Особенности внедрения методики управления корпоративными данными с использованием искусственного интеллекта в торгово-промышленном предприятии

Read full text Summarise with VIRAT
Authors: С.С. Никитчук, Olga V. Kitova
Cited by: 0
References: 2

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

В статье представлена авторская методика цифровой трансформации торгово-промышленных предприятий, основанная на пяти доменах цифровизации: клиенты, платформы, данные, НИОКР и ценность. Методика ориентирована на интеграцию принципов управления корпоративными данными с использованием искусственного интеллекта в архитектурные и управленческие контуры предприятия. Предложенный подход позволяет формировать единый методический каркас, объединяющий процессы классификации, очистки, трансформации и анализа данных, а также обеспечивает повышение прозрачности процессов и качество принимаемых решений. Практическая апробация методики проведена на примере трёх крупных проектов цифровой трансформации в ритейле, аграрной отрасли и промышленном производстве. Во всех рассмотренных кейсах подтверждена её эффективность и воспроизводимость, выразившиеся в переходе от базовой цифровизации и фрагментарной автоматизации к унификации ИТ-ландшафта и централизованному управлению корпоративными данными. В результате повышено качество и согласованность данных, улучшена управляемость ключевых бизнес-процессов и сформирована адаптивная цифровая архитектура, ориентированная на дальнейшее развитие. Существенным итогом реализации методики стало создание технологических и организационных предпосылок для внедрения современных отечественных аналитических и производственных решений, включая проекты импортозамещения и переход от зарубежных платформ к локальным системам. Разработанная методика обеспечивает последовательный переход от управления данными к построению рекомендательных систем, опирающихся на качественные корпоративные данные для поддержки управленческих решений. Использование интеллектуальных рекомендаций позволяет повысить точность аналитики, сократить время реакции на изменения внешней среды и обеспечить адаптивность процессов планирования, производства и сервиса, что способствует формированию устойчивого конкурентного преимущества торгово-промышленных предприятий. The article presents an original methodology for the digital transformation of industrial and trade enterprises based on five digitalization domains: Customers, Platforms, Data, Innovation and Value. The methodology focuses on integrating corporate data management principles with artificial intelligence into enterprise architectural and managerial frameworks. The proposed approach forms a unified methodological framework covering data classification, cleansing, transformation, and analysis, while improving process transparency and the quality of managerial decision-making. The methodology was practically validated through three large-scale digital transformation projects in fashion retail, agriculture, and home appliances manufacturing. In all cases, its effectiveness and reproducibility were confirmed through the transition from basic digitalization and fragmented automation to IT landscape unification and centralized data management. As a result, data quality and consistency improved, business process controllability increased, and an adaptive digital architecture was established. A key outcome was the creation of prerequisites for implementing domestic analytical solutions, including import substitution initiatives and the transition from foreign platforms to local systems. The methodology enables a structured progression from data management to the development of recommendation systems that support decision-making, enhance analytical accuracy, and ensure adaptability of planning, production, and service processes, contributing to sustainable competitive advantage.

Fields of Study & Subjects

Impact of AI and Big Data on Business and Society Digital Innovation in Industries Big Data and Business Intelligence

Publication details

Journal / source
Cifrovaâ èkonomika.
Issue
1(36)
Pages
12–19
Publication date
20 March 2026
Language
RU