С развитием технологий искусственного интеллекта (ИИ) расширяется сфера его применения, в том числе в области стратегического управления. Однако с учетом факторов, ограничивающих использование ИИ для решения профессиональных задач, необходимо тщательно определять направления, масштаб и форматы включения ИИ в процесс стратегирования.
Промышленные экосистемы характеризуются высоким уровнем интеллектуализации производства и управления и являются на сегодняшний день перспективной и динамично развивающейся моделью организации современного производства.
Целью данной статьи является формирование взаимосвязанного комплекса инструментов стратегирования, учитывающего особенности промышленных экосистем и ориентированного на обоснованное применение технологий ИИ для повышения результативности стратегических решений в условиях существенного возрастания нестабильности внешней среды.
В работе исследованы возможности и подходы использования ИИ в рамках триады взаимосвязанных инструментов: стратегия - модель зрелости - система KPI (ключевые показатели эффективности). В качестве теоретико-методической основы разработки стратегии промышленной экосистемы представлены стратегия цифровой трансформации, экосистемная стратегия и стратегия в области ИИ.
На основе интеграции атрибутов данных стратегий сформулированы ключевые положения в части содержания и представления стратегии, учитывающей специфику промышленных экосистем. На основе теории и методологии стратегирования В. Л. Квинта разработан ландшафт практик и инструментов интеллектуализации стратегии промышленной экосистемы с учетом их направленности на создание ценности для потребителей и участников экосистемы, а также рассматривающий как содержательные, так и организационные аспекты использования ИИ для обеспечения успешности стратегии. Построен фреймворк оценки интеллектуальной зрелости промышленной экосистемы.
Сделаны выводы о необходимости представления оценочной модели в виде динамической совокупности субмоделей и целесообразности применения ИИ для настройки общей модели с учетом целей проведения оценки, внешнего контекста и особенностей конкретной экосистемы.
Сформулирована совокупность специфических принципов оценки интеллектуальной зрелости промышленной экосистемы (модульности, избыточности, конфигурации и приоритизации, интеллектуализации и мониторинга).
В качестве перспективного инструмента стратегирования рассмотрена система «умных» KPI, основанная на использовании ИИ для формирования рекомендаций по выбору ключевых показателей эффективности на основе анализа причинно-следственных связей между операционными факторами и контекстными переменными, с одной стороны, и стратегическими результатами - с другой.
Идентификаторы и классификаторы
- SCI
- Экономика
Анализ большого числа как российских, так и зарубежных исследований свидетельствует о наличии устойчивой тенденции роста рынка искусственного интеллекта (ИИ) в целом и генеративного ИИ, в частности, как со стороны непрерывно развивающегося предложения, так и в части его применения для решения самых разных задач в различных сферах деятельности[1].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Тренды применения искусственного интеллекта в отраслях. Аналитический обзор. М.: АНО “Цифровая экономика”; 2025. 137 с.
2. Клейнер Г.Б. Промышленные экосистемы: взгляд в будущее. Экономическое возрождение России. 2018;(2):53-62. EDN: XSEJRB
3. Промышленные платформы и экосистемы. Под ред. В.В. Акбердиной. Екатеринбург: Институт экономики УрО РАН; 2024. 278 с.
