Управление бизнес-процессами организации на основе инструментария оценки цифровой зрелости: кластерно-ориентированный подход

Цифровая экономика: теория и практика
Авторы:
Положенцева Ю.С.Булатников В.В.
Аннотация:

Наличие информационных систем само по себе не обеспечивает роста управляемости и производительности в организациях. Цифровые технологии становятся реальными инструментами управления бизнес-процессами только при их соответствии текущему уровню зрелости учреждения. В статье представлена методика кластерно-ориентированного выбора инновационных инструментов управления бизнес-процессами в медицинских организациях, которая основана на оценке их цифровой зрелости. Эмпирическую базу составили данные анкетирования 390 медицинских работников. С применением статистического анализа выявлен генеральный фактор цифровой зрелости, который объясняет оценку девяти ключевых бизнес-процессов. На основе генерального фактора построена типология из шести кластеров, объединенных в три зоны зрелости: низкую, среднюю и высокую. Низкая зона характеризуется высокой долей рутинных операций, слабой регламентацией и преобладанием бумажно-ручных практик. Средняя зона отражает переходное состояние. При нем отдельные цифровые сервисы уже используются, но их связь со сквозными маршрутами и управленческим контролем остается недостаточной. Высокая зона связана с более устойчивой цифровой архитектурой, но может потребовать решения задач дальнейшей интеграции данных, стандартизации и масштабирования успешных практик. Структура барьеров цифровой трансформации качественно меняется от ресурсных ограничений в низких кластерах к системным интеграционным проблемам в высоких. На этой основе разработаны индекс цифровой зрелости медицинской организации, диагностическая схема и инструмент быстрой самоидентификации. Разработанные элементы позволяют связать результаты статистической типологии с первичной управленческой диагностикой и определить, какие инструменты стоит применять в организации исходя из ее уровня зрелости. На примере двух медицинских организаций продемонстрирована логика адресного выбора и оценен экономический потенциал сокращения процессных потерь. Расчеты показывают, что сокращение рутинной нагрузки способно формировать экономию рабочего времени, снижение ошибок, ускорение маршрута пациента, уменьшение транзакционных потерь и повышение прозрачности управленческого контроля. Полученные результаты указывают на необходимость соотносить выбор цифровых решений с уровнем зрелости процессов, типом доминирующих барьеров и готовностью организации к следующему этапу цифровизации. Предложенная методика снижает риск внедрения инструментов, которые опережают фактические возможности организации. Она может применяться для типизации медицинских организаций и адресной поддержки цифровизации при внедрении инновационных инструментов управления бизнес- процессами.

Финансовые условия:

Исследование выполнено при финансовой поддержке Министерства науки и высшего образования Российской Федерации в рамках государственного задания «Концептуальные подходы к формированию механизмов национального экономического суверенитета Российской Федерации в условиях беспрецедентных глобальных вызовов» (№075-03-2026-489).

Ключевые слова:
управление бизнес-процессамиздравоохранениецифровая зрелостькластерный анализметодика кластерно-ориентированного выборамедицинские организации
  • Список литературы

    1. Ковалева И.П., Воблая И.Н., Заярная И.А., Ирицян Г.Э., Стрижак М.С. (2026) Актуальные тенденции развития здравоохранения. Проблемы социальной гигиены, здравоохранения и истории медицины, 34 (1), 5–11. DOI: 10.32687/0869-866X-2026-34-1-5-11

    2. Перхов В.И., Каприн Д.А. (2025) «Организационные патологии» высокотехнологичной медицинской помощи. Часть 1: диагностика. ОРГЗДРАВ: Новости. Мнения. Обучение. Вестник ВШОУЗ, 11 (4), 102–115. DOI: 10.33029/2411-8621-2025-11-4-102-115

    3. Dumas M., La Rosa M., Mendling J., Reijers H.A. (2013) Fundamentals of Business Process Ma- nagement, Berlin, Heidelberg: Springer. DOI: 10.1007/978-3-642-33143-5

    4. Hammer M., Champy J. (2009) Reengineering the Corporation: Manifesto for Business Revolution, New York: A. Zondervan.

    5. Stoumpos A.I., Kitsios F., Talias M.A. (2023) Digital Transformation in Healthcare: Technology Acceptance and Its Applications. International Journal of Environmental Research and Public Health, 20 (4), art. no. 3407. DOI: 10.3390/ijerph20043407

    6. Rogers E.M. (2003) Diffusion of Innovations, 5th ed., NY: Free Press.

    7. White R.S. (2001) Working Knowledge: How Organizations Manage What They Know. The Journal of Technology Transfer, 26, 396–397. DOI: 10.1023/a:1011199223173

    8. Rosemann M., vom Brocke J. (2015) The Six Core Elements of Business Process Management. In: Handbook on Business Process Management 1 (eds. J. vom Brocke, M. Rosemann), Berlin, Heidelberg: Springer, 105–122. DOI: 10.1007/978-3-642-45100-3_5

    9. Van der Aalst W. (2016) Process mining: data science in action, Berlin, Heidelberg: Springer. DOI: 10.1007/978-3-662-49851-4

    10. Hammer M. (2015) What is Business Process Management? In: Handbook on Business Process Ma- nagement 1 (eds. J. vom Brocke, M. Rosemann), Berlin, Heidelberg: Springer, 3–16. DOI: 10.1007/978- 3-642-45100-3_1

    11. Object Management Group (2013) Business Process Model and Notation (BPMN): Version 2.0.2. [online] Available at: https://www.omg.org/spec/BPMN/2.0.2/PDF [Accessed 18.08.2026]

    12. Santos A., Leal G.C.L., Balancieri R. (2025) Process mining in healthcare: a tertiary study. BMC Medical Informatics and Decision Making, 25, art. no. 306. DOI: 10.1186/s12911-025-02967-z

    13. Kaplan R.S., Norton D.P. (2008) The Execution Premium: Linking Strategy to Operations for Competitive Advantage, Boston: Harvard Business School Press.

