Исследование детерминант цифровизации в России на основе кластеризации регионов и анализа уровня их зрелости
Алмусаеди Хасан Кхайун Аббас1, Кельчевская Н.Р.1
1 Уральский федеральный университет им. первого Президента России Б.Н. Ельцина, Россия, Екатеринбург
Скачать PDF | Загрузок: 21 | Цитирований: 4
Статья в журнале
Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 11, Номер 4 (Октябрь-декабрь 2021)
Цитировать:
Алмусаеди Хасан Кхайун Аббас, Кельчевская Н.Р. Исследование детерминант цифровизации в России на основе кластеризации регионов и анализа уровня их зрелости // Вопросы инновационной экономики. – 2021. – Том 11. – № 4. – С. 1705-1720. – doi: 10.18334/vinec.11.4.113928.
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48125312
Цитирований: 4 по состоянию на 07.12.2023
Аннотация:
Развитие информационных и компьютерных технологий в современных условиях происходит под влиянием большого числа факторов, которые определяют успех или провал при внедрении проектов по цифровой трансформации. Целью данной статьи является исследование детерминант цифровизации в регионах России на основе их классификации и определения уровня зрелости с точки зрения использования новых технологий. В основе методологии исследования лежат эксплораторный кластерный иерархический анализ и формирование границ кластеров методом K-средних. В качестве исследуемых детерминант цифровизации определены уровень внедрения широкополосного интернета, применение облачных технологий, RFID и ERP-систем, а также наличие электронных продаж товаров и услуг в 2019 году. В отличие от предыдущих исследований, в результате классификации выделено три устойчивых кластера регионов по уровню цифровой зрелости: передовые регионы, регионы с догоняющим развитием и регионы инерционного типа. Определены факторы, влияющие на индекс цифровизации. Сравнен уровень цифровизации трех кластеров с показателями цифровизации развитых европейских стран. Отмечено, что широта распространения технологий статистически значимо коррелирует с финансовым и технологическим благополучием регионов, а также уровнем их инновационной активности. Результаты могут быть применены для разработки дифференцированной политики цифровизации регионов, в основе которой лежит индивидуализированный подход к определению ключевых показателей эффективности для локальных проектов по трансформации.
Ключевые слова: цифровизация, регионы России, кластерный анализ, классификация, детерминанты развития, информационные и компьютерные технологии, интернет, RFID, ERP-системы, облачные технологии, электронные продажи
JEL-классификация: O31, O32, O33, R12, R13
Введение
В течение последних двух десятков лет произошли две революции, которые, с одной стороны, обусловили появление нематериальной экономики, где основная ценность создается за счет интеллектуального капитала, а с другой стороны, обозначили становление цифровой экономики и повышение уровня внедрения информационных технологий, киберфизических систем, обозначаемое как Индустрия 4.0 [1, 2] (Švarc, Lažnjak, Dabić, 2021; Kolyasnikov, Kelchevskaya, 2020). Информационные и компьютерные технологии (ИКТ) в экономике рассматриваются как стратегический ресурс регионов и отдельных организаций, который не только предлагает возможности, но создает трудности на пути к осмысленному управлению результативностью хозяйственных систем. Особенность современного этапа развития глобальной экономики в том, что добавленная ценность в организациях имеет не только монетарные характеристики, но также отражается в укреплении сетевой природы компаний, их сетевого взаимодействия, повышении значимости качественных характеристик интеллектуальных ресурсов [3, 4] (Secundo, Massaro, Dumay, Bagnoli, 2018; Degles, Kelchevskaya, 2020). Таким образом, цифровые технологии обеспечивают платформу и инструменты для кооперации бизнеса, общественного сектора и правительства, фокусируются на создании нематериальных активов, связанных с кодификацией знаний, их обменом и воплощением в форме статического интеллектуального капитала.
