Нахождение оптимальных ключевых показателей эффективности IT-компании с помощью метода TOPSIS

Кузнецова Н.В.¹ , Столярова А.Н.^2,3,1
¹ Национальный исследовательский ядерный университет МИФИ, Москва, Россия
² Российский экономический университет им. Г.В. Плеханова, Москва, Россия
³ Государственный социально-гуманитарный университет, Коломна, Россия

Статья в журнале

Экономика, предпринимательство и право ^{(РИНЦ, ВАК)}
опубликовать статью | оформить подписку

Том 16, Номер 2 (Февраль 2026)

Цитировать эту статью:

Аннотация:
Актуальность темы исследования подтверждается собранными авторами статистическими данными, касающимися количеством российских и зарубежных публикаций, затрагивающих вопрос сбалансированной системы показателей. При этом посредством проведения библиометрического анализа публикаций за период с 1990 по 2025 год авторами статьи были определены наиболее распространенные направления исследования применения такого многокритериального метода анализа решений, как метод упорядоченного предпочтения через сходство с идеальным решением. Собранные данные позволили сформулировать гипотезу о том, что рассматриваемый метод может быть применен в целях нахождения оптимальных ключевых показателей эффективности компании. Для подтверждения гипотезы был сформирован перечень критериев (в рамках одной из таких перспектив сбалансированной системы показателей, как «Финансы»), наиболее значимых, по мнению опрошенных экспертов, для оценки эффективности организации (в рамках перспективы «Финансы»), занимающейся деятельностью в сфере информационных технологий. Отобранные показатели в совокупности с установленными авторами статьи максимизируемыми индикаторами эффективности использовались в качестве первоначальных данных в рамках проводимого исследования. Благодаря расчетам, проведенным авторами, критерии эффективности были проранжированы в зависимости от их близости к идеальному позитивному решению. Таким образом, перечень ранее установленных показателей был сгруппирован по наиболее и наименее значимым для оценки эффективности компании данным с указанием числовых характеристик значимости

Ключевые слова: сбалансированная система показателей, ключевые показатели эффективности, метод TOPSIS, многокритериальные методы анализа решений

JEL-классификация: C61, C63, D24, M11

JATS XML

Введение. В целях оптимизации процесса управления бизнесом все более актуальным становится использование ключевых показателей эффективности (КПЭ) для оценки текущей и плановой деятельности компании. Поднятый в 90-е годы двадцатого века вопрос формирования сбалансированной системы показателей (ССП) продолжает интересовать исследователей модернизации стратегического планирования и по сей день [6], что подтверждается статистикой, собранной авторами статьи посредством российской платформы для научной аналитики INVENTORUS [15]. Для поиска публикаций мы придерживались следующего алгоритма действий:

1. Обозначили ключевым словосочетанием формулировку «сбалансированная система показателей».

2. Установили период публикаций: мы анализировали 6 периодов, каждый из коорых - продолжительностью 6 лет. Общий период исследования касается последних 35 лет.

3. На основе публикаций (как российских, так и зарубежных), появившихся после установки описанных выше фильтров, было определено общее количество работ по каждому периоду. При этом стоит учитывать, что под «публикациями» в данном контексте понимаются: статьи (в том числе обзорные и редакционные), диссертации и авторефераты, книги (в том числе отдельные главы), предпринт и отчеты.

4. Исходя из общего количество публикаций был установлен удельный вес работ в каждом исследуемом периоде.

Результаты собранных данных представлены в Таблице 1.

Таблица 1 - Статистические данные по общему количеству публикаций за период с 1990 по 2025 год.

№ п/п	Период	Общее количество публикаций (шт.)	Удельный вес публикаций
1	1990-1995	26	0,11%
2	1996-2001	862	3,73%
3	2002-2007	3 804	16,47%
4	2008-2013	6 839	29,60%
5	2014-2019	7 588	32,84%
6	2020-2025	3 984	17,24%
ИТОГО	1990-2025	23 103

Источник: составлено авторами

Опираясь на данные из таблицы 1, делаем вывод о том, что наименьшее количество работ публиковалось в период с 1990 по 1995 год, что обосновывается началом развития темы сбалансированной системы показателей, заложенным Робертом Капланом и Дэвидом Нортоном. Наибольшее количество публикаций (около 33%) характерно для периода с 2014 по 2019 год, после чего удельный вес работ снижается на 15,6%. Данная динамика коррелирует с общемировой ситуацией, а именно экономическим кризисом 2020-2021 годов [1], потребовавшим пересмотра аспектов ССП в целях адаптации исследуемого механизма оптимизации управления компании к новым экономическим условиям.

Основная часть. В рамках данной статьи мы выдвигаем и подтверждаем расчетами гипотезу о том, что в целях нахождения оптимальных ключевых показателей эффективности как элементов сбалансированной системы показателей может быть применен такой многокритериальный метод анализа решений, как метод упорядоченного предпочтения через сходство с идеальным решением (TOPSIS, Technique for Order of Preference by Similarity to Ideal Solution). Прежде всего, чтобы определить наиболее распространенные направления исследования теоретического и практического применения этого метода, мы провели библиометрический анализ публикаций из национальной базы данных научного цитирования (РИНЦ). В качестве критериев отбора выступали следующие типы публикаций: 1 - статьи в журналах, 2 - материалы конференций, 3 - диссертации и авторефераты. Результаты проведенного исследования представлены в таблице 2.

