Оценка значимости региональных экономических факторов и организационно-культурных профилей для цифровой бизнес-модели предприятия

Введение

За последние 20 лет такие информационные модели, как цифровые платформы и экосистемы, получили широкое распространение по всему миру [21] (Li, Badr, Biennier, 2012). Цифровые платформы – это сложные информационные системы, в которых аппаратные средства интегрируются с прикладными решениями для создания сред.

В этих средах множественные пользователи (участники рынка) могут [20–26] (Nachira, Dini, Nicolai, 2007; Li, Badr, Biennier, 2012; Galkin, Drogovoz, 2020; Drogovoz, Kashevarova, Dadonov, Sadovskaya, Trusevich, 2021; Kashevarova, Panova, 2020; Yusufova, Shiboldenkov, Andreeva, 2020; Yusufova, Shiboldenkov, Ponomaryova, 2020):

- создавать прикладные решения с использованием типовых функций и интерфейсов для обработки информации и с применением сквозных технологий работы с данными (Java, SAP HANA, Android OS, iOS, Intel x86, Bitrix, Amazon Web Services, Microsoft Azure);

- подключаться к инфраструктурам для поиска информации, применяемой в экосистемах (General Electric Predix, ESRI ArcGIS, ЕСИА, «CoBrain-Аналитика», ЭРА-ГЛОНАСС);

- обмениваться ценностями (Uber, AirBnB, Aliexpress, Booking.com, Boeing suppliers portal, Apple AppStore, AviaSales, Yandex Search, Predix Developer Network Appstore).

Цифровые экосистемы основаны на знаниях о природных экосистемах и их функционировании, особенно в аспектах самоорганизации, масштабируемости, устойчивости, конкуренции и сотрудничества [20] (Nachira, Dini, Nicolai, 2007).

Впервые эта концепция была выдвинута в 2002 году группой европейских исследователей и практиков, в том числе Франческо Начира, Паоло Дини и Андреа Николаи, и она сочетала в себе цифровую и бизнес- экосистему [20] (Nachira, Dini, Nicolai, 2007). Сегодня к этому пулу добавились еще и супераппы (superapps), концепция супераппов появилась еще в 90-х, когда банки хотели собрать все свои услуги в одну удобную для клиентов платформу, но в то время это еще не было реализовано из-за недостаточной развитости цифровых технологий. На данный момент цифровые экосистемы стали большим источником дохода и информационного преимущества для большинства компаний крупного бизнеса вне зависимости от индустриальной принадлежности [20] (Nachira, Dini, Nicolai, 2007).

Принятие решения о создании цифровой бизнес экосистемы – важный этап для развития компании. Этот вопрос особенно остро стоит для компаний с большой историей и привычным укладом, для которых переход на цифру будет наиболее затратным. Мировой опыт показывает, что в разных странах адаптация инновационных бизнес-моделей происходит с разной скоростью. Главная задача данного исследования – оценить, какие национальные факторы значительно влияют на процессы адаптации наиболее остро, на примере цифровых экосистем. Изначально предполагается, что уровень благосостояния страны, а также особенности ее культуры способны серьезно влиять на скорость, с которой цифровые технологии интегрируются во все процессы деятельности организации [19] (Kashevarova, Shiboldenkov, 2020).

Связь между поведенческими установками и экономикой изучалась еще со времени формирования классической экономической теории, но ее реальное влияние на ключевые показатели эффективности ведения экономических отношений внутри стран и на внешнем рынке стало детально изучаться в середине ХХ века. Взаимосвязь экономического развития и развития информационных технологий изучается многосторонне, а также как влияют поведенческие установки на принятие цифровых инноваций и может ли менталитет оказывать на этот процесс существенное влияние, так как инновации по своей природе связаны с когнитивными усилиями и нешаблонными принципами мышления. Поэтому вопрос продуктивности поведенческих установок является актуальным для изучения и практического понимания того, как ускорить цифровизацию, улучшить ее качество [2–5] (Abrahamse, Steg, 2009; Gupta, 2019; Smith, 2004) и достичь устойчивых результатов [11–18] (Auzan, 2020; Linan Frantsisko, 2014; Violet Chung, Miklós Dietz, Istvan Rab, Zac Townsend., 2020; Benhabib, Perla, Tonetti, 2016; Shiboldenkov, Nesterova, 2020; Shiboldenkov, Nesterova, 2019; Drogovoz, 2019).

Целью настоящей работы является оценка значимости влияния когнитивно-поведенческих установок и ценностей национальной культуры [28–30] на интенсивность развития цифровых технологий, скорость цифровой трансформации и адаптации к технологическим изменениям.