Многие производственные и сервисные компании в различных регионах мира проходят стадию цифровой трансформации, кардинального преобразования основных и вспомогательных бизнес-процессов с целью повышения гибкости принятия решений, повышения прозрачности ведения бизнеса для стейкхолдеров и улучшения репутации [5] (Kotarba, 2017). Во-первых, происходит переосмысление цепей поставок, создается платформа для развития сервиса, поддержки прозрачности и скорости материальных потоков, их децентрализации и возможности управления в режиме реального времени [6] (Hofmann, Sternberg, Chen, Pflaum, Prockl, 2019). Во-вторых, цифровизация преобразует финансовый сектор, существенно улучшает решения по размещению капитала, развивает организационную культуру и человеческий капитал сотрудников банков [7] (Umans, Kockum, Nilsson, Lindberg, 2018). В-третьих, внедрение цифровых технологий обуславливает трансформацию процессов производства, они повышают ресурсную эффективность [8] (Neligan, 2018), создает возможность изготавливать продукты из альтернативных материалов с высоким уровнем индивидуализации за короткие сроки [9] (Rajput, Singh, 2019). В-четвертых, цифровизация приводит к развитию и трансформации существующих бизнес-моделей – способов создания и удержания потребительской ценности. Таким образом, все преимущества продвинутых информационных технологий вносят вклад в поддержание инноваций в бизнес-моделях компаний и позволяют им поддерживать конкурентоспособность [10] (Müller, 2019).
Цель статьи и новизна подхода. Рассмотренные положительные эффекты цифровизации на региональном и национальном уровне в большинстве случаев сигнализируют, что существует ряд нематериальных ресурсов, таких как программное обеспечение, киберфизические системы и технологии интеллектуального анализа больших данных, облачные технологии и машинное обучение, которые создают добавленную потребительскую ценность. Целью данной статьи является исследование детерминант цифровизации в регионах России на основе их классификации и определения уровня зрелости с точки зрения использования новых технологий. В отличие от предыдущих исследований, выделены три статистически значимых кластера регионов с точки зрения цифровизации и определены их индивидуальные характеристики, определяющие уровень развития. Измерение цифровизации производится через показатели внедрения технологических решений, таких как широкополосный интернет, ERP-системы, RFID-технологии, облачные технологии и инвестиции в программное обеспечение. Показатели цифровизации также были сравнены с данными по европейским развитым странам. Кроме того, в заключение предложены рекомендации для каждой группы регионов по развитию цифровой инфраструктуры в соответствии с индивидуальными особенностями каждой группы субъектов.
Теоретические положения и разработка гипотезы
Термин цифровизация используется для обозначения внедрения цифровых технологий в обществе и в бизнесе, которые приводят к последовательной трансформации ключевых процессов в компаниях и улучшению связанности бизнес-единиц [11] (Cijan, Jenič, Lamovšek, Stemberger, 2019). Внедрение цифровых технологий оказывает ряд положительных экономических эффектов на поддержание различных стратегических активностей компаний, направленных на устойчивое развитие и достижение технологического преимущества. Механизмы воздействия цифровизации на продуктивность раскрываются через кооперацию компаний в сетях поставок, могут быть отслежены через снижение объема организационной рутины, объема работы по обработке больших массивов данных [12] (Wilkesmann, Wilkesmann, 2018). Цифровизация приводит к резким изменениям на рабочих местах и вынуждает пересматривать методы решения повседневных задач, поскольку она влияет на организацию материальных потоков в производстве и процессы создания продуктов как на уровне дизайна, так и на уровне создания физических объектов [13] (Viale, Zouari, 2020), например, за счет использования аддитивных технологий [14] (Ghobakhloo, 2018). Работа компаний по сетевым принципам открывает новые возможности для повышения ресурсной эффективности и поддержания принципов современной экономики при организации циркулярных потоков ресурсов [8] (Neligan, 2018).