Таблица 2 - Бибилиометрический анализ направлений исследования применения метода TOPSIS

Критерии отбора публикаций			Результаты анализа публикаций в контексте использования метода TOPSIS
Период	Тип	Количество
1990-1995 гг.	1	2	Метод TOPSIS используется для решения о выборе направления технологического процесса. Установлено, что количество критериев принятия решений может быть критическим фактором, который следует учитывать при выборе модели многокритериального принятия решений [19].
	2	0	-
	3	3	Метод TOPSIS используется в целях минимизации затрат на обслуживание портов: для ранжирования предпочтений доступных альтернатив обслуживания ожидающих судов [25].
1996-2001 гг.	1	3	Метод TOPSIS схож с методом аналитического иерархического процесса (AHP, Analytic Hierarchy Process) и отличается от методов принятия решений, направленных на сравнение заданной группы многокритериальных альтернатив (ELECTRE, Elimination Et Choix Traduisant la Realite), за исключением задач с небольшим количеством критериев [22].
	2	0	-
	3	3	Метод TOPSIS используется для ранжирования рекламных концепций. Было установлено, что на основе результатов тестирования рекламных текстов и знаний рынка руководство может принять решение либо продолжить производство, либо переработать предложенные рекламные ролики [24].
2002-2007 гг.	1	22	Метод TOPSIS используется для выбора местоположения предприятия, в котором оценки различных альтернативных местоположений по критериям и веса критериев оцениваются в лингвистических терминах, представленных нечеткими числами. Для иллюстрации эффективности метода TOPSIS используется численный пример выбора местоположения завода. Метод TOPSIS используется для оптимизации задач с множественными откликами в совокупности с процедурой, основанной на теории коэффициента технологической пригодности [17].
	2	2	Метод TOPSIS используется в целях решения проблемы невозможности применения статистических методов для определения подходящей схемы взрыва и минимизации выброса обломков при проведении взрывных работ. Метод TOPSIS используется для разработки подходящего метода добычи на месторождении шаровой глины и бокситов [20].
	3	3	Метод TOPSIS используется для принятия решений в области управления твердыми бытовыми отходами [16].
2008-2013 гг.	1	157	Метод TOPSIS используется для сравнения различных теплоносителей с целью изучения возможности использования расплавленной соли. Метод TOPSIS используется для выбора места размещения предприятия. Метод TOPSIS используется для оценки качества поставщика информационных технологий при аутсорсинге своих потребностей в медицинской информации. Метод TOPSIS используется для решения проблемы управления водными ресурсами. Результаты показывают, что модель может быть использована в крупномасштабном многоуровневом процессе оценки. Метод TOPSIS используется для оценки экологических рисков охраняемой территории. Результаты исследования показали, что строительство плотины в верхней части исследуемой территории угрожает водно-болотным угодьям. Метод TOPSIS используется для ранжирования веб-сайтов электронной коммерции. Метод TOPSIS используется для обогащения и улучшения системы оценки качества подземных вод [11], [12].
	2	13	Метод TOPSIS используется для оценки потенциала регионального экономического развития. Метод TOPSIS используется для оценки и регулирования альтернатив на основе иерархически структурированных критериев качественного характера, разработанных несколькими экспертами, с целью интеллектуальной поддержки решений, принимаемых в вопросах управления персоналом, – а именно: отбор кандидатов на основе системы критериев. Метод TOPSIS используется для ранжирования альтернативных компаний-передатчиков в области коммуникационных и информационных технологий [13], [14], [23].
	3	2	Метод TOPSIS используется при создании усовершенствованной методики анализа и синтеза интегральных оценок применительно к региональным социально-экономическим системам [3].
2014-2019 гг.	1	737	Метод TOPSIS используется в качестве инструмента оценки устойчивости регионов. Метод TOPSIS используется при проведении исследования предпочтительности причин отказов в процессе производства. Метод TOPSIS используется для работы со сходством в медицинской диагностике. Метод TOPSIS используется в целях оценки пригодности земель для орошаемого выращивания люцерны на равнине. Метод TOPSIS используется для выбора наиболее предпочтительного источника водоснабжения среди опреснения, бурения скважин, сбора дождевой воды, очищенной воды, сточных вод, серых сточных вод и импорта воды [7], [18].
	2	72	Метод TOPSIS используется для ранжирования управляющих организаций в жилищно-коммунальном хозяйстве. Метод TOPSIS используется для оценки человеческих ресурсов [2], [5].
	3	0	-
2020-2025 гг.	1	11 955	Метод TOPSIS используется для решения проблемы глобального дефицита воды путем сравнения сбора дождевой воды, рециркуляции воды и опреснения по пяти критериям: эффективность использования воды, экономическая эффективность, воздействие на окружающую среду, социальная справедливость и технологическая осуществимость. Метод TOPSIS используется для разработки структуры выбора облачных сервисов. Метод TOPSIS используется для того, чтобы оценить показатели логистических потоков в зеленых цепях поставок, а также в целях ранжирования инструментов зеленой логистики. Метод TOPSIS используется для интегральной оценки уровня развития умных городов Китая [21], [9].
	2	109	Метод TOPSIS используется в процессе упрощения интерпретации объединенных экспертных суждений. Метод TOPSIS используется для определения оптимальных параметров токарной обработки. Метод TOPSIS используется с целью модернизации системы управления [10], [4].
	3	1	Метод TOPSIS используется для анализа конкурентоспособности инновационно-промышленного кластера [8].

