiveness in Industry 5.0. π-Economy, 17(5), 32–44. (In Russian). https://doi.org/10.18721/JE.17502De Bruin, T. Understanding the main phases of developing a maturity assessment model / T. De Bruin, M. Rosemann, R. Freeze, U. Kaulkarni // Proceedings of the Australasian Conference on Information Systems (ACIS). — Sydney: Australasian Chapter of the Association for Information Systems, 2005. — Pp. 8–19.Smolyaninova, I. V., Puzakov, N. R., Starikov, D. V., & Tyshchenko, S. A. (2025). Management of innovation-oriented enterprise ecosystems based on platform solutions and the data economy. First Economic Journal, 4(358), 111–120. (In Russian). https://doi.org/10.58551/20728115_2025_4_111Guo, C. A digital economy development index based on an improved hierarchical data envelopment analysis approach / C. Guo, Q. Song, M. M. Yu, J. Zhang // European Journal of Operational Research. — 2024. — No. 316(3). — Pp. 1146–1157. — DOI 10.1016/J.EJOR.2024.02.023.Trifonov, P. V. (2025). Development of systemic approaches to the use of digital models for innovative development and improving the efficiency of industrial enterprises in the digital economy. Forging and Stamping Production. Material Forming Engineering, 1, 74–82. (In Russian).Gupta, B. B. Analysis of artificial intelligence-based technologies and approaches on sustainable entrepreneurship / B. B. Gupta, A. Gaurav, P. K. Panigrahi, V. Arya // Technological Forecasting and Social Change. — 2023. — No. 186. — DOI 10.1016/J.TECHFORE.2022.122152.Ustinova, L. N., Makarov, A. M., & Britvina, V. V. (2022). Model of digital transformation of an innovation ecosystem based on a technological platform. π-Economy, 15(4), 110–122. (In Russian). https://doi.org/10.18721/JE.15408Hupperz, M. J. What is a data-driven organization? / M. J. Hupperz, I. Gur, F. Moller, B. Otto // Proceedings of the Americas Conference on Information Systems (AMCIS). — Montreal, 2021.Vasyaicheva, V. A. (2022). Technology map for managing innovative design of an industrial enterprise. Bulletin of Samara University. Economics and Management, 13(3), 71–78. (In Russian). https://doi.org/10.18287/2542-0461-2022-13-3-71-78Li, X. Research on the mechanism of sustainable business model innovation driven by the digital platform ecosystem / X. Li, L. Zhang, J. Cao // Journal of Engineering and Technology Management. — 2023. — No. 68. — DOI 10.1016/J.JENGTEC-MAN.2023.101738.Vishniagova, E. A., Solovieva, I. A. (2024). Identification of the structure and features of industrial ecosystems. Bulletin of South Ural State University. Series: Economics and Management, 18(1), 80–89. (In Russian). https://doi.org/10.14529/em240107Portner, L. Data Management Maturity Model — Process Dimensions and Capabilities to Leverage Data-Driven Organizations Towards Industry 5.0 / L. Portner, A. Riel, B. Schmidt, M. Leclaire // Applied System Innovation. — 2025. — Vol. 8, No. 2. — DOI 10.3390/ASI8020041.Yadav, P., Yadav, S., Singh, D., & Kapoor, R. M. (2022). An analytical hierarchy process-based decision support system for the selection of biogas up-gradation technologies. Chemosphere, 302, 134741. https://doi.org/10.1016/j.chemosphere.2022.134741Yadav, P. An analytical hierarchy process-based decision support system for the selection of biogas up-gradation technologies / P. Yadav, S. Yadav, D. Singh, R. M. Kapoor // Chemosphere. — 2022. — No. 302. — DOI 10.1016/J.CHEMOSPHERE.2022.134741.Yudin, A. V., Mityakov, E. S., Karpukhina, N. N., Grosheva, P. Yu. (2025). Management of sustainable development of industrial ecosystems in a dynamically changing environment. Development and Security, 1(25), 58–69. (In Russian).

The authors declare that there are no conflicts of interest present.