На национальном уровне цифровизация становится основой стратегии устойчивого развития, становятся очевидными общие черты стратегий регулирования. Страны Европейского союза акцентируют внимание на улучшении доступа потребителей к товарам и услугам посредством интернета [15] (Romanova, Kuzmin, 2020), некоторые из них углубляют цифровую экономическую политику, например, Германия с 2011 года развивает идею государственной поддержки цифрового производства на основе концепции Индустрии 4.0 [16] (Ibarra, Ganzarain, Igartua, 2018). Развивающиеся экономики также в целом переживают цифровую трансформацию, которая приводит к изменениям в традиционных представлениях о бизнесе и социальном взаимодействии. Несмотря на то, что российские регионы в этом отношении остаются приверженцами традиционных промышленных ценностей, происходит постепенное осознание необходимости поддержки сетевого предпринимательства, реформирования инфраструктуры, поддержки развития технологий искусственного интеллекта [15] (Romanova, Kuzmin, 2020). Российские экономические регуляторы нацелены на воодушевление цифровизации бизнеса и поддержку тех отраслей, которые ориентированы на сохранение экспортной конкурентоспособности на международной арене [17] (Turovets, Vishnevskiy, 2019). В 2017 году российским правительством была принята программа развития цифровой экономики до 2024 года, которая подчеркивает стратегическую важность информации и технологий, поддерживающих ее эффективное использование в бизнесе и обществе [18] (Vasin, Gamidullaeva, Shkarupeta, Palatkin, Vasina, 2018).
Существенной проблемой при изучении вклада цифровизации и информационных технологий в продуктивность является ограниченное понимание конкретных механизмов их воздействия на общую результативность как на уровне компаний, так и национальных экономик. В литературе встречаются различные подходы к отражению влияния цифровизации и информационных технологий на процессы создания и использования нематериальных ресурсов. Классическая работа Е. Бринйолоффсон и С. Янг предполагает существование компьютерного капитала, который относится к физическому оборудованию, программному обеспечению и технической поддержке цифровой инфраструктуры компаний [19] (Brynjolfsson, Yang, 1996). С. Лиу предлагает концепцию цифрового капитала, который обретается через знания и отношения, поддерживаемые внедрением интернета, и отмечает его положительное влияние на финансовый сектор [20] (Liu, 2008). Используя интернет, люди получают доступ к своим финансовым ресурсам и вспомогательной аналитике, чтобы быстро и гибко принимать решения по инвестированию или потреблению, что, несомненно, создает высокую потребительскую ценность. М. Молодчик, С. Палкина и П. Паршаков полагают, что отношения, возникающие в цифровом пространстве, конституируют специфический социальный или отношенческий капитал [21] (Molodchik, Paklina, Parshakov, 2018).
Следовательно, дополнительные потоки ценности в виде интеллектуального капитала или отношений, которые приносит с собой цифровизация, положительно сказываются на возможностях компаний, а также их способности достигать поставленных целей, то есть финансовой и инновационной результативности. Цифровые ресурсы улучшают связанность бизнес-среды и потребителей, следовательно, приводят к появлению дополнительных клиентов, обеспечивая рост выручки компаний. Помимо того, возможность повышения индивидуализации продукции, сокращение производственного цикла и гибкость логистических решений также переключают спрос из других сегментов рынка и формируют дополнительные потоки доходов. Несмотря на это, Россия остается страной с развивающейся цифровой экономикой, отдельные сферы административного регулирования и бизнеса неравномерно внедряют информационные технологии, что приводит к инфраструктурной неоднородности [22] (Ivanova, Poltarykhin, Szromnik, Anichkina, 2019). Полагаем, что для анализа результативности цифровизации в российских условиях необходимо использовать финансовые и нефинансовые индикаторы: уровень внедрения цифровых технологий в компаниях и уровень валовых доходов регионов и оборота компаний. Инвестиции в интеллектуальный капитал, в том числе в технологии цифровизации, могут рассматриваться также как источник повышения инновационной результативности как на индивидуальном, так и на национальном уровне. Среди важных индикаторов результативности можно выделить интенсивность внедрения и развития инноваций в компаниях [23, 24] (Leitner, 2011; Jardon, 2015). Таким образом, выдвигаем гипотезу исследования.