Источник: составлено авторами

Таким образом, таблица 2 подтверждает масштабность применения метода TOPSIS в рамках исследований, требующих анализа нескольких критериев и последующего выбора наиболее оптимальной альтернативы. Видно, что за последние 6 лет (2020 - 2025) количество публикаций (12 065 шт.), содержащих исследования направлений применения рассматриваемого метода, выросло по сравнению с количеством публикаций (809 шт.) в предыдущем анализируемом периоде (2014 - 2019) на 1 391%. Кроме того, отмеченные в таблице наиболее распространенные задачи, решаемые благодаря методу TOPSIS, характеризуются стремлением упростить тот или иной процесс выбора объектов исследования.

В нашей статье на основе выше описанного метода проведем расчеты, способствующие упрощению процесса обоснованного выбора ключевых показателей эффективности IT-компаний (Information Technology) в рамках такой перспективы ССП, как «Финансы». Чтобы сформировать первоначальный список ключевых показателей эффективности для IT-компаний, авторы данного исследования обратились к экспертам, работающим в сфере оказания информационно-аналитических услуг (в том числе по направлению разработки программного обеспечения). Ориентиром, поставленным перед респондентами, стали принципы необходимости и достаточности: опрашиваемые эксперты, при обозначении ключевого показателя эффективности, стремились к тому, чтобы устанавливаемая альтернатива была напрямую связана с направлениями деятельности IT-бизнеса (необходимость) и её было бы достаточно для того, чтобы осуществить хотя бы одну из намеченных компанией целей (достаточность). Таким образом, в рамках перспективы «Финансы» установлены следующие показатели:

1. Коэффициент рентабельности цифровизации управления – рассчитывается как отношение разницы расходов при предоставлении IT-услуг в режиме онлайн и офлайн к сумме расходов при предоставлении IT-услуг в режиме офлайн (на одну ед. учета), %.

2. Процент проектов в сфере IT-услуг, реализованных в рамках намеченного бюджета.

3. Окупаемость инвестиций в информационные технологии компании – данный показатель относителен и показывает отношение дохода от инвестиции информационные технологии к размеру самой инвестиции.

4. Процент дохода от новых направлений использования уже выпущенной IT-продукции.

5. Доля прибыли в объеме продаж, усл. ед.

6. Коэффициент текущей ликвидности, усл. ед.

7. Коэффициент срочной ликвидности, усл. ед.

8. Показатели добавленной стоимости.

9. Ресурсоотдача – данный показатель рассчитывается ка отношение выручки от реализации к средней стоимости ресурсов.

В рамках исследования зададим выше описанным показателям следующие условные обозначения (соответственно): Ф1, Ф2, Ф3, Ф4, Ф5, Ф6, Ф7, Ф8, Ф9. Далее установим максимизируемые индикаторы ключевых показателей эффективности, условно обозначив их «Инд», и введем коэффициенты веса для каждой характеристики в зависимости от ее значимости для деятельности в сфере информационных технологий (таблица 3).

Таблица 3 - Индикаторы ключевых показателей эффективности

Условное обозначение	Индикаторы КПЭ	Вес
Инд 1	Вклад в бизнес	0,160
Инд 2	Скорость обработки данных	0,157
Инд 3	Низкая степень зависимости обработки данных от внешних факторов	0,110
Инд 4	Качество обработки данных	0,183
Инд 5	Долгосрочность актуальности применимости данных	0,090
Инд 6	Адаптивность к изменениям	0,150
Инд 7	Относительно небольшой объём исследуемых данных	0,100
Инд 8	Низкая степень непредсказуемости результата полученных данных	0,050

Составлено авторами

Индикаторы максимизируемы, поскольку ищется решение, при котором значение индикатора максимально. Коэффициенты веса находятся в отрезке от 0 до 1. При этом сумма коэффициентов веса равна 1. Отобранные экспертами КПЭ в совокупности с установленными нами индикаторами КПЭ являются первоначальными данными, использующимися в статье при дальнейших расчетах. Таким образом, в рамках перспективы «Финансы» выявлено девять потенциальных ключевых показателей эффективности, значимые характеристики которых были оценены экспертами по десятибалльной шкале (таблица 4).

Таблица 4 - Оценка индикаторов КПЭ по десятибалльной шкале

Индикаторы	Оценка индикаторов
Индикаторы	Ф1	Ф2	Ф3	Ф4	Ф5	Ф6	Ф7	Ф8	Ф9
Инд 1	8	8	7	5	6	5	5	6	7
Инд 2	7	9	6	4	7	5	4	3	4
Инд 3	7	3	5	7	5	6	4	3	2
Инд 4	8	9	7	6	7	8	7	5	4
Инд 5	4	3	5	4	4	2	2	5	1
Инд 6	7	6	5	6	4	3	4	6	5
Инд 7	9	7	6	8	6	5	5	2	2
Инд 8	5	6	4	8	5	7	6	4	3

Источник: Составлено авторами

Данные из таблицы 4 можно представить в виде матрицы значений , при этом пусть представляет собой множество оцениваемых индикаторов, с одной стороны, а является множеством потенциальных ключевых показателей эффективности, с другой стороны. Таким образом, является значением индикатора для ключевого показателя эффективности .

