Библиометрическая оценка аналитики больших данных в бизнесе: фокус на Центральную Азию

Введение

Мы живем в эпоху больших данных. Организации собирают, хранят и анализируют данные из новых источников, включая социальные сети, машины, файлы журналов, видео, текст, изображения и GPS (глобальную систему позиционирования), причем их объем, скорость и разнообразие растут [17].

Большие данные и бизнес-аналитика – это один из трендов, который в последнее время оказывает положительное влияние на мир бизнеса [1]. Под аналитикой больших данных понимается процесс изучения больших и разнообразных массивов данных с целью выявления скрытых закономерностей, корреляций, рыночных тенденций и другой полезной бизнес-информации. Увеличение объема информации и данных с последними достижениями в области технологий привело к появлению аналитики больших данных – трансформационной силы, которая меняет ландшафт современной бизнес-аналитики [6].

Концепция аналитики больших данных является важным аспектом, который предлагает лицам, принимающим решения, лучшее решение для эффективного решения проблем, связанных с большими данными [17].

Аналитика больших данных, как область, демонстрирует экспоненциальный рост во всех отраслях промышленности по всему миру. Ее применение в бизнесе включает в себя понимание клиентов, предиктивную аналитику, выявление мошенничества, оптимизацию цепочек поставок и т. д. В последние годы важность аналитики больших данных в Центральной Азии привлекает все больше внимания, поскольку страны этого региона стремятся к цифровизации и улучшению деловой практики. Однако отсутствие систематического изучения аналитики больших данных в бизнес-контексте Центральной Азии оставляет пробел в существующей литературе.

Аналитика больших данных стала преобразующей силой в бизнесе, позволяя компаниям получать ценные сведения, совершенствовать процессы и принимать более эффективные решения. За последнее десятилетие аналитика больших данных привлекла значительное внимание как в академических исследованиях, так и в практиках в различных отраслях. Несмотря на растущий глобальный интерес, в литературе остается пробел, когда речь заходит о понимании применения и последствий использования больших данных в деловой практике именно в контексте Центральной Азии.

Регион Центральной Азии охватывает пять стран – Казахстан, Кыргызстан, Таджикистан, Туркменистан и Узбекистан, обладающих общими историко-культурными и географическими характеристиками [15].

Центральная Азия, включающая такие страны, как Казахстан, Узбекистан, Туркменистан, Кыргызстан и Таджикистан, переживает бурный экономический рост и цифровую трансформацию. По мере того как эти страны продолжают модернизировать свою экономику, становится крайне важным изучить научный вклад и тенденции исследований в области аналитики больших данных для компаний, работающих в этом регионе.

С помощью библиометрического анализа это исследование изучает эволюцию аналитики больших данных в бизнесе Центральной Азии, выделяя известных авторов, значимые темы исследований и возникающие тенденции.

С момента зарождения самосознания организованный сбор и изучение информации были необходимы для прогресса и выживания человечества. Однако появление компьютеров привело к беспрецедентному росту объемов данных. Огромные объемы данных, которыми мы теперь обладаем, в сочетании с нашими расширенными аналитическими возможностями, привели к появлению концепции «больших данных» [12].

Термин «большие данные» зачастую ассоциируется с Джоном Мэши — специалистом в области компьютерных наук и бывшим главным научным сотрудником корпорации Silicon Graphics. Маши использовал этот термин в 1990-х годах, чтобы описать растущую сложность и размер наборов данных, которые появлялись с развитием вычислительной мощности и возможностей хранения данных [7].

Большие данные стали чрезвычайно популярной концепцией, которую сегодня трактуют как начало новой эры. В то время как в мире больших данных происходят значительные изменения, взгляды учреждений и организаций на данные и выгоды, которые они извлекают из них, достигли иной точки. Учреждения и организации не могут оставаться в стороне от этой трансформации [8].

Эти концепции помогли укрепить более широкое понимание и актуальность больших данных, особенно в бизнесе и технологиях. С тех пор термин «Большие данные» стал включать в себя инструменты, технологии и методы, используемые для обработки, анализа и извлечения информации из больших массивов данных.

В последнее время на арену больших данных вышли такие крупные промышленные игроки, как Oracle, Microsoft, Google, IBM, Amazon и Meta. Значимость больших данных была признана и в научных кругах: в 2008 году журнал Nature посвятил этой теме специальный выпуск [5].

В последующие годы облачные вычисления, технологии хранения данных и искусственный интеллект (ИИ) сыграли решающую роль в ускорении роста аналитики больших данных. В настоящее время компании всех типов используют решения на основе больших данных для различных видов деятельности – от сегментации клиентов до предиктивного технического обслуживания.

