Оценка значимости региональных экономических факторов и организационно-культурных профилей для цифровой бизнес-модели предприятия

Шиболденков В.А.1, Нестерова Е.С.2, Юсуфова О.М.1
1 Московский государственный технический университет им. Н.Э. Баумана, Россия, Москва
2 Московская международная высшая школа бизнеса МИРБИС, Россия, Москва

Статья в журнале

Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 12, Номер 4 (Октябрь-декабрь 2022)

Цитировать эту статью:

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=50211452
Цитирований: 2 по состоянию на 07.12.2023

Аннотация:
В этой статье исследуется влияние социокультурных особенностей стран на адаптацию цифровых технологий в общем; цифровых платформ, экосистем и прочих инновационных конфигураций в частности на примере государств Организации экономического сотрудничества и развития, ОЭСР, (Organisation for Economic Co-operation and Development, OECD). Рассматриваются корреляции между культурными показателями модели Хофстеде (Hofstede\'s Cultural Dimensions), макроэкономическими, социально-экономическими и цифровыми показателями развитых стран Европы. На основе исследования сделаны рекомендации для бизнеса в сфере ускорения адаптации бизнеса и сотрудников к инновациям и новым конфигурациям бизнеса

Ключевые слова: цифровизация, цифровые платформы и экосистемы, социокультурные факторы, сервитизация, теория изменений

JEL-классификация: M21, O31, O32, O33



Введение

За последние 20 лет такие информационные модели, как цифровые платформы и экосистемы, получили широкое распространение по всему миру [21] (Li, Badr, Biennier, 2012). Цифровые платформы – это сложные информационные системы, в которых аппаратные средства интегрируются с прикладными решениями для создания сред.

В этих средах множественные пользователи (участники рынка) могут [20–26] (Nachira, Dini, Nicolai, 2007; Li, Badr, Biennier, 2012; Galkin, Drogovoz, 2020; Drogovoz, Kashevarova, Dadonov, Sadovskaya, Trusevich, 2021; Kashevarova, Panova, 2020; Yusufova, Shiboldenkov, Andreeva, 2020; Yusufova, Shiboldenkov, Ponomaryova, 2020):

- создавать прикладные решения с использованием типовых функций и интерфейсов для обработки информации и с применением сквозных технологий работы с данными (Java, SAP HANA, Android OS, iOS, Intel x86, Bitrix, Amazon Web Services, Microsoft Azure);

- подключаться к инфраструктурам для поиска информации, применяемой в экосистемах (General Electric Predix, ESRI ArcGIS, ЕСИА, «CoBrain-Аналитика», ЭРА-ГЛОНАСС);

- обмениваться ценностями (Uber, AirBnB, Aliexpress, Booking.com, Boeing suppliers portal, Apple AppStore, AviaSales, Yandex Search, Predix Developer Network Appstore).

Цифровые экосистемы основаны на знаниях о природных экосистемах и их функционировании, особенно в аспектах самоорганизации, масштабируемости, устойчивости, конкуренции и сотрудничества [20] (Nachira, Dini, Nicolai, 2007).

Впервые эта концепция была выдвинута в 2002 году группой европейских исследователей и практиков, в том числе Франческо Начира, Паоло Дини и Андреа Николаи, и она сочетала в себе цифровую и бизнес- экосистему [20] (Nachira, Dini, Nicolai, 2007). Сегодня к этому пулу добавились еще и супераппы (superapps), концепция супераппов появилась еще в 90-х, когда банки хотели собрать все свои услуги в одну удобную для клиентов платформу, но в то время это еще не было реализовано из-за недостаточной развитости цифровых технологий. На данный момент цифровые экосистемы стали большим источником дохода и информационного преимущества для большинства компаний крупного бизнеса вне зависимости от индустриальной принадлежности [20] (Nachira, Dini, Nicolai, 2007).

Принятие решения о создании цифровой бизнес экосистемы – важный этап для развития компании. Этот вопрос особенно остро стоит для компаний с большой историей и привычным укладом, для которых переход на цифру будет наиболее затратным. Мировой опыт показывает, что в разных странах адаптация инновационных бизнес-моделей происходит с разной скоростью. Главная задача данного исследования – оценить, какие национальные факторы значительно влияют на процессы адаптации наиболее остро, на примере цифровых экосистем. Изначально предполагается, что уровень благосостояния страны, а также особенности ее культуры способны серьезно влиять на скорость, с которой цифровые технологии интегрируются во все процессы деятельности организации [19] (Kashevarova, Shiboldenkov, 2020).

