Детальная информация

Работа посвящена разработке и апробации управленческой модели поддержки решений о внедрении инновационных инициатив в компаниях облачного сектора и построению на её основе рекомендательной системы отбора, формализующей неявную методику принятия решений, сложившуюся в крупной российской облачной компании. В качестве методологической базы использованы стандарты серии ISO 56000, теория диффузии инноваций Э. Роджерса, модели открытых и подрывных инноваций, методы поддержки принятия решений (MCDM, AHP, Stage-Gate), инженерные практики цифровой поставки (Agile, CI/CD, SRE, FinOps), а также нормативные документы по облачной безопасности и защите персональных данных в Российской Федерации. Задачи, решавшиеся в ходе исследования: 1. Анализ современных моделей и подходов к управлению инновациями, в том числе в сфере облачных технологий, и описание неявной методики отбора инноваций, применяемой в компании-кейсе. 2. Разработка расчётно-аналитической модели поддержки решений (модели ИПП — интегрального показателя привлекательности инновации) и построение на её основе рекомендательной системы отбора инноваций с описанием процессов, ролей, артефактов и точек интеграции с существующей управленческой практикой. 3. Апробация рекомендательной системы на наборе типовых инициатив крупного российского облачного провайдера, анализ чувствительности результатов, экономическая оценка внедрения и анализ масштабируемости подхода в отрасли. Основные результаты работы: 1. Разработана четырёхконтурная модель управления инновациями в компании облачного сектора, объединяющая: (а) принципиальный контур (4 отраслевых принципа); (б) процессный контур — воронку инноваций с двумя точками отсева; (в) расчётно-аналитическое ядро — модель ИПП с двухпороговым правилом и диагностической метрикой Δⱼ; (г) институциональный контур ролей и артефактов. 2. Проведено численное сопоставление параметров инновационной деятельности облачного сектора с банковским сектором, корпоративным SaaS и тяжёлой промышленностью по 10 параметрам, подтвердившее необходимость отраслевой адаптации инструментов инновационного менеджмента. 3. Апробация на 7 инициативах крупного российского облачного провайдера и 10 регрессионных сценариях показала применимость модели (совпадение 6 из 7 (85,7%) с экспертами на категориальном уровне; соответствие проектным свойствам — 9 из 10 регрессионных сценариев). 4. Оценка эффективности показала благоприятное соотношение затрат на запуск системы и потенциальной выгоды: расчётный срок окупаемости 14 месяцев в базовом сценарии, сокращение цикла принятия решений в среднем с 21,3 до 9,1 дня по сравнению с контрольной выборкой, потенциальное предотвращение ошибочных запусков средней стоимостью 2,1 млн руб. каждый. 5. Модель реализована в трёх программных формах (Excel, Python, веб-прототип на Next.js) и допускает горизонтальное, вертикальное и адаптационное масштабирование. Работа выполнена в трёх главах: глава 1 содержит анализ современных моделей управления инновациями и описание методики отбора инноваций в компании; глава 2 — исследование возможностей и ограничений облачного сектора, разработку расчётно-аналитической модели ИПП и рекомендательной системы на её основе; глава 3 — апробацию системы на инициативах компании-кейса, экономический анализ и анализ масштабируемости. Промежуточные результаты исследования опубликованы автором в работах [20] и [21].

The thesis presents the development and validation of a management model for decision support on innovation initiative implementation in cloud sector companies, and the design of a recommender system built upon this model, formalizing the implicit selection methodology that has emerged in a large Russian cloud company. The methodological basis includes the ISO 56000 series of standards, E. Rogerss diffusion of innovations theory, open and disruptive innovation models, decision support methods (MCDM, AHP, Stage-Gate), engineering practices for digital delivery (Agile, CI/CD, SRE, FinOps), and regulatory documents on cloud security and personal data protection in the Russian Federation. The research addressed three tasks: 1. Analysis of contemporary innovation management models and approaches, including those applicable to cloud technologies, and description of the implicit innovation selection methodology used in the case-study company. 2. Development of a quantitative decision support model (the IAI — Integral Attractiveness Index model) and design of a recommender system based on it, including processes, roles, artifacts, and integration points with existing management practice. 3. Validation of the recommender system on a set of typical innovation initiatives of a large Russian cloud provider, sensitivity analysis, economic assessment of system deployment, and analysis of the approachs scalability to the industry. Key results: 1. A four-loop innovation management model for a cloud-sector company was developed, combining: (a) a principle loop (4 industry-specific principles); (b) a process loop — an innovation funnel with two screening gates; (c) a quantitative core — the IAI model with a two-threshold decision rule and the diagnostic potential-gain metric Δⱼ; (d) an institutional loop of roles and artifacts. 2. A numerical comparison of the cloud sectors innovation-activity parameters with the banking sector, corporate SaaS, and heavy industry across 10 parameters was carried out, confirming the need for industry-specific adaptation of innovation management tools. 3. Validation on 7 initiatives of a large Russian cloud provider and 10 regression scenarios demonstrated the models applicability (6 of 7 (85.7%) agreement with experts at the categorical level; conformance to design properties in 9 of 10 regression scenarios). 4. The efficiency assessment showed a favourable ratio of system launch costs to potential benefit: an estimated payback period of 14 months in the baseline scenario, a reduction of the decision-making cycle from 21.3 to 9.1 days on average against a control sample, and potential prevention of erroneous launches costing on average 2.1 million RUB each. 5. The model was implemented in three software forms (Excel, Python, a Next.js web prototype) and supports horizontal, vertical, and adaptive scaling. The thesis is organized in three chapters: Chapter 1 contains an analysis of contemporary innovation management models and a description of the case companys selection methodology; Chapter 2 examines the opportunities and constraints of the cloud sector, develops the IAI model, and designs the recommender system based on it; Chapter 3 reports the validation of the system on case company initiatives, economic assessment, and scalability analysis. Intermediate research results have been published by the author in [20] and [21].