Рабочей авторской гипотезой является предположение, что технократическая культура более эффективно развивается на фундаменте открытых к новому, индивидуалистических национальных культур с низким уровнем вертикальной иерархии, а также что выбираемые механизмы цифрового бизнес-инжиниринга показывают различную эффективность.

Научная новизна исследования заключается в количественной оценке уровня совокупного взаимного влияния (методом корреляционно-регрессионного анализа) факторов экономической и культурной среды: состояния национальной экономической среды (уровня макроэкономического развития), состояния национальной технологической среды (уровня национального цифрового развития), состояния национальной социально-экономической среды (уровень социального развития) и состояния национальной культуры (ценностные национальные организационно-культурные профили), и в отличие от других схожих исследований, обнаружения более существенной связи уровня национального цифрового развития с особенностями организационно-культурных профилей стран и уровнем социально-экономического развития факторов уровня удовлетворенностью жизнью. Таким образом, возможно считать цифровую экономику и технологии Индустрии 4.0 в большей степени организационно-поведенческой инновацией, а не отдельным этапом развития технологических (процессных) инноваций в материальной культуре.

Методы

Сегодня существует множество репрезентативных аналитических исследований ценностей культуры организации на разных экономических уровнях [8–11] (Mikhnenko, 2017; Barrutia, Echebarria, 2021; Auzan, 2020).

Во-первых, микроуровень отдельных компаний. В таком случае рассматривается уровень организационной культуры фирмы. Информацию по этому уровню можно увидеть в миссии и ценностях компании, как декламируемых, так и реализуемых. Известными фреймворками можно назвать подход Кима Камерона и Роберта Куинна (Competing Values Framework), типология «образов древнегреческих богов» Чарльза Хэнди [8] (Mikhnenko, 2017).

Во-вторых, мезоуровень интегрированных структур, отраслей, региональных структур транснациональных компаний (ТНК). В таком случае рассматривается вопрос дизайна организационной культуры корпорации. Известными фреймворками можно назвать теорию базовых человеческих ценностей, разработанную Шалом Х. Шварцем (Schwartz Value Survey (SVS) by Shalom H. Schwartz), и опрос оценки ценностей (Hofstede's Cultural Dimensions Values Survey Module) [8–11] (Mikhnenko, 2017; Barrutia, Echebarria, 2021; Auzan, 2020).

В-третьих, глобальный уровень больших ТНК, организационных альянсов и государств. Рассматривается вопрос дизайна национальной культуры (организационной метакультуры), проект и модель взаимодействия которых разработаны в начале 1990-х годов Робертом Дж. Хаусом для изучения взаимосвязей между социальной культурой, организационной культурой и лидерством The GLOBE (Global Leadership and Organizational Behavior Effectiveness Research), Всемирный обзор ценностей (англ. World Values Survey, WVS), Национальный уровень 6HСD модели Хофстеде (Hofstede cultural dimensions National Culture level) [8–11] (Mikhnenko, 2017; Barrutia, Echebarria, 2021; Auzan, 2020).

Для данного исследования была выбрана 6HСD модель Хофстеде [9]. Методика Хофстеде – одна из первых количественных методик кросс­культурных сравнений. За период ее существования накоплен значительный массив результатов о связи между социальными характеристиками и макро- и микроэкономическими показателями. После ее признания многие ученые получили возможность математически доказать связи между экономическими трендами и особенностями менталитета, выявленные ими ранее.

Для анализа связей между экономическими показателями, культурными факторами и цифровым уровнем была выбрана база статистических данных стран ОЭСР [28], так как именно они являются драйверами информационного развития и представляют интерес для изучения. Полнота базы позволила провести корреляционный анализ между набором данных уровня удовлетворенности жизнью, набором данных уровня информационного и цифрового развития стран и макроэкономическими показателями деятельности стран, кроме того, массив стран ОЭСР были изучены Институтом Хофстеде в его исследованиях.

С использованием инструментов анализа данных (Orange Data Mining и Matlab) в работе был проведен корреляционный перекрестный анализ четырех наборов данных:

1. Набор данных макроэкономических показателей (MacroEconomics, шифр «ME»), включающий в себя ряд макроэкономических параметров, определяющих экономическое развитие стран, таких как:

- валовой национальный продукт, ВНП (Gross National Product, шифр «GNI»);

- валовой внутренний продукт, ВВП (Gross Domestic Product, GDP);

- численность населения страны, ЧНС (Countries People Population; Шифр «PPL»);

- ключевая процентная ставка, КПС, (Countries Key Rate, CKR);

- индекс потребительских цен, ИПЦ (Consumer Price Index, CPI);

- государственный бюджет как процент от ВВП, ГБП (Government Budget Rate, GBR);

- государственный долг как процент от ВВП, ГДП (Government Debt Rate, GDR).