Связь между поведенческими установками и экономикой изучалась еще со времени формирования классической экономической теории, но ее реальное влияние на ключевые показатели эффективности ведения экономических отношений внутри стран и на внешнем рынке стало детально изучаться в середине ХХ века. Взаимосвязь экономического развития и развития информационных технологий изучается многосторонне, а также как влияют поведенческие установки на принятие цифровых инноваций и может ли менталитет оказывать на этот процесс существенное влияние, так как инновации по своей природе связаны с когнитивными усилиями и нешаблонными принципами мышления. Поэтому вопрос продуктивности поведенческих установок является актуальным для изучения и практического понимания того, как ускорить цифровизацию, улучшить ее качество [2–5] (Abrahamse, Steg, 2009; Gupta, 2019; Smith, 2004) и достичь устойчивых результатов [11–18] (Auzan, 2020; Linan Frantsisko, 2014; Violet Chung, Miklós Dietz, Istvan Rab, Zac Townsend., 2020; Benhabib, Perla, Tonetti, 2016; Shiboldenkov, Nesterova, 2020; Shiboldenkov, Nesterova, 2019; Drogovoz, 2019).

Целью настоящей работы является оценка значимости влияния когнитивно-поведенческих установок и ценностей национальной культуры [28–30] на интенсивность развития цифровых технологий, скорость цифровой трансформации и адаптации к технологическим изменениям.

Рабочей авторской гипотезой является предположение, что технократическая культура более эффективно развивается на фундаменте открытых к новому, индивидуалистических национальных культур с низким уровнем вертикальной иерархии, а также что выбираемые механизмы цифрового бизнес-инжиниринга показывают различную эффективность.

Научная новизна исследования заключается в количественной оценке уровня совокупного взаимного влияния (методом корреляционно-регрессионного анализа) факторов экономической и культурной среды: состояния национальной экономической среды (уровня макроэкономического развития), состояния национальной технологической среды (уровня национального цифрового развития), состояния национальной социально-экономической среды (уровень социального развития) и состояния национальной культуры (ценностные национальные организационно-культурные профили), и в отличие от других схожих исследований, обнаружения более существенной связи уровня национального цифрового развития с особенностями организационно-культурных профилей стран и уровнем социально-экономического развития факторов уровня удовлетворенностью жизнью. Таким образом, возможно считать цифровую экономику и технологии Индустрии 4.0 в большей степени организационно-поведенческой инновацией, а не отдельным этапом развития технологических (процессных) инноваций в материальной культуре.

Методы

Сегодня существует множество репрезентативных аналитических исследований ценностей культуры организации на разных экономических уровнях [8–11] (Mikhnenko, 2017; Barrutia, Echebarria, 2021; Auzan, 2020).

Во-первых, микроуровень отдельных компаний. В таком случае рассматривается уровень организационной культуры фирмы. Информацию по этому уровню можно увидеть в миссии и ценностях компании, как декламируемых, так и реализуемых. Известными фреймворками можно назвать подход Кима Камерона и Роберта Куинна (Competing Values Framework), типология «образов древнегреческих богов» Чарльза Хэнди [8] (Mikhnenko, 2017).

Во-вторых, мезоуровень интегрированных структур, отраслей, региональных структур транснациональных компаний (ТНК). В таком случае рассматривается вопрос дизайна организационной культуры корпорации. Известными фреймворками можно назвать теорию базовых человеческих ценностей, разработанную Шалом Х. Шварцем (Schwartz Value Survey (SVS) by Shalom H. Schwartz), и опрос оценки ценностей (Hofstede's Cultural Dimensions Values Survey Module) [8–11] (Mikhnenko, 2017; Barrutia, Echebarria, 2021; Auzan, 2020).

В-третьих, глобальный уровень больших ТНК, организационных альянсов и государств. Рассматривается вопрос дизайна национальной культуры (организационной метакультуры), проект и модель взаимодействия которых разработаны в начале 1990-х годов Робертом Дж. Хаусом для изучения взаимосвязей между социальной культурой, организационной культурой и лидерством The GLOBE (Global Leadership and Organizational Behavior Effectiveness Research), Всемирный обзор ценностей (англ. World Values Survey, WVS), Национальный уровень 6HСD модели Хофстеде (Hofstede cultural dimensions National Culture level) [8–11] (Mikhnenko, 2017; Barrutia, Echebarria, 2021; Auzan, 2020).