Гипотеза. Существуют кластеры регионов, распределенные по уровню технологической зрелости, которые характеризуются статистически значимыми различиями в уровне финансового, технологического, интеллектуального и инновационного ресурсного обеспечения для поддержания цифровой трансформации.
Методы, подход к интерпретации и данные
Для классификации регионов был выбран метод иерархической кластеризации, затем были определены границы кластеров на основе K-средних, где K означает детерминированное количество кластеров. Общая логика проведения исследования приведена на рисунке 1. Иерархический анализ был проведен для оценки коэффициента кластеризации и определения оптимального количества кластеров. Существенный рост коэффициента (более 50%) наблюдался при выделении трех кластеров. Кластеризация является математической процедурой, которая ничего не говорит о качественных составляющих данных, поэтому разумное применение техники, как и в факторном анализе, всегда должно сопровождаться интерпретацией. Поэтому по описательным статистикам и распределению нормализованных переменных для каждого кластера было предложено их охарактеризовать как группу регионов с передовым, догоняющим и инерционным развитием. Таким образом, единицей кластеризации был отдельный субъект Российской Федерации. Всего было рассмотрено 85 субъектов, в том числе города федерального значения – Москва и Санкт-Петербург, которые статистически выделяются как отличные от соответствующих областей субъекты.
Рисунок 1. Описание логики исследования и последовательности применяемых методов
Источник: составлено авторами.
Первая, передовая группа, характеризуется высокими показателями деловой активности компаний не только в отношении цифровизации, но и выручки. Также компании в данных регионах генерируют больше валового продукта. Регионы с догоняющим развитием характеризуются умеренным уровнем активности и инвестиционной политикой в отношении цифровизации. Регионы инерционного развития характеризуются самым низким уровнем внедрения цифровых технологий, предполагается, что на данном этапе развития значительную роль играют базовые ИКТ, такие как широкополосный интернет и поддержка каналов электронных продаж. В качестве эмпирической базы исследования были использованы последние данные НИУ ВШЭ [25] (Abdrakhmanova, Vishnevskiy, Gokhberg et al., 2021) и Росстата [26] (Okladnikov et al., 2020) по индикаторам цифровизации для 2019 года. При этом мы предполагаем, что ускоренная цифровизация в условиях пандемии в 2020 и 2021 годах не столько исказила сам характер различий в структуре региональной цифровизации, сколько увеличила разрыв между выделенными кластерами, поэтому в целом использование данных для 2019 года существенно не скажется на практических рекомендациях. Для кластеризации выбраны оценки 2019 года, поскольку в предыдущих периодах уровень индивидуальных цифровых различий в отдельных регионах изменялся в динамике несущественно.
Результаты и обсуждение
Ключевые переменные, которые использовались для кластеризации, приведены в таблице 1, для них также показаны результаты дисперсионного анализа, который говорит о том, что все индикаторы могут быть использованы для определения границ кластеров, потому что они позволяют достичь значимого уровня различий между регионами (все F-статистики значимы на уровне менее 1%).
Таблица 1
Результаты дисперсионного анализа по переменным, используемым для кластеризации (используются для оценки различий между кластерами)
Переменные
для проведения кластеризации
|
Среднее
|
Ошибка
|
F-статистика
|
Значимость
|
Широкополосный
интернет, здесь и далее – % компаний в регионе, внедривших технологию
|
20,557
|
0,523
|
39,305
|
0,000
|
Облачные
сервисы
|
14,877
|
0,662
|
22,489
|
0,000
|
RFID-технологии
|
16,175
|
0,630
|
25,680
|
0,000
|
ERP-системы
|
25,226
|
0,409
|
61,657
|
0,000
|
Электронные
продажи / в экстранете, EDI-систем
|
16,543
|
0,621
|
26,643
|
0,000
|
Для определения конечных центров цифровых кластеров были использованы стандартизованные значения, определенные по формуле Z = (Значение индикатора – Среднее арифметическое) / Стандартное отклонение. Стандартизация позволяет получить лучшую согласованность данных и определить оптимальные расстояния между наблюдениями в кластерах с учетом различий в шкалах измерения исходных величин. Результаты нормализации показывают, что для передовых регионов существенное значение имеют ERP-системы, электронные продажи и наличие облачных технологий, которые характерны для Индустрии 4.0. Показатель RFID-технологий также имеет высокое значение для дифференциации регионов в кластерах, однако наибольшие различия между передовыми и инерционными регионами наблюдаются по уровню внедрения широкополосного интернета. Это говорит о том, что технологии коммуникации являются существенной детерминантой цифровизации на базовом уровне. В целом различия между передовыми и догоняющими регионами являются также достаточно существенными, при этом показатель широкополосного интернета играет меньшую роль, поскольку решающее значение на данном этапе зрелости имеют электронные продажи и ERP-системы. Это означает, что все основные регионы России обладают достаточным уровнем распространения широкополосного интернета, который соответствует современному этапу технологического развития компаний. Полагаем, что интернет создает ценность, прежде всего потому, что поддерживает обмен данными с клиентами и организацию электронных продаж в виде предложений на централизованных платформах или индивидуальных сайтах компаний.