2. Набор данных «Цифровая экономика» (Digital Economics), сокращенно «DE» – ряд показателей, определенных ОЭСР для оценки информационного развития стран – членов организации [27].

Таблица 1

Показатели цифрового развития базы стран ОЭСР

3. Набор данных «Социальная экономика» (Social Economics), сокращенно «SE» – ряд показателей, определенных ОЭСР для оценки социально-экономического развития стран и уровня удовлетворенности жизнью населения [8] (Mikhnenko, 2017).

Таблица 2

Социально-экономические параметры базы стран ОЭСР

4. Набор данных «Ценностные показатели» (Cultural Dimensions), сокращенно «HCD» – показатели 6CHD модели Хофстеде для стран ОЭСР соответственно [9].

Таблица 3

Культурные параметры Хофстеде (Hofstede's Cultural Dimensions)

Начальные данные, а также полные таблицы результатов анализа приведены в [8, 9, 27, 28] (Mikhnenko, 2017).

Результаты

Для начала рассмотрим важные внутренние корреляции внутри ME. Наблюдается прямая зависимость между GDP и PPL, а также GDP и GBR, из этого также следует наличие зависимости между количеством людей и бюджетом государства – это основные корреляционные зависимости в наборе данных (ME). Точные значения корреляции и средней доли ложных отклонений (False Discovery Rate) уточнены в таблице 4.

Таблица 4

Значимые корреляционные связи в наборе данных «ME»

Рассмотрим самые важные зависимости в наборе данных SE. Самые высокие корреляции внутри набора данных между:

- личными заработками людей помимо их прямого дохода и чистой прибылью, которую они могут свободно распределять на какие-то собственные нужды;

- затем безопасность людей, а именно чувство безопасности во время ночных прогулок, напрямую зависит от уровня образованности людей;

- удовлетворенность жизнью зависит от качества системы поддержки человека.

Точные значения корреляции и False Discovery Rate уточнены в таблице 4. Связь между наборами данных SE и ME – обратная корреляция между CPI и образованностью населения. Точные значения корреляции и средней доли ложных отклонений уточнены в таблице 5.

Таблица 5

Корреляции внутри набора данных «SE»

Таблица 6

Корреляции между наборами данных «ME» и «SE»

Внутренние зависимости набора данных «DE» – положительные корреляции использования онлайн-банков и правительственных порталов, онлайн-торговли и количества людей, пользующихся интернетом, использования онлайн-банков и онлайн-шопинга, базовых информационных навыков и плотности покрытия, базовые навыки программирования и онлайн-продаж. Точные значения корреляции и средней доли ложных отклонений уточнены в таблице 7.

Таблица 7

Корреляции внутри набора данных «DE»

Показатели DE связаны с показателями SE следующим образом: прямая связь между личными доходами и плотностью покрытия, удовлетворенности жизни и базовых информационных навыков, удовлетворенности жизнью и доступности онлайн-банкинга, удовлетворенности жизнью и онлайн-шопинга, доступности инновационных технологий и уровня образованности населения. Точные значения корреляции и средней доли ложных отклонений уточнены в таблице 8.

Таблица 8

Корреляции между наборами данных DE и SE

Теперь, когда мы увидели, как друг на друга влияют экономические и социальные факторы и как они влияют на показатели цифрового развития, изучим влияние культурного аспекта на показатели цифрового развития и их роль в общей картине принятия информационных инноваций.

Из шести факторов модели Хофстеде на цифровые показатели существенно и статистически значимо влияют только четыре:

- индекс дистанции от власти (PDI);

- индекс индивидуализма (IND);

- индекс избегания неопределенности (UAI);

- индекс индульгентности (IVR).

Менее значительная корреляция наблюдается с индексом ориентации на будущее (PRA), индекс маскулинности культуры почти не коррелирует с факторами DE.

Обсудим влияние каждого из факторов 6HСD модели Хофстеде на информационное поле стран, входящих в ОЭСР.

Анализ данных показывает, что показатель расстояния от власти (PDI) отрицательно коррелирует с основными показателями информационного развития стран ОЭСР. Самые высокие показатели отрицательной корреляции с уровнем восприимчивости фирм к информационным технологиям, количеством интернет-пользователей в стране, доступности новейших технологий, базовых навыков работы с ПО, процентом использования банковских приложений, онлайн-шопингом, пользователями электронных систем правительства.