Для данного исследования была выбрана 6HСD модель Хофстеде [9]. Методика Хофстеде – одна из первых количественных методик кросс­культурных сравнений. За период ее существования накоплен значительный массив результатов о связи между социальными характеристиками и макро- и микроэкономическими показателями. После ее признания многие ученые получили возможность математически доказать связи между экономическими трендами и особенностями менталитета, выявленные ими ранее.

Для анализа связей между экономическими показателями, культурными факторами и цифровым уровнем была выбрана база статистических данных стран ОЭСР [28], так как именно они являются драйверами информационного развития и представляют интерес для изучения. Полнота базы позволила провести корреляционный анализ между набором данных уровня удовлетворенности жизнью, набором данных уровня информационного и цифрового развития стран и макроэкономическими показателями деятельности стран, кроме того, массив стран ОЭСР были изучены Институтом Хофстеде в его исследованиях.

С использованием инструментов анализа данных (Orange Data Mining и Matlab) в работе был проведен корреляционный перекрестный анализ четырех наборов данных:

1. Набор данных макроэкономических показателей (MacroEconomics, шифр «ME»), включающий в себя ряд макроэкономических параметров, определяющих экономическое развитие стран, таких как:

- валовой национальный продукт, ВНП (Gross National Product, шифр «GNI»);

- валовой внутренний продукт, ВВП (Gross Domestic Product, GDP);

- численность населения страны, ЧНС (Countries People Population; Шифр «PPL»);

- ключевая процентная ставка, КПС, (Countries Key Rate, CKR);

- индекс потребительских цен, ИПЦ (Consumer Price Index, CPI);

- государственный бюджет как процент от ВВП, ГБП (Government Budget Rate, GBR);

- государственный долг как процент от ВВП, ГДП (Government Debt Rate, GDR).

2. Набор данных «Цифровая экономика» (Digital Economics), сокращенно «DE» – ряд показателей, определенных ОЭСР для оценки информационного развития стран – членов организации [27].

Таблица 1

Показатели цифрового развития базы стран ОЭСР

Группа
Показатели
Перевод
Описание
1 Connectivity
1a1 Fixed Broadband Coverage
1a1 Процент домохозяйств с полным покрытием
Группа показателей, определяющая доступность связи и ее качество в стране.
1b2 Mobile Broadband Take-Up
1b2 Использование мобильной широкополосной связи
1c1 Fixed (wired)-broadband speed; in Mbit/s
1c1 Скорость интернета в Mbit/s
2 Human Capital
2a1 At least basic skills (Word processing)
2a1 Базовые навыки (Обработка текста)
Группа показателей, определяющая уровень навыков владения информационными технологиями среди жителей страны.
2a2 Above basic (advanced spreadsheet skills)
2a2 Продвинутые навыки работы с электронными таблицами
2a3 At least basic software (coding)
2a3 Базовые навыки (программирование)
3 Use of Internet Services
3a1 Internet Users
3a1 Пользователи интернета
Группа показателей, определяющая интенсивность использования онлайн услуг и сервисов в стране.
3a2 Fixed broadband traffic (GB/mth/person)
3a2 Расход трафика в (GB/mth/person)
3b1 Video Calls
3b1 Видео звонки
3b2 Social Networks
3b2 Социальные сети
3c1 Banking
3c1 Банковские услуги
3c2 Shopping
3c2 Шоппинг
4 Integration of Digital Technology
4a1 Availability latest technologies
4a1 Доступность новейших технологий
Группа показателей, определяющая активность внедрения инновационных технологий в компаниях страны.
4a2 Firm-level technology absorption
4a2 Внедрение технологий на уровне фирмы
4b1 SMEs Selling Online
4b1 Онлайн продажи малого и среднего бизнеса
4b2 Secure Internet Servers per million people
4b2 Защищенные интернет-серверы на миллион человек
5 Digital Public Services
5a1 eGovernment Users
5a1 Пользователи онлайн государственных порталов
Группа показателей, определяющая насколько активно происходит взаимодействие общества с официальными властями в информационной среде.
5a2 Online Service Completion
5a2 Онлайн услуги
Источник: [27, 28].

3. Набор данных «Социальная экономика» (Social Economics), сокращенно «SE» – ряд показателей, определенных ОЭСР для оценки социально-экономического развития стран и уровня удовлетворенности жизнью населения [8] (Mikhnenko, 2017).