4. Глухов В.В., Бабкин А.В., Шкарупета Е.В., Плотников В.А. Стратегическое управление промышленными экосистемами на основе платформенной концепции. Экономика и управление. 2021;27(10):751-765. DOI: 10.35854/1998-1627-2021-10-751-765 EDN: MMCLZB
5. Гилева Т.А., Бабкин И.А., Здольникова С.В. Оценка интеллектуальной зрелости промышленных экосистем: конфигурационный подход. Вестник Пермского университета. Серия “Экономика”. 2025;20(4):468-490. DOI: 10.17072/1994-9960-2025-4-468-490 EDN: RSPCII
6. Фролов И.Э., Киселев В.Н. Искусственный интеллект как драйвер прорывных технологий: глобальные тренды и уроки для России. Проблемы прогнозирования. 2025;(3):122-134. DOI: 10.47711/0868-6351-210-122-134
7. Гаврилова Т.А. “Стохастический попугай” на службе бизнеса: успехи и проблемы генеративного искусственного интеллекта. Российский журнал менеджмента. 2024;22(3):461-482. DOI: 10.21638/spbu18.2024.305 EDN: VZIVZB
8. Кузьминов Я., Кручинская Е. Потенциал генеративного искусственного интеллекта для решения профессиональных задач. Форсайт. 2024;18(4):67-76. DOI: 10.17323/2500-2597.2024.4.67.76 EDN: CZHXZV
9. Трачук А.В., Линдер Н.В. Принятие решений о внедрении искусственного интеллекта и трансформация источников некопируемых конкурентных преимуществ. Стратегические решения и риск-менеджмент. 2024;15(2):134-151. DOI: 10.17747/2618-947X-2024-2-134-151 EDN: MCWEJT
10. Поняева И.И., Кукушкин К.В., Рождественский О.И., Бабкин А.В. Стратегическое управление организацией в условиях цифровой трансформации: основные тенденции. Российский журнал менеджмента. 2024;22(3):333-369. DOI: 10.21638/spbu18.2024.301 EDN: HZOPSH
11. Choudhary V., Marchetti A., Shrestha Y.R., Puranam P. Human-AI ensembles: When can they work? Journal of Management. 2023;51(2):536-569. DOI: 10.1177/01492063231194968
12. Doshi A.R., Bell J.J., Mirzayev E., S. Vanneste B.S. Generative artificial intelligence and evaluating strategic decisions. Strategic Management Journal. 2025;46(3):583-610. DOI: 10.1002/smj.3677 EDN: YLNVHU
13. Нарбут В.В., Абдикеев Н.М. Интеллектуализация промышленного производства как фактор достижения технологического суверенитета: сущность и принципы. Мир новой экономики. 2025;19(3):6-16. DOI: 10.26794/2220-6469-2025-19-3-6-16 EDN: GKYOEF
14. Растворцева С.Н. Цифровизация и цифровые платформы в региональном стратегическом развитии промышленности. Экономика промышленности. 2025;18(3):433-449. DOI: 10.17073/2072-1633-2025-3-1464 EDN: QTRMGB
15. Jorzik P., Klein S.P., Kanbach D.K., Kraus S. AI-driven business model innovation: A systematic review and research agenda. Journal of Business Research. 2024;182:114764. DOI: 10.1016/j.jbusres.2024.114764 EDN: WRCZAS
16. Favoretto C., Mendes G., Oliveira M., CauchickMiguel P., Coreynen W. From servitization to digital servitization: how digitalization transforms companies’ transition towards services. Industrial Marketing Management. 2022;102(10):104-121. DOI: 10.1016/j.indmarman.2022.01.003 EDN: FQAAEP
17. Paiola M., Grandinetti R., Kowalkowski C., Rapaccini M. Digital servitization strategies and business model innovation: The role of knowledge-intensive business services. Journal of Engineering and Technology Management. 2024;74:101846. DOI: 10.1016/j.jengtecman.2024.101846 EDN: ZEERZK
18. Михненко П.А. Влияние интеллектуальных систем поддержки принятия решений на трансформацию управленческих практик. Управленец. 2025;16(6):2-16. DOI: 10.29141/2218-5003-2025-16-6-1 EDN: IHXAKM
19. Гилева Т.А. Фреймворк разработки цифровой стратегии промышленного предприятия: принципы, методы и инструменты. Стратегические решения и риск-менеджмент. 2023;14(4):340-351. DOI: 10.17747/2618-947X-2023-4-340-351 EDN: EMJVVR
20. Квинт В.Л. К анализу формирования стратегии как науки. Вестник ЦЭМИ РАН. 2018;1(1). DOI: 10.33276/S0000121-6-1 EDN: KJPKNE
21. Квинт В.Л. Концепция стратегирования. СПб.: СЗИУ РАНХиГС; 2022. T. 1. 132 с.
