Роль информационного обеспечения в процессе принятия управленческих решений: теоретические аспекты, эволюция, практическое применение и рекомендации по совершенствованию

В эпоху, когда 2 зеттабайта данных генерировались в интернете еще в 2010 году, а скорость мобильного интернета от 3G в 2010 году (до 4,9 Мбит/с) до полноценного 4G в 2011/2012 году (средняя скорость 100 Мбит/с к 2019 году) и 5G, запущенного в 2019 году (до 959 Мбит/с), обеспечила экспоненциальный рост данных, вопрос информационного обеспечения превратился из технической особенности в стратегический императив. Сегодня, когда 80% отечественных компаний находятся в процессе замещения иностранных информационных систем и ПО, а 54,8% российских компаний уже применяют технологии ИИ в разработке новых систем, становится очевидным, что информационное обеспечение — это не просто вспомогательный инструмент, а кровеносная система любой эффективной управленческой деятельности. Без него компании рискуют оказаться на периферии конкурентной борьбы, теряя возможность оперативно реагировать на рыночные изменения и принимать обоснованные стратегические решения.

Настоящая курсовая работа посвящена тщательному исследованию и презентации роли информационного обеспечения в процессе принятия управленческих решений в современных организациях. Целью исследования является комплексный анализ теоретических аспектов, практического применения в конкретной организации и разработка рекомендаций по совершенствованию информационного обеспечения. В рамках этой цели были поставлены следующие задачи: определить сущность и структуру процесса принятия управленческих решений и эволюцию в нем значения информационного обеспечения; выявить основные виды управленческой информации и современные информационные системы; рассмотреть особенности применения информационных систем для анализа и выбора управленческих решений в российских компаниях; разработать методы оценки эффективности информационного обеспечения; предложить стратегические и тактические рекомендации по совершенствованию информационного обеспечения. Объектом исследования является процесс принятия управленческих решений в организации, а предметом – информационное обеспечение этого процесса. Методологическая база работы основана на системном подходе, сравнительном анализе, методах статистической обработки данных, а также изучении и обобщении отечественного и зарубежного опыта. Структура работы включает введение, две теоретические главы, главу, посвященную практическому анализу, и заключение с рекомендациями.

Теоретические основы процесса принятия управленческих решений и его информационного обеспечения

Управленческое решение – это не просто выбор из нескольких вариантов, а квинтэссенция руководящей деятельности, пронизывающая каждую функцию управления и служащая ее основным инструментом. От того, насколько качественно и своевременно оно принято, зависит не только текущая операционная эффективность, но и стратегическое будущее организации. Однако понимание этого процесса было бы неполным без глубокого погружения в его внутреннюю структуру и, что не менее важно, в исторический контекст развития информационных систем, которые стали его неотъемлемой частью, трансформируя методы и подходы к управлению.

Сущность и структура процесса принятия управленческих решений

Герберт Саймон, один из величайших мыслителей в области менеджмента, неслучайно назвал принятие решений «сутью управленческой деятельности». Он утверждал, что любая практическая деятельность состоит из двух взаимосвязанных компонентов: «решения» и «действия». И действительно, ни одна функция управления — будь то планирование, организация, мотивация или контроль — не может быть реализована без предварительной подготовки и последующего исполнения управленческих решений. Суть управленческого решения заключается в выборе оптимального пути развития или действия, направленного на достижение поставленных целей организации. Ключевыми характеристиками такого решения являются его обоснованность, базирование на анализе доступных данных и информации, а также учет накопленного опыта.

Процесс принятия управленческого решения — это не единичный акт, а сложная последовательность взаимосвязанных этапов, которые обеспечивают его рациональность и эффективность. В классическом понимании этот процесс состоит из шести основных шагов:

1. Формулировка проблемы или цели. Четкое определение того, что необходимо решить или чего достичь.
2. Сбор и анализ информации. На этом этапе собираются все необходимые данные, относящиеся к проблеме, и проводится их систематизация.
3. Разработка альтернативных вариантов решений. На основе проанализированной информации генерируются различные пути решения проблемы.
4. Выбор наилучшего варианта. Альтернативы оцениваются по заранее определенным критериям, и выбирается оптимальное решение.
5. Реализация решения. Принятое решение воплощается в жизнь через конкретные действия.
6. Оценка его эффективности. Анализ результатов реализации решения для определения его успешности и внесения корректировок.

Некоторые источники, например, ресурс «АГРОКЕБЕТИ», предлагают более детализированный подход, расширяя этот процесс до девяти этапов: от сбора полной информации о проблеме и постановки целей до выбора оценочной системы, прогнозирования ситуации, отбора идей, выбора оптимального варианта, подготовки и реализации решения, а также контроля и анализа. Независимо от числа этапов, ключевым остается последовательность: выявление и анализ проблем, выработка рационального решения и его последующая реализация и корректировка.

В теории менеджмента существуют различные модели принятия решений, каждая из которых предлагает свой взгляд на этот процесс:

• Рациональная модель. Эта модель является идеализированной и предполагает, что решения принимаются на основе всестороннего анализа доступной информации, строгой логики, беспристрастно, без влияния эмоций и ценностей. Она включает шесть шагов: определение проблемы, установление критериев оценки, определение важности каждого критерия, создание списка альтернатив, оценка альтернатив и выбор лучшего решения. Рациональная модель требует исчерпывающего анализа ситуации и может включать циклические процессы пересмотра альтернатив для достижения максимально оптимального результата.
• Поведенческая модель (Модель Саймона). В отличие от идеализированной рациональной модели, поведенческие модели описывают реальное поведение менеджеров-практиков. Герберт Саймон ввел концепцию ограниченной рациональности, утверждая, что человек, принимающий решение (ЛПР), обладая ограниченными когнитивными и временными ресурсами, не всегда способен принять абсолютно оптимальное решение. Вместо этого он довольствуется «удовлетворительными» решениями, которые соответствуют минимальным требованиям, но не обязательно являются лучшими из всех возможных. Эта модель подчеркивает влияние психологических факторов, интуиции, прошлого опыта и организационных ограничений на процесс принятия решений.

Понимание этих моделей позволяет осознать, насколько сложен и многогранен процесс принятия решений, и как сильно он зависит от качества и доступности информации. Именно здесь на сцену выходит информационное обеспечение, которое должно нивелировать ограничения поведенческих моделей и приблизить процесс к идеалам рациональности.

Эволюция информационного обеспечения управленческих решений

История развития информационного обеспечения управленческих решений неразрывно связана с прогрессом вычислительной техники и информационных технологий. От первых шагов в середине XX века до сегодняшнего дня, когда мобильные устройства и искусственный интеллект стали неотъемлемой частью нашей жизни, каждое десятилетие приносило свои революционные изменения. Так, появление первых коммерческих компьютеров, таких как IBM 701 (1952 год) и IBM 650 (1953 год), способных анализировать данные в промышленных масштабах, заложило основу для автоматизированной обработки информации, открывая путь к более сложному и эффективному управлению.

Развитие средств Business Intelligence (BI) происходило параллельно с общим развитием информационных технологий. Термин «Business Intelligence» был впервые использован в 1958 году исследователем IBM Хансом Питером Луном, который определил его как «возможность понимания связей между представленными фактами». Это определение подчеркивало не просто сбор данных, а их осмысление и выявление взаимосвязей. В 1989 году аналитик Gartner Ховард Дреснер дал более современное определение BI как общего термина, описывающего «концепции и методы для улучшения принятия бизнес-решений с использованием систем на основе бизнес-данных».