Таблица 2

Социально-экономические параметры базы стран ОЭСР

Наименование
Русскоязычное наименование
Описание в соответствии с Better Life Index стран OECD
Life Satisfaction
Удовлетворенность жизнью
Удовлетворенность жизнью измеряет то, как люди оценивают свою жизнь в целом, а не свои текущие чувства
Employment rate
Занятость населения
% трудоспособного населения в возрасте от 15 до 64 лет, имеющего оплачиваемую работу
Quality of support system
Общественная поддержка
Сильная социальная сеть или сообщество, которое может обеспечить эмоциональную поддержку, а также доступ к работе, услугам и другим материальным возможностям
Student skills
Навыки студентов
Программа ОЭСР по международной оценке учащихся (PISA) рассматривает степень, в которой учащиеся ближе к концу своего обязательного образования (обычно в возрасте около 15 лет) приобрели некоторые знания и навыки, необходимые для полноценного участия в жизни современного общества
Stakeholder engagement
Вовлечение заинтересованных сторон
Вовлечение заинтересованных сторон в разработку нормативных актов определяет, в какой степени исполнительная власть страны взаимодействует с заинтересованными сторонами при разработке основных законов и подзаконных актов
Air polution
Загрязнение воздуха
Степень загрязненности воздуха и эффекты, которые проблема оказывает на жизнь населения
Feeling safe walking alone at night
Ощущение безопасности во время прогулок ночью в одиночестве
Согласно последним данным, около 68% людей в странах ОЭСР говорят, что чувствуют себя в безопасности, гуляя ночью в одиночестве. Однако между странами существуют серьезные различия
Rooms per person
Количество комнат на одного человека
При рассмотрении вопроса о жилье важно изучить условия жизни, такие как среднее количество общих комнат на человека и наличие в жилых помещениях доступа к основным удобствам. В странах ОЭСР в среднем в доме на одного человека приходится 1,8 комнаты
Personal earnings
Уровень заработка
Заработок людей часто не ограничивается заработной платой. Этот показатель показывает общую сумму заработка человека с учетом дополнительного дохода
Источник: [27, 28].

4. Набор данных «Ценностные показатели» (Cultural Dimensions), сокращенно «HCD» – показатели 6CHD модели Хофстеде для стран ОЭСР соответственно [9].

Таблица 3

Культурные параметры Хофстеде (Hofstede's Cultural Dimensions)



Индекс дистанции власти
(Power Distance Index (PDI))
Индекс отражает меру менее влиятельных членов организаций и учреждений и то, как они принимают и ожидают, что власть распределяется неравномерно. Дистанция власти показывает, как общество справляется с неравенством между людьми. Страны, которые имеют высокую дистанцию власти, принимают иерархический порядок, в котором люди находятся на разных уровнях/местах, и нет никакого дальнейшего оправдания. Поэтому в обществе допускается неравенство в распределении власти и богатства. С другой стороны, страны с низким расстоянием поддерживают равенство и требуют обоснования неравенства в силе. В этих обществах равенство и возможности для всех очень сильно укрепляются
Индекс индивидуализма
Individualism (IDV)
Индекс отражает меру, в которой индивиды комфортно интегрируются в группы. Точка зрения общества на это измерение отражается в том, определяется ли самооценка людей в терминах «я» или «мы». Или точно так же это различие между индивидом над обществом и обществом над индивидом. В индивидуалистических странах существует высокая оценка времени людей, их потребности в независимости и личной жизни. С другой стороны, коллективистские страны больше поддерживают гармонию в обществе
Индекс ассертивности
Masculinity vs Femininity (ASR MAS/FEM)
Индекс отражает меру отношения к распределению ролей между полами, что является еще одним фундаментальным вопросом для любого общества, для которого найден целый ряд решений. Женственность – это сотрудничество, скромность, забота о слабых и качество жизни. Мужественность – это соперничество, достижения, героизм, напористость и материальное вознаграждение за успех. В деловом мире женственность и мужественность рассматриваются как «нежные или жесткие»
Индекс адаптивности и избегания неопределенности
Uncertainty Avoidance Index (UAI)
Индекс отражает меру терпимости общества к неопределенности и двусмысленности; в конечном счете он относится к поиску человеком истины. Страны с высоким уровнем избегания неопределенности имеют очень строгие правила веры и поведения, и они нетерпимы к идеям или поведению в противном случае. Страны с низким уровнем избегания неопределенности имеют более спокойное отношение
Индекс прагматизма
Long-Term Orientation (PRA LTO/WVS)
Индекс отражает меру ценности долгосрочной ориентации: бережливость и настойчивость; ценности, связанные с краткосрочной ориентацией: это уважение к традициям, выполнение социальных обязательств и защита своего «лица». В деловом мире долгосрочная ориентация и краткосрочная ориентация называются прагматическими и нормативными
Индекс индульгентности
Indulgence (IVR)
Индекс отражает меру допущения, в которой члены общества пытаются контролировать свои желания и импульсы. В то время как индульгентные (снисходительные) общества имеют тенденцию допускать относительно свободное удовлетворение основных и естественных человеческих желаний, связанных с наслаждением жизнью и получением удовольствия, сдержанные общества убеждены, что такое удовлетворение должно быть обуздано и регулироваться строгими нормами
Источник: [9].