22. Chanias S., Myers M.D., Hess T. Digital transformation strategy making in pre-digital organizations: The case of a financial services provider. The Journal of Strategic Information Systems. 2019;28(1):17-33. DOI: 10.1016/j.jsis.2018.11.003
23. Sjödin D., Parida V., Kohtamäki M. Relational governance strategies for advanced service provision: Multiple paths to superior financial performance in servitization. Journal of Business Research. 2019;101:906-915. DOI: 10.1016/j.jbusres.2019.02.042
24. Adner R., Puranam P., Zhu F. What is different about digital strategy? From quantitative to qualitative change. Strategy Science. 2019:4(4):251-342. DOI: 10.1287/stsc.2019.0099
25. Гилева Т.А. Цифровая трансформация промышленных предприятий: тренды и стратегии. МИР (Модернизация. Инновации. Развитие). 2025;16(2):225-241. DOI: 10.18184/2079-4665.2025.16.2.225-241 EDN: PEBEIS
26. Adner R. Ecosystem as structure: An actionable construct for strategy. Journal of Management. 2017;43(1):39-58. DOI: 10.1177/0149206316678451
27. Jacobides M.G., Cennamo C., Gawer A. Towards a theory of ecosystems. Strategic Management Journal. 2018;39(8):2255-2276. DOI: 10.1002/smj.2904
28. Reypens C., Lievens A., Blazevic V. Hybrid orchestration in multi-stakeholder innovation networks: Practices of mobilizing multiple, diverse stakeholders across organizational boundaries. Organization Studies. 2021;42(1):61-83. DOI: 10.1177/0170840619868268
29. Lingens B., Huber F., Gassmann O. Loner or team player: How firms allocate orchestrator tasks amongst ecosystem actors. European Management Journal. 2022;40(4):559-571. DOI: 10.1016/j.emj.2021.09.001 EDN: SSGCNL
30. Hamer P. Only good ai strategy turns promise into reality. Here’s how to build one. Gartner. October 10, 2025. Available at: https://www.gartner.com/en/articles/ai-strategy-for-business (accessed on 01.03.2026).
31. Mesaglio M., LeHong H. Scaling AI: Strategies for AI-steady and AI-accelerated organizations. Available at: https://www.gartner.com/en/articles/scalingai (accessed on 01.03.2026).
32. Kim W. C., Mauborgne R., Ji M. Make sure your AI strategy actually creates value. Harvard Business Review. September, 2025. Available at: https://hbr.org/2025/09/make-sure-your-ai-strategy-actuallycreates-value (accessed on 01.03.2026).
33. Bouquet C., Wright C.J., Nolan J. Match your AI strategy to your organization’s reality. Harvard Business Review. January-February 2026. Available at: https://hbr.org/2026/01/match-your-ai-strategy-to-yourorganizations-reality (accessed on 01.03.2026).
34. Квинт В.Л., Бабкин А.В., Шкарупета Е.В. Стратегирование формирования платформенной операционной модели для повышения уровня цифровой зрелости промышленных систем. Экономика промышленности. 2022;15(3):249-261. DOI: 10.17073/2072-1633-2022-3-249-261 EDN: CUHBYC
35. Gileva T.A., Galimova M.P., Babkin A.V., Gorshenina M.E. Strategic management of industrial enterprise digital maturity in a global economic space of the ecosystem economy. IOP Conference Series: Earth and Environmental Science. Seria “International Round Table Industry 4.0 Technologies in the Arctic”. 2021;816:012022. DOI: 10.1088/1755-1315/816/1/012022 EDN: GDYCJQ
36. Глухов В.В., Бабкин А.В., Шкарупета Е.В., Здольникова С.В. Формирование терминологической платформы стратегического управления интеллектуальной зрелостью промышленных экосистем в целях технологического суверенитета. Экономика и управление. 2025;31(8):1016-1029. DOI: 10.35854/1998-1627-2025-8-1016-1029 EDN: FJJQVC
37. Гилева Т.А. Оценка уровня зрелости инновационной экосистемы территории: методические основы и инструменты. π-Economy. 2024;17(4):53-67. DOI: 10.18721/JE.17403 EDN: SQGLCI
38. Экосистемы в цифровой экономике: драйверы устойчивого развития. Под ред. А.В. Бабкина. СПб.: Политех-Пресс; 2021. 778 с.