Эволюцию информационных систем можно условно разделить на несколько этапов:

• 1950-1960 гг.: Эра автоматизации расчетов. В этот период ИС использовались преимущественно для обработки расчетных документов на электромеханических бухгалтерских машинах. Главной целью было повышение скорости и точности рутинных операций, таких как начисление зарплаты или ведение складского учета.
• 1960-1970 гг.: Появление управленческих ИС. На этом этапе развивались информационные системы для производственной информации. Они упрощали расчеты, автоматизировали подготовку отчетности и предоставляли первичные данные для принятия оперативных решений. Примером могут служить первые системы для управления запасами или планирования производства.
• 1970-1980 гг.: Системы поддержки принятия решений (СППР). Осознание того, что ИС могут не только автоматизировать рутину, но и активно помогать в принятии сложных решений, привело к развитию СППР. Эти системы были ориентированы на высшее звено управления, предоставляя инструменты для анализа данных, моделирования сценариев и выработки наиболее рациональных решений в условиях неопределенности.
• 1980-2000 гг.: Информация как стратегический ресурс. В этот период информация стала рассматриваться как ключевой актив, обеспечивающий конкурентное преимущество. Появились стратегические ИС, направленные на поддержку долгосрочного планирования и развития, а также автоматизированные офисы, значительно повысившие продуктивность административной работы.
• С 2000-х гг. до настоящего времени: Цифровая революция и гиперсвязанность. Начало 2000-х ознаменовалось взрывным ростом мобильных технологий. Появление смартфонов, таких как Apple iPhone в 2007 году, сделало информацию доступной в любом месте и в любое время. Период с 2010 года до настоящего времени характеризуется эрой облачных вычислений, искусственного интеллекта (ИИ) и Интернета вещей (IoT). Скорость интернета значительно возросла: от 3G/IMT-2000 в 2010 году (до 4,9 Мбит/с) до полноценного 4G в 2011/2012 году (средняя скорость 100 Мбит/с к 2019 году) и 5G, запущенного в 2019 году (до 959 Мбит/с). Это обеспечило экспоненциальный рост объемов генерируемых и передаваемых данных, сделав информационное обеспечение ключевым ресурсом для принятия любых управленческих решений.

Современные информационные технологии привели к революции в области информации и коммуникаций. Теперь менеджеры на всех уровнях управления должны не только быть потребителями информации, но и активно участвовать в создании информационного обеспечения, предъявляя к нему определенные требования. Это подразумевает глубокое понимание своих информационных потребностей и умение формулировать задачи для IT-специалистов, чтобы информационные системы действительно служили эффективным инструментом поддержки принятия стратегически важных решений.

Виды управленческой информации и современные информационные системы поддержки решений

В современном бизнесе информация — это не просто набор данных, а жизненно важный ресурс, который устраняет неопределенность, позволяет глубоко изучать состояние объекта управления и, в конечном итоге, служит фундаментом для любого эффективного управленческого решения. Ее своевременность, полнота и достоверность определяют качество этих решений. Чтобы эффективно использовать этот ресурс, необходимо понимать его природу, а также инструменты, которые помогают его собирать, обрабатывать и анализировать.

Классификация и требования к управленческой информации

Управленческая информация – это систематизированные данные, которые хранятся, передаются, преобразуются и используются для активного влияния на регулирование производственной и иной деятельности организации. Она является основой, на которой строится весь управленческий процесс, от оперативного контроля до стратегического планирования. Без адекватной информации управление становится слепым и неэффективным.

Управленческую информацию можно классифицировать по множеству критериев, каждый из которых отражает ее специфические особенности и роль в системе управления:

1. По характеру задач:
   • Организационно-экономическая: данные о структуре организации, распределении обязанностей, экономических показателях, финансовых потоках.
   • Собственно управленческая: информация о ходе выполнения планов, отклонениях, принятых решениях и их результатах.
   • Технико-технологическая: сведения о производственных процессах, оборудовании, технологиях, качестве продукции.
   • Социально-психологическая: данные о персонале, мотивации, климате в коллективе, удовлетворенности трудом.
   • Идейно-воспитательная: информация, направленная на формирование корпоративной культуры, ценностей, идеологии.
2. По времени использования:
   • Постоянная: справочная информация, нормативы, стандарты, которые не меняются часто.
   • Переменная: оперативные данные о текущих событиях, показателях, требующие регулярного обновления.
3. По способу фиксации и выражения:
   • Устная: информация, передаваемая в процессе личного общения, совещаний.
   • Документированная: зафиксированная на носителях (бумажных, электронных) информация.
   • Цифровая: представленная в виде чисел, таблиц, графиков (наиболее распространенный формат для обработки ИС).
4. По направлению движения:
   • Входящая: информация, поступающая в организацию извне (от клиентов, поставщиков, конкурентов, регулирующих органов) или из других подразделений.
   • Исходящая: информация, генерируемая внутри организации и передаваемая вовне или другим подразделениям.
5. По источнику:
   • Внешняя: данные о рынке, конкурентах, макроэкономических показателях, законодательстве.
   • Внутренняя: данные о производственной деятельности, финансах, персонале, клиентах организации.
6. По содержанию:
   • Экономическая: финансовые отчеты, бюджеты, ценообразование.
   • Правовая: законы, нормативы, контракты.
   • Техническая: чертежи, спецификации, инструкции.
   • Прочая: маркетинговая, экологическая, социальная и т.д.
7. По объективности:
   • Объективная: факты, официальные документы, подтвержденные данные.
   • Субъективная: мнения, суждения, оценки, прогнозы экспертов.
8. По степени готовности и достоверности:
   • Первичная: необработанные данные.
   • Промежуточная: частично обработанные данные.
   • Конечная: полностью обработанная, систематизированная информация, готовая к использованию.
   • Достоверная: проверенная, точная информация.
   • Подлежащая проверке: информация, требующая дополнительного подтверждения.
   • Сомнительная: информация, которая вызывает вопросы или содержит противоречия.

Ключевые требования к качеству управленческой информации включают:

• Релевантность: соответствие информации конкретной управленческой задаче.
• Полнота: наличие всех необходимых данных для принятия решения.
• Достоверность: точность и правдивость информации.
• Своевременность: доступность информации в нужный момент.
• Актуальность: соответствие информации текущему положению дел.
• Доступность: легкость получения и понимания информации.
• Консистентность: согласованность информации из разных источников.
• Экономичность: затраты на получение информации не должны превышать ее ценность.

Понимание этой классификации и требований позволяет менеджерам более осознанно подходить к процессу сбора и анализа информации, а также эффективно использовать современные информационные системы.

Основные виды информационных систем поддержки управленческих решений

Современный ландшафт информационных систем для бизнеса огромен и разнообразен. Каждая система имеет свою уникальную архитектуру, функционал и предназначение, но все они объединены общей целью — обеспечить менеджеров необходимой информацией для принятия обоснованных решений. Рассмотрим наиболее распространенные типы ИС.

1. Management Information System (MIS) – Управленческая информа��ионная система.
   

   MIS – это компьютеризированная система, которая собирает, обрабатывает, хранит и предоставляет информацию для поддержки принятия управленческих решений, особенно на среднем уровне управления. Она помогает руководителям получать доступ к нужной информации для более обоснованных решений, предоставляя стандартизированные отчеты о прошлой производительности.

   • Назначение: Оптимизация операционной эффективности, поддержка рутинных и структурированных решений.
   • Ключевые функции: Сбор данных, обработка транзакций, формирование регулярных отчетов (продажи, запасы, финансы), мониторинг производительности.
   • Отличия от DSS: В отличие от систем поддержки принятия решений (DSS), MIS ориентирована на операционную эффективность и рутинные, структурированные решения. Она предоставляет стандартизированные отчеты о прошлой производительности, тогда как DSS фокусируется на принятии эффективных, сложных, неструктурированных или полуструктурированных решений, используя аналитические инструменты и модели для анализа сценариев.
   • Пример данных: Ежемесячные отчеты о продажах, данные о текущих запасах, отчеты по затратам.
   • Подсистемы: MIS включает транзакционные (обработка повседневных операций), аналитические (статистический анализ), интеллектуальные системы (экспертные системы), системы поддержки принятия решений (DSS) и поддержки исполнительного управления (ESS).
2. Decision Support System (DSS) – Система поддержки принятия решений.
   