Рисунок 2. Нормализованные оценки переменных, характеризующих развитие каждого из трех выделенных кластеров
Источник: составлено авторами.
Количество и географическая локализация регионов в каждом кластере распределены следующим образом (см. также рисунок 3). Передовые регионы (кластер 1) представляют собой выборку из 29 субъектов Российской Федерации, расположенных в центральных областях страны и Уральском федеральном округе. Регионы догоняющего развития (49 субъектов) представляют собой основную группу регионов, которые расположены во всех частях страны, в состав кластера входят как регионы Центральной России, так и северные области и автономные округа. Регионы инерционного развития представлены восемью субъектами, среди них находятся южные республики, Курганская область, Республика Тыва и Республика Саха.
Рисунок 3. Выделенные кластеры регионов на карте России (обозначены цветом) (интерпретация кластеров приведена в тексте раздела с обсуждением результатов) Источник: составлено авторами.
Для каждого кластера были оценены средние значения показателей цифровизации и социально-экономического развития, в отличие от этапа кластеризации, для анализа были также использованы показатели экономической результативности, такие как валовый продукт, средняя выручка организаций, уровень инновационной активности. Выдвинутая ранее гипотеза была подтверждена, поскольку между регионами действительно существуют значимые различия в отношении ресурсного обеспечения и уровня дохода организаций. Регионы инерционного развития характеризуются значительно более низким ВВП в расчете на душу населения, а также более скромным объемом отгруженной инновационной продукции, что в целом соответствует сниженному уровню инновационной активности. Таким образом, важной социально-экономической детерминантой цифровизации является уровень создаваемой в регионе ценности, которая выражена через доходы организаций, населения и качество инновационной активности.
Таблица 2
Средние значения детерминант цифровизации и показателей социально-экономического развития в регионах согласно полученным кластерам
Детерминанты
цифровизации и показатели социально-экономического развития
|
Кластер
1. Передовые регионы
|
Кластер 2.
Регионы с догоняющим развитием
|
Кластер
3. Регионы инерционного развития
| |||
Среднее
|
Стд. ош.
|
Среднее
|
Стд. ош.
|
Среднее
|
Стд. ош.