39. Гилева Т.А., Бабкин А.В., Гилёв Г.А. Разработка стратегии цифровой трансформации предприятия с учетом возможностей бизнес-экосистем. Экономика и управление. 2020;26(6):629-642. DOI: 10.35854/1998-1627-2020-6-629-642 EDN: EAAAMJ
40. Tang M., Cao J., Fan Z., Dalin Zhang L., Pandelica I. A data-driven assessment model for metaverse maturity. International Journal of Computers Communications & Control. 2024;19(4):846-859. DOI: 10.15837/ijccc.2024.4.6498 EDN: XJYJSF
Выпуск
Другие статьи выпуска
В статье рассмотрены организационно-экономические барьеры, препятствующие созданию эффективной системы управления электронными отходами, являющейся частью экономики замкнутого цикла.
Барьеры объединены в основные блоки, изученные последовательно. Структурные дисбалансы проанализированы с позиций теории системной сбалансированности, что позволило выявить имеющиеся дисбалансы в объектном, проектном, процессном и средовом секторах электронной промышленности и системы управления отходами, предложить варианты решения обозначенных проблем.
В качестве финансовых ограничений выявлены высокие капитальные затраты на создание инфраструктуры управления электронными отходами, отсутствие экономических стимулов для участников рынка, неразвитость рынка вторичного сырья и отсутствие господдержки.
К логистическим ограничениям отнесены: низкая плотность пунктов приема отходов, высокая стоимость транспортировки и сортировки, отсутствие системы обратной логистики и правовые барьеры.
Рыночные искажения отражают ис кажение цен на первичное и вторичное сырье, высокий уровень налога на добавленную стоимость (НДС) на вторичное сырье, отсутствие экологического ущерба в цене продукции, наличие теневого рынка отходов, а также искажения в сфере экспорта отходов.
Выделены признаки эффективной системы управления отходами и сформулированы количественные и качественные показатели системы, объединенные в соответствии с организационно-правовыми, инфраструктурными, экономическими, экологическими, социальными и информационными критериями, а также с критерием наличия международного сотрудничества.
Статья посвящена созданию и внедрению Цифровой аналитической платформы (ЦАП) Федеральной службы государственной статистики - ядра Национальной системы управления данными в условиях цифровизации экономики.
Выявлены и систематизированы проблемы отечественной статистики: разрозненность данных, высокая нагрузка на малый и средний бизнес, дефицит оперативности и доказательности информации.
На основе анализа эволюции нормативного регулирования сформулированы приоритеты развития статистики до 2030 г.: переход к предиктивной аналитике, обеспечение доверия к данным, интеграция источников по принципу «одного окна», персонализация сервисов, развитие кадров, международная гармонизация, открытость.
Описаны функциональные компоненты ЦАП: конструктор выборок, интерактивная визуализация, статистический и сетевой анализ, прогнозирование на основе машинного обучения, программный интерфейс приложения.
Показано, что платформа обеспечивает взаимодействие государства, бизнеса, науки и общества в единой цифровой среде на принципах межведомственной автоматизации с использованием Системы межведомственного электронного взаимодействия (СМЭВ), Единой системы идентификации и аутентификации (ЕСИА) и платформы «Гостех».