   DSS – это интерактивная система, предназначенная для помощи руководителям в выработке наиболее рациональных решений, особенно для высшего звена управления и в ситуациях, когда проблема является неструктурированной или полуструктурированной.

   • Назначение: Анализ сложных, неструктурированных проблем, моделирование различных сценариев, поддержка принятия стратегических и тактических решений.
   • Ключевые функции: Анализ «что-если», статистический анализ, создание моделей, прогнозирование, генерация отчетов по запросу, поддержка групповых решений.
   • Пример данных: Данные для анализа влияния изменения цен на прибыль, результаты моделирования выхода на новый рынок.
3. Enterprise Resource Planning (ERP) – Система планирования ресурсов предприятия.
   

   ERP – это комплексная интегрированная система, которая обеспечивает единую базу данных для всех функциональных модулей предприятия, облегчая доступ к информации и координацию действий между подразделениями.

   • Назначение: Централизованное управление всеми ключевыми бизнес-процессами организации.
   • Ключевые функции: Управление финансами (бухгалтерский, налоговый учет, бюджетирование), складом (запасы, приемка, отгрузка), производством (планирование, учет, контроль проектов), кадрами (найм, зарплата), логистикой и цепочками поставок (закупки, отношения с поставщиками), а также продажами.
   • Роль в принятии решений: Позволяет оперативно анализировать полный объем данных о работе компании, обеспечивая единую «картину» бизнеса и принимая на их основе эффективные управленческие решения, например, по оптимизации производства или распределению ресурсов.
   • Пример данных: Данные о производственных затратах, статусе заказов, уровне запасов, финансовые показатели компании.
4. Customer Relationship Management (CRM) – Система управления взаимоотношениями с клиентами.
   

   CRM – это модель взаимодействия, ориентированная на клиента, которая поддерживает маркетинг, продажи и обслуживание клиентов, автоматизируя соответствующие бизнес-процессы.

   • Назначение: Построение и поддержание долгосрочных взаимовыгодных отношений с клиентами.
   • Ключевые функции: Управление данными о клиентах (контактные данные, демография, поведение), историей взаимодействий (встречи, звонки, покупки, запросы), данными о продажах (частота, объем, средний чек, конверсия) и маркетинговой информацией (реакция на кампании, источники трафика).
   • Роль в принятии решений: Помогает принимать решения в области персонализации предложений, оптимизации маркетинговых кампаний, улучшения клиентского сервиса и прогнозирования продаж.
   • Пример данных: История покупок клиента, его предпочтения, результаты маркетинговых кампаний, жалобы и обращения.
5. Business Intelligence (BI) – Бизнес-аналитика.
   

   BI – это набор практик, методологий и технологий по сбору, структурированию, анализу и преобразованию сырых данных в целостную картину бизнеса, позволяющую принимать решения. Она агрегирует информацию из нескольких каналов в единую аналитику и создает удобные дашборды.

   • Назначение: Трансформация сырых данных в ценные, actionable инсайты для поддержки стратегических и тактических решений.
   • Ключевые функции: Сбор и интеграция данных из разрозненных источников, создание хранилищ данных, аналитическая обработка данных (OLAP), data mining, визуализация данных (дашборды, отчеты).
   • Примеры BI-дашбордов:
     • Дашборды продаж и выручки: Общая выручка, средний чек, динамика продаж по продуктам/регионам, ключевые показатели эффективности (KPI) для отдела продаж.
     • Дашборды по запасам: Оптимизация товарных остатков, оборачиваемость запасов, прогнозы дефицита или избытка.
     • Дашборды анализа клиентских данных: Сегментация клиентов, предпочтения, неудовлетворенные потребности, жизненный цикл клиента.
     • Дашборды эффективности маркетинговых кампаний: Новые клиенты, конверсия, ROI (возврат инвестиций), источники трафика.
     • Дашборды по аналитике работы персонала и рентабельности клиентов.

Каждая из этих систем, будь то операционная MIS, стратегическая DSS, всеобъемлющая ERP, клиентоориентированная CRM или аналитическая BI, играет свою уникальную роль в информационном обеспечении управления. Их интеграция и грамотное использование позволяют организации создать мощную базу для принятия обоснованных и эффективных решений в условиях постоянно меняющегося рынка.

Влияние цифровизации и новых технологий на принятие решений и особенности их применения в российских компаниях

В XXI веке, когда потоки информации стали не просто большими, а гигантскими, а вычислительные мощности достигли беспрецедентных высот, ландшафт принятия управленческих решений претерпел коренные изменения. Цифровизация, проникая во все сферы бизнеса, несет с собой не только новые возможности, но и диктует новые требования к информационному обеспечению. И в авангарде этих перемен стоят такие технологии, как Big Data и искусственный интеллект, которые трансформируют саму философию управления.

Цифровизация, Big Data и искусственный интеллект как драйверы принятия решений

Цифровизация и внедрение искусственного интеллекта (ИИ) не просто улучшают отдельные аспекты бизнеса, они меняют саму парадигму принятия решений в компаниях. ИИ становится не просто инструментом, а полноценным участником управленческого процесса, способным автоматизировать и оптимизировать многие его этапы.

Искусственный интеллект как катализатор принятия решений:

• Автоматизация и оптимизация: ИИ способен автоматизировать принятие рутинных и даже некоторых сложных решений, анализируя огромные объемы данных и выявляя закономерности для предложения оптимальных действий. Это особенно полезно в таких областях, как:
  • Динамическое ценообразование: ИИ мгновенно реагирует на изменения спроса, предложения, конкурентных цен и других факторов, предлагая оптимальные цены.
  • Обнаружение мошенничества: В финансовой сфере ИИ анализирует транзакции и поведенческие паттерны, выявляя аномалии, указывающие на мошенничество.
  • Кредитный скоринг: Автоматизированная оценка кредитоспособности на основе множества параметров, сокращающая время обработки заявок с недель до минут.
  • Управление запасами: Прогнозирование спроса и оптимизация уровня запасов, минимизация издержек на хранение и рисков дефицита.
  • Персонализация клиентского опыта: Рекомендательные системы ИИ предлагают продукты или услуги на основе истории покупок и предпочтений клиента, повышая лояльность и продажи.
  • Автоматизация административных процессов: Рутинные задачи (обработка документов, ответы на стандартные запросы) передаются ИИ-агентам.
• Повышение качества и скорости: Использование ИИ значительно повышает качество управленческих решений, поскольку технологии способны учитывать больше факторов и обрабатывать данные гораздо быстрее, чем человек. Они анализируют финансовые данные, поведение клиентов, рыночные тенденции и экономические показатели с недостижимой для человека скоростью и точностью. Например, банки могут обрабатывать тысячи звонков за 5 минут, а вероятность ошибки при принятии решений с использованием ИИ ниже, чем без него. Производительность кредитных аналитиков может повышаться на 20-60%, ускоряя принятие решений на 30%. Sberbank, например, прогнозировал финансовый результат от ИИ в размере около 350 млрд рублей к концу 2023 года.
• Снижение человеческого фактора: Системы ИИ, такие как большие языковые модели (LLM) типа GPT, используются для анализа огромных объемов текстовой информации, что позволяет компаниям быстрее реагировать на изменения рынка и принимать обоснованные решения, повышая точность прогнозов и снижая влияние субъективных предубеждений.