Большие данные не имеют особой ценности сами по себе. Их истинный потенциал реализуется, когда они используются для принятия решений. Чтобы решения, основанные на данных, были эффективными, организациям необходимы эффективные процессы, преобразующие большие объемы быстро меняющихся и разнообразных данных в действенные идеи [10].

Растущее признание больших данных как области изучения и деловой практики также связано с появлением в 2001 году модели «3 Vs» Дуга Лэйни. Лэйни, аналитик компании Gartner, описал большие данные с точки зрения трех характеристик:

1. Объем (Volume): Объем данных.

2. Скорость (Velocity): скорость создания и обработки данных.

3. Разнообразие (Variety): Различные типы данных (структурированные, полуструктурированные и неструктурированные).

Большие данные генерируются из все большего числа источников, включая клики в Интернете, мобильные транзакции, пользовательский контент и социальные сети, а также контент, целенаправленно созданный с помощью сенсорных сетей или в ходе деловых операций, таких как запросы на продажу и сделки купли-продажи [11].

Аналитика больших данных, один из важнейших компонентов цифровой трансформации, это элемент конкурентного преимущества, который преобразует данные с рынка и из внешней среды в глубокие знания, позволяя компаниям опережать конкурентов и демонстрировать превосходство в производительности [2].

Возможности принятия решений на основе данных могут быть смоделированы как нематериальные активы, которые ценятся инвесторами и способствуют повышению производительности и рентабельности [4].

Центральная Азия

В состав Центральной Азии входят пять государств, ранее входивших в состав Советского Союза – Казахстан, Кыргызстан, Таджикистан, Туркменистан и Узбекистан. Площадь Центральной Азии составляет около 4 миллиона квадратных километров, а население – 78 миллионов человек. Регион граничит с Китаем на востоке и Россией на севере [14].

За последние два десятилетия ВВП (валовой внутренний продукт) Центральной Азии увеличился в четыре раза, достигнув 347 миллиардов долларов, а население выросло до 78 миллионов человек, что означает рост в 1,4 раза с 2000 года.

Экономические структуры стран Центральной Азии весьма разнообразны. ВВП Казахстана отражает его статус страны с уровнем дохода выше среднего, где преобладают услуги и промышленность, в то время как экономика Туркменистана в значительной степени зависит от промышленности и минеральных ресурсов. Сельское хозяйство играет большую роль в Кыргызской Республике, Таджикистане и Узбекистане, которые являются типичными странами с уровнем дохода ниже среднего [18].

Библиометрический анализ состояния аналитики больших данных в бизнесе Центральной Азии

В данной статье применяется подход библиометрического анализа с использованием Scopus, одной из ведущих академических баз данных, и пакета R Bibliometrix. В рамках настоящего исследования для проведения библиометрического анализа научных публикаций, посвящённых применению аналитики больших данных в бизнесе на территории Центральной Азии, был использован программный пакет Bibliometrix в среде R [3].

Библиометрический анализ – популярный и сложный метод изучения и анализа больших объемов научных данных. Этот метод позволяет раскрыть эволюционные нюансы конкретной области и в то же время пролить свет на новые направления в этой области [9].

Bibliometrix – это базовый инструмент для библиометрического анализа. Поскольку он запрограммирован на языке R, предлагаемый инструмент является гибким, быстро обновляется и может быть интегрирован с другими статистическими пакетами R. Поэтому он полезен в такой постоянно меняющейся науке, как библиометрия [3].

Методом исследования стал библиометрический анализ, представляющий собой форму обширного обзора литературы. Библиометрический анализ основывался на данных, полученных из базы данных Scopus. В качестве операторов поиска использовались ключевые слова «Большие данные» и «Аналитика больших данных» и «Центральная Азия» или «Кыргызстан» или «Казахстан» или «Таджикистан» или «Узбекистан» или «Туркменистан».

Из базы данных Scopus было извлечено 956 исследований, которые были проанализированы с помощью базы данных Scopus и программы Biblioshiny из пакета Bibliometrix R. Целью исследования было выявление и анализ ключевых тенденций, наиболее популярных ключевых слов, влиятельных стран в данной области. Были получены следующие результаты.

Анализ тенденций

Рост числа публикаций по аналитике больших данных в Центральной Азии.

Рисунок 1. Годовая продуктивность научных исследований (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

Самое раннее научное исследование, посвященное анализу больших данных в странах Центральной Азии, было опубликовано в 2015 году, а большинство исследований можно будет увидеть в 2024 году. При этом можно сказать, что исследования в этом направлении растут с каждым годом.

