Моделирование интеллектуальной зрелости промышленных экосистем на основе данных с применением модифицированного метода анализа иерархий

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.

1. Васяйчева, 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.

2. 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.

3. Глухов, 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.

4. Глухов, 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..

5. Иголкин, 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..

6. Ковальчук, 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.

7. 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.

8. Морковкин, 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..

9. Пономарева, 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.

10. Родионова, 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.

11. Смольянинова, 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.

12. 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.

13. Устинова, 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.

14. Юдин, 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.

15. De 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.

16. Guo, 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.

17. 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.

18. Hupperz, 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.

19. Li, 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.

20. Portner, 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.

21. Yadav, 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.