Начальные данные, а также полные таблицы результатов анализа приведены в [8, 9, 27, 28] (Mikhnenko, 2017).

Результаты

Для начала рассмотрим важные внутренние корреляции внутри ME. Наблюдается прямая зависимость между GDP и PPL, а также GDP и GBR, из этого также следует наличие зависимости между количеством людей и бюджетом государства – это основные корреляционные зависимости в наборе данных (ME). Точные значения корреляции и средней доли ложных отклонений (False Discovery Rate) уточнены в таблице 4.

Таблица 4

Значимые корреляционные связи в наборе данных «ME»

Группа показателей 1
(Feature 1)
Группа показателей 2
Feature 2
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
GDP
GBR
0.93
5.40E-12
GDP
PPL
0.84
3.14E-07
GBR
PPL
0.781
9.95E-06
Источник: [28].

Рассмотрим самые важные зависимости в наборе данных SE. Самые высокие корреляции внутри набора данных между:

- личными заработками людей помимо их прямого дохода и чистой прибылью, которую они могут свободно распределять на какие-то собственные нужды;

- затем безопасность людей, а именно чувство безопасности во время ночных прогулок, напрямую зависит от уровня образованности людей;

- удовлетворенность жизнью зависит от качества системы поддержки человека.

Точные значения корреляции и False Discovery Rate уточнены в таблице 4. Связь между наборами данных SE и ME – обратная корреляция между CPI и образованностью населения. Точные значения корреляции и средней доли ложных отклонений уточнены в таблице 5.

Таблица 5

Корреляции внутри набора данных «SE»

Группа показателей 1
(Feature 1)
Группа показателей 2
Feature 2
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
Чистый располагаемый доход домохозяйства
Дополнительный доход
0.81
1.87E-06
Безопасное передвижение по ночным улицам (пешеходы)
Навыки студентов
0.755
2.99E-05
Удовлетворенность жизнью
Качество сети поддержки
0.729
7.95E-05
Источник: [8] (Mikhnenko, 2017).

Таблица 6

Корреляции между наборами данных «ME» и «SE»

Группа показателей 1
(Feature 1)
Группа показателей 2
Feature 2
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
CPI
Навыки студентов
-0,72
0.000103
Источник: [28, 8] (Mikhnenko, 2017).

Внутренние зависимости набора данных «DE» – положительные корреляции использования онлайн-банков и правительственных порталов, онлайн-торговли и количества людей, пользующихся интернетом, использования онлайн-банков и онлайн-шопинга, базовых информационных навыков и плотности покрытия, базовые навыки программирования и онлайн-продаж. Точные значения корреляции и средней доли ложных отклонений уточнены в таблице 7.

Таблица 7

Корреляции внутри набора данных «DE»

Группа показателей 1
(Feature 1)
Группа показателей 2
Feature 2
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
3c1 Банковские услуги
5a1 Пользователи онлайн государственных порталов
0.93
7.19E-12
3a1 Пользователи интернета
3c2 Шоппинг
0.92
1.99E-11
3c1 Банковские услуги
3c2 Шоппинг
0.85
2.70E-07
2a1 Базовые навыки (Обработка текста)
3c1 Банковские услуги
0.84
2.70E-07
2a1 Базовые навыки (Обработка текста)
3a2 Расход трафика в (GB/mth/person)
0.81
2.12E-06
1a1 Процент домохозяйств с полным покрытием
3c2 Шоппинг
0.81
2.14E-06
2a1 Базовые навыки (Обработка текста)
3c2 Шоппинг
0.803
2.94E-06
2a1 Базовые навыки (Обработка текста)
5a1 Пользователи онлайн государственных порталов
0.791
6.39E-06
2a3 Базовые навыки (программирование)
4b1 Онлайн продажи
0.774
1.39E-05
1a1 Процент домохозяйств с полным покрытием
4a1 Доступность новейших технологий
0.766
2.11E-05
Источник: [27].