Результаты полезны органам власти, крупному бизнесу, малому и среднему предпринимательству, ученым и преподавателям.
Проанализирована роль государственных программ поддержки развития и внедрения цифровых двойников и сквозных технологий в авиастроительной отрасли.
Актуальность исследования обусловлена необходимостью обеспечения технологического суверенитета и цифровой трансформации отечественной авиационной промышленности в условиях санкционных ограничений.
На основе сравнительного анализа и институционального подхода систематизирован опыт США, ЕС, Китая и России.
Выявлены ключевые направления государственной поддержки: финансирование НИОКР в области цифрового моделирования, создание отраслевых центров компетенций, стимулирование разработки отечественного программного обеспечения, формирование нормативной базы для применения цифровых двойников на всех этапах жизненного цикла.
Обосновано, что системная государственная поддержка ключевых цифровых технологий является критическим фактором обеспечения непрерывности производственных процессов и конкурентоспособности отрасли авиастроения.
Современный этап развития мировой и российской энергетики характеризуется фундаментальными изменениями, обусловленными необходимостью декарбонизации, обеспечения энергетической безопасности и технологического суверенитета.
В статье исследованы теоретические и практические аспекты трансформации электроэнергетики в условиях энергоперехода и существующих региональных дисбалансов.
Цель работы заключается в выявлении территориальных диспропорций развития электроэнергетического комплекса РФ и обосновании необходимости дифференцированного подхода к стратегическому планированию его развития.
Методологическая база включает системный подход, статистические методы и методы стратегического анализа.
На основе обзора отечественных и зарубежных научных публикаций систематизированы теоретические подходы к энергопереходу с учетом пространственной дифференциации, выявлены устойчивые региональные дисбалансы в потреблении электроэнергии и структуре генерирующих мощностей.
В ходе исследования проведена статистическая обработка данных Федеральной службы государственной статистики, системного оператора ЕЭС России, которая дала возможность проанализировать динамику потребления электроэнергии по федеральным округам и объединенным энергосистемам за период 2010-2024 гг., представлена оценка изменений в структуре установленной мощности генерирующих объектов.
Результаты показали устойчивый рост потребления электроэнергии в целом по стране (на 11,2 % за 2020-2024 гг.) при неравномерной региональной динамике. Выявлено сохранение доминирования тепловой генерации (65,2 %) при одновременном росте доли атомной и возобновляемой энергетики. Установлено, что игнорирование пространственных диспропорций в потреблении электроэнергии и структуре генерирующих мощностей снижает эффективность энергосистемы.
Сделан вывод о необходимости реализации дифференцированных стратегий в регионах.
В статье проведен сравнительный анализ научно-инновационной активности ведущих предприятий медицинской промышленности России и мировых лидеров отрасли из США, Германии и Нидерландов.
Актуальность исследования обусловлена необходимостью достижения технологического суверенитета и повышения экспортного потенциала отечественной медицинской промышленности в условиях масштабного импортозамещения.
Методологическую основу работы составила теория стратегирования академика В. Л. Квинта. Показано, что годовая выручка зарубежных корпораций-гигантов превосходит показатели наиболее успешных российских компаний на два-три порядка, однако относительная патентная активность в расчете на одного сотрудника у них сопоставима. На основе данных Росстата зафиксировано, что относительный рост совокупного объема отечественного производства медицинских изделий опережает рост ВВП страны. Доля российских изделий на внутреннем рынке увеличилась более чем вдвое с 2012 г., превысив 30 %. Вместе с тем выявлена сохраняющаяся зависимость от зарубежных комплектующих, составляющих до 40 % стоимости локальной техники.
Показано, что с точки зрения глобальных тенденций и в период жестких санкционных ограничений ключевым драйвером развития сектора становится перенос акцента при кладных исследований непосредственно на производства.