Полученные значения, в целях дальнейшего их использования в расчетах, необходимо нормировать. Для этого переведем матрицу в безразмерный вид [26] и расчитаем нормированные оценки индикаторов по формуле (1):

При этом – матрица нормированных оценок индикаторов КПЭ.

Результаты расчетов представлены в таблице 5.

Таблица 5 - Нормированные оценки индикаторов КПЭ

Индикаторы	Нормированные оценки индикаторов
Индикаторы	Ф1	Ф2	Ф3	Ф4	Ф5	Ф6	Ф7	Ф8	Ф9
Инд 1	0,414	0,414	0,362	0,259	0,311	0,259	0,259	0,311	0,362
Инд 2	0,406	0,522	0,348	0,232	0,406	0,290	0,232	0,174	0,232
Инд 3	0,470	0,201	0,336	0,470	0,336	0,403	0,268	0,201	0,134
Инд 4	0,384	0,433	0,336	0,288	0,336	0,384	0,336	0,240	0,192
Инд 5	0,371	0,279	0,464	0,371	0,371	0,186	0,186	0,464	0,093
Инд 6	0,445	0,381	0,318	0,381	0,254	0,191	0,254	0,381	0,318
Инд 7	0,500	0,389	0,333	0,444	0,333	0,278	0,278	0,111	0,111
Инд 8	0,301	0,361	0,241	0,482	0,301	0,421	0,361	0,241	0,181

Источник: составлено авторами

Далее построим матрицу взвешенных нормированных значений, умножая коэффициенты веса индикаторов, которые были определены и представлены нами ранее в таблице 3, на значения нормированных оценок индикаторов. В целях удобства и наглядности расчетов значения весов повторно отражены в отдельном столбце. Полученные данные проиллюстрированы в таблице 6.

Таблица 6 - Взвешенные нормированные оценки индикаторов КПЭ

Индикаторы	Вес	Взвешенные нормированные оценки индикаторов
Индикаторы	Вес	Ф1	Ф2	Ф3	Ф4	Ф5	Ф6	Ф7	Ф8	Ф9
Инд 1	0,160	0,066	0,066	0,058	0,041	0,050	0,041	0,041	0,050	0,058
Инд 2	0,157	0,064	0,082	0,055	0,036	0,064	0,045	0,036	0,027	0,036
Инд 3	0,110	0,052	0,022	0,037	0,052	0,037	0,044	0,030	0,022	0,015
Инд 4	0,183	0,070	0,079	0,062	0,053	0,062	0,070	0,062	0,044	0,035
Инд 5	0,090	0,033	0,025	0,042	0,033	0,033	0,017	0,017	0,042	0,008
Инд 6	0,150	0,067	0,057	0,048	0,057	0,038	0,029	0,038	0,057	0,048
Инд 7	0,100	0,050	0,039	0,033	0,044	0,033	0,028	0,028	0,011	0,011
Инд 8	0,050	0,015	0,018	0,012	0,024	0,015	0,021	0,018	0,012	0,009

Источник: составлено авторами

В рамках следующего этапа исследования найдем идеальное позитивное и идеальное негативное решения, вычислив максимальное и минимальное значение в каждой строке таблицы 6 (столбец «Вес» в расчетах не участвует). Таблица 7 демонстрирует полученные данные.

Таблица 7 - Идеальное позитивное и идеальное негативное решения

Индикаторы	Идеальные решения
Индикаторы	+	-
Инд 1	0,066	0,041
Инд 2	0,082	0,027
Инд 3	0,052	0,015
Инд 4	0,079	0,035
Инд 5	0,042	0,008
Инд 6	0,067	0,029
Инд 7	0,050	0,011
Инд 8	0,024	0,009

Источник: составлено авторами

Произведенные расчеты были необходимы для того, чтобы мы могли вычислить расстояния от каждого ключевого показателя эффективности до идеального позитивного и идеального негативного решений. Извлекая корень из суммы квадратов разности значений идеальных позитивных решений и взвешенных нормированных оценок индикаторов КПЭ, рассчитаем расстояние от КПЭ до идеального позитивного решения (таблица 8).

Таблица 8 - Вычисление расстояний от КПЭ до идеального позитивного решения

Индикаторы	Ключевые показатели эффективности
Индикаторы	Ф1	Ф2	Ф3	Ф4	Ф5	Ф6	Ф7	Ф8	Ф9
Инд 1	0,0000	0,0000	0,0001	0,0006	0,0003	0,0006	0,0006	0,0003	0,0001
Инд 2	0,0003	0,0000	0,0007	0,0021	0,0003	0,0013	0,0021	0,0030	0,0021
Инд 3	0,0000	0,0009	0,0002	0,0000	0,0002	0,0001	0,0005	0,0009	0,0014
Инд 4	0,0001	0,0000	0,0003	0,0007	0,0003	0,0001	0,0003	0,0012	0,0019
Инд 5	0,0001	0,0003	0,0000	0,0001	0,0001	0,0006	0,0006	0,0000	0,0011
Инд 6	0,0000	0,0001	0,0004	0,0001	0,0008	0,0015	0,0008	0,0001	0,0004
Инд 7	0,0000	0,0001	0,0003	0,0000	0,0003	0,0005	0,0005	0,0015	0,0015
Инд 8	0,0001	0,0000	0,0001	0,0000	0,0001	0,0000	0,0000	0,0001	0,0002
	0,0237	0,0374	0,0461	0,0598	0,0488	0,0682	0,0739	0,0843	0,0930

Источник: составлено авторами

Извлекая корень из суммы квадратов разности значений идеальных негативных решений и взвешенных нормированных оценок индикаторов КПЭ, рассчитаем расстояние от КПЭ до идеального негативного решения (таблица 9).

