Доцент кафедры менеджмента и государственного управления, кандидат экономических наук, доцент
Доцент кафедры менеджмента и государственного управления, кандидат экономических наук, доцент
In the context of the national development goals of the Russian Federation for the period up to 2030, digital transformation is one of the most significant priorities. Successful achievement of this goal presupposes ensuring the necessary level of digital maturity in key sectors of the country's economy. The article identifies the factors influencing the level of regional digital maturity and examines the statistical characteristics of the distribution of these factors, such as averages, mode, median, skewness and kurtosis. Using artificial intelligence technologies, the authors of the article carried out clustering of Russian regions according to the level of digital maturity. The authors used self-organizing Kohonen maps as an artificial intelligence tool. The placement of regions in four clusters is obtained. The composition and characteristics of clusters reflecting the regions' readiness for digital transformation are presented. The existence of a relationship between the costs of implementing and using digital technologies and the level of digital technology application is demonstrated. As a result of the study, it was revealed that Moscow and the Moscow Region have the greatest digital maturity. Thus, these regions can be considered leading and reference ones relative to regions that belong to other clusters. Based on the obtained distribution of regions by clusters, the authors propose a set of measures that reduce the digital differentiation between the leading and lagging regions. The results of the study can be used in developing a strategy for the regional digital transformation, taking into account the region's belonging to the particular cluster.
В контексте национальных целей развития Российской Федерации на период до 2030 года цифровая трансформация является одним из наиболее значимых приоритетов. Успешное достижение этой цели предполагает обеспечение необходимого уровня цифровой зрелости в ключевых секторах экономики страны. В статье выявлены факторы, влияющие на уровень цифровой зрелости регионов, а также рассмотрены статистические характеристики распределения данных факторов, такие как: средние значения, мода, медиана, асимметрия и эксцесс. По результатам исследования при помощи технологий искусственного интеллекта проведена кластеризация регионов Российской Федерации по уровню цифровой зрелости. В качестве инструмента искусственного интеллекта авторами для проведения исследования были использованы самоорганизующиеся карты Кохонена (СОК). Получено размещение регионов по четырем кластерам. Представлены состав и характеристики кластеров, отражающие готовность регионов к цифровой трансформации. Продемонстрировано наличие взаимосвязи затрат на внедрение и использование цифровых технологий с уровнем использования цифровых технологий. В результате исследования выявлено, что наибольшей цифровой зрелостью обладают г. Москва и Московская область, то есть эти регионы можно считать регионами-лидерами и регионами-эталонами относительно регионов, которые попали в другие кластеры. На основании полученного распределения регионов по кластерам авторами предложена совокупность мер, уменьшающих цифровую дифференциацию между регионами-лидерами и отстающими регионами. Результаты исследования могут использоваться при разработке стратегии цифровой трансформации регионов с учетом принадлежности к кластеру, в который вошел тот или иной регион РФ