INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”,
SEPTEMBER 19, 2025
772
AПРИМЕНЕНИЕ ЦИФРОВОГО ИНСТРУМЕНТАРИЯ ПРИ
ОЦЕНКЕ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ
СТРОИТЕЛЬНЫХ ПРОЕКТОВ
Шишкина Дарья Николаевна
Российский экономический университет им. Г. В. Плеханова, аспирант
h ps://doi.o g/10.5281/zenodo.17315570
Аннотация. В статье исследуется проблема оценка привлекательности
инвестиционно-строительных проектов (ИСП) ввиду низкой предсказуемости сроков и
превышения бюджета. Классические методы финансовой оценки (NPV, IRR) уязвимы в
условиях динамичной среды и не учитывают всего массива рисков. В качестве решения
предлагается интеграция современного цифрового инструментария — BIM, IoT,
искусственного интеллекта и Big Da a — для создания комплексной системы аналитики
инвестиционно-строительных проектов. Цифровизация рассматривается как ключ к
созданию предиктивных моделей и цифровых двойников. Благодаря этому повышается
точность расчетов инвестиционной привлекательности ИСП и управляемость рисками.
Делается вывод о трансформации оценки инвестиционной привлекательности ИСП,
целесообразности и эффективности внедрения инноваций с точки зрения инвестора.
Ключевые слова: инвестиции, инвестиционная привлекательность, оценка
привлекательности, инвестиционно-строительные проекты, предиктивная аналитика,
строительные проекты.
ВВЕДЕНИЕ
Инвестиционная привлекательность строительных проектов является одним из
ключевых факторов развития экономики ввиду того, что строительная отрасль играет
важную роль не только в сфере инфраструктуры, но также способствует созданию
благоприятной обстановки для бизнеса и населения. Согласно авторам О. Н. Бекирова, А.
Н. Малютина, Е. А. Рогозина, инвестиционно-строительная деятельность представляет
собой сложный, долговременный процесс, который характеризуется внедрением нового
объекта недвижимости [1]. Следовательно, данный аспект требует глубокой научной
проработки и последующего внедрения конкретных практических решений.
Целесообразность инвестирования в строительные проекты часто ставится под
сомнения и требуют тщательного рассмотрения на каждом этапе. Сложность ИСП
заключается в его многогранности и многоэтапности.
Затрудненность оценки привлекательности инвестиционно-строительных проектов
в том, чтобы собрать все этапы воедино и провести сквозную линию через все стадии. В
процессе реализации проекта задействованы различные участники: инвесторы
(заказчики), проектировщики, подрядчики. Помимо прямых участников присутствуют и
опосредованные такие, как заводы-изготовители, машиностроительные заводы,
транспортные и логистические компании и многие другие [2]. Безусловно для каждого из
участников важно понимать эффективность участия в проекте, но инвестор заинтересован
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”,
SEPTEMBER 19, 2025
773
в более углубленном погружении в тематику экономической эффективности и
обоснованности вложения своих средств.
В условиях нестабильности и достаточно динамичного развития современных
технологий классические методы оценки инвестиционной привлекательности
строительных проектов уязвимы и подвержены ошибочным расчетам. Ввиду того, что для
принятия рационального решения об ИСП необходимо учесть большое количество
факторов, среди которых такие показатели, которые можно вычислить только
проанализировав большие массивы данных. Именно в этой области часто возникает
«слепая зона», из-за чего множество ключевых параметров остаются неучтенными. И как
следствие возникает потребность модернизации методов и инструментов оценки
инвестиционной привлекательности строительных объектов.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЯ
По данным McKinsey
1
, 80% девелоперов превышают бюджет на проекты в среднем
на 20-25%. Причина кроется в некорректном планировании. Это выражено как
неучтенные погодные условия, задержки поставок, ошибки в расчетах и многое другое.