Таблица 9 - Вычисление расстояний от КПЭ до идеального негативного решения

Индикаторы	Ключевые показатели эффективности
Индикаторы	Ф1	Ф2	Ф3	Ф4	Ф5	Ф6	Ф7	Ф8	Ф9
Инд 1	0,0006	0,0006	0,0003	0,0000	0,0001	0,0000	0,0000	0,0001	0,0003
Инд 2	0,0013	0,0030	0,0007	0,0001	0,0013	0,0003	0,0001	0,0000	0,0001
Инд 3	0,0014	0,0001	0,0005	0,0014	0,0005	0,0009	0,0002	0,0001	0,0000
Инд 4	0,0012	0,0019	0,0007	0,0003	0,0007	0,0012	0,0007	0,0001	0,0000
Инд 5	0,0006	0,0003	0,0011	0,0006	0,0006	0,0001	0,0001	0,0011	0,0000
Инд 6	0,0015	0,0008	0,0004	0,0008	0,0001	0,0000	0,0001	0,0008	0,0004
Инд 7	0,0015	0,0008	0,0005	0,0011	0,0005	0,0003	0,0003	0,0000	0,0000
Инд 8	0,0000	0,0001	0,0000	0,0002	0,0000	0,0001	0,0001	0,0000	0,0000
	0,0904	0,0868	0,0647	0,0674	0,0619	0,0542	0,0390	0,0463	0,0268

Источник: составлено авторами

Далее по формуле (2) рассчитаем относительную близость к идеальному позитивному решению:

Рассчитанные значения представлены в таблице 10.

Таблица 10 - Нахождение относительной близости КПЭ к идеальному позитивному решению

Индикаторы	Ключевые показатели эффективности
Индикаторы	Ф1	Ф2	Ф3	Ф4	Ф5	Ф6	Ф7	Ф8	Ф9
	0,7926	0,6987	0,5840	0,5298	0,5592	0,4427	0,3453	0,3544	0,2238
Ранг	1	2	3	5	4	6	8	7	9

Источник: составлено авторами

В таблице 10 также осуществлено ранжирование ключевых показателей эффективности в зависимости от относительной близости рассчитанных значений к 1.

Заключение. Таким образом, ключевые показатели эффективности, первоначально установленные экспертами в области информационных технологий, можно сгруппировать по наиболее значимым и наименее значимым показателям в целях оценки эффективности компании. Первая группа (наиболее значимых показателей) включает в себя Ф1, Ф2, Ф3 и Ф5 (по убыванию значимости). При этом наибольшую близость к идеальному решению имеет такой показатель, как коэффициент рентабельности цифровизации управления, что напрямую коррелирует со спецификой деятельности IT-компаний. Вторая группа (наименее значимых показателей) включает в себя Ф9, Ф7, Ф8, Ф6 и Ф4 (по возрастанию значимости). При этом наименьшую близость к идеальному решению имеет такой показатель, как ресурсоотдача.

Стоит отметить, что рассчитанные значения не отменяют ценность того или иного показателя. Названные экспертами критерии изначально считаются весомыми с точки зрения оптимизации управления бизнесом. Однако механизм ранжирования альтернатив по степени близости к идеальному позитивному решению на основе метода TOPSIS, теоретическое и практическое применение которого мы исследовали в данной статье, способен сократить количество вариантов принятия решений в условиях ограниченного выбора, когда бизнес оказывается в таких условиях (например, в силу бюджетных границ).

С точки зрения совершенствования подходов к использованию сбалансированной системы показателей в управлении компаниями, результаты проведенного нами исследования могут быть использованы в дальнейшем при определении наиболее эффективных показателей не только в рамках перспективы «Финансы», но и в рамках таких перспектив, как «Клиенты», «Внутренние бизнес-процессы» и «Персонал».

Благодарности. Искренне благодарим Лейферова Бориса Михайловича, кандидата физико-математических наук, генерального директора консалтинговой компании, за то, что, являясь неотъемлемой движущей силой исследования, в нужный момент всегда оказывался рядом.

Источники:

1. Балашов А. М., Петров А. Н. Экономический кризис 2020 года и проблемы дальнейшего экономического развития РФ // Теоретическая экономика. – 2021. – № 11. – c. 28-34. – doi: 10.52957/22213260_2021_11_28.
2. Горкавой П. Г., Недогонова Т. А., Замотайлова Д. А. Использование метода TOPSIS для ранжирования управляющих организаций в ЖКХ // Научное обеспечение агропромышленного комплекса: Сборник статей по материалам XII Всероссийской конференции молодых ученых, Краснодар, 05–08 февраля 2019 года / Отв. за вып. А.Г. Кощаев. – Краснодар: Кубанский государственный аграрный университет имени И.Т. Трубилина. Краснодар, 2019. – c. 85-86.
3. Заруцкий С. А. Развитие методического и программного инструментария интегрального оценивания региональных социально-экономических систем : специальность 08.00.13 \Математические и инструментальные методы экономики\. / диссертация на соискание ученой степени кандидата экономических наук. - Ростов-на-Дону, 2013. – 182 c.
4. Карцан И. Н., Ефремова С. В., Горовой Д. С. Применение процедуры TOPSIS в интересах оптимизации системы управления // Вопросы контроля хозяйственной деятельности и финансового аудита, национальной безопасности, системного анализа и управления: Сборник материалов VI Всероссийской научно-практической конференции, Москва, 28 декабря 2020 года. – Москва: Федеральное государственное бюджетное научное учреждение \Экспертно-аналитический центр\. Москва, 2021. – c. 436-445.
5. Коляда В. В., Степовик А. Н., Попова Е. В. Потенциальные возможности автоматизации применения метода TOPSIS для оценки человеческих ресурсов // Развитие научной, творческой и инновационной деятельности молодежи: Сборник статей по материалам XI Всероссийской (национальной) научно-практической конференции молодых ученых, посвященной 75-летию Курганской ГСХА имени Т.С. Мальцева, Курган, 21 ноября 2019 года / Под общей редакцией И.Н. Миколайчика. – Курган: Курганская государственная сельскохозяйственная академия им. Т.С. Мальцева. Курган, 2019. – c. 74-77.
6. Кузнецова Н. В., Леонов П. Ю. Рекомендации по разработке и внедрению сбалансированной системы показателей на основе изучения опыта российских организаций // Вестник университета. – 2024. – № 11. – c. 120-130. – doi: 10.26425/1816-4277-2024-11-120-130.
7. Лобкова Е. В. Применение метода TOPSIS при решении задачи оценки устойчивости развития территорий // Экономические науки. – 2019. – № 172. – c. 47-51. – doi: 10.14451/1.172.47.
8. Мороз В. Н. Разработка механизма трансфера технологий в инновационно-промышленном кластере : специальность 08.00.05 \Экономика и управление народным хозяйством (по отраслям и сферам деятельности, в т.ч.: экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда; экономика народонаселения и демография; экономика природопользования; экономика предпринимательства; маркетинг; менеджмент; ценообразование; экономическая безопасность; стандартизация и управление качеством продукции; землеустройство; рекреация и туризм)\. / диссертация на соискание ученой степени кандидата экономических наук., 2021. – 217 c.
9. Осинцев Н. А., Рахмангулов А. Н., Сладковский А. В. Ранжирование инструментов зеленой логистики комбинированным методом fuzzy AHP-TOPSIS // Транспорт Урала. – 2020. – № 1. – c. 3-14. – doi: 10.20291/1815-9400-2020-1-3-14.
10. Сивакова Т. В., Судаков В. А. Применение метода TOPSIS при агрегировании экспертных суждений // Материалы XXII Международной конференции по вычислительной механике и современным прикладным программным системам (ВМСППС\'2021): Материалы конференции, Алушта, 04–13 сентября 2021 года. – Москва: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования \Московский авиационный институт (национальный исследовательский университет)\. Москва, 2021. – c. 144-145.
11. Affisco J. F., Chanin M. N. An Empirical Investigation of Integrated Multicriteria Group Decision Models in a Simulation/Gaming Context // Simulation and Gaming. – 1990. – № 1. – p. 27-47. – doi: 10.1177/1046878190211003.
12. Cheng, S. K. Development of a fuzzy multi-criteria decision support system for municipal solid waste management / S. K. Cheng, 2002. – 1 p. – EDN EVVTAR.
13. Fararoui, F. Priority berthing in congested ports: The application of multiple-attribute decision-making methods / F. Fararoui, 1991. – 1 p. – EDN FJQIEZ.
14. Hsu Pi. F., Hsu M. G. Optimizing the Information Outsourcing Practices of Primary Care Medical Organizations Using Entropy and TOPSIS // Quality and Quantity. – 2008. – № 2. – p. 181-201. – doi: 10.1007/s11135-006-9040-8.
15. INVENTORUS. [Электронный ресурс]. URL: https://platform.inventorus.ru/ (дата обращения: 17.01.2026).
16. Li P., Wu J., Qian H. Groundwater quality assessment based on rough sets attribute reduction and TOPSIS method in a semi-arid area, China // Environmental Monitoring and Assessment. – 2012. – № 8. – p. 4841-4854. – doi: 10.1007/s10661-011-2306-1.
17. Liao H. Ch. Using PCR-TOPSIS to optimise Taguchi\'s multi-response problem // The International Journal of Advanced Manufacturing Technology. – 2003. – № 9-10. – p. 649-655. – doi: 10.1007/s00170-002-1485-x.
18. Lv P., Li Z. Potential for regional economic development of China based on weighted principal components TOPSIS valuation function model // 2010 International Conference on Logistics Systems and Intelligent Management, ICLSIM 2010, 09–10 января 2010 года. – 2010. – p. 364-367. – doi: 10.1109/ICLSIM.2010.5461402.
19. Application of TOPSIS method in decision-making support of personnel management problems Mammadova, M. Application of TOPSIS method in decision-making support of personnel management problems / M. Mammadova, Z. Jabrailova, S. Nobari // 2012 4th International Conference \Problems of Cybernetics and Informatics\, PCI 2012 - Proceedings, Baku, 12–14 сентября 2012 года. – Baku: Piscataway, 2012. – P. 6486485. – DOI 10.1109/ICPCI.2012.6486485. – EDN XNCPRJ.
20. Mining method selection by TOPSIS approach (case study of Reza Abad ball clay & bauxite mine) / H. Dezyani, M. Ataei, K. Shahriar, M. Afshar // 6th International Scientific Conference SGEM 2006, Albena, 12–16 июня 2006 года. Vol. 1.1. – Sofia: Общество с ограниченной ответственностью СТЕФ92 Технолоджи, 2006. – P. 19-26. – EDN DCDGEL.
21. Monroe, T. C. Army advertisement exploration: A decision risk analysis case study / T. C. Monroe, 1997. – 1 p. – EDN FCTJRP.
22. Zanakis S. H., Wishart N., Solomon A., Dublish S. Multi-attribute decision making: A simulation comparison of select methods // European Journal of Operational Research. – 1998. – № 3. – p. 507-529. – doi: 10.1016/S0377-2217(97)00147-1.
23. Tektas, B. General packet radio service (GPRS) technology transfer: A case study to evaluate transferors / B. Tektas, S. Gozlu // PICMET: Portland International Center for Management of Engineering and Technology, Proceedings : 2008 Portland International Center for Management of Engineering and Technology, Technology Management for a Sustainable Economy, PICMET '08, 27–31 июля 2008 года / sponsors: Eskom, Exxaro, Lonmin, PBMR, Sasol. – Cape Town, 2008. – P. 2273-2280. – DOI 10.1109/PICMET.2008.4599850. – EDN MSKSQP.
24. Tiwari R. K., Kumar R. G-TOPSIS: a cloud service selection framework using Gaussian TOPSIS for rank reversal problem // The Journal of Supercomputing. – 2021. – № 1. – p. 523-562. – doi: 10.1007/s11227-020-03284-0.
25. Vahdani B., Salimi M., Charkhchian M. A new FMEA method by integrating fuzzy belief structure and TOPSIS to improve risk evaluation process // The International Journal of Advanced Manufacturing Technology. – 2015. – № 1. – p. 357-368. – doi: 10.1007/s00170-014-6466-3.
26. Кочкина М.В., Карамышев А.Н., Махмутов И.И., Исавнин A.Г., Розенцвайг А.К. Анализ многокритериальных методов принятия управленческих решений (на примере задачи выбора поставщиков материально-технических ресурсов). / Электронный образовательный ресурс для студентов экономических направлений подготовки. - Набережные Челны: Издательско-полиграфический центр НЧИ К(П)ФУ, 2017. – 31 c.

