ЦИФРОВАЯ ТРАНСФОРМАЦИЯ КОРПОРАТИВНОГО УПРАВЛЕНИЯ В НЕФТЕГАЗОВОЙ ОТРАСЛИ: ПРЕДИКТИВНЫЕ МОДЕЛИ В УПРАВЛЕНИИ МАТЕРИАЛЬНО-ТЕХНИЧЕСКИМ ОБЕСПЕЧЕНИЕМ

INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 864 ЦИФРОВАЯ ТРАНСФОРМАЦИЯ КОРПОРАТИВНОГО УПРАВЛЕНИЯ В НЕФТЕГАЗОВОЙ ОТРАСЛИ: ПРЕДИКТИВНЫЕ МОДЕЛИ В УПРАВЛЕНИИ МАТЕРИАЛЬНО-ТЕХНИЧЕСКИМ ОБЕСПЕЧЕНИЕМ Загребельская Милена Владимировна Ташкентский государственный экономический университет, PhD доцент https://doi.org/10.5281/zenodo.17317718 Аннотация. Статья посвящена вопросам цифровой трансформации корпоративного управления в нефтегазовой отрасли с акцентом на применение предиктивных моделей в управлении материально-техническим обеспечении. Показано, что интеграция инструментов предиктивной аналитики, искусственного интеллекта и цифровых платформ обеспечивает переход от реактивного к проактивному управлению, снижает риски сбоев и повышает эффективность использования ресурсов. Рассматриваются ключевые направления внедрения предиктивных подходов в систему планирования и снабжения, а также их роль в формировании интеллектуального контура управления. Сделан вывод о том, что предиктивные модели становятся стратегическим драйвером устойчивости и конкурентоспособности нефтегазовых предприятий. Ключевые слова: материально-техническое обеспечение, цепочка поставок, нефтегазовая отрасль, Искусственный интеллект, предиктивное планирование. Современный нефтегазовый комплекс сталкивается с необходимостью повышения устойчивости и эффективности в условиях технологической сложности, нестабильности поставок и высоких требований к надежности материально-технического обеспечения (МТО). Традиционные методы планирования запасов и снабжения не справляются с неопределенностью спроса и сроков поставок, что приводит к рискам простоев и росту затрат. Решением становится предиктивное планирование, основанное на анализе больших данных (Big Data) и машинном обучении (Machine Learning). Оно позволяет точнее прогнозировать потребности в ресурсах, оптимизировать логистику и согласовывать действия участников цепочек поставок. Предиктивная аналитика, как часть концепции Data-Driven Decision Making, базируется на статистическом моделировании, методах машинного обучения и искусственном интеллекте. Она применяется в сферах с высокой неопределенностью — финансах, здравоохранении, логистике и энергетике. В нефтегазовой отрасли её использование помогает прогнозировать спрос на ресурсы, отказы оборудования и логистические сбои. Ключевое различие между подходами: предиктивная аналитика отвечает на вопрос «Что может произойти?», а предиктивное планирование — «Какие действия предпринять для минимизации рисков и использования возможностей?». Таким образом, интеграция прогнозных моделей в систему МТО позволяет формировать адаптивные сценарии снабжения и стратегического управления запасами. INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 865 Предиктивное планирование является развитием предиктивной аналитики и формирует основу для интеллектуальных и устойчивых систем МТО в условиях нестабильных рынков [1]. Его принципы включают использование больших данных, моделирование и автоматизацию взаимодействия участников цепочек поставок. В отличие от классического планирования, предиктивное основано на прогнозах, действует в реальном времени, проактивно реагирует на отклонения и широко интегрируется с внешней средой при высокой автоматизации. В цифровой трансформации нефтегазовой отрасли ключевую роль играют блокчейн, Big Data, IoT, облачные вычисления и искусственный интеллект (ИИ). Особенно значим ИИ: он повышает эффективность управления, снижает издержки добычи, увеличивает объемы производства и улучшает показатели безотказной работы оборудования [2]. Согласно прогнозу IBM (2025), внедрение ИИ в нефтегазовой отрасли в ближайшие три года существенно вырастет: в добыче – с 40% до 