| |
Логарифм ВРП
на душу населения в год
|
13,32
|
0,72
|
13,07
|
0,67
|
12,64
|
0,65
|
Логарифм
оборота организаций в среднем на 1 предприятие
|
17,45
|
0,87
|
16,85
|
0,69
|
15,93
|
0,81
|
Объем
отгруженной инновационной продукции, логарифм рублей
|
24,60
|
1,97
|
22,61
|
2,02
|
19,73
|
2,21
|
Удельный вес
организаций, использующих широкополосный интернет, %
|
88,31
|
3,68
|
87,18
|
4,02
|
72,33
|
8,47
|
Удельный вес
организаций, использующих облачные сервисы, %
|
30,56
|
4,87
|
25,07
|
2,63
|
21,59
|
7,79
|
Удельный вес
организаций, использующих RFID-технологии,
%
|
6,73
|
1,04
|
5,71
|
1,26
|
3,23
|
1,13
|
Удельный вес
организаций, использующих ERP-системы, %
|
16,90
|
2,98
|
11,49
|
2,24
|
6,89
|
2,92
|
Удельный вес
организаций, осуществляющих электронные продажи, EDI-систем, %
|
13,41
|
3,46
|
9,41
|
2,02
|
6,97
|
3,46
|
Уровень
инновационной активности организаций, %
|
10,13
|
4,03
|
8,08
|
3,98
|
3,30
|
3,45
|
Дополнительно было проведено сравнение глубины внедрения цифровых технологий в передовых регионах с аналогичными значениями для развитых европейских стран [25, с. 197] (Abdrakhmanova, Vishnevskiy, Gokhberg et al., 2021, р. 197). В странах с высоким индексом цифровизации бизнеса (около 50, в то время как в России в 2019 году – 32), таких как Дания, Финляндия и Бельгия, широкополосным интернетом обеспечены практически 100% организаций, в то время как в передовых с технологической точки зрения регионах данный показатель находится на уровне 88,3% (табл. 2). Оценка внедрения облачных сервисов также говорит об отставании даже самых передовых регионов России от развитых стран: более 50% организаций в странах с цифровой экономикой используют распределенные вычисления и удаленное хранение данных в «облаке», то же касается и уровня развития ERP-систем, которые позволяют поддерживать исследование первичных данных и выгрузку аналитики для управления ресурсами организации, а не только осуществлять финансовый и бухгалтерский учет. Почти вполовину меньше организаций в России по сравнению с передовыми цифровыми экономиками осуществляют электронные продажи: для развитых стран характерны показатели 30% и более, в то время как в передовых российских регионах данные технологии внедрили только 13–15% организаций. Именно поэтому по результатам анализа необходимо сформировать практические рекомендации для каждого кластера, которые поддержат социально-экономическое развитие в условиях цифровизации.
Заключение
Цифровизация играет решающую роль в определении конкурентных преимуществ компаний на локальных, региональных и международных рынках в современных условиях. В данном исследовании на примере российских компаний был показан положительный вклад цифровизации на экономическое развитие регионов, поскольку новые информационные технологии обуславливают прирост валового регионального продукта. Эта статья закрывает пробел в литературе, поскольку большинство предыдущих исследований либо рассматривают индивидуальный опыт компаний, либо затрагивают общие показатели цифровизации, игнорируя ее влияние на социально-экономические показатели, например инновации на региональном уровне. Проведенная работа дополняет теорию цифровой экономики, выделяя специфические для современных регионов цифровые технологии и оценивая основные факторы, которые влияют на глубину их развития.
Результаты исследования показали, что ресурсная база регионов определяет глубину внедрения технологий: более богатые регионы поддерживают в значительной степени собственную цифровую инфраструктуру, формируя платформу для повышения результативности бизнеса. Кроме того, цифровизация соответствует лучшей инновационной активности бизнеса, поэтому является важным драйвером экономического развития российских регионов в долгосрочном периоде.