Страница обновлена: 23.02.2026 в 19:16:18

Optimal key performance indicators for an IT company based on the TOPSIS method

Kuznetsova N.V., Stolyarova A.N.

Journal paper

Journal of Economics, Entrepreneurship and Law
Volume 16, Number 2 (February 2026)

Citation:

Abstract:
The article analyzes statistical data concerning the number of Russian and foreign publications on balanced scorecard issues. Based on the results of a bibliometric analysis of publications for the period from 1990 to 2025, the article identifies the most common research areas for the application of such a multi-criteria method of decision analysis as the Technique for Order Preference by Similarity to Ideal Solution. The collected data allowed to formulate a hypothesis that the considered method can be applied in order to find optimal key performance indicators of the company. To confirm the hypothesis, the article forms a list of criteria that, according to the experts interviewed, are most important for evaluating the effectiveness of an IT organization (within the framework of the "Finance" direction). The selected indicators, together with the maximized performance indicators, were used as initial data. Thanks to the calculations, the performance criteria were ranked according to their proximity to the ideal positive solution. Thus, the list of previously established indicators was grouped by the most and least significant data for evaluating the company's effectiveness, indicating the numerical characteristics of significance.

Keywords: balanced scorecard, key performance indicators, TOPSIS method, multi-criteria methods of decision analysis

JEL-classification: C61, C63, D24, M11

References:

Affisco J. F., Chanin M. N. (1990). An Empirical Investigation of Integrated Multicriteria Group Decision Models in a Simulation/Gaming Context Simulation and Gaming. 21 (1). 27-47. doi: 10.1177/1046878190211003.

Balashov A. M., Petrov A. N. (2021). THE ECONOMIC CRISIS OF 2020 AND THE PROBLEMS OF FURTHER ECONOMIC DEVELOPMENT OF THE Russian Federation. Theoretical economy. (11). 28-34. doi: 10.52957/22213260_2021_11_28.

Cheng, S. K. Development of a fuzzy multi-criteria decision support system for municipal solid waste management / S. K. Cheng, 2002. – 1 p. – EDN EVVTAR.

Fararoui, F. Priority berthing in congested ports: The application of multiple-attribute decision-making methods / F. Fararoui, 1991. – 1 p. – EDN FJQIEZ.

Gorkavoy P. G., Nedogonova T. A., Zamotaylova D. A. (2019). Using the TOPSIS method to rank management organizations in housing and communal services Scientific support of the agro-industrial complex. 85-86.

Hsu Pi. F., Hsu M. G. (2008). Optimizing the Information Outsourcing Practices of Primary Care Medical Organizations Using Entropy and TOPSIS Quality and Quantity. 42 (2). 181-201. doi: 10.1007/s11135-006-9040-8.

INVENTORUS. Retrieved January 17, 2026, from https://platform.inventorus.ru/

Kartsan I. N., Efremova S. V., Gorovoy D. S. (2021). Application of the TOPSIS procedure in the interests of optimizing the management system Issues of business control and financial audit, national security, system analysis and management. 436-445.