90%, в переработке – с 41% до 93%, в транспортировке и хранении – с 28% до 77–85% [3]. Это подтверждает стратегический курс на цифровизацию всех звеньев цепочки создания стоимости. АО «Узбекнефтегаз», как национальный лидер отрасли, активно развивает цифровые решения, обеспечивая значимый вклад в экономику страны (около 2,5% поступлений в бюджет в 2024 году). АО «Узбекнефтегаз» реализует инвестиционную стратегию устойчивого роста. Основные цели — расширение ресурсной базы, рост мощностей и выпуск более маржинальной продукции. В условиях усиливающейся конкуренции компания трансформирует внутренние процессы, делая ставку на автоматизацию закупочной деятельности, цифровизацию управления договорами, оценку поставщиков и внедрение ИТ-решений для сокращения затрат и рисков. Существующая система МТО АО «Узбекнефтегаз» остаётся реактивной, что делает компанию уязвимой к колебаниям спроса, рискам логистики и изменениям цен. Анализ баланса за 2022–2024 гг. показывает стабильный уровень активов (10,4–10,9 млрд долл.) при доминировании внеоборотных средств и снижении ликвидности (денежные средства сократились с 222 до 99 млн долл.). Одновременно увеличилась зависимость от краткосрочных займов, что повышает финансовые риски. Снижение доли собственного капитала и рост валютных резервов подтверждают чувствительность компании к внешним колебаниям. В таких условиях требуется переход к предиктивному планированию, которое обеспечит большую точность прогнозов, автоматизацию закупок и снижение издержек. (таблица 1) В системе МТО нефтегазовой отрасли выявлены устойчивые проблемы: избыточные запасы и дефицит по отдельным позициям МТР, несвоевременные закупки, задержки поставок, отсутствие оценки эффективности и слабая автоматизация процессов. Эти недостатки связаны с низкой интеграцией информационных систем, ограниченным применением цифровых инструментов и слабым взаимодействием с внутренними потребителями. Для их решения АО «Узбекнефтегаз» в 2025 г. реализует проекты цифровой трансформации: внедрение процессной модели МТО (бюджет — 1,05 млн долл.) и системы управления нормативно-справочной информацией (MDM, бюджет — 0,51 млн долл.) [4]. Эти инициативы направлены на интеграцию логистики, финансов и INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 866 планирования, автоматизацию снабжения, стандартизацию данных. Таблица 1 Показатели обязательств и активов АО «Узбекнефтегаз», млн. долларов США Показатель 2022 2023 2024 Денежные средства и их эквиваленты 222 78 99 Прочие оборотные активы 759 2 206 728 Основные средства 6 303 5 793 5 731 Прочие внеоборотные активы 3 027 2 489 4 010 Активы, предназначенные для продажи 161 396 10 Итого активов 10 473 10 962 10 578 Краткосрочные займы 630 702 1 044 Прочие текущие обязательства 975 1 497 903 Долгосрочные займы 3 250 2 644 2 267 Прочие долгосрочные обязательства 428 1 242 1 203 Итого обязательств 5 284 6 085 5 417 Уставный капитал 1 893 1 724 1 722 Нераспределённая прибыль 1 990 1 783 1 846 Резерв по курсовым разницам 1 286 1 356 1 576 Доля неконтролирующих акционеров 20 15 16 Итого собственный капитал акционеров 5 189 4 877 5 161 Итого обязательства и собственный капитал 10 473 10 962 10 578 Источник: данные компании АО «Узбекнефтегаз» В результате компания создаёт условия для перехода к предиктивному планированию и интеллектуальному управлению МТО, что повысит прозрачность, устойчивость и эффективность бизнес-процессов. Внедрение предиктивного планирования в контур интегрированного планирования на основе S&OP является стратегической необходимостью для нефтегазовых предприятий в условиях цифровой трансформации [5]. Оно обеспечивает: сокращение разрывов между планами и фактом за счёт учета изменений в реальном времени; прогнозирование потребности в МТР и снижение рисков дефицита; повышение качества управленческих решений через сценарный и вероятностный