Практические рекомендации заключаются в следующем. Во-первых, передовым регионам следует работать над показателями инвестиционной привлекательности, особенно это касается развития цифровой инфраструктуры. Данный класс регионов обладает значительным запасом финансовых и организационных ресурсов, которые могут быть использованы для поддержки стратегий цифровой трансформации предприятий и организаций. В этих регионах существует лучшая по качеству платформа для развития частно-государственного партнерства для модернизации и расширения масштаба коммуникационной и вычислительной цифровой инфраструктуры, которая нуждается также в соответствующем уровне управленческих компетенций со стороны государственных администраторов и лиц, принимающих решения. Передовые регионы должны стать площадкой для апробации национальной политики в области финансового, налогового или иного стимулирования, которое поддерживает информационную привлекательность цифровых технологий. В целом полагаем, однако, что относительно низкий уровень цифровизации также коррелирует с недостаточным уровнем развития предпринимательской культуры и сбалансированных рыночных механизмов в национальной экономике. Во-вторых, регионы с догоняющим развитием должны выработать подход к мониторингу качества развития цифровой среды для бизнеса, а также разрабатывать целевые программы и предлагать для них разумные показатели эффективности, которые соответствуют целям развития цифровой экономики в России. Такие показатели должны учитывать не только интересы регулирующих органов и направления бюджетного распределения, но и проблемы социально-экономического развития бизнес-среды и соответствовать сложившейся предпринимательской культуре. В-третьих, регионам инерционного развития следует исследовать опыт передовых регионов в вопросах стимулирования развития цифровой инфраструктуры, а также разработать программы государственной финансовой и, прежде всего, организационной поддержки предпринимателям, осуществляющим инновации в области цифровых технологий. Все данные подходы позволят снизить барьеры, связанные с современным жестким государственным регулированием цифровой среды, которые препятствуют внедрению и развитию ИКТ, устанавливая необходимость вкладывать дополнительные средства в инструменты хранения данных и отслеживания потоков информации. Таким образом, развитие цифрового гражданского общества в большей степени будет соответствовать интересам современного этапа экономического развития, способствовать самоконтролю, автономности и выработке инвестиционной политики, которая бы не ассоциировалась с рисками коррупции и сохраняла стабильность развития бизнес-среды.
Ограничением исследования является региональный подход, в котором компании рассматриваются в единой экосистеме, которая генерирует общую результативность. Это предполагает, что мы обобщаем результаты работы компаний в области цифровизации, отражая лишь общий вклад их цифрового интеллектуального капитала в экономическое развитие. В дальнейшем исследовании необходимо сфокусироваться на изучении вклада цифровизации на уровне индивидуальных компаний и проследить на примерах механизмы влияния интеллектуального капитала на результативность и добавленную ценность в компаниях.
Источники:
2. Колясников М.С., Кельчевская Н.Р. Использование больших данных в стратегическом управлении знаниями компании, следующей трендам Индустрии 4.0 // Лидерство и менеджмент. – 2020. – № 3. – c. 405-426. – doi: 10.18334/lim.7.3.110662.
3. Secundo G., Massaro M., Dumay J., Bagnoli C. Intellectual capital management in the fourth stage of IC research: A critical case study in university settings // Journal of Intellectual Capital. – 2018. – № 1. – p. 157-177. – doi: 10.1108/JIC-11-2016-0113.
4. Деглес Х.С.М., Кельчевская Н.Р. Стратегии инвестирования в интеллектуальный капитал под влиянием моделей создания ценности // Вопросы инновационной экономики. – 2020. – № 4. – c. 2213-2232. – doi: 10.18334/vinec.10.4.110938.
5. Kotarba M. Measuring Digitalization - Key Metrics // Foundations of Management. – 2017. – № 1. – p. 123-138. – doi: 10.1515/fman-2017-0010.
6. Hofmann E., Sternberg H., Chen H., Pflaum A., Prockl G. Supply chain management and Industry 4.0: conducting research in the digital age // International Journal of Physical Distribution and Logistics Management. – 2019. – № 10. – p. 945-955. – doi: 10.1108/IJPDLM-11-2019-399.
7. Umans T., Kockum M., Nilsson E., Lindberg S. Digitalisation in the banking industry and workers subjective well-being: Contingency perspective // International Journal of Workplace Health Management. – 2018. – № 6. – p. 411-423. – doi: 10.1108/IJWHM-05-2018-0069.
8. Neligan A. Digitalisation as enabler towards a sustainable circular economy in Germany // Intereconomics. – 2018. – № 2. – p. 101-106. – doi: 10.1007/s10272-018-0729-4.
9. Rajput S., Singh S.P. Industry 4.0 − challenges to implement circular economy // Benchmarking: An International Journal. – 2019. – № 1. – p. 1-23. – doi: 10.1108/BIJ-12-2018-0430.