Таблица 9

Корреляция между набором данных DE и параметром «расстояние от власти» (PDI) 6D модели Хофстеде

Показатель индивидуализма, наоборот, положительно влияет на целый ряд важных показателей цифровизации, таких как восприимчивость фирм к информационным технологиям, количество интернет-пользователей в стране, онлайн-шопинг, онлайн-банкинг, базовые навыки работы с ПО, скорость интернета, использование государственных онлайн-порталов, то есть большинства параметров, которые отрицательно коррелируют с расстоянием от власти.

Таблица 10

Корреляция между набором данных DE и параметром индивидуальность (IND) 6HCD модели Хофстеде

Показатель избегания неопределенности оказывает высокое отрицательное влияние на показатели: базовые навыки работы с ПО, процент использования банковских приложений, онлайн-шопинг, количество пользователей электронных систем правительства, уровень восприимчивости фирм к информационным технологиям, количество интернет-пользователей в стране, количество пользователей социальных сетей в стране, онлайн-продаж, фиксированного трафика.

Таблица 11

Корреляция между набором данных DE и параметром «избегание неопределенности» (UAI) 6HCD модели Хофстеде

Показатель индульгентности положительно коррелирует со многими показателями информационного развития, например, базовыми навыками ИТ, фиксированным покрытием, исполнением онлайн-услуг и онлайн-продажами.

Таблица 12

Корреляция между набором данных DE и параметром индульгентности (IVR) 6HCD модели Хофстеде

Показатели мужественности (MAS) и ориентации на будущее (PRA) не показали значительную корреляцию с параметрами DE.

Обсуждение

Сравнительно высокая прямая зависимость между количеством людей, обладающих навыками использования ИТ, и четырьмя параметрами модели Хофстеде, а также действительно высокие проценты населения, которые обладают этими навыками, говорят нам о реальном влиянии индустрии 4.0 на поведенческие установки людей в странах ОЭСР, они серьезно нацелены на развитие цифровых технологий и цифровых бизнес-конфигураций.

С одной стороны, из-за высокого показателя индульгентности люди постоянно стремятся к комфорту, соответственно, хорошее покрытие интернета, необходимое для комфортной работы, знания информационных систем, использование онлайн-услуг – это часть стратегии по получению максимума удовлетворения от жизни.

С другой стороны, большую часть ХХ века люди считали разовое получение высшего образования необходимым и достаточным фактором успеха, который позволит им не нуждаться всю оставшуюся жизнь и занять высокое положение в обществе. Это ощущение возникает у многих специалистов и сегодня, немногие идут получать образование, чтобы развиваться и развивать свою отрасль и компании, в которых они работают [3, 4] (Abrahamse, Steg, 2009; Gupta, 2019).

От похожих параметров зависит удовлетворенность жизнью людей. Сегодня очень важны доступ к интернету, хорошее покрытие, чтобы иметь быстрый доступ к онлайн-шопингу и банкингу, что говорит в пользу экосистем, которые часто предоставляют шопинг и финансовые услуги бесшовно. Также многие нашли отличные способы ведения своего дела и подработки в интернете, и здесь преимущество экосистем снова значительное. Организация сред для шеринговой экономики быстро набирает популярность и приводит дополнительных пользователей в глобальную экосистему. Интересная связь уровня образования и доступности новейших технологий показывает, что сегодня важно, чтобы образование было наиболее современным и с использованием как можно большего количества инноваций. Сегодня многие компании включают в свои сильные стороны образовательные платформы, корпоративные университеты, расширенные открытые системы знаний, все это должно способствовать развитию молодых перспективных специалистов [14].

Индекс избегания неопределенности описывает тревогу у сотрудников перед изменениями: новыми бизнес-моделями, процессами, системами и структурами, так как в большинстве культур есть страх катастрофически ошибиться, не разобраться в новейших подходах или что на это уйдет много усилий. Это естественным образом отдаляет компании от построения таких передовых структур, как экосистемы, в которых все процессы прозрачны и должны быть хорошо отлажены, и при этом оставаться гибкими [6] (Bukowski, Rudnicki, 2018).