Показатели DE связаны с показателями SE следующим образом: прямая связь между личными доходами и плотностью покрытия, удовлетворенности жизни и базовых информационных навыков, удовлетворенности жизнью и доступности онлайн-банкинга, удовлетворенности жизнью и онлайн-шопинга, доступности инновационных технологий и уровня образованности населения. Точные значения корреляции и средней доли ложных отклонений уточнены в таблице 8.

Таблица 8

Корреляции между наборами данных DE и SE

Группа показателей 1
(Feature 1)
Группа показателей 2
Feature 2
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
3a2 Расход трафика в (GB/mth/person)
Заработок
0.84
3.14E-07
2a1 Базовые навыки (Обработка текста)
Удовлетворенность жизнью
0.83
4.06E-07
3a2 Расход трафика в (GB/mth/person)
Удовлетворенность жизнью
0.765
2.13E-05
3c1 Банковские услуги
Удовлетворенность жизнью
0.75
3.16E-05
3c2 Шоппинг
Безопасное передвижение по ночным улицам (пешеходы)
0.75
3.16E-05
3a2 Расход трафика в (GB/mth/person)
Количество комнат на человека
0.739
5.09E-05
3c2 Шоппинг
Удовлетворенность жизнью
0.721
0.000102
4a1 Доступность новейших технологий
Навыки студентов
0.716
0.000112
Источник: [27, 8] (Mikhnenko, 2017).

Теперь, когда мы увидели, как друг на друга влияют экономические и социальные факторы и как они влияют на показатели цифрового развития, изучим влияние культурного аспекта на показатели цифрового развития и их роль в общей картине принятия информационных инноваций.

Из шести факторов модели Хофстеде на цифровые показатели существенно и статистически значимо влияют только четыре:

- индекс дистанции от власти (PDI);

- индекс индивидуализма (IND);

- индекс избегания неопределенности (UAI);

- индекс индульгентности (IVR).

Менее значительная корреляция наблюдается с индексом ориентации на будущее (PRA), индекс маскулинности культуры почти не коррелирует с факторами DE.

Обсудим влияние каждого из факторов 6HСD модели Хофстеде на информационное поле стран, входящих в ОЭСР.

Анализ данных показывает, что показатель расстояния от власти (PDI) отрицательно коррелирует с основными показателями информационного развития стран ОЭСР. Самые высокие показатели отрицательной корреляции с уровнем восприимчивости фирм к информационным технологиям, количеством интернет-пользователей в стране, доступности новейших технологий, базовых навыков работы с ПО, процентом использования банковских приложений, онлайн-шопингом, пользователями электронных систем правительства.

Таблица 9

Корреляция между набором данных DE и параметром «расстояние от власти» (PDI) 6D модели Хофстеде

Группа показателей информационного развития, DE
(Feature 1)
Показатель, 6HCD
(Feature 2)
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
4a2 Внедрение технологий на уровне фирмы
PDI
-0.686
4.14E-05
2a1 Базовые навыки (обработка текста)
PDI
-0.662
6.37E-05
3a2 Расход трафика в (GB/mth/person)
PDI
-0.636
0.000130991
3a1 Пользователи интернета
PDI
-0.617
0.000139082
4a1 Доступность новейших технологий
PDI
-0.596
0.000247128
2a3 Базовые навыки (программирование)
PDI
-0.594
0.000247128
3c1 Банковские услуги
PDI
-0.557
0.000715391
3c2 Шопинг
PDI
-0.555
0.000715391
5a1Пользователи онлайн государственных порталов
PDI
-0.516
0.00202791
2a2 Продвинутые навыки работы с электронными таблицами
PDI
-0.512
0.00205751
4b2 Защищенные интернет-серверы на миллион человек
PDI
-0.47
0.00537677
1c1 Скорость интернета в Мбит/с
PDI
-0.469
0.00537677
4b1 Онлайн-продажи малого и среднего бизнеса
PDI
-0.464
0.00540312
3b2 Социальные сети
PDI
-0.463
0.00540312
1a1Процент домохозяйств с полным покрытием
PDI
-0.45
0.006847
1b2 Использование мобильной широкополосной связи
PDI
-0.364
0.0363903
5a2 Онлайн-услуги
PDI
-0.359
0.0379668
Источник: [9, 27].