Так же стоит упомянуть о сроках сдачи объектов, которые срываются в 70% случаев, в
разной степени задержки. Данная статистика говорит о системности характера ошибок и
их предпосылок. Причина таких негативных изменений в каждом пятом проекте
происходит из-за ошибок на стадии планирования, а именно первоначальной
документации, кроме того, из-за конфликтов в моменте стыкования этапов работы над
реализацией проекта.
Эти риски напрямую снижают инвестиционную привлекательность, что
обуславливает необходимость новых инструментов контроля и предиктивного
прогнозирования.
Вместе с тем, современное развитие технологий предлагает действенный
инструментарий для эффективного решения обозначенных проблем.
Строительная индустрия активно внедряет информационные технологии, хотя и с
долей обоснованного недоверия. Среди внедряемых в строительство передовых
информационных технологий можно выделить основные: BIM (Building In o ma ion
Modeling), IoT (Интернет вещей), AI (искусственный интеллект), Big Da a, облачные
платформы. [3] Все перечисленные разработки основывают свою работу на принципе
непрерывного накопления, обмена и анализа данных, которые объединяются в цифровые
экосистемы [4].
Важно, что для получения достоверной оценки экономической привлекательности
высокоэффективного проекта недостаточно лишь модернизировать базовые на
строительные процессы, кроме того, следует усовершенствовать управление
инвестиционно-строительным проектом в современном потоке инноваций. Как пример
обозначим создание цифровых двойников (Digi al Twins). [5]
Таким образом, стратегические решения управленческого аппарат компаний будут
более рациональными при опоре на современные технологии бизнес-аналитики. Они
1
McKinsey & Company. (2020). "Fi e ways ha ans o ming cons uc ion can boos p oduc i i y and
g ow h in he GCC".
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”,
SEPTEMBER 19, 2025
774
оптимизируют операционные процессы, проводят диагностику узких мест, а также поиск
перспективных направлений для повышения результативности деятельности.
Интеграция подобных инновационных решений позволяет организациям не только
повышать эффективность операций, но и создавать конкурентные преимущества.
Например, предиктивная аналитика на базе искусственного интеллекта или AI (A i icial
In elligence) помогает выстраивать прогнозы на основе исторически накопленных данных.
Разрабатываются системы бизнес-аналитики или BI (Business In elligence),
стандартизирующие процессы принятия решений на всех уровнях менеджмента. Таким
образом, выстраивается синергия, позволяющая цифровым инновациям способствовать
улучшению управленческих практик.
Каждый из вышеперечисленных инструментов прекрасно работает на вверенном
ему участке ответственности. Однако, для расчетов эффективности проекта с точки
зрения инвестора необходимо учитывать совокупность всех этих составляющих и
проводить оценку комплексно. Именно комплексный подход дает более полное
представление о проекте. Именно здесь необходимо внедрять сценарное моделирование
на уровне управления проектом, начиная с этапа идеи и заканчивая передачей в
эксплуатацию, выстраивать цифрового двойника на основе Big Da a, подкрепляя эти
данные аналитикой искусственного интеллекта и закреплять результаты через BI-
системы. [6] Многие научные исследования подтверждают, что искусственный интеллект
способен спрогнозировать в реальном времени изменения в денежных потоках и
доходности, выявить тенденции и закономерности на основе исторических данных. Этот
факт особенно важен в случаях, когда человеческие прогнозы могут быть подвержены
субъективности или некоторые факторы остаться неучтенными.
Классические модели создают основу благодаря показателям NPV, IRR, PP.
Базовые показатели тоже претерпевали свое изменение, так под влиянием ставки
дисконтирования они получили большую точность и актуальность для заданного момента
времени.
Тем не менее, вследствие накопления новых данных и необходимости их
обработки появляются новые показатели, такие как:
- уровень прогнозируемости затрат и сроков. Его расчет строится на основе
исторически накопленных данных при различной вариативности сценария хода
реализации ИСП;
- индекс управляемости рисками. Благодаря прогнозной аналитике искусственного
интеллекта производится предиктивный анализ.