Kochkina M.V., Karamyshev A.N., Makhmutov I.I., Isavnin A.G., Rozentsvayg A.K. (2017). Analysis of multi-criteria methods of managerial decision-making (on the example of the task of selecting suppliers of material and technical resources)

Kolyada V. V., Stepovik A. N., Popova E. V. (2019). The potential possibilities of automating the application of the TOPSIS method for human resource assessment Development of scientific, creative and innovative activities of youth. 74-77.

Kuznetsova N. V., Leonov P. Yu. (2024). RECOMMENDATIONS FOR THE DEVELOPMENT AND IMPLEMENTATION OF A BALANCED SCORECARD BASED ON STUDYING THE EXPERIENCE OF RUSSIAN ORGANISATIONS. Vestnik Universiteta. (11). 120-130. doi: 10.26425/1816-4277-2024-11-120-130.

Li P., Wu J., Qian H. (2012). Groundwater quality assessment based on rough sets attribute reduction and TOPSIS method in a semi-arid area, China Environmental Monitoring and Assessment. 184 (8). 4841-4854. doi: 10.1007/s10661-011-2306-1.

Liao H. Ch. (2003). Using PCR-TOPSIS to optimise Taguchi\'s multi-response problem The International Journal of Advanced Manufacturing Technology. 22 (9-10). 649-655. doi: 10.1007/s00170-002-1485-x.

Lobkova E. V. (2019). APPLICATION OF THE TOPSIS METHOD IN SOLVING THE PROBLEM OF ASSESSING THE SUSTAINABILITY OF DEVELOPMENT OF TERRITORIES. Economic sciences. (172). 47-51. doi: 10.14451/1.172.47.

Lv P., Li Z. (2010). Potential for regional economic development of China based on weighted principal components TOPSIS valuation function model 2010 International Conference on Logistics Systems and Intelligent Management, ICLSIM 2010, 09–10 yanvarya 2010 goda. 1 364-367. doi: 10.1109/ICLSIM.2010.5461402.

Mammadova, M. Application of TOPSIS method in decision-making support of personnel management problems / M. Mammadova, Z. Jabrailova, S. Nobari // 2012 4th International Conference \Problems of Cybernetics and Informatics\, PCI 2012 - Proceedings, Baku, 12–14 sentyabrya 2012 goda. – Baku: Piscataway, 2012. – P. 6486485. – DOI 10.1109/ICPCI.2012.6486485. – EDN XNCPRJ.

Mining method selection by TOPSIS approach (case study of Reza Abad ball clay & bauxite mine) / H. Dezyani, M. Ataei, K. Shahriar, M. Afshar // 6th International Scientific Conference SGEM 2006, Albena, 12–16 iyunya 2006 goda. Vol. 1.1. – Sofia: Obschestvo s ogranichennoy otvetstvennostyu STEF92 Tekhnolodzhi, 2006. – P. 19-26. – EDN DCDGEL.

Monroe, T. C. Army advertisement exploration: A decision risk analysis case study / T. C. Monroe, 1997. – 1 p. – EDN FCTJRP.

Moroz V. N. (2021). Development of a technology transfer mechanism in an innovative industrial cluster

Osintsev N. A., Rakhmangulov A. N., Sladkovskiy A. V. (2020). A FUZZY AHP-TOPSIS APPROACH FOR GREEN LOGISTICS INSTRUMENTS RANKING. Transport Urala. (1). 3-14. doi: 10.20291/1815-9400-2020-1-3-14.

Sivakova T. V., Sudakov V. A. (2021). Application of the TOPSIS method in the aggregation of expert judgments Proceedings of the 22nd International Conference on Computational Mechanics and Modern Applied Software Systems 2021. 144-145.

Tektas, B. General packet radio service (GPRS) technology transfer: A case study to evaluate transferors / B. Tektas, S. Gozlu // PICMET: Portland International Center for Management of Engineering and Technology, Proceedings : 2008 Portland International Center for Management of Engineering and Technology, Technology Management for a Sustainable Economy, PICMET '08, 27–31 iyulya 2008 goda / sponsors: Eskom, Exxaro, Lonmin, PBMR, Sasol. – Cape Town, 2008. – P. 2273-2280. – DOI 10.1109/PICMET.2008.4599850. – EDN MSKSQP.

Tiwari R. K., Kumar R. (2021). G-TOPSIS: a cloud service selection framework using Gaussian TOPSIS for rank reversal problem The Journal of Supercomputing. 77 (1). 523-562. doi: 10.1007/s11227-020-03284-0.

Vahdani B., Salimi M., Charkhchian M. (2015). A new FMEA method by integrating fuzzy belief structure and TOPSIS to improve risk evaluation process The International Journal of Advanced Manufacturing Technology. 77 (1). 357-368. doi: 10.1007/s00170-014-6466-3.

Zanakis S. H., Wishart N., Solomon A., Dublish S. (1998). Multi-attribute decision making: A simulation comparison of select methods European Journal of Operational Research. 107 (3). 507-529. doi: 10.1016/S0377-2217(97)00147-1.

Zarutskiy S. A. (2013). Development of methodological and programmatic tools for integral assessment of regional socio-economic systems

Подробнее об авторах:

Optimal key performance indicators for an IT company based on the TOPSIS method