Библиометрический анализ показал устойчивый рост числа публикаций, связанных с аналитикой больших данных в Центральной Азии, особенно за последние пять лет. Хотя исследования в этой области остаются ограниченными по сравнению с другими регионами мира, растущая тенденция отражает растущий интерес и признание ценности больших данных в контексте бизнеса Центральной Азии.

Совместные сети

Рисунок 2. Сеть институтов сотрудничества (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

В этом направлении наибольшее сотрудничество между учебными заведениями, как мы видим на рисунке, можно сказать, что наибольшее сотрудничество осуществляется между такими университетами, как Назарбаев Университет и Казахский Национальный Университет Имени Аль-фараби.

Рисунок 3. Сеть сотрудничества (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

Большинство публикаций поступило из Казахстана, который обладает самой сильной научной инфраструктурой в регионе, за ним следуют Узбекистан и Кыргызстан. Анализ также выявил свидетельства сотрудничества между международными исследовательскими обществами, особенно в азиатских странах. Видно, что наибольшее сотрудничество в этой области было между такими странами, как Казахстан, Китай и Узбекистан, Индия.

Библиометрический анализ результатов межстрановых исследований, посвященных использованию аналитики больших данных в бизнесе, позволяет выявить следующее:

- Китай, Индия, Иран и США, можно сказать, наиболее изучены в этой области.

- Казахстан – среди стран Центральной Азии считается наиболее изученной страной по данной теме исследования.

Этот анализ также показывает, что эти страны имеют самый высокий уровень сотрудничества друг с другом.

Рисунок 4. Страны автора-корреспондента (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

Видно, что исследователи из Китая и Казахстана возглавляют список авторов, которые провели больше всего исследований в этом направлении. В то время как исследователи из Казахстана находятся в авангарде стран Центральной Азии, исследователи из Кыргызстана и Узбекистана также вносят свой вклад в эту область. Исследования по использованию аналитики больших данных в бизнесе в Центральной Азии проводятся совместно с такими странами региона, как Китай, Индия и США. В целом можно говорить о сотрудничестве и интенсивных исследованиях.

Рисунок 5. Анализ совместного цитирования авторов (построен в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

На основании анализа совместного цитирования были определены два доминирующих тематических кластера, образованных в результате устойчивых связей между авторами в цитатной сети.

· Кластер 1 (красный) содержит влиятельные работы, в основном связанные с организационным поведением, методами бизнес-исследований и стратегиями цифровизации. В эту группу входят авторы, занимающиеся организационным поведением, моделированием структурных уравнений (SEM), цифровой трансформацией и устойчивым развитием в контексте управления.

· Например, в кластере 1 наиболее влиятельным узлом был Hair Jr. et.all (2019), представляющий Essentials of Business Research Methods, с самой высокой центральностью промежуточности (268 083), что указывает на его критическую роль в качестве связующего звена между различными узлами [13].

· Кластер 2 (синий) демонстрирует выраженную прикладную и техническую ориентацию, охватывая направления, связанные с машинным обучением, анализом больших данных, экологическими науками и использованием искусственного интеллекта в сельском хозяйстве. Авторы, представленные в данном кластере, вносят значительный вклад в развитие прикладных исследований в области искусственного интеллекта, аналитики больших данных, алгоритмических методов машинного обучения и экологической информатики.

Рисунок 6. Наиболее актуальные журналы (построен в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

Самые цитируемые и наиболее распространенные журналы по результатам анализа. Список самых популярных журналов в этой области представлен на рисунке 6, и можно сказать, что журнал “Sustainability (Switzerland)” является лидером среди них.

Анализ ключевых слов

Рисунок 7. Новые ключевые слова и тенденции исследований (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

По результатам библиометрического анализа можно сказать, что самыми распространенными словами в этом направлении стали такие термины, как «большие данные», «принятие решений», «машинное обучение», «аналитика данных», «устойчивое развитие», «искусственный интеллект».

Рисунок 8. Частота встречаемости слов с течением времени (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

Наиболее часто используемыми ключевыми словами в этой области в Центрально-Азиатском регионе с 2015 по 2024 год были «большие данные», «принятие решений», «машинное обучение» и «аналитика данных», а термин «большие данные» впервые был использован в 2016 году. И в последние два года термин «большие данные» используется все чаще.

Рисунок 9. Тематическая эволюция (построена в программной среде Bibliometrix (Aria & Cuccurullo, 2017).