Данные показывают, что высокое расстояние от власти заметно замедляет процесс внедрения инновационных технологий в стране, причем как в бизнес-сегменте, так и в жизни людей. Это может объясняться тем, что люди не чувствуют своей принадлежности к компании и ответственности за ее успехи и неудачи, связь между рядовым сотрудником и управляющим нарушается, и идеи не доходят до людей, принимающих решения. Это не позволяет людям стремиться к большему. Экосистемы способны демонстрировать людям их влияние на общие процессы и сокращать расстояние между любыми двумя звеньями, но экосистемы, которые строятся в обществах с высоким показателем расстояния от власти, не отвечают всем принципам экосистем [17] (Shiboldenkov, Nesterova, 2019).

В то время как положительное влияние индивидуализма на развитие информационных технологий объясняется желанием индивидов в обществе с высоким IND расти и развиваться во всех направлениях для улучшения своих перспектив и качества жизни. Причем это затрагивает как развитие частных лиц, так и предприятий. Именно поэтому в странах с культурой индивидуализма развитие интересных и новых идей происходит очень быстро, часть идей срабатывает и адаптируется многими компаниями, а другая неперспективная часть быстро сворачивается для того, чтобы дать место еще более инновационным возможностям.

Ожидалось, что параметр PRA будет положительно влиять на адаптацию информационных технологий в развитых странах, но цифры показывают, что этот фактор оказывает лишь незначительное влияние на процессы цифровизации. Предположительно это может объясняться относительной новизной внедряемых инноваций и неопределенностью, связанной с их будущим влиянием на экономику и социальную сферу. В странах с высокой ориентацией на будущее преобладает консервативное мышление, и как следствие, технологические новшества воспринимаются хуже, например, в выборе работы люди скорее отдают предпочтения старым проверенным профессиям, из-за чего общий уровень информационной грамотности в стране может быть низким.

Возможная причина незначительной корреляции DE и показателя мужественности – незначительная разница роли женщины и мужчины в адаптации к информационным технологиям. Вторая возможная причина – это то, что в цифровизации, и особенно это прослеживается в таких глобальных проектах, как построение экосистемы, важны обе стороны этого параметра –сотрудничество и качество вместе с напористостью и стремлением к успеху.

В 2020 году McKinsey опубликовал топ-7 самых прибыльных компаний-экосистем. 5 из них – американские компании (Apple, Microsoft, Amazon, Alphabet, Facebook). Для США наиболее характерны высокие показатели индивидуализма и индульгентности, которые положительно влияют на процессы развития идей и адаптации инноваций и объясняют капиталистический подход к построению экосистем. В то время как ее показатели расстояния от власти и избегания неопределенности ниже среднего и не становятся серьезными барьерами на пути развития [13, 1, 15] (Violet Chung, Miklós Dietz, Istvan Rab, Zac Townsend, 2020; Acemoglu, Robinson, 2012; Benhabib, Perla, Tonetti, 2016).

Страны Евросоюза, в частности Германия, Швейцария, Швеция, Нидерланды, Франция и Великобритания – передовые страны в направлениях зеленой энергетики, устойчивого развития и ESG. Основные бизнес-модели, которые активно добавляют в свои архитектуры компании в Европе, – аренда вместо покупки, переработки (trash to cash), лицензирование, взаимодействия физических лиц (P2P) [16] (Shiboldenkov, Nesterova, 2020). Немцы были первыми, кто стал использовать модель подписки (абонементного платежа), которая стала популярной по всему миру и во многих отраслях. Для группы европейских стран (для удобства отображены две – Франция и Германия) характерны менее выраженный индивидуализм, хотя значения обычно расположены выше среднего, высокие показатели избегания неопределенности и среднее расстояние от власти. Эти показатели вместе создают положительную среду для развития социального подхода к построению экосистем для поддержки друг друга и взаимовыгодного сотрудничества [7] (Cox, Khan, 2017).

После проведения данного исследования в работе предлагаются рекомендации для бизнеса при адаптации к цифровым технологиям:

1. Компаниям стоит начать фокусироваться на правильных стимулах для себя и поведенческих установках своих сотрудников, чтобы ускорить процессы цифровизации [14].

2. Небольшие последовательные изменения ключевых процессов помогут привить новые традиции клиентам и пользователям.

3. Адаптация иностранных бизнес-моделей, в том числе концепций экосистем, должна включать адаптацию к социокультурным факторам региона и национальному менталитету.

4. Каждая трансформация уникальна, и чтобы получить максимальную прибыль, нужно отталкиваться от тех возможностей, которые в итоге будут получать все без исключения участники экосистемы.

Экономика работает для людей. Люди и культура – неотъемлемые части и целевые пользователи экосистемы. Стратегия любой цифровой трансформации должна учитывать процессы AS IS и полагаться на технологии, знания и человеческий капитал, двигаясь к модели TO BE.