Big Data как основа для стратегических решений:

Концепция «Больших данных» (Big Data) стала одним из ключевых ресурсов для принятия стратегических решений, предоставляя конкурентные преимущества благодаря возможности собирать и анализировать гигантские объемы информации. «Большие данные» традиционно характеризуются тремя «V»:

• Объем (Volume): Огромные массивы генерируемых и хранимых данных. В 2010 году объем данных в интернете уже достигал 2 зеттабайт, и с тех пор этот показатель многократно вырос.
• Скорость (Velocity): Высокая скорость генерации, обработки и анализа данных, требующая мгновенной реакции и принятия решений «на лету».
• Разнообразие (Variety): Обработка различных типов данных — структурированных (базы данных), полуструктурированных (XML, JSON) и неструктурированных (тексты, изображения, видео, аудио).

Влияние Big Data на принятие решений:

• Повышение убедительности и качества: Технологии Big Data повышают убедительность и качество решений, поскольку они опираются на обширную статистическую базу исходной информации, укрепляя доверие к схемам принятия решений.
• Выявление неочевидных закономерностей: Анализ больших данных помогает управленцам выявлять закономерности и скрытые корреляции в областях, где человеческие интеллектуальные ресурсы ограничены, и где требуется высокая скорость обработки и интерпретации значительного количества данных.
• Оптимизация бизнес-процессов: Big Data позволяет оптимизировать производственные и логистические цепочки, повышать эффективность маркетинговых кампаний, снижать риски, улучшать прогнозирование спроса, управление логистикой и складскими запасами, а также предотвращать поломки оборудования путем предиктивной аналитики.

Таким образом, цифровизация в целом, и в частности Big Data и ИИ, не просто ускоряют процесс принятия решений, но и кардинально меняют его суть, делая его более обоснованным, точным, быстрым и персонализированным.

Особенности и проблемы применения информационных систем в российских компаниях

Внедрение информационных систем и новых технологий в России имеет свою специфику, обусловленную как глобальными трендами, так и уникальными национальными вызовами и ограничениями.

Текущее состояние и тенденции:

• Активное внедрение ИТ-решений: Российские компании активно внедряют ИТ-решения. В 2024 году 54,8% отечественных компаний применяли технологии ИИ при разработке новых систем, что на 8,2% выше, чем в 2023 году, и прогнозируется рост этой доли до 60-70% к 2025 году. Лидерами по внедрению ИИ являются банковский сектор, топливно-энергетический комплекс (ТЭК) и ритейл.
• Импортозамещение: Одной из ключевых особенностей текущего момента является массовый переход на отечественные решения. 80% российских компаний находятся в процессе замещения иностранных информационных систем и ПО. Эти проекты могут длиться год и более, требуя значительных ресурсов и усилий. С января 2025 года вступает в силу законодательный запрет на приобретение и использование зарубежного ПО органами госвласти и организациями, имеющими объекты критической информационной инфраструктуры, что ускоряет этот процесс.
• Развитие генеративного ИИ и LLM: Основные ожидания экспертов связаны с развитием генеративного ИИ и ИИ-агентов, а также с обработкой естественного русского языка и созданием собственных больших языковых моделей (LLM), что открывает новые горизонты для автоматизации и аналитики.

Основные проблемы и вызовы:

Несмотря на активное развитие, российские компании сталкиваются с рядом серьезных проблем при внедрении и использовании информационных систем:

1. Дефицит квалифицированных ИТ-кадров: Это одна из самых острых проблем. В 2024 году число IT-специалистов в России достигло около 1 млн человек, однако дефицит высококвалифицированных кадров оценивается в 700 тыс. – 1 млн человек к 2025 году, с острой нехваткой специалистов уровня Senior. Время подбора IT-персонала увеличилось вдвое по сравнению с другими отраслями. Этот дефицит замедляет процессы внедрения, поддержки и развития сложных ИС.
2. Уязвимости программного обеспечения: Проблема безопасности остается актуальной, особенно в условиях увеличивающегося числа кибератак. Недостаточный уровень защиты данных и потенциальные уязвимости в ПО создают риски для непрерывности бизнеса и конфиденциальности информации.
3. Ограничения развития отечественного технического и аппаратного обеспечения: Российская микроэлектроника сталкивается с технологическим отставанием на 10-15 лет от мирового уровня. Существует высокая зависимость процессов проектирования и выпуска продукции от зарубежных технологий и импортных компонентов (до 55% в чипах). Также наблюдаются сложности с освоением технологических процессов ниже 180 нм, дефицит производственных мощностей и нехватка квалифицированных инженеров и технологов. После введения санкций доля брака в поставках комплектующих из Китая выросла с 2% до 40%, что значительно усложняет производство и поддержку отечественного оборудования.
4. Сложности интеграции разрозненных ИС: Во многих компаниях исторически сложился «зоопарк» из различных систем, которые плохо взаимодействуют между собой. Это приводит к дублированию данных, снижению эффективности и усложнению получения единой картины бизнеса.
5. Медленный и неорганизованный переход на электронный документооборот (ЭДО): Несмотря на очевидные преимущества, процесс перехода на ЭДО по единым стандартам идет медленно. Отсутствие единого федерального закона об ЭДО (хотя процесс регулируется комплексом нормативных актов и ГОСТов) создает разночтения и затруднения в межведомственном и межкорпоративном взаимодействии.
6. Различия в уровне обеспеченности ведомств средствами вычислительной техники: В государственном секторе и крупных организациях уровень оснащенности может сильно варьироваться, что создает неравномерность в качестве информационного обеспечения.

Эти проблемы требуют комплексного подхода к решению, включая инвестиции в образование и развитие ИТ-кадров, государственную поддержку развития отечественной микроэлектроники и программного обеспечения, а также разработку и внедрение единых стандартов и подходов к цифровизации.

Методы оценки эффективности информационного обеспечения и рекомендации по его совершенствованию

Внедрение информационных систем – это не просто технический проект, а стратегическое инвестиционное решение, требующее значительных затрат. Соответственно, вопрос оценки эффективности этих инвестиций является ключевым для любой организации. Понимание того, насколько ИС оправдывает вложенные средства и соответствует поставленным целям, позволяет не только контролировать текущие проекты, но и принимать обоснованные решения о будущих инвестициях.

Методы оценки эффективности информационного обеспечения процесса принятия решений

Эффективность ИС можно определить как отношение достигаемого эффекта к понесенным затратам. Затраты включают не только прямые расходы на приобретение, монтаж и настройку ПО, но и косвенные, такие как поддержка, обучение персонала, а также потери от простоя при техническом обслуживании и устранении поломок. Эффект же – это измеримый или качественный результат, достигаемый в процессе внедрения и использования программного обеспечения.

