XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

Стратегический менеджмент претерпевает фундаментальную трансформацию, движимую экспоненциальным ростом объемов данных и возможностей для их анализа. По оценкам Research and Markets, рынок больших данных и аналитических услуг демонстрирует исключительный рост и, как ожидается, достигнет 365,42 миллиардов долларов к 2029 году при совокупном годовом темпе роста в 21,3% [1].

Динамика рынка аналитики больших данных, согласно прогнозам, продолжит стремительный рост до 2035 года, что эксперты связывают с повсеместным внедрением ИИ, облачных сервисов и растущими инвестициями в цифровую инфраструктуру [2]. Формирование цифрового суверенитета и экономической конкурентоспособности сегодня немыслимо без интеграции технологий Big Data, что находит прямое отражение в стратегических документах ведущих мировых держав и международных организаций.

В Российской Федерации данный тренд был институционализирован в 2017 году в рамках нацпрограммы «Цифровая экономика», где большие данные получили статус одной из ключевых сквозных технологий наравне с искусственным интеллектом и Интернетом вещей [3]. Вслед за этим Указ Президента № 204 (2018 г.) возвел цифровизацию, включая работу с данными, в ранг приоритетной национальной цели, а Стратегия развития ИИ до 2030 года (Указ № 490, 2019 г.) конкретизировала задачи по созданию комплексной инфраструктуры и рынка данных, что подчеркивает стратегический курс на построение экономики, основанной на данных.

На глобальной арене наблюдается схожая динамика: в 2020 году Европейская комиссия инициировала «Стратегию ЕС по данным», нацеленную на формирование единого европейского цифрового пространства и стимулирование экономики, основанной на данных [2]. Параллельно ОЭСР в 2019 году сформулировала Принципы искусственного интеллекта, акцентирующие необходимость создания надежных, безопасных и этичных алгоритмических систем.

Экономика данных становится новым курсом, где информация является ключевым активом и товаром, а большие данные выступают как сырье для создания ценности, а аналитика — как производственный процесс, модели «Data-as-a-Service» (DaaS) коммерциализируют доступ к обработанным данным, создавая новые рынки и бизнес-модели.

Понятие «большие данные» характеризуется не только объемом, но и многообразием форм, включая структурированные и неструктурированные данные, и скоростью их генерации. Ценность заключается не в самих данных, а в знаниях и практических выводах, которые можно извлечь в процессе анализа. В 2025 году эта ценность все в большей степени раскрывается через несколько ключевых тенденций, а интеграция искусственного интеллекта и машинного обучения является одной из них.

Слияние этих технологий с большими данными революционизирует способность организаций получать ценную информацию и принимать решения. Аналитика на основе искусственного интеллекта позволяет прогнозировать рыночное поведение, предпочтения клиентов и операционные узкие места с высокой точностью, в то время как модели машинного обучения адаптируются к новым данным, обеспечивая релевантность прогнозов с течением времени [4].

Другой важной тенденцией является повышение значимости управления данными. Исследование Gartner показало, что плохое качество данных обходится организациям в среднем в 12,9 миллионов долларов в год. В 2025 году управление данными строится на трех фундаментальных столпах - стратегия данных, архитектура данных и управление данными, - которые трансформируются под влиянием метаданных и искусственного интеллекта. Согласно исследованию, лишь 6,2% организаций планируют работать исключительно в локальных инфраструктурах, что указывает на эволюцию решений в сторону сложных портфельных выборов, а не обязательств перед одним поставщиком [5].

Теоретические преимущества больших данных находят свое конкретное воплощение в различных функциональных областях стратегического управления, от операционного совершенства до управления рисками и клиентского опыта. Компании используют аналитику для прогнозирования спроса, управления запасами и оптимизации логистики. Например, Walmart использует сложные прогнозные аналитические модели, которые интегрируют исторические данные о продажах, прогнозы погоды и тренды потребительского поведения [5], а PepsiCo использует большие данные для расчета объема и ассортимента продукции, необходимого ритейлерам.

Другое важное применение - углубление понимания клиентов и персонализация, так как большие данные позволяют компаниям перейти от сегментации к индивидуальному взаимодействию с клиентом. Amazon является пионером в этом направлении: его система рекомендаций генерирует около 35% его выручки, а Netflix использует данные о просмотрах для создания оригинального контента [6].

