Томск, Россия
Современные производственные предприятия функционируют в условиях роста объемов данных, усложнения финансово-операционных процессов и повышения требований к оперативности управленческих решений. При масштабировании деятельности традиционные подходы к анализу, основанные на разрозненных источниках данных и ручной обработке информации, приводят к фрагментарности аналитики, ограниченной сопоставимости показателей и росту стоимости управленческих ошибок. Здесь рассматривается подход к построению интегрированной системы финансово-операционной аналитики, ориентированной на поддержку управления эффективностью операционной деятельности производственного предприятия на основе данных. Предлагаемая архитектура обеспечивает объединение информации из различных источников, включая системы «1С» и электронные справочники, в едином аналитическом контуре на базе Business Intelligence платформы (BI-платформы). Система обеспечивает обработку, преобразование и визуализацию финансово-операционных показателей, включая выручку, операционную прибыль, рабочий капитал, дебиторскую задолженность, оборачиваемость запасов и денежный поток от операционной деятельности. Особое внимание уделено обеспечению сопоставимости показателей и проверяемости расчетов. Показано, что внедрение интегрированной аналитической системы позволяет сократить объем ручной обработки данных, повысить прозрачность и проверяемость расчетов, а также обеспечить аналитическую поддержку управленческих решений. Результаты формируют основу для дальнейшего развития интеллектуальной системы управления эффективностью операционной деятельности.
финансово-операционная аналитика, BI-системы, интеграция данных, управление на основе данных, операционная эффективность, рабочий капитал, качество данных, управленческая отчетность, Power BI, архитектура аналитической системы
1. Головкова, А. С. Архитектура хранения и нормализация нормативно-справочных данных на этапе создания единого цифрового контура на предприятии [Текст] / А. С. Головкова, Н. В. Колос // Экономика. Информатика. – 2023. – Т. 50, № 1. – С. 173–182. – DOI:https://doi.org/10.52575/2687-0932-2023-50-1-173-182.
2. Кивган, В. А. Современные проблемы экономического анализа в коммерческих организациях России: от ретроспективы к BI-аналитике [Текст] / В. А. Кивган, С. А. Нардина // Экономика и бизнес: теория и практика. – 2025. – № 12. – С. 191–195.
3. Ильина, Я. И. Цифровизация процессов управления на производственном предприятии [Текст] / Я. И. Ильина, Д. М. Серазетдинова // Россия молодая : материалы XVI Всероссийской научно-практической конференции молодых ученых, Кемерово, 16–19 апреля 2024 г. – Кемерово, 2024. – С. 31640.1–31640.5.
4. Inmon, W. H. Building the Data Warehouse [Text] / W. H. Inmon. – 4th ed. – Indianapolis : Wiley, 2005. – 576 p.
5. Kimball, R. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling [Text] / R. Kimball, M. Ross. – 3rd ed. – Indianapolis : Wiley, 2013. – 600 p.
6. Дробкова, О. С. Применение технологии Data Lake как способ повышения эффективности деятельности промышленных предприятий [Текст] / О. С. Дробкова, Д. М. Мирохина // Вопросы инновационной экономики. – 2024. – Т. 14, № 4. – С. 1381–1400. – DOI:https://doi.org/10.18334/vinec.14.4.122269.
7. Data Integration from Heterogeneous Control Levels for the Purposes of Analysis within Industry 4.0 Concept [Text] / T. Horak, P. Strelec, M. Kebisek [et al.] // Sensors. – 2022. – Vol. 22, № 24. – Article 9860. – DOI:https://doi.org/10.3390/s22249860.
8. Фоменко, Н. М. Управление операционной деятельностью: опыт, тенденции, перспективы [Текст] / Н. М. Фоменко, В. Б. Плескевич // Лидерство и менеджмент. – 2023. – Т. 10, № 3. – С. 975–986. – DOI:https://doi.org/10.18334/lim.10.3.118533.
9. Пантелеев, В. Ю. Особенности управления операционной эффективностью [Текст] / В. Ю. Пантелеев, Е. Ю. Баранова // Естественно-гуманитарные исследования . – 2025. – № 2(58). – С. 764–768.
10. Бахарев, Д. К. Методика оценки уровня операционной эффективности предприятия [Текст] / Д. К. Бахарев // Ученые записки Крымского федерального университета имени В. И. Вернадского. Экономика и управление. – 2024. – Т. 10, № 4. – С. 3–14.
11. Кызым, Е. В. Методические основы управления оборотным капиталом предприятия [Текст] / Е. В. Кызым // Экономика и бизнес: теория и практика. – 2024. – № 6-2(112). – С. 21–23. – DOI:https://doi.org/10.24412/2411-0450-2024-6-2-21-23.
12. Elumalai, P. Trends in Working Capital Management and its Impact on Industries [Text] / P. Elumalai, M. Sivalingam // Journal of Exclusive Management Science. – 2023. – Vol. 12, Issue 08. – P. 1–7.
13. Basnet, S. K. Tracking Research Trends in Working Capital Management: A Ten-Year Bibliometric Review Based on Dimensions AI Database [Text] / S. K. Basnet, S. Kumari // NPRC Journal of Multidisciplinary Research. – 2024. – Vol. 1, № 4. – Pp. 96–111. – DOI:https://doi.org/10.3126/nprcjmr.v1i4.70949.
14. Huynh, T. X. T. The impact of working capital management on the financial performance of listed enterprises: an empirical evidence from Vietnam [Text] / T. X. T. Huynh, T. T. H. Nguyen, C. V. Nguyen // Cogent Business & Management. – 2025. – Vol. 12, № 1. – Article 2473033. – DOI:https://doi.org/10.1080/23311975.2025.2473033.
15. Оценка качества данных: теоретические основы и практическая реализация на примере разработанного модуля [Текст] / Ю. А. Шорошева, В. В. Денисенко, К. В. Чекудаев, Ф. А. Музалевский // Современные инновации, системы и технологии. – 2026. – Т. 6, № 1. – С. 3067–3074. – DOI:https://doi.org/10.47813/2782-2818-2026-6-1-3061-3068.
16. Miller, R. A Comparison of Data Quality Frameworks: A Review [Text] / R. Miller et al. // Big Data and Cognitive Computing. – 2025. – Vol. 9, № 4. – Article 93. – DOI:https://doi.org/10.3390/bdcc9040093.
17. Data governance & quality management: Innovation and breakthroughs across different fields [Text] / B. M. V. Bernardo, H. S. Mamede, J. M. P. Barroso, V. M. P. D. Santos // Journal of Innovation & Knowledge. – 2024. – Vol. 9, № 4. – Article 100598. – Pp. 1–35. – DOI:https://doi.org/10.1016/j.jik.2024.100598.
18. DAMA International. DAMA-DMBOK: Data Management Body of Knowledge [Text]. – 2nd ed. – Basking Ridge : Technics Publications, 2017. – 624 p.
19. ISO/IEC 25012:2008. Software engineering – Software product Quality Requirements and Evaluation (SQuaRE) – Data quality model [Text]. – First edition 2008-12-03. – Geneva : International Organization for Standardization, 2008. – 22 p.
20. Drury, C. Management and Cost Accounting [Text] / C. Drury. – 10th ed. – Andover : Cengage Learning, 2018. – 842 p.