Методы оценки эффективности ИС подразделяются на несколько категорий:

1. Затратные методы:
   • «Котловой метод»: Простой подход, предполагающий соотношение общих вложений в ПО с масштабами предприятия и его бизнес-направлением. Недостаток – высокая степень обобщения и отсутствие детализации влияния на конкретные процессы.
   • Метод совокупной стоимости владения (Total Cost of Ownership, TCO): Этот метод позволяет учесть не только первоначальные затраты на приобретение и внедрение ИС, но и все последующие опер��ционные расходы на протяжении всего жизненного цикла системы.
     • Формула расчета TCO:

     TCO = CAPEX + OPEX × L
     

     Где:

     • CAPEX – капитальные затраты (приобретение ПО и оборудования, установка, первоначальная настройка).
     • OPEX – ежегодные операционные расходы (лицензии, техническая поддержка, обслуживание, обучение персонала, обновление, потребление электроэнергии).
     • L – срок службы актива (ИС) в годах.
     • Назначение: Полная оценка всех расходов, связанных с владением и эксплуатацией ИС, что помогает в принятии решений о закупке и планировании бюджета.
2. Методы оценки прямого результата (финансовые методы): Эти методы фокусируются на количественной оценке финансовой выгоды от внедрения ИС.
   • Коэффициент рентабельности инвестиций (Return On Investment, ROI): Один из наиболее популярных показателей, демонстрирующий окупаемость инвестиций.
     • Формула расчета ROI:

     ROI = (Доход с проекта − Затраты на проект) / Затраты на проект × 100%
     

     • Назначение: Оценка экономической эффективности конкретного проекта, показывающая, сколько прибыли принесла каждая вложенная денежная единица.
   • Чистая приведенная стоимость (Net Present Value, NPV): Метод, учитывающий временную стоимость денег, что особенно важно для долгосрочных ИТ-проектов.
     • Формула расчета NPV:

     NPV = Σnt=1 (CFt / (1 + r)t) − IC
     

     Где:

     • CF_t – чистый денежный поток в период t (доходы минус расходы, связанные с проектом).
     • r – ставка дисконтирования (стоимость капитала, минимальная требуемая норма доходности).
     • t – номер периода (год).
     • n – общее количество периодов (срок жизни проекта).
     • IC – изначальная сумма инвестиций (первоначальные капитальные затраты).
     • Назначение: Определение чистой экономической ценности проекта с учетом инфляции и стоимости капитала. Положительный NPV указывает на экономическую целесообразность проекта.
   • Внутренняя норма доходности (Internal Rate of Return, IRR): Ставка дисконтирования, при которой NPV проекта равен нулю. Показывает максимальную ставку, при которой проект остается прибыльным.
   • Период окупаемости инвестиций (Payback Period, PP): Срок, за который инвестиции в проект окупятся за счет генерируемых денежных потоков.
3. Методы, основанные на оценивании идеальности процесса и квалиметрические методы: Эти подходы фокусируются на качественных характеристиках и нефинансовых показателях.
   • Метод функциональной точки: Используется для оценки стоимости и сложности программного обеспечения на основе его функциональных возможностей, а не количества строк кода.
   • Методика анализа «Совокупного экономического эффекта» (Total Economic Impact, TEI): Оценивает использование ИС по четырем ключевым показателям: стоимости, преимуществам, гибкости и рискам. Это позволяет получить более полное представление о ценности системы.
   • Методика «Быстрое экономическое обоснование» (Rapid Economic Justification, REJ): Позволяет быстро вычислить прибыль, затраты, экономические показатели и риски информационного проекта, часто используется на ранних стадиях планирования.
   • Квалиметрические методы: Фокусируются на измерении качественных характеристик, которые напрямую влияют на эффективность управленческих решений, но сложно выражаются в денежном эквиваленте.
     • Надежность: Способность системы работать без сбоев в течение заданного времени.
     • Достоверность: Безошибочность преобразований информации, точность и актуальность данных.
     • Безопасность: Конфиденциальность, целостность и доступность информации, защита от несанкционированного доступа.
     • Удобство использования (юзабилити): Легкость освоения и использования системы для конечных пользователей.
     • Функциональность: Набор функций, предоставляемых системой, и их соответствие потребностям бизнеса.
     • Масштабируемость: Способность системы адаптироваться к росту объемов данных и пользователей.
     • Гибкость: Возможность быстрой настройки и модификации системы под меняющиеся требования.
     • Скорость обработки данных: Время, необходимое для выполнения операций и получения отчетов.
     • Полнота и своевременность информации: Ключевые параметры для качества управленческих решений.
4. Частные показатели эффективности ИС:
   • Для эффективности функционирования ИС:
     • Время отклика системы.
     • Доля успешно обработанных транзакций.
     • Время простоя системы.
     • Использование ресурсов (ЦП, память).
     • Время восстановления после сбоя.
     • Объем обрабатываемых данных.
   • Для организационно-технического уровня ИС:
     • Уровень автоматизации бизнес-процессов.
     • Степень интеграции ИС.
     • Уровень удовлетворенности пользователей.
     • Квалификация персонала.
     • Соответствие ИС стратегическим целям организации.
     • Степень документированности системы.
     • Соблюдение стандартов и регламентов.
     • Оценка полноты автоматизации (степень покрытия бизнес-процесса функциональностью ИС).

Комплексное применение этих методов позволяет получить многогранную картину эффективности информационного обеспечения, учитывая как финансовые, так и качественные аспекты, что крайне важно для принятия взвешенных решений в современном динамичном мире. Например, при внедрении новой ERP-системы, расчет ROI покажет финансовую отдачу, а квалиметрический анализ — насколько система удобна для пользователей и соответствует ли стратегическим целям.

Стратегические и тактические рекомендации по совершенствованию информационного обеспечения

Эффективное информационное обеспечение – это не статичное состояние, а непрерывный процесс совершенствования. В условиях ускоряющихся технологических изменений и возрастающей конкуренции организации должны постоянно адаптировать и модернизировать свои ИТ-ландшафты. Для повышения качества информационного обеспечения управленческих решений в российских компаниях можно предложить ряд стратегических и тактических рекомендаций.

1. Ускорение технологических инноваций и использование новейших технологий:

• Внедрение передовых BI-инструментов: Активное развитие облачных технологий и технологий машинного обучения является главной тенденцией в сфере Business Intelligence. Необходимо внедрять современные BI-платформы, способные работать с большими данными, предоставлять предиктивную аналитику и поддерживать интерактивные дашборды.
• Развитие облачных решений: Предоставление облачных версий программного продукта в совокупности с удобным и интуитивно понятным графическим интерфейсом пользователя может решить проблему недоступности дорогостоящих BI-средств для компаний малого и среднего масштаба, снижая барьеры входа и операционные издержки.
• Интеграция ИИ и Big Data: Продвигать использование ИИ-инструментов и аналитики больших данных для всех уровней принятия решений. Стратегический анализ больших данных позволяет соблюсти принцип полноты и достаточности информации, необходимой для поддержки принятия решений, а ИИ-алгоритмы могут выявлять скрытые закономерности и предлагать оптимальные сценарии.

2. Оптимизация информационных потоков и инфраструктуры:

• Избегание дублирования информации: Проведение аудита информационных систем с целью выявления и устранения дублирования данных. Создание единых источников истины (Single Source of Truth) для ключевых бизнес-данных.
• Повышение степени использования информации: Внедрение систем, которые не только собирают, но и активно анализируют данные, предоставляя менеджерам готовые инсайты, а не просто сырые отчеты.
• Минимизация маршрутов информации: Упрощение цепочек передачи данных, автоматизация ручных операций по сбору и консолидации информации, чтобы обеспечить ее своевременность и актуальность.
• Регулярный мониторинг и аудит ИТ-решений: Проводить постоянный мониторинг фактических значений параметров в ходе эксплуатации ИТ-решений для выявления «узких мест», оптимизации производительности и своевременного реагирования на потенциальные проблемы.

3. Решение проблем, характерных для российских компаний:

• Кадровый дефицит:
  • Инвестиции в обучение: Разработка и внедрение корпоративных программ обучения и переподготовки ИТ-специалистов. Сотрудничество с вузами для формирования актуальных учебных программ.
  • Привлечение и удержание талантов: Создание привлекательных условий труда, конкурентной заработной платы, возможностей для профессионального и карьерного роста.
• Уязвимости ПО и отечественное аппаратное обеспечение:
  • Развитие собственных решений: Стимулирование разработки и внедрения отечественных программных и аппаратных комплексов, в том числе с использованием грантов и субсидий.
  • Повышение кибербезопасности: Инвестиции в системы защиты информации, обучение персонала правилам информационной безопасности, регулярные аудиты и тестирование на проникновение.
• Интеграция разрозненных ИС и электронный документооборот (ЭДО):
  • Разработка единых стандартов: Важно решать затруднения с интеграцией разрозненных ИС и медленным переходом на электронный документооборот, разрабатывая единые стандарты. Несмотря на отсутствие единого федерального закона об ЭДО в РФ, процесс регулируется комплексом нормативных актов (Гражданский и Налоговый кодексы, федеральные законы, постановления Правительства РФ, приказы ФНС) и национальными ГОСТами (например, ГОСТ Р 7.0.8-2013, ГОСТ Р ИСО 15489-1-2007, ГОСТ Р 7.0.97-2016), которые устанавливают правила для обмена, хранения, обработки электронных документов и требования к форматам. Необходимо активно внедрять и соблюдать эти стандарты.
  • Платформенные решения: Внедрение интеграционных платформ (Enterprise Service Bus, ESB), которые позволяют объединять различные системы в единую информационную среду.