10. Müller J.M. Business model innovation in small- and medium-sized enterprises: Strategies for industry 4.0 providers and users // Journal of Manufacturing Technology Management. – 2019. – № 8. – p. 1127-1142. – doi: 10.1108/JMTM-01-2018-0008.
11. Cijan A., Jenič L., Lamovšek A., Stemberger J. How digitalization changes the workplace // Dynamic Relationships Management Journal. – 2019. – № 1. – p. 3-12. – doi: 10.17708/DRMJ.2019.v08n01a01.
12. Wilkesmann M., Wilkesmann U. Industry 4.0 – organizing routines or innovations? // VINE Journal of Information and Knowledge Management Systems. – 2018. – № 2. – p. 238-254. – doi: 10.1108/VJIKMS-04-2017-0019.
13. Viale L., Zouari D. Impact of digitalization on procurement: the case of robotic process automation // Supply Chain Forum: An International Journal. – 2020. – № 3. – p. 185-195. – doi: 10.1080/16258312.2020.1776089.
14. Ghobakhloo M. The future of manufacturing industry: a strategic roadmap toward Industry 4.0 // Journal of Manufacturing Technology Management. – 2018. – № 6. – p. 910-936. – doi: 10.1108/JMTM-02-2018-0057.
15. Romanova O.A., Kuzmin E.A. Industrial Policy Strategy: A Case of Changing National Priorities in Russia // WSEAS Transactions on Business and Economics. – 2020. – p. 879-888. – doi: 10.37394/23207.2020.17.86.
16. Ibarra D., Ganzarain J., Igartua J.I. Business model innovation through Industry 4.0: A review // Procedia Manufacturing. – 2018. – p. 4-10. – doi: 10.1016/j.promfg.2018.03.002.
17. Turovets Y., Vishnevskiy K. Patterns of digitalisation in machinery-building industries: Evidence from Russia // Engineering Management in Production and Services. – 2019. – № 4. – p. 7-22. – doi: 10.2478/emj-2019-0029.
18. Vasin S., Gamidullaeva L., Shkarupeta E., Palatkin I., Vasina T. Emerging Trends and Opportunities for Industry 4.0 Development in Russia // European Research Studies Journal. – 2018. – № 3. – p. 63-76. – doi: 10.35808/ersj/1044.
19. Brynjolfsson E., Yang S. Information Technology and Productivity: A Review of the Literature // Advances in Computers. – 1996. – p. 179-214. – doi: 10.1016/S0065-2458(08)60644-0.
20. Liu C.C. The relationship between digital capital of internet banking and business performance // International Journal of Electronic Finance. – 2008. – № 1. – p. 18. – doi: 10.1504/IJEF.2008.016882.
21. Molodchik M., Paklina S., Parshakov P. Digital relational capital of a company // Meditari Accountancy Research. – 2018. – № 3. – p. 443-462. – doi: 10.1108/MEDAR-08-2017-0186.
22. Ivanova V.N., Poltarykhin A.L., Szromnik A., Anichkina O. Economic policy for country’s digitalization: a case study // Entrepreneurship and Sustainability Issues. – 2019. – № 1. – p. 649-661. – doi: 10.9770/jesi.2019.7.1(46).
23. Leitner K.H. The effect of intellectual capital on product innovativeness in SMEs // International Journal of Technology Management. – 2011. – № 1. – p. 1-18. – doi: 10.1504/IJTM.2011.037235.
24. Jardon C.M. The use of intellectual capital to obtain competitive advantages in regional small and medium enterprises // Knowledge Management Research & Practice. – 2015. – № 4. – p. 486-496. – doi: 10.1057/kmrp.2014.4.
25. Абдрахманова Г.И., Вишневский К.О.,Гохберг Л.М. и др. Индикаторы цифровой экономики: 2021. / Статистический сборник. - М.: НИУ ВШЭ, 2021. – 380 c.
26. Окладников С.М. и др. Регионы России. Социально-экономические показатели. 2020. - М.: Росстат, 2020.
Страница обновлена: 15.07.2024 в 08:23:27