Совершенствование управления рисками и обеспечения безопасности также сильно зависит от больших данных. Актуальные данные IBM показывают, что глобальная средняя стоимость утечки данных в 2025 году составила 4,4 миллиона долларов [7]. Компании, использующие искусственный интеллект в инициативах по безопасности, экономят 1,9 миллиона долларов.

Данные напрямую влияют на продуктовые стратегии: британский модный дом Burberry использует данные для целевого взаимодействия с клиентами на индивидуальном уровне [8]. В здравоохранении Johns Hopkins Hospital разработала прогнозную модель, которая анализирует более 200 переменных из электронных медицинских карт для прогнозирования рисков повторной госпитализации пациентов.

Рис. 1 - Использование инструментов Big Data компаниями по целям [4]

Несмотря на огромный потенциал, интеграция больших данных в стратегический менеджмент сопряжена с существенными вызовами. Исследования показывают, что 67% организаций не доверяют своим данным для принятия решений по сравнению с 55% в 2023 году [9]. Неточные или неполные данные приводят к ошибочным выводам и стратегическим просчетам. Работа с большими объемами конфиденциальной информации требует строгих мер безопасности, а также соблюдения нормативных требований, а также серьезным барьером является дефицит кадровых ресурсов и культурное сопротивление (таблица 1).

Таблица 1 – Ключевые вызовы при интеграции больших данных и пути их минимизации

Большие данные кардинально меняют парадигму стратегического менеджмента, превращая его из искусства, основанного на интуиции и прошлом опыте, в науку, основанную на фактах и прогнозной аналитике. Как показывают рассмотренные тенденции и кейсы, компании, которые успешно интегрируют большие данные в свои стратегические процессы, получают беспрецедентные возможности для оптимизации операций, углубления взаимодействия с клиентами, управления рисками и стимулирования инноваций.

В будущем можно ожидать дальнейшего сближения больших данных с искусственным интеллектом, роста важности анализа в реальном времени и периферийных вычислений, а также усиления роли управления данными как основы для доверия и устойчивого конкурентного преимущества.

Список литературы

1. Перспективы рынка больших данных и бизнес-аналитики - [электронный ресурс] URL: https://www.researchnester.com/ru/reports/big-data-and-business-analytics-market/6469 (дата обращения 10.11.2025)

2. Аналитика больших данных: Двигатель роста бизнеса. CE Interim. - [электронный ресурс] URL: https://ceinterim.com/ru/как-использовать-большие-данные-для-р/ . (дата обращения 10.11.2025)

3. Об утверждении программы «Цифровая экономика Российской Федерации»: распоряжение Правительства Российской Федерации от 28 июля 2017 г. № 1632-р // Собрание законодательства РФ. – 2017. – № 32. – Ст. 5138.

4. Роль больших данных в построении бизнес-стратегий. Doisz. - [электронный ресурс] URL: https://doisz.com/ru/blog/big-data-na-construcao-de-estrategias-empresariais/ . (дата обращения 10.11.2025).

5. Data Analytics Case Study Examples for Businesses 2025. Omdena. - [электронный ресурс] URL: https://www.omdena.com/blog/data-analytics-case-study-examples-businesses-2025  (дата обращения 10.11.2025)

6. How Do Companies Use Big Data Analytics in Real World? GeeksforGeeks. - [электронный ресурс] URL: https://www.geeksforgeeks.org/blogs/how-do-companies-use-big-data-analytics-in-real-world/ . (дата обращения 10.11.2025)

7. Top 8 Big Data Trends Shaping 2025. Acceldata. - [электронный ресурс] URL: https://www.acceldata.io/blog/top-8-big-data-trends-shaping-2025 .

8. Big Data 75: Companies Driving Innovation in 2025. DBTA. - [электронный ресурс] URL: https://www.dbta.com/BigDataQuarterly/Articles/Big-Data-75-Companies-Driving-Innovation-in-2025-171347.aspx . (дата обращения 10.11.2025)

9. How to Implement Big Data Analytics in Six Steps. LinkedIn. - [электронный ресурс] URL: https://www.linkedin.com/advice/0/how-can-you-implement-big-data-analytics-your-organization. (дата обращения 10.11.2025)