4. Развитие компетенций управленцев в области работы с данными:

• Обучение Data-Driven подходу: Управленцам важно стать квалифицированными заказчиками аналитики данных, способными в понятной терминологии объяснить аналитикам свои бизнес-задачи. Для этого требуются такие компетенции, как:
  • Понимание ценности данных: Осознание, что данные – это стратегический актив, способность строить прогнозы и принимать решения на их основе.
  • Аналитические и технические навыки: Умение формулировать бизнес-задачи, базовое понимание принципов работы SQL, Python, BI-систем, навыков визуализации данных, оценки экономического эффекта от ИТ-проектов.
  • Управленческие и коммуникативные навыки: Эффективное взаимодействие с аналитиками, критическое и проблемное мышление, лидерство, навыки проектного менеджмента, способность «переводить» бизнес-задачи на язык данных и наоборот.
• Создание культуры Data-Driven: Формирование в организации среды, где решения принимаются на основе данных, а не интуиции или догадок. Это включает в себя поощрение экспериментов, анализа результатов и постоянного обучения.

Реализация этих рекомендаций позволит российским компаниям не только преодолеть существующие вызовы, но и создать надежную, гибкую и интеллектуальную систему информационного обеспечения, способную поддерживать принятие управленческих решений на всех уровнях в условиях быстро меняющегося мира.

Заключение

В завершение проведенного исследования можно с уверенностью констатировать, что информационное обеспечение в современном мире перестало быть просто вспомогательным инструментом, превратившись в стратегический ресурс и неотъемлемую часть процесса принятия управленческих решений. Как показали наши изыскания, качество и своевременность управленческих решений напрямую зависят от полноты, достоверности и доступности информации.

В первой части работы мы подробно рассмотрели сущность управленческого решения как центрального элемента руководящей деятельности, проанализировав его классические и расширенные этапы – от формулировки проблемы до оценки эффективности. Мы углубились в рациональную и поведенческую модели принятия решений, выявив их принципы и ограничения, а также подчеркнув концепцию ограниченной рациональности Герберта Саймона. Исторический экскурс показал, как эволюционировало информационное обеспечение: от первых коммерческих компьютеров IBM в 1950-х, через становление систем Business Intelligence, до современных мобильных технологий, облачных вычислений, 4G/5G, ИИ и IoT, которые кардинально изменили доступность и объем информации.

Вторая глава была посвящена классификации управленческой информации по множеству критериев и обзору ключевых информационных систем. Мы определили управленческую информацию как данные, активно регулирующие деятельность организации, и подробно классифицировали ее по характеру задач, времени использования, способу фиксации, источнику и другим параметрам, выделив требования к ее качеству. Затем был представлен детальный анализ Management Information System (MIS), Decision Support System (DSS), Enterprise Resource Planning (ERP), Customer Relationship Management (CRM) и Business Intelligence (BI), с раскрытием их назначения, функций и примеров практического применения, в частности, для BI-дашбордов.

Третий раздел акцентировал внимание на трансформационном воздействии цифровизации, Big Data и искусственного интеллекта на процесс принятия управленческих решений. Мы объяснили, как ИИ автоматизирует и повышает качество и скорость решений в таких областях, как динамическое ценообразование, обнаружение мошенничества и персонализация, приведя конкретные статистические данные, например, о значительном финансовом результате от ИИ в Sberbank. Концепция «Больших данных» через призму «3V» (Volume, Velocity, Variety) была раскрыта как мощный инструмент для оптимизации бизнес-процессов и улучшения прогнозирования. Особое внимание было уделено специфике применения информационных систем в российских компаниях, где, несмотря на активное внедрение ИТ-решений и рост использования ИИ, существуют серьезные проблемы: дефицит квалифицированных ИТ-кадров, уязвимости ПО, ограничения в развитии отечественного аппаратного обеспечения и сложности интеграции.

Наконец, в четвертой части работы были представлены комплексные методы оценки эффективности информационных систем, включая затратные, финансовые (ROI, NPV, TCO с приведением формул) и квалиметрические подходы, ориентированные на качественные характеристики систем. В заключение были предложены стратегические и тактические рекомендации по совершенствованию информационного обеспечения. Эти рекомендации включают ускорение технологических инноваций, развитие облачных технологий и машинного обучения, оптимизацию информационных потоков и, что особенно важно, решение специфических проблем российских компаний, таких как кадровый дефицит и интеграция ЭДО. Была подчеркнута необходимость развития компетенций управленцев в области работы с данными, включая освоение Data-Driven подхода и аналитических навыков.

Таким образом, все поставленные цели и задачи исследования были успешно достигнуты. Проведенный анализ подтвердил ключевую роль информационного обеспечения в современных условиях, подчеркнув его критическое значение для повышения эффективности управленческих решений. Разработанные рекомендации призваны служить практическим руководством для организаций, стремящихся оптимизировать свои информационные процессы и укрепить свои конкурентные позиции в условиях цифровой экономики.

