По мнению к.п.н., доцента кафедры математики и анализа данных Финансового университета Магомедова Рамазана Магомедовича, оценка бизнеса в российской практике определяется как процедура преобразования разнородной экономической информации в обоснованное стоимостное суждение для сделок и внутреннего управления. Можно отметить, что при цифровой трансформации экономики сама постановка задачи усложняется, поскольку оценщику нужно учитывать отраслевую специфику и нестабильность внешней среды. В новейших исследованиях отмечают, что традиционная методика оценки не подходит как универсальная схема для всех сегментов рынка.
Содержательно оценка бизнеса во многом опирается на классические подходы, но также выбор между ними определяется качеством информационной базы. Для российских компаний данный выбор зависит от доступности финансовой отчетности и сопоставимых рыночных данных, также стадии жизненного цикла бизнеса с характером синергетических эффектов. Исследования оценки стоимости компаний в сделках слияний и поглощений показывают, что применимость методов сильно меняется в зависимости от отраслей и типов компаний, а цифровизация повышает эффективность гибридных моделей, в которых традиционные способы сочетаются с цифровыми инструментами анализа.
Для качественной оценки бизнеса нужен синтез разноплановой информации, и она включает финансовое состояние и структуру расходов, операционную эффективность (персонал, продажи, активы), правовую защищенность активов и макроэкономическую среду. Также точность результата зависит от того, насколько оперативно обновляется эта база данных.
Основная теоретическая особенность текущего этапа состоит в смещении центра стоимости к нематериальным компонентам бизнеса. То есть цифровые и технологические компании оцениваются по интеллектуальной собственности и скорости масштабирования модели, поэтому должно включать ретроспективную отчетность и механизмы создания будущей ценности.
Большие данные для оценки бизнеса - это массивы разнородной и быстро обновляющейся информации, которые дают возможность наблюдать хозяйственную деятельность компании и поведение рынка с существенно большей детализацией, чем традиционная отчетность. Значение их для оценки состоит в том, что они уменьшают информационный лаг между экономическим событием и его показателем в стоимостной модели. Одновременно возникает самостоятельная научная проблема, поскольку данные становятся источником информации об объекте оценки и экономическим ресурсом, для которого нужны специальные подходы к стоимостной оценке.
Для России важны те источники больших данных, которые прямо связаны с бизнес-процессами и доступны для верификации. Так, официальная статистика за 2024 год делает возможным заявить, что среди крупных и средних организаций, которые используют технологии сбора, обработки и анализа больших данных, наиболее распространены данные веб-сайта организации, то есть 66,6 %, данные учетных систем предприятия 64 %. При этом 61,2 % таких организаций осуществляют анализ больших данных, причем в основном силами собственных сотрудников 58,4 %. Для оценщика это означает наличие в российской экономике массовых цифровых контуров наблюдения за выручкой и клиентским поведением.
Практическая ценность больших данных для оценки бизнеса состоит в том, что они позволяют перейти к наблюдаемым факторам создания стоимости. На их основе можно точнее оценивать сезонность спроса и эффективность маркетинговых каналов, также реальные драйверы денежных потоков. Для компаний с высокой цифровой составляющей большие данные очень важны, поскольку позволяют связывать стоимость бизнеса не только с финансовыми результатами прошлого периода, но и с поведенческими и операционными метриками текущего периода.
В сегменте малых предприятий уровень использования ИИ и больших данных остается низким: 3,2 % и 2,3 % соответственно. Следовательно, для массовой оценки малого бизнеса большие данные пока являются точечным усилителем анализа, в котором есть цифровые следы продаж и операционной деятельности. В крупном и среднем бизнесе большие данные уже являются источником регулярного наблюдения за факторами стоимости, а в малом бизнесе прежде всего инструментом повышения точности при наличии доступного цифрового массива.
Искусственный интеллект в оценочной деятельности следует рассматривать как инструмент аналитической обработки данных. На деле его функция состоит в извлечении закономерностей из больших и сложных массивов информации, которые недоступны для ручного анализа в приемлемые сроки. Российский мониторинг этой сферы отмечает, что к технологическим классам относится обработка текста и интеллектуальная поддержка принятия решений, которые наиболее релевантны для оценки бизнеса. Также для оценки бизнеса это означает возможность автоматизировать операции, которые ранее выполняли вручную, к примеру разбор отчетности и прогнозирование выручки. Российские исследователи уже предлагают модели, в которых методы дисконтирования денежных потоков сочетаются с нейросетевыми алгоритмами, которые учитывают специфику бизнеса.
Вместе с тем внедрение искусственного интеллекта в оценочную деятельность имеет жесткие ограничения, к примеру, качество результата определяется качеством обучающей выборки и возможностью воспроизвести расчёт и объяснить вывод. Так, российская официальная статистика по 2024 году говорит о том, что основными барьерами использования технологий искусственного интеллекта являются высокие затраты, то есть 54,3 %, недостаточность массивов данных 34,5 %, недостаточно развитая информационно-коммуникационная инфраструктура 33,9 %, нехватка средств для привлечения квалифицированных кадров 32,5 % и сложность интеграции технологий в производственные и бизнес-процессы 27,3 %. Поэтому теоретически корректная модель применения искусственного интеллекта в оценке бизнеса - это проверяемый аналитический инструмент, который встроен в профессиональное суждение оценщика и опирается на стандартизированную, документируемую и юридически допустимую информационную базу.
Таким образом, для практической верификации обозначенных положений важным является выбор объекта, который системно применяет Big Data и искусственный интеллект в коммерческих процессах и располагает публично раскрытыми количественными данными об эффектах внедрения. Наряду с этим существенна отраслевая специфика, так как для банка информация и скорость её обработки являются операционным ресурсом. Такая специфика делает эффект цифровых технологий особенно выраженным.