Обоснована необходимость формирования единой цифровой платформы стратегического управления медицинским сектором для предиктивной аналитики.
Показано, что в долгосрочной перспективе именно развитие экспорта в дружественные страны способно сыграть ключевую роль в долгосрочной поддержке и масштабировании отечественного производства.
В условиях цифровой трансформации, инновационных изменений и возрастающей неопределенности для обеспечения высокого уровня экономического роста и устойчивого развития экономики возрастает значимость и роль человеческого капитала. Активное использование знаний, когнитивных и креативных способностей человека в качестве основы социально-экономического и технологического развития становится особенностью нового технологического уклада и интеллектуальной экономики. Рассмотрена проблема разработки цифрового двойника работника для целей управления человеческим капиталом предприятия.
Предложен подход к построению цифрового двойника работника предприятия, который представляет собой цифровую модель, характеризующую его профиль и поведение на рабочем месте при реализации профессиональных задач, и включает личностные, социальные и поведенческие характеристики работника. Цифровой двойник связан с концепцией индивидуального человеческого капитала как личностных, профессиональных и социальных ресурсов человека, которые определяют его производительность на рабочем месте и могут стать источником дохода. Цифровой двойник работника включает модель оценки человеческого капитала и модель управления индивидуальными карьерными траекториями. Первая модель предназначена для его измерения на основе характеристик качества здоровья, профессиональных и надпрофессиональных компетенций, мотивированности и социальных навыков. Вторая модель использует алгоритмы машинного обучения с подкреплением, формирует оптимальный режим управления и представляет собой последовательный набор программных мероприятий (управленческих решений), направленных на развитие работника с учетом его изменяющихся индивидуальных характеристик.
Практическую значимость имеют результаты внедрения цифрового двойника работника, позволяющие в кратчайшие сроки повысить производительность работников и эффективность функционирования предприятия в целом.
В статье обоснована трансформация модели сквозного производственного планирования в интегрированных структурах машиностроения, объединяющих предприятия единичного и мелкосерийного типа.
Актуальность исследования обусловлена необходимостью ответа на вызовы регионализации производственных цепочек и достижения технологического лидерства в условиях рационального использования ресурсов.
Систематизированы факторы, определяющие модель планирования: структурные и производственные (первый разрез), динамические и статические (второй разрез). Структурные факторы предопределяются формой организации - интегрированной структурой, включающей многоуровневую систему управления, вертикальную и горизонтальную интеграцию, включение новых бизнес-единиц. Производственные факторы определяются особенностями единичного и мелкосерийного машиностроения: связанностью функций на всем жизненном цикле продукта, конъюнктурными условиями, применением бережливого производства и цифровизации.
Предложен переход от последовательного к параллельному централизованному планированию на единой цифровой платформе для обеспечения сокращения цикла планирования.
Сформулированы стратегии интеграции в модель планирования новых бизнес-единиц («черного ящик», «аквариума» и комбинированная).
Определены параметры тактического плана с горизонтом 18-36 месяцев, учитывающим полный цикл создания ценности в условиях единичного машиностроения. Обоснована необходимость синхронизации производственных планов с бюджетированием и функциональными стратегиями (продажи, закупки, инжиниринг).
Предложенные решения позволяют достичь глобального оптимума цепочки создания ценности интегрированной структуры в условиях внешних и внутренних изменений, обеспечивая баланс между операционной автономностью бизнес-единиц и централизацией стратегического управления.
Результаты исследования имеют научную значимость для развития теории внутрифирменного планирования и практическую значимость для реинжиниринга моделей планирования машиностроительных холдингов единичного и мелкосерийного типа производства.
Исследование направлено на совершенствование бизнес-процессов инвестиционной деятельности в вертикально интегрированных промышленных холдингах. Особое внимание уделяется анализу социально-экономических отношений, возникающих в процессе оценки эффективности и реализации сделок слияний и поглощений (M&A, Mergers & Acquisitions). В центре внимания находится специфический поведенческий риск - «страх упущенной выгоды» (FoMO, Fear of Missing Out), который деформирует рациональные бизнес-процессы принятия экономических решений о заключении неэффективных сделок в периоды отраслевых трансформаций.