Список использованной литературы

1. Ансофф И. Новая корпоративная стратегия. Санкт-Петербург: Питер, 1999. 416 с.
2. Боев В.Д. Информационные системы и технологии в экономике и управлении. Санкт-Петербург: филиал МУ, 2008. 256 с.
3. Веснин В.Р. Менеджмент: учебник. Москва: ТК Велби, Изд-во Проспект, 2007. 504 с.
4. Виханский О.С., Наумов А.И. Менеджмент: учебник. Москва: Экономистъ, 2006. 670 с.
5. Власов М.В., Попов Е.В. Оптимизация процессов управления новыми знаниями // Менеджмент в России и за рубежом. 2007. № 4. С. 3-7.
6. Воробьев С.Н., Уткин В.Б., Балдин К.В. Управленческие решения: учебник для вузов. Москва: ЮНИТИ-ДАНА, 2003. 317 с.
7. Герчикова И.Н. Менеджмент: учебник. Москва: Юнити, 2001. 498 с.
8. Иванов В.В., Хан О.К., Богаченко П.В., Коробова А.Н. Подходы к формированию систем эффективного менеджмента // Менеджмент в России и за рубежом. 2007. № 5. С. 20-30.
9. Карданская Н.Л. Управленческие решения: учебник для вузов. Москва: ЮНИТИ-ДАНА, Единство, 2003. 416 с.
10. Левина С.Ш., Турчаева С.Ю. Управленческие решения. Москва: Феникс, 2007. 223 с.
11. Литвак Б.Г. Разработка управленческих решений: учебник. Москва: Дело, 2002. 392 с.
12. Мескон М., Альберт М., Хедоури Ф. Основы менеджмента. Москва: Дело, 2006. 720 с.
13. Мильнер Б. Управление интеллектуальными ресурсами // Вопросы экономики. 2008. № 7. С. 129-141.
14. Мясоедова Т.Г., Шевченко Р.О. Управление знаниями как функция деятельности организации // Менеджмент в России и за рубежом. 2007. № 5. С. 110-117.
15. Овчинникова Т.И., Козлова О.А., Королев О.П. Решение управленческих проблем с учетом креативного стиля работников предприятия // Управление персоналом. 2007. № 4. С. 24-27.
16. Поршнев А.Г. Менеджмент: теория и практика в России: учебник. Москва: ИД ФБК-ПРЕСС, 2003. 456 с.
17. Смирнов Э.А. Разработка управленческих решений: учебник. Москва: ЮНИТИ-ДАНА, 2001. 407 с.
18. Управление организацией: учебник / под ред. А.Г. Поршнева, З.П. Румянцевой, И.А. Саломатина. Москва: ИНФРА-М, 2007. 736 с.
19. Фатхутдинов Р.А. Управленческие решения: учебник. Москва: ИНФРА-М, 2005. 344 с.
20. Чудновская С.Н. Управленческие решения: учебник. Москва: Эксмо, 2007. 368 с.
21. Ширенбек Х. Экономика предприятия: учебник для вузов / пер. с нем. под общ. ред. И.П. Бойко, С.В. Валдайцева, К. Рихтера. Санкт-Петербург: Питер, 2005. 848 с.
22. Принятие управленческих решений — что это, методы принятия, оценка эффективности. URL: https://www.otpbank.ru/blog/prinyatie-upravlencheskikh-resheniy (дата обращения: 12.10.2025).
23. Классификация управленческой информации. URL: https://studme.org/29737/menedzhment/klassifikatsiya_upravlencheskoy_informatsii (дата обращения: 12.10.2025).
24. Виды управленческой информации. URL: https://www.ranepa.ru/images/docs/vags/TU-1.doc (дата обращения: 12.10.2025).
25. Принятие управленческих решений — Современные технологии управления. URL: https://www.modern-technologies.ru/d-249.html (дата обращения: 12.10.2025).
26. Классификация управленческой информации в образовательной организации. URL: https://nsportal.ru/vuz/ekonomicheskie-nauki/library/2019/07/22/klassifikatsiya-upravlencheskoy-informatsii-v (дата обращения: 12.10.2025).
27. Управленческая информация: ее виды и свойства. URL: https://delkom.ru/upravlencheskaya-informatsiya-ee-vidy-i-svoystva/ (дата обращения: 12.10.2025).
28. Искусственный интеллект в принятии управленческих решений. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-prinyatii-upravlencheskih-resheniy (дата обращения: 12.10.2025).
29. Модели принятия решений Поведенческие модели принятия решений. URL: https://studfile.net/preview/5753444/page:4/ (дата обращения: 12.10.2025).
30. Виды управленческой информации — Основные характеристики и особенности управленческой информации. URL: https://studfile.net/preview/7943588/page:14/ (дата обращения: 12.10.2025).
31. Рациональная модель принятия решений. URL: https://studme.org/29737/menedzhment/ratsionalnaya_model_prinyatiya_resheniy (дата обращения: 12.10.2025).
32. Классификация управленческой информации. — Информационная поддержка руководителя. URL: https://studbooks.net/1359300/menedzhment/klassifikatsiya_upravlencheskoy_informatsii (дата обращения: 12.10.2025).
33. Оценка эффективности информационных систем. URL: https://helpit.me/ocenka-effektivnosti-informacionnyh-sistem/ (дата обращения: 12.10.2025).
34. Методы оценки эффективности ИС предприятия. URL: https://na-journal.ru/2-2016-gumanitarnye-nauki/236-metody-ocenki-effektivnosti-is-predpriyatiya (дата обращения: 12.10.2025).
35. Показатели эффективности. URL: https://studfile.net/preview/1020613/page:17/ (дата обращения: 12.10.2025).
36. 5 моделей принятия решений, которые помогут выбраться из тупика. URL: https://www.atlassian.com/ru/blog/teamwork/decision-making-models (дата обращения: 12.10.2025).
37. Виды управленческой информации и требования к ней. URL: https://studfile.net/preview/8061448/page:3/ (дата обращения: 12.10.2025).
38. Процесс принятия и реализации управленческих решений. URL: https://uchebnikionline.com/menedzhment/protses_prinyattya_realizatsiyi_upravlinskih_rishen_-_kolisnik_o_m/index.htm (дата обращения: 12.10.2025).
39. Применение искусственного интеллекта в системе поддержки принятия управленческих решений. URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-v-sisteme-podderzhki-prinyatiya-upravlencheskih-resheniy (дата обращения: 12.10.2025).
40. Что такое принятия эффективных управленческих решений. URL: https://agrokebety.com/blog/chto-takoe-prinyatie-effektivnyh-upravlencheskih-reshenii (дата обращения: 12.10.2025).
41. Управленческая информация: ее роль, требования к информации, используемой в управлении. Классификация управленческой информации. URL: https://studfile.net/preview/8172935/page:10/ (дата обращения: 12.10.2025).
42. Рубрика Модели принятия решений — теории, алгоритмы. URL: https://training-tech.ru/modeli-prinyatiya-reshenij-teorii-algoritmy/ (дата обращения: 12.10.2025).
43. Как ИИ меняет процесс принятия решений в компаниях? URL: https://www.profiz.ru/sr/2_2024/ii-resheniya/ (дата обращения: 12.10.2025).
44. Глава 2. Основные этапы принятия решений. URL: https://studfile.net/preview/5993888/page:16/ (дата обращения: 12.10.2025).
45. Модели процесса разработки управленческих решений. URL: https://www.src-master.ru/article13909.html (дата обращения: 12.10.2025).
46. Как искусственный интеллект помогает решать управленческие задачи бизнеса. URL: https://business.skolkovo.ru/blog/kak-iskusstvennyy-intellekt-pomogaet-reshat-upravlencheskie-zadachi-biznesa/ (дата обращения: 12.10.2025).
47. Рациональность решения. Поведенческие модели принятия решений. URL: https://studwood.net/1917178/menedzhment/ratsionalnost_resheniya_povedencheskie_modeli_prinyatiya_resheniy (дата обращения: 12.10.2025).
48. Классификация методов и моделей эффективности ИС. URL: https://sites.google.com/site/gukonovalova/metody-i-modeli-effektivnosti-is (дата обращения: 12.10.2025).
49. Модель пошагового процесса принятия рационального управленческого решения. URL: https://cyberleninka.ru/article/n/model-poshagovogo-protsessa-prinyatiya-ratsionalnogo-upravlencheskogo-resheniya (дата обращения: 12.10.2025).
50. Управленческое решение: понятие, классификация и принятие решения. URL: https://academydpo.ru/blog/upravlencheskoe-reshenie (дата обращения: 12.10.2025).
51. Какие уровни принятия управленческих решений существуют. URL: https://jobers.ru/blog/kakie-urovni-prinyatiya-upravlencheskih-resheniy-sushchestvuyut (дата обращения: 12.10.2025).