В результате получается синтез между классическими моделями оценки, которые
являются базой, и новыми количественными показателями, продиктованными
цифровизацией.
Стоит отметить, что один из ключевых вопросов, который волнует каждого
инвестора, заключается в стоимости внедряемого новшества. Определение стоимости
является затруднительным ввиду того, что оно вариативно в зависимости от масштаба
проекта, от выбранного программного обеспечения. Однако можно говорить о структуре
затрат и возможных выгодах в виде экономии.
Для дальнейшего анализа цифровизации как инструмента модификации оценки
ИСП необходимо определить затраты на внедрение информационных технологий. А
именно определить из каких статей складываются затраты [7]:
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”,
SEPTEMBER 19, 2025
775
• лицензии на ПО: первичная покупки ПО и модулей и дальнейшее
продление;
• аппаратное обеспечение: хранилища данных, высокомощные рабочие
станции, серверы, IoT-датчики и сенсоры на стройплощадке;
• кадры и обучение: подготовка менеджмента, дата-аналитиков, технических
специалистов (обучение существующих сотрудников или наем новых);
• консалтинг и интеграция: затраты на внедрение и настройку систем под
специфику компании.
Заметим, что затраты в данной ситуации определяется не как единый платеж, а
суммарная составляющая инвестиций в ПО (лицензии), оборудования (датчики), обучения
персонала и модернизации управленческих бизнес-процессов.
Представим в качестве примера внедрение ERP-системы для проекта стоимостью 1
млрд. рублей, так снижение перерасхода бюджета даже в 5% — это экономия в 50 млн.
руб., что покрывает затраты на цифровизацию. Теоретический подход к расчету можно
отразить в виде таблицы №1, где значения цифр взяты условно для гипотетического
проекта.
Таблица 1. Сценарный расчет экономической эффективности внедрения
цифрового инструментария для условного проекта.
Показатель
Базовый
сценарий (без
цифровизации)
Внедрение
цифрового
инструментария
Эффект
Плановый бюджет, руб.
1 000 000 000
1 000 000 000
Прогнозируемый перерасход,
%
15%
10%
Прогнозируемый перерасход,
руб.
150 000 000
100 000 000
Затраты на внедрение, руб.
-
15 000 000
Общая экономия/ (перерасход),
руб.
-150 000 000
-115 000 000
35 000
000
Можно сделать выводы о том, что экономия только на одном этом факторе более
чем в 2 раза превышает затраты на внедрение. Стоит заметить, что в расчете был
рассмотрен только один стоимостной фактор, кроме этого, не стоит забывать об экономии
времени, повышении качества и репутационных выгод, что в эпоху всеобщей
информационной прозрачности очень важно. Для получения актуальных расчетов
необходимо более точные вводные данные по бюджету конкретного проекта, по
процессам компании, и т.д. для того, чтобы провести детальный аудит процессов, тем не
менее сценарный анализ всегда показывает ориентировочную эффективность инвестиций
в инновации.
В данном случае приведен один из простых примеров, однако применение,
например, искусственного интеллекта позволяет применить предиктивные принципы и
реализовать аналитику больших данных, что является более сложным, но и более
эффективным для экономии бюджета и контроля перерасхода. Компании разработчики,
работающие с ИИ делают ставку на смену реактивного подхода на предиктивную
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”,
SEPTEMBER 19, 2025
776
аналитику как инструмент, который выявляет риски и предлагает варианты их
нейтрализации. По данным журнала P opTechMedia существует реальная практика, где
апробация метода демонстрирует сокращение перерасхода на 10-20% и повышение
скорости строительства на 15-25%
2
.
Таким образом, вопрос окупаемости синхронизируется с вопросом управления
рисками. Инвесторы вкладывают в цифровизацию, чтобы в рамках бюджета проекта
сохранить существенно больше средств. Рассмотрена возможность возврата инвестиций в
развитие инструментария оценки. И заметим, что окупаемость достигается не за счет
увеличения выручки (или генерации нового дохода), а за счет снижения потерь. Это как
инвестиция в предсказуемость и больший контроль в управлении проектом.