    14. Гумерова Г.И., Шаймиева Э.Ш. (2019) Процессная интеграция в системе электронного здравоохранения на основе Индустрии 4.0: разработка бизнес-модели для Российской практи- ки (теоретический аспект). Врач и информационные технологии, 2, 50–66.

    15. Ильяшенко В.М., Ильяшенко О.Ю. (2020) Системы Business intelligence как инструмент управления данными медицинской организации. Фундаментальные и прикладные исследования в области управления, экономики и торговли, 1, 333–338.

    16. Григорьева Н.С., Демкина А.Е., Коробейникова А.Н. (2024) Цифровизация системы здра- воохранения России: текущие барьеры на пути достижения цифровой зрелости. Population and Economics, 8 (1), 1–14. DOI: 10.3897/popecon.8.e111793

    17. Морозова Ю.А. (2020) Цифровая трансформация российского здравоохранения как фактор развития отрасли. Интеллект. Инновации. Инвестиции, 2, 36–47. DOI: 10.25198/2077-7175- 2020-2-36

    18. Заболотная Н.В., Гатилова И.Н., Заболотный А.Т. (2020) Цифровизация здравоохранения: достижения и перспективы развития. Экономика. Информатика, 47 (2), 380–389. DOI: 10. 18413/2687-0932-2020-47-2-380-389

    19. Калуцкая Д.Е., Николаенко Е.Г. (2025) Современные информационные технологии уп- равления сферой здравоохранения: ключевые проблемы применения и перспективы развития. Вестник Академии знаний, 3 (68), 817–822.

    20. Cai L., Zhu Y. (2015) The Challenges of Data Quality and Data Quality Assessment in the Big Data Era. Data Science Journal, 14, art. no. 2. DOI: 10.5334/dsj-2015-002

    21. Tabachnick B.G., Fidell L.S., Ullman J.B. (2007) Using Multivariate Statistics, 5th ed., Boston, MA: Pearson, 481–498.

    22. Козырский Н., Чеботарёв П., Балицкий Г. (2018) Сравнение ядерного алгоритма k-средних с методом Уорда в задачах кластеризации вершин графов. Труды Междисциплинарной школы- конференции «Информационные технологии и системы» (ИТиС 2018), 33–41.

    23. Dinh D.-T., Fujinami T., Huynh V.-N. (2019) Estimating the Optimal Number of Clusters in Ca- tegorical Data Clustering by Silhouette Coefficient. In: Knowledge and Systems Sciences (eds. J. Chen, V. Huynh, G.N. Nguyen, X. Tang), Singapore: Springer, 1103, 1–17. DOI: 10.1007/978-981-15-1209-4_1

    24. Aldenderfer M., Blashfield R. (1984) Cluster Analysis. Beverly Hills, CA: Sage Publications.

    25. Liu X., Varshney U., Li P. (2026) Does it save me money? The economic impact of mobile health interventions on medical expenditure of diabetic patients. Journal of the American Medical Informatics Association, 33 (2), 347–358. DOI: 10.1093/jamia/ocaf199

    26. Doherty A., Spencer L.H., Lynch M. (2025) Digital Platforms in Technology-Enhanced Care Management of Chronic Health Conditions: A Systematic Review of the International Economic Evidence. International Journal of Nursing and Health Care, 8, art. no. 1681. DOI: 10.29011/2688-9501.101681

    27. Aviraj K., Mohanty M., Gnanasekaran S., Pachori R. (2024) Evaluating the Cost Utility and Budget Impact of Telehealth services: A Systematic Review and Meta-Analysis, Preprint (Version 1). DOI: 10.21203/rs.3.rs-4999453/v1

    28. Gentili A., Failla G., Melnyk A., Puleo V., Di Tanna G.L., Ricciardi W., Cascini F. (2022) The cost-effectiveness of digital health interventions: A systematic review of the literature. Frontiers in Public Health, 10, art. no. 787135. DOI: 10.3389/fpubh.2022.787135

    29. Peters G.M., Kooij L., Lenferink A., van Harten W.H., Doggen C.J.M. (2021) The Effect of Telehealth on Hospital Services Use: Systematic Review and Meta-analysis. Journal of Medical Internet Research, 23 (9), art. no. e25195. DOI: 10.2196/25195

    30. Романов Е.В. (2020) Институциональные ловушки в научно-образовательной сфере: природа и механизм преодоления. Образование и наука, 22 (9), 107–147. DOI: 10.17853/1994- 5639-2020-9-107-147

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Предыдущая статьяСледующая статья