На основании результатов библиометрического анализа выявлено, что доминирующими направлениями научных исследований в рассматриваемый период являются искусственный интеллект, машинное обучение, большие данные и устойчивое развитие. В частности, в последние годы отмечается значительное расширение сферы применения концепта «большие данные», который все чаще интегрируется в исследования, связанные с устойчивым развитием, методами машинного обучения и задачами оптимизации. Это свидетельствует о возрастающем интересе научного сообщества к междисциплинарному использованию технологий обработки и анализа данных для решения актуальных прикладных и теоретических проблем.

Обсуждение

Библиометрический анализ выявил несколько важных тенденций в применении аналитики больших данных для бизнеса в Центральной Азии:

- Растущее значение аналитики больших данных. Хотя исследования в области аналитики больших данных в регионе находятся в зачаточном состоянии, признание их важности растет. Увеличение количества публикаций в последние годы свидетельствует о том, что ученые в Центральной Азии начали широко изучать роль больших данных в контексте бизнеса.

- Основные области применения: В целом, роль искусственного интеллекта и машинного обучения в анализе данных все больше подчеркивается. В последнее время большие данные используются в деловом мире для принятия решений. Аналитика больших данных играет важную роль в обеспечении устойчивого развития в странах Центральной Азии. Учитывая аграрную направленность экономик данного региона, основная деловая активность сосредоточена в сфере сельского хозяйства. В этом контексте технологии искусственного интеллекта, аналитики больших данных и бизнес-аналитики находят преимущественное применение в задачах, связанных с развитием аграрного сектора.

- Технологические и институциональные вызовы: Несмотря на растущее количество литературы, такие проблемы, как отсутствие инфраструктуры, нехватка квалифицированных специалистов и конфиденциальность данных, по-прежнему препятствуют широкому внедрению аналитики больших данных в бизнесе в Центральной Азии. Эти барьеры являются предметом нескольких исследований, в которых предлагаются стратегии их преодоления, такие как государственная поддержка цифровых инициатив и инвестиции частного сектора в технологии.

- Региональное сотрудничество: Страны Центральной Азии постепенно создают мощные исследовательские сети, уделяя особое внимание сотрудничеству между университетами и исследовательскими институтами. Такое партнерство имеет решающее значение для стимулирования инноваций и расширения внедрения аналитика больших данных во всех секторах региона.

Будущие исследования, посвященные развитию индустрии аналитики больших данных в Центральной Азии, должны быть сосредоточены на:

- Разработка структуры для реализации стратегии больших данных в бизнесе Центральной Азии.

- Межстрановые сравнения для понимания региональных различий в принятии аналитика больших данных.

- Сотрудничество с практиками отрасли для разработки тематических исследований и практических идей для местных предприятий.

- Использование аналитики больших данных для разработки устойчивых бизнес-стратегий открывает возможности для будущих исследований.

- Эта область требует дальнейших исследований в связи с ограниченностью эмпирических работ, включающих тематические исследования или крупномасштабные оценки бизнес-данных в Центральной Азии.

Заключение

Согласно исследованию, аналитика больших данных в Центральной Азии развивается с каждым годом, причем за последние пять лет значительно увеличилось количество публикаций, что свидетельствует о том, что ученые из Центральной Азии начинают глубже изучать роль больших данных в бизнесе. В последние годы все большее внимание уделяется роли искусственного интеллекта и машинного обучения в анализе данных в целом. Можно утверждать, что аналитика больших данных выступает в качестве важного информационного ресурса, способствующего обоснованию и оптимизации процессов принятия управленческих решений в сфере бизнеса. Кроме того, данная технология приобретает особую значимость и широко применяется в контексте реализации стратегий устойчивого развития, особенно с учётом специфики и актуальных вызовов, характерных для данного региона.

Несмотря на растущее количество литературы, такие проблемы, как отсутствие инфраструктуры, нехватка квалифицированных специалистов и конфиденциальность данных, по-прежнему препятствуют широкому внедрению аналитики больших данных в бизнес в Центральной Азии. Эти барьеры являются предметом нескольких исследований, в которых предлагаются стратегии их преодоления, такие как государственная поддержка цифровых инициатив и инвестиции частного сектора в технологии.

Страны Центральной Азии постепенно создают мощные научные сети, уделяя особое внимание сотрудничеству между университетами и исследовательскими институтами. Такое партнерство необходимо для стимулирования инноваций и более широкого внедрения аналитики больших данных во всех секторах экономики региона.

Хотя исследований, посвященных роли аналитики больших данных в бизнесе в Центральной Азии, относительно немного, очевидно, что существуют новые области для будущих исследований, такие как разработка структуры для реализации стратегии аналитики больших данных, разработка тематических исследований и практических идей для местных предприятий, а также сотрудничество с практиками отрасли.