52. Классификация и свойства управленческой информации. URL: https://www.zaochnik.com/spravochnik/menedzhment/upravlencheskie-resheniya/upravlencheskaya-informatsiya/ (дата обращения: 12.10.2025).
53. Сущность и характерные особенности управленческих решений. URL: https://www.dis.ru/library/manag/archive/2003/2/3173.html (дата обращения: 12.10.2025).
54. Понятие и классификация информации. URL: https://www.finspec.ru/articles/ponjatie-i-klassifikacija-informacii (дата обращения: 12.10.2025).
55. Искусственный интеллект в корпоративном управлении: возможности. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-korporativnom-upravlenii-vozmozhnosti (дата обращения: 12.10.2025).
56. Методы оценки эффективности информационных систем. URL: https://journals.vsu.ru/vestnik_econ_law/article/view/1004 (дата обращения: 12.10.2025).
57. Сущность и характерные особенности управленческих решений. URL: https://www.dis.ru/library/manag/archive/2003/1/3172.html (дата обращения: 12.10.2025).
58. Методика оценки эффективности информационных систем. URL: https://cyberleninka.ru/article/n/metodika-otsenki-effektivnosti-informatsionnyh-sistem (дата обращения: 12.10.2025).
59. Процесс принятия управленческого решения. URL: https://cyberleninka.ru/article/n/protsess-prinyatiya-upravlencheskogo-resheniya-s-i-simanovskiy-management-deci (дата обращения: 12.10.2025).
60. Лекция 3.Этапы и стадии процесса принятия решений. URL: https://moodle.enu.kz/pluginfile.php/364273/mod_resource/content/1/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%D0%AD%D1%82%D0%B0%D0%BF%D1%8B%20%D0%B8%20%D0%A1%D1%82%D0%B0%D0%B4%D0%B8%D0%B8%20%D0%9F%D1%80%D0%B8%D0%BD%D1%8F%D1%82%D0%B8%D1%8F%20%D0%A0%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B9.pdf (дата обращения: 12.10.2025).
61. Поведенческая теория принятия решений — определение термина. URL: https://xn--80ahmkbeo7a.xn--p1ai/term/povedencheskaya-teoriya-prinyatiya-resheniy (дата обращения: 12.10.2025).
62. Поведенческие модели принятия решений. Рациональная организация процесса принятия решения. Подходы к участию в принятии решений. Факторы, оказывающие влияние на принятие решений. URL: https://studfile.net/preview/7419574/page:19/ (дата обращения: 12.10.2025).
63. Некоторые аспекты оценки эффективности информационных систем. URL: https://cyberleninka.ru/article/n/nekotorye-aspekty-otsenki-effektivnosti-informatsionnyh-sistem (дата обращения: 12.10.2025).
64. ИТ-показатели: четыре рекомендации. URL: https://www.atlassian.com/ru/blog/it-metrics (дата обращения: 12.10.2025).
65. Поведенческие модели принятия решений и рациональность. URL: https://studref.com/393165/ekonomika/povedencheskie_modeli_prinyatiya_resheniy_ratsionalnost (дата обращения: 12.10.2025).
66. Как оценить эффективность информационной системы. URL: https://habr.com/ru/companies/sberservices/articles/812229/ (дата обращения: 12.10.2025).
67. Применение технологий Big Data в деятельности современных предприятий. URL: https://vaael.ru/ru/article/view?id=1337 (дата обращения: 12.10.2025).
68. Big Data и смежные технологии при принятии управленческих решений. URL: https://cyberleninka.ru/article/n/big-data-i-smezhnye-tehnologii-pri-prinyatii-upravlencheskih-resheniy (дата обращения: 12.10.2025).
69. Анализ больших данных: как использовать Big Data для бизнеса. URL: https://www.korusconsulting.ru/upload/iblock/d70/d705c74381832049d56ff6195c96b797.pdf (дата обращения: 12.10.2025).
70. 10 важнейших тенденций в ИТ для российской экономики. URL: https://www.vedomosti.ru/partner/articles/2023/10/24/999818-10-vazhneishih-tendentsii-v-it (дата обращения: 12.10.2025).
71. Влияние больших данных на принятие решений в бизнесе. URL: https://zdorovayakozha.ru/eto-interesno/vliyanie-bolshih-dannyh-na-prinyatie-reshenij-v-biznese.html (дата обращения: 12.10.2025).
72. 10 самых перспективных тенденций в IT в России. URL: https://www.vedomosti.ru/partner/articles/2024/11/13/1004652-10-shest-perspektivnih-tendentsii (дата обращения: 12.10.2025).
73. Проблемы внедрения информационных технологий в отечественные организации: барьеры, риски и пути их преодоления. URL: https://cyberleninka.ru/article/n/problemy-vnedreniya-informatsionnyh-tehnologiy-v-otechestvennye-organizatsii-bariery-riski-i-puti-ih-preodoleniya (дата обращения: 12.10.2025).
74. История развития информационных систем и цели их использования на разных периодах. URL: https://studfile.net/preview/16281896/page:17/ (дата обращения: 12.10.2025).
75. История и перспективы развития информационно-аналитического обеспечения принятия управленческих решений. URL: https://cyberleninka.ru/article/n/istoriya-i-perspektivy-razvitiya-informatsionno-analiticheskogo-obespecheniya-prinyatiya-upravlencheskih-resheniy (дата обращения: 12.10.2025).
76. Основные проблемы информационных технологий. URL: https://scienceforum.ru/2022/article/2018006322 (дата обращения: 12.10.2025).
77. Проблемы внедрения новых информационных технологий. URL: https://cyberleninka.ru/article/n/problemy-vnedreniya-novyh-informatsionnyh-tehnologiy (дата обращения: 12.10.2025).
78. ИТ-рынок России: итоги 2024 года и основные тренды. URL: https://habr.com/ru/companies/sigma_it/articles/800055/ (дата обращения: 12.10.2025).
79. Эволюция информационных систем управления. URL: https://fliphtml5.com/sufyv/rykd/basic (дата обращения: 12.10.2025).
80. Разница между MIS и ERP системами: ключевые отличия. URL: https://wezom.com/blog/mis-i-erp-sistemy (дата обращения: 12.10.2025).
81. Тенденции развития IT-компаний на российском рынке. URL: https://cyberleninka.ru/article/n/tendentsii-razvitiya-it-kompaniy-na-rossiyskom-rynke (дата обращения: 12.10.2025).
82. Тенденции ИТ-рынка России. URL: https://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1%8F:%D0%A2%D0%B5%D0%BD%D0%B4%D0%B5%D0%BD%D1%86%D0%B8%D0%B8_%D0%98%D0%A2-%D1%80%D1%8B%D0%BD%D0%BA%D0%B0_%D0%A0%D0%BE%D1%81%D1%81%D0%B8%D0%B8 (дата обращения: 12.10.2025).
83. Проблемы внедрения информационной системы управления предприятием. URL: http://e-koncept.ru/2014/54385.htm (дата обращения: 12.10.2025).
84. Информационное обеспечение управления: Основные тенденции развития. URL: https://elar.urfu.ru/bitstream/10995/115591/1/978-5-7996-3610-8_2022_07.pdf (дата обращения: 12.10.2025).
85. Виды систем управления информацией. URL: https://ot-ekb.ru/vidy-sistem-upravleniya-informaciej/ (дата обращения: 12.10.2025).
86. Метод MIS, как основной инструмент управления в цифровой среде организации. URL: https://cyberleninka.ru/article/n/metod-mis-kak-osnovnoy-instrument-upravleniya-v-tsifrovoy-srede-organizatsii (дата обращения: 12.10.2025).
87. Совершенствование информационного обеспечения управления организацией на примере ООО «Межбольничная аптека». URL: https://www.mosi.ru/upload/iblock/b37/b373403a469b22301c272a85a499318a.pdf (дата обращения: 12.10.2025).
88. Роль ERP-систем в анализе данных и бизнес-анализе. URL: https://appmaster.io/ru/blog/rol-erp-sistem-v-analize-dannyh-i-biznes-analize (дата обращения: 12.10.2025).
89. Классификация информационных систем предприятий. URL: https://fossdoc.com/blog/klassifikaciya-informacionnyh-sistem-predpriyatij/ (дата обращения: 12.10.2025).
90. Выбор информационной системы для автоматизации вашей бизнес-задачи – разбираемся вместе с GlowByte. URL: https://glowbyte.com/blog/kak-vybrat-informatsionnuyu-sistemu-dlya-avtomatizatsii/ (дата обращения: 12.10.2025).
91. Типы информационных систем: MIS, TPS, DSS, пирамидальная диаграмма. URL: https://www.guru99.com/types-of-information-systems.html (дата обращения: 12.10.2025).