Assessment of digitalization of Russian enterprises in the context of the impact on labor productivity

Cover Page

Cite item

Full Text

Abstract

The rapid adoption of digital technologies by Russian enterprises has prompted researchers to investigate its effects, particularly on labor productivity. Assessing the current state of digitalization and its various aspects can provide insights into the specifics of this process within enterprises. Simultaneously evaluating digitalization and productivity can help understand how the status and characteristics of digitalization influence labor productivity. This study aimed to review existing scientific literature to identify research findings that describe the relationship between digitalization and labor productivity. Additionally, an empirical assessment of the state of digitalization and labor productivity in Russian enterprises was conducted using data from the “Эффективность.рф” platform. The research employed general scientific methods, such as analysis and synthesis, along with descriptive statistics. The literature review revealed four main approaches to assessing the relationship between digitalization and productivity: Evaluating objective indicators of the state and characteristics of digital infrastructure; Analyzing enterprise behavior through text analysis; Identifying digital practices within the enterprise; Gauging the opinions of participants in digitalization projects regarding goals, attitudes, and barriers to digitalization. In the empirical part of the study, the state of digitalization was assessed based on expert evaluations of 11 business processes within enterprises, considering industryspecific features. This assessment was then compared to the state of labor productivity. The results showed a low level of digitalization among the studied enterprises, an uneven distribution of digitalization across individual business processes, and an inconsistent relationship between the state of digitalization and labor productivity. These findings suggest that further research is necessary to clarify digitalization indicators, determine appropriate time intervals for assessing digitalization and performance, and better understand the relationship between digitalization and labor productivity.

About the authors

Stanislav B. Sharonov

Autonomous Noncommercial Organization “Productivity Digital Technologies”

Author for correspondence.
Email: sbsharonov@ctprf.ru
ORCID iD: 0009-0000-4759-318X
SPIN-code: 1578-8283

CEO

11 Maly Karetny per., Moscow, 127051, Russian Federation

Tatiana A. Lapina

Omsk State University

Email: lapinaomgu@gmail.com
ORCID iD: 0000-0003-1854-8034
SPIN-code: 5109-7763

PhD in Economic Sciences, Associate Professor of the Department of Regional Economics and Human Resource Management