В работе применены методы системного анализа и синтеза для выявления взаимосвязи между признаками FoMO и долгосрочной эффективностью бизнеса. Апробация проведена на базе данных 63 сделок горно-металлургического сектора. Оценка эффективности хозяйственной деятельности после объединения активов осуществлялась с использованием авторской методики «среднесрочной окупаемости» на основе динамики показателя EBITDA в течение 4 лет после завершения сделки.
Разработан комплексный индикатор - риск-индикатор (RIF, Risk Indicator Factor), включающий мониторинг динамики сделок, настроений инвесторов, трансграничной активности и ценовых трендов. Доказано, что достижение индикатором критических значений сигнализирует о снижении качества бизнес-процессов и росте вероятности заключения «экстра убыточных» сделок. Авторами предложен алгоритм модификации корпоративных процедур риск-менеджмента, включающий создание независимых групп «оппонирования сделке» и внедрение альтернативных сценариев в модели дисконтированных денежных потоков.
Внедрение предложенного экономического инструментария в бизнес-процессы промышленных холдингов позволяет минимизировать иррациональные факторы в управлении. Практическое использование индикатора RIF советами директоров промышленных предприятий способствует повышению эффективности хозяйственной деятельности при сделках M&A в долгосрочной перспективе за счет предотвращения возможных деструктивных интеграционных процессов.
Актуальность исследования обусловлена кардинальными изменениями делового ландшафта отечественной легкой промышленности и индустрии моды, а также ростом значимости креативного сектора. Уход значительного числа международных ритейлеров, трансформация потребительских предпочтений в сторону поддержки отечественного производителя и принятый государственный курс на импортоопережение создали стратегические возможности для долгосрочного развития локальных брендов. Они перестали быть нишевым явлением и стали значимым сегментом экономики, способным удовлетворить потребительский спрос. Долгосрочное развитие локальных брендов не возможно без системного стратегического подхода. Стратегирование позволяет трансформировать культурный код и локальную аутентичность в долгосрочные конкурентные преимущества.
Целью данного исследования является анализ эволюции локальных брендов в отечественной легкой промышленности и индустрии моды. Понимание исторического контекста позволяет использовать накопленный опыт для разработки актуальных стратегий развития локальных брендов.
Теоретико-методологической основой исследования является теория стратегии и методология стратегирования В. Л. Квинта. В статье также использованы такие методы, как анализ, синтез, наблюдение, систематизация, абстракция, сравнение, обобщение. В результате исследования уточнено понятие локального бренда применительно к легкой промышленности и индустрии моды, выделены его ключевые стратегические характеристики (аутентичность, локальность, связь с культурным нарративом, короткая цепочка создания стоимости).
Проведен ретроспективный анализ эволюции локальных брендов в России и выявлены факторы внешней и внутренней среды, повлиявшие на их стратегическое развитие. Разработана авторская таблица интеграции компонента локальности в цикл добавленной стоимости предприятия отрасли. Будучи сложным социокультурным конструктом, локальный бренд отражает традиции, ценности, историческую память и культурный код территории. Стратегирование локального бренда становится на уровне корпоративных и национальных приоритетов.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- МИСИС
- Регион
- Россия, Москва
- Почтовый адрес
- 119049, г Москва, р-н Якиманка, Ленинский пр-кт, д 4 стр 1
- Юр. адрес
- 119049, г Москва, р-н Якиманка, Ленинский пр-кт, д 4 стр 1
- ФИО
- Черникова Алевтина Анатольевна (РЕКТОР)
- E-mail адрес
- kancela@misis.ru
- Контактный телефон
- +7 (495) 9550074
- Сайт
- https://misis.ru/