анализ; поддержку сквозной цифровизации с применением Big Data, ML, IoT и цифровых двойников; рост конкурентоспособности и адаптивности предприятий к внешним вызовам. Интеграция предиктивных моделей в S&OP переводит систему планирования от реактивного к проактивному управлению и обеспечивает согласованность INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 867 стратегического, тактического и операционного уровней. Операционный уровень предиктивного планирования в нефтегазовой отрасли основан на Big Data, IoT и AI и обеспечивает динамическое моделирование графиков снабжения, добычи, производства и распределения с точностью до суток. Он интегрируется с системами SCADA, телеметрией и BI-платформами, что позволяет оперативно корректировать планы, контролировать исполнение и анализировать KPI. Внедрение предиктивного компонента в S&OP повышает точность и адаптивность планирования, снижает издержки, укрепляет устойчивость цепочек поставок и ускоряет принятие решений (рисунок 1). Рисунок 1. Предлагаемый цикл предиктивного планирования (разработано автором) Исследование показало: предиктивное планирование — это развитие аналитики, ориентированное на реализацию решений в цикле S&OP; его элементы включают прогнозирование спроса и рисков, интеграцию с производственными и закупочными планами и обратную связь; в МТО сохраняются системные проблемы (потери ресурсов, несогласованность планов, низкая прозрачность цепочек); финансовый анализ АО «Узбекнефтегаз» подтверждает необходимость цифровизации закупок и планирования; предложенный цикл S&OP обеспечивает согласованность и адаптивное управление; предиктивный подход снижает риски простоев и повышает операционную эффективность. Цифровая трансформация корпоративного управления в нефтегазовой отрасли является не столько технологическим трендом, сколько стратегической необходимостью, обеспечивающей устойчивое развитие и конкурентоспособность предприятий в условиях высокой рыночной турбулентности и технологических вызовов. Интеграция INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 868 предиктивных моделей в управление бизнес-процессами позволяет нефтегазовым компаниям перейти от реактивной к проактивной логике принятия решений, снизить риски операционных сбоев и повысить эффективность использования ресурсов. Внедрение инструментов искусственного интеллекта, Big Data, IoT и цифровых двойников формирует интеллектуальный контур управления, где управление снабжением, добычей, переработкой и распределением строится на прогнозах и сценариях, а не на запаздывающих исторических данных. Таким образом, предиктивные модели в корпоративном управлении становятся не отдельным элементом цифровизации, а ключевым драйвером формирования адаптивной, устойчивой и конкурентоспособной бизнес-системы нефтегазовой отрасли. ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА 1. Загребельская, М. В. (2024). Предиктивное планирование в нефтегазовой отрасли: тенденции и барьеры. Экономика: анализы и прогнозы, 4 (28), 105-111. 2. Wang HF, Wang SJ, Zhu SB. (2018) Conception and exploration of the smart oil and gas field construction in “internet +” era. Oil Gas Field Surf Eng.. 8:1–8 3. IBM (2025). Oil and gas in the AI era Drilling deep for business opportunities. Электронный документ. Режим доступа: https://www.ibm.com/downloads/documents/usen/12fc84a1f2d95593 Дата обращения: 10.06.2025 4. АО “Узбекнефтегаз”.(2025) План-график закупок. Электронный докуент. Режим доступа: https://webdev.ung.uz/media/allfiles/files/7abf22aff0474158ac21907e481f1043.pdf Дата обращения 22.06.2025 5. Загребельская М.В. (2021). Планирование продаж и операций (S&OP) как инструмент оптимизации процесса материально-технического обеспечения предприятий нефтегазового комплекса // Инновации в нефтегазовой отрасли. Том 2, номер 1, с.1116 http://dx.doi.org/10.26739/2181-1482-2021-1-2