55a Mira pr., Omsk, 644077, Russian Federation

References

  1. Arylbaeva, E.D. (2020). Digital transformation of industrial enterprises as a factor of growth of labor productivity. Journal of Economy and Business, 6(64), 19–22. (In Russ.). https://doi.org/10.24411/2411-0450-2020-10522
  2. Baiming, J., & Voskerichyan, R.O. (2024). The digital transformation: Unlocking new dimensions in manufacturing efficiency. RUDN Journal of Economics, 32(2), 235–250. https://doi.org/10.22363/2313-2329-2024-32-2-235-250
  3. Belousov, D.R. (2019). Digitization of the Russian economy — from operational goals to strategic objectives. Economic Revival of Russia, 60(2), 47–54. (In Russ.). EDN: BBWBZQ
  4. Borovskaya, M.A., Masych, M.A., & Fedosova, T.V. (2020). The potential for labor productivity growth in the context of digital transformation. Terra Economicus, 18(4), 47–66. (In Russ.). https://doi.org/10.18522/2073-6606-2020-18-4-47-66
  5. Chen, X., Zhang, X.-e., Cai, Z., & Chen, J. (2024). The non-linear impact of digitalization on the performance of SMEs: A hypothesis test based on the digitalization paradox. Systems, 12(4), 139. https://doi.org/10.3390/systems12040139
  6. Dobrovlyanin, V.D., & Antineskul, E.A. (2022). Digitalization is developing: The level of digitalization in Russia and the prospects for sustainable development. Digital models and solutions, 1 (2). (In Russ.). https://doi.org/10.29141/2782-4934-2022-1-2-5
  7. Gileva, T.A. (2019). Digital maturity of the enterprise: Methods of assessment and management. Bulletin USPTU. Science, education, economy. Series economy, 1(27), 38–52. (In Russ.). https://doi.org/10.17122/2541-8904-2019-1-27-38-52
  8. Kalender, Z.T., & Žilka, M. (2024). A comparative analysis of digital maturity models to determine future steps in the way of Digital Transformation. Procedia Computer Science, 232, 903–912. https://doi.org/10.1016/j.procs.2024.01.090
  9. Karapaev, O.V., & Nureev, R.M. (2019). Economy digitalization and labor productivity. Journal of Economic Regulation, 10(3), 76–91. (In Russ.). https://doi.org/10.17835/20785429.2019.10.3.076-091
  10. Kraus, S., Jones, P., Kailer, N., Weinmann, A., Chaparro-Banegas, N., & Roig-Tierno, N. (2021). Digital Transformation: An overview of the current state of the art of research. SAGE Open, 11 (3). https://doi.org/10.1177/21582440211047576
  11. Laddha, Y., Tiwari, A., Kasperowicz, R., Bilan, Y., & Streimikiene, D. (2022). Impact of information communication technology on Labor productivity: A panel and cross-sectional analysis. Technology in Society, 68. https://doi.org/10.1016/j.techsoc.2022.101878
  12. Lapina, T.A., Stuken, T.Yu., & Korzhova, O.S. (2023). Digitalization and labor productivity: Typological analysis of industrial enterprises. Herald of Omsk University. Series “Economics”, 21(1), 54–59. (In Russ.). https://doi.org/10.24147/1812-3988.2023.21 (1).54-59
  13. Leal-Rodríguez, A.L., Sanchís-Pedregosa, C., Moreno-Moreno, A.M., & Leal-Millán, A.G. (2023). Digitalization beyond technology: Proposing an explanatory and predictive model for digital culture in organizations. Journal of Innovation & Knowledge, 8(3), 100409. https://doi.org/10.1016/j.jik.2023.100409
  14. Meng, F., & Wang, W. (2023). The impact of digitalization on enterprise value creation: An empirical analysis of Chinese manufacturing enterprises. Journal of Innovation & Knowledge, 8(3), 100385. https://doi.org/10.1016/j.jik.2023.100385
  15. Nadezhdina, M.E., Zaraichenko, I.A., & Farrakhova, A.A. (2022). Typology of production organization strategies using end-to-end Digital Technologies. Izvestiya of Samara Scientific Center of the Russian Academy of Sciences, 24(6), 121–126. (In Russ.). https://doi.org/10.37313/1990-5378-2022-24-6-121-126
  16. Parshutina, I.G., Solodovnik, A.I., & Amelina, A.V. (2023). Analysis of the impact of digitalization and the internet of things on labor productivity in the economy. Vestnik agrarnoj nauki, 4(103), 155–163. (In Russ.). https://doi.org/10.17238/issn2587-666X.2023.4.155
  17. Parviainen, P., Tihinen, M., Kääriäinen, J., & Tppola, S. (2017). Tackling the digitalization challenge: How to benefit from digitalization in practice. International Journal of Information Systems and Project Management, 5(1), 63–77. https://doi.org/10.12821/ijispm050104
  18. Pletnev, D.A., & Kozlova, E.V. (2023). Degree of use of digital technologies and propensity to opportunism at Russian enterprises: Results of empirical research. π-Economy, 16(3), 45–62. (In Russ.). https://doi.org/10.18721/JE.16303
  19. Ribeiro-Navarrete, B., Martín, J.M.M., Guaita-Martínez, J.M., & Simón-Moya, V. (2023). Analysing cooperatives’ digital maturity using a synthetic indicator. International Journal of Information Management, 72, 102678. https://doi.org/10.1016/j.ijinfomgt.2023.102678
  20. Samokhvalov, D.M., & Suslov, S.A. (2023). State of the digitalization process in agriculture and in rural areas. Bulletin NGIEI, (5), 110–122. (In Russ.). https://doi.org/10.24412/22279407-2023-5-110-122
  21. Senna, P.P., Barros, A.C., Roca, J.B., & Azevedo, A. (2023). Development of a digital maturity model for Industry 4.0 based on the technology-organization-environment framework. Computers & Industrial Engineering, 185, 109645. https://doi.org/10.1016/j.cie.2023.109645
  22. Shahnazi, R. (2021). Do information and communications technology spillovers affect labor productivity? Structural Change and Economic Dynamics, 59, 342–359. https://doi.org/10.1016/j.strueco.2021.09.003
  23. Shang, C., Jiang, J., Zhu, L., & Saeidi, P. (2023). A decision support model for evaluating risks in the digital economy transformation of the manufacturing industry. Journal of Innovation & Knowledge, 8(3), 100393. https://doi.org/10.1016/j.jik.2023.100393
  24. Stuken, T.Yu., Lapina, T.A., & Korzhova, O.S. (2023). Assessment of the impact of digitalization on labor productivity in the organization (on the example of industrial enterprises). Herald of Omsk University. Series “Economics”, 21(2), 74–79. (In Russ.). https://doi.org/10.24147/1812-3988.2023.21 (2).74-79
  25. Siololo, D.L. Effect of Digitalization on Firm Revenue Growth in Kenya // University of Nairobi Digital Repository. 2022. Retrieved 15.04, 2024, from https://erepository.uonbi.ac.ke/ bitstream/handle/11295/162218/Siololo%20D_Effect%20of%20Digitalization%20on%20 Firm%20Revenue%20Growth%20in%20Kenya.pdf?sequence=1&isAllowed=y
  26. Suprun, E., Roumi, S., Mohamed, S., & Stewart, R.A. (2024). Digital Transformation Maturity Assessment Framework for large infrastructure asset owners. Digital Engineering, 1, 100003. https://doi.org/10.1016/j.dte.2024.100003
  27. Volkova, N., & Romanyuk, E. (2020). Interconnection between the level of digital environment development and labor productivity. Problems of Territory’s Development, 4(108), 109–123. (In Russ.). https://doi.org/10.15838/ptd.2020.4.108.7

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».