ЗАКЛЮЧЕНИЕ
Подводя итог, отметим, что повсеместная цифровизация – это не модная
тенденция, а поставщик конкретных инструментов снижения рисков и повышения
прогнозируемости. BIM и Big Da a выступают не просто как инструменты автоматизации
и цифровизации строительных процессов, но и как основа для нового инструментария
оценки эффективности инвестиционно-строительных проектов, что говорит о переходе
цифровизации с базового производственного уровня на уровень менеджмента.
Инвестиционная привлекательность проекта теперь определяется в том числе и качеством
его цифрового сопровождения. Новые инструменты цифровизации позволяют
минимизировать перерасход материалов, сократить сроки проектов, снизить затраты на
исправление ошибок, ускорить подготовительные процессы для тендеров, экспертиз и
согласований.
Таким образом, происходит переход от статичных моделей к динамичным за счет
совершенствования оценки ИСП на основе данных цифрового двойника. Этот процесс
намного сложнее, чем создание цифрового двойника для строительного объекта как
такового ввиду того, что это не просто материальный объект, а композиция из
материального процесса и управленческого бизнес-процесса.
Происходит смена парадигмы в оценке эффективности ИСП: появляется новое
направление от дисконтирования денежных потоков к анализу цифровых данных.
В этой связи в будущем инвестор будет требовать не только финансовую модель
проекта, но данные цифрового двойника проекта для принятия взвешенного и
рационального решения.
ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА
1. Бекирова, О. Н. Проблематика оценки инвестиционных проектов / О. Н. Бекирова, А.
Н. Малютина, Е. А. Рогозина // Проектное управление в строительстве. – 2019. – №
4(17). – С. 97-109. – EDN BTIYXN.
2. Ящук Татьяна Васильевна. Оценка эффективности развития партнерства в
строительстве // Экономика строительства. 2016. №4 (40).
3. Лямцева, И. Н. Современные цифровые технологии в строительной отрасли / И. Н.
Лямцева, И. А. Алешина // Научное обозрение: сборник статей Международного
научно-исследовательского конкурса, Пенза, 05 мая 2021 года. – Пенза: Общество с
22
По данным P op echmedia h ps://www.p op ech.media/a icles/ pos /6a zedxbl1-p edik i naya-
anali ika- -s oi els e-k
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”,
SEPTEMBER 19, 2025
777
ограниченной ответственностью "Наука и Просвещение", 2021. – С. 148-150. – EDN
DMZCGG.
4. Лямцева, И. Н. Развитие инновационного потенциала строительного предприятия на
основе внедрения цифровых и инновационных технологий / И. Н. Лямцева, В. П.
Лямцев // Инновационное развитие науки и образования : монография. – Пенза :
"Наука и Просвещение" (ИП Гуляев Г.Ю.), 2021. – С. 181-191. – EDN KRGYNP.
5. Se gey Syche , And e Ba ako, Thanh T ung Nguyen, An hony Xa io , Ka a zyna An osz,
Jose Machado. An in es iga ion in o connec ion be ween BIM and Digi al Twins
echnologies // IFAC-Pape sOnLine, Volume 58, Issue 8, 2024, Pages 234-239.
6. Батырева, Д. К. Инструменты искусственного интеллекта и ТИМ при оценке
инвестиционной привлекательности строительных проектов / Д. К. Батырева // Скиф.
Вопросы студенческой науки. – 2024. – № 12(100). – С. 777-784. – EDN GHNSAV.
7. Алаев, А. С. Инвестиционная эффективность внедрения программного обеспечения в
строительной отрасли: анализ затрат и выгод / А. С. Алаев, Р. И. Хайрутдинов, Н. С.
Чернов // Естественно-гуманитарные исследования. – 2025. – № 2(58). – С. 639-648. –
EDN WVCTDM.
