ВИКОРИСТАННЯ ІНСТРУМЕНТІВ ІЗ ШІ ДЛЯ ФОРМУВАННЯ ОКУПНИХ БІЗНЕС-МОДЕЛЕЙ

Анотація

Розглянуто напрямки, за якими можна використовувати, та завдання, які можна вирішувати, за рахунок сучасних аналітичних інструментів (програмних засобів), інтегрованих із штучним інтелектом (ШІ) з метою створення окупних бізнес-моделей та обгрунтування бізнес- та управлінських рішень як тактичного, так і стратегічного змісту. В якості ключових питань (завдань), які можна вирішувати, і процесів (пов’язаних із обґрунтуванням прийняття бізнес- та управлінських рішень), які можна покращити чи оптимізувати за рахунок інструментів із ШІ і які, таким чином, матимуть безпосередній вплив на формування ефективних бізнес-моделей, як способів отримання прибутку від обраних видів діяльності суб’єктами господарювання (СГ), розглядаються завдання, процеси та рішення, які пов’язані з генеруванням, переглядом і оцінкою різних варіантів сегментації ринкового бізнес-середовища, альтернативних сценаріїв розвитку подій та бізнес-поведінки, альтернативних бізнес- та управлінських дій, а також із обґрунтуванням їх оптимальних параметрів і вибором найоптимальніших (з огляду на певні задані критерії) варіантів з-поміж них, які мають бути закладені в бізнес- та стратегічні плани СГ. Конкретно це: а) процеси і рішення щодо вибору напрямів бізнесу, так званих стратегічних зон господарювання (СЗГ) чи стратегічних областей бізнесу (СОБ), привабливих для СГ з точки зору потенційної майбутньої прибутковості, на основі комп’ютеризованих алгоритмів побудови та використання багатовимірної морфологічної матриці Цвіккі (методу морфологічного аналізу); б) процеси визначення значень показників абсолютних стратегічного потенціалу та конкурентоспроможності СГ (розрахованих за алгоритмом порівнювання значень їх окремих складових у СГ і в умовно-найсильнішого конкурента в СЗГ) за ключовими факторами успіху (КФУ) для певних СЗГ; в) процеси визначення та оцінки потенційних можливостей та загроз (ризиків) для розвитку бізнесу суб’єктом господарювання в цих СЗГ; г) процеси формування та рішення щодо вибору стратегічних альтернатив поведінки (дій) на всіх рівнях управління бізнесом (корпоративному, окремих бізнесів (тобто на рівні так званих стратегічних господарських центрів (СГЦ)), на функціональному (на рівні бізнес-процесів) та операційному рівнях. Підібрано та наведено перелік інструментів із ШІ, які сьогодні представлені на ринку. Акцентовано увагу на їх функціоналі та можливості (потенціалі) щодо утилітарного застосування в різних аспектах, тобто для вирішення різних завдань, щодо інформаційного забезпечення формування та функціонування окупних бізнес-моделей. При цьому до уваги взято їх здатність до системного обгрунтування адекватних, якісних, точних та ефективних бізнес- та управлінських рішень, які пропонуватимуться для суб’єктів господарювання та їх менеджменту, обумовлену, своєю чергою, можливостями, закладеними в такі технологічні концепти (ідеї), як ‟Big data analysis”, ‟Data Mining”– DM, ‟Deep Learning”– DL, ‟Machine Learning” – ML, ‟Knowledge Discovery in Data” – KDD та їх алгоритми (алгоритми, на основі яких вони працюють). Звертається увага на той факт, що в основу інструментів із ШІ для вирішення завдань ефективного менеджменту, побудови окупних, перспективно-прибуткових моделей бізнесу, обґрунтування раціональних бізнес- та управлінських рішень закладені різноманітні методи класифікації, моделювання, оцінки і прогнозування, які ґрунтуються на застосуванні принципів побудови ‟дерев рішень”, штучних нейронних мереж (ШНМ), на теорії ймовірностей, математичної статистики, на алгоритмах і комп’ютерних програмах прогнозного моделювання та машинного навчання, які застосовують для аналізу поточних і ретроспективних фактів, щоб спрогнозувати (передбачити) майбутні або такі, що іншим чином не можуть бути виявлені (визначені), події, залежності та тренди в бізнес-середовищі. Застосування інструментами ШІ різноманітних методів та алгоритмів обробки і глибинного аналізу великих баз даних допомагає менеджменту СГ виявляти нові тенденції чи взаємозв’язки в бізнесі, нові знання про бізнес, які стають практично корисними для прийняття ефективних рішень управління та генерації оптимальних тактичних і стратегічних альтернатив бізнесової поведінки. Зокрема, глибинний аналіз даних (‟Data Mining” DM, ‟Deep Learning”– DL, ‟Machine Learning” – ML, ‟Knowledge Discovery in Data” – KDD) вже сьогодні широко утилітарно реалізують у бізнесі, в управлінні бізнесом для прогнозування ринкових трендів; для визначення критичних напрямів посилення конкурентоспроможності суб’єктів господарювання в перспективному бізнесі з огляду як на існуючі і потенційні ризики, так і на ключові фактори успіху (КФУ) в такому бізнесі; для оцінки та визначення можливих шляхів підвищення ефективності окремих бізнес-процесів; для автоматизації бізнес- та стратегічного планування та виконання інших завдань, які дозволять суб’єктам господарювання створювати окупні бізнес-моделі та забезпечити їх довгострокове прибуткове функціонування завдяки належній та завчасній проінформованості, а відтак і готовності вчасно та адекватно реагувати на виявлені та передбачені (прогнозовані, очікувані) зміни в зовнішньому бізнес-середовищі.