Показатель индивидуализма, наоборот, положительно влияет на целый ряд важных показателей цифровизации, таких как восприимчивость фирм к информационным технологиям, количество интернет-пользователей в стране, онлайн-шопинг, онлайн-банкинг, базовые навыки работы с ПО, скорость интернета, использование государственных онлайн-порталов, то есть большинства параметров, которые отрицательно коррелируют с расстоянием от власти.

Таблица 10

Корреляция между набором данных DE и параметром индивидуальность (IND) 6HCD модели Хофстеде

Группа показателей информационного развития, DE
(Feature 1)
Показатель, 6HCD
(Feature 2)
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
3c2 Шопинг
IND
0.678
6.18E-05
3a1 Пользователи интернета
IND
0.656
8.53E-05
4a2 Внедрение технологий на уровне фирмы
IND
0.618
0.000149804
3c1 Банковские услуги
IND
0.617
0.000149804
1a1 Процент домохозяйств с полным покрытием
IND
0.595
0.000267544
2a1 Базовые навыки (Обработка текста)
IND
0.544
0.00124577
3a2 Расход трафика в (GB/mth/person)
IND
0.532
0.00158011
5a1 Пользователи онлайн государственных порталов
IND
0.522
0.00187921
4a1 Доступность новейших технологий
IND
0.471
0.00656107
4b2 Защищенные интернет-серверы на миллион человек
IND
0.411
0.0225855
3b2 Социальные сети
IND
0.388
0.0327958
1c1 Скорость интернета в Мбит/с
IND
0.366
0.0453609
Источник: [9, 27].

Показатель избегания неопределенности оказывает высокое отрицательное влияние на показатели: базовые навыки работы с ПО, процент использования банковских приложений, онлайн-шопинг, количество пользователей электронных систем правительства, уровень восприимчивости фирм к информационным технологиям, количество интернет-пользователей в стране, количество пользователей социальных сетей в стране, онлайн-продаж, фиксированного трафика.

Таблица 11

Корреляция между набором данных DE и параметром «избегание неопределенности» (UAI) 6HCD модели Хофстеде

Группа показателей информационного развития, DE
(Feature 1)
Показатель, 6HCD
(Feature 2)
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
2a1 Базовые навыки (обработка текста)
UAI
-0.656
0.000103314
3c1 Банковские услуги
UAI
-0.645
0.000103314
5a1 Пользователи онлайн государственных порталов
UAI
-0.642
0.000103314
3c2 Шопинг
UAI
-0.608
0.000176531
3a1 Пользователи интернета
UAI
-0.607
0.000176531
4a2 Внедрение технологий на уровне фирмы
UAI
-0.59
0.000276942
2a3 Базовые навыки (программирования)
UAI
-0.582
0.000326201
3b2 Социальные сети
UAI
-0.552
0.000790802
4b1 Онлайн-продажи малого и среднего бизнеса
UAI
-0.522
0.00158999
3a2 Расход трафика в (GB/mth/person)
UAI
-0.522
0.00158999
4b2 Защищенные интернет-серверы на миллион человек
UAI
-0.471
0.00532525
4a1 Доступность новейших технологий
UAI90
-0.469
0.00532525
2a2 Продвинутые навыки работы с электронными таблицами
UAI
-0.463
0.00585429
3b1 Видеозвонки
UAI
-0.402
0.0186016
1a1 Процент домохозяйств с полным покрытием
UAI
-0.4
0.0186016
1c1 Скорость интернета в Мбит/с
UAI
-0.389
0.0220832
1b2 Использование мобильной широкополосной связи
UAI
-0.384
0.0227636
5a2 Онлайн-услуги
UAI
-0.366
0.0303869
Источник: [9, 27].

Показатель индульгентности положительно коррелирует со многими показателями информационного развития, например, базовыми навыками ИТ, фиксированным покрытием, исполнением онлайн-услуг и онлайн-продажами.

Таблица 12

Корреляция между набором данных DE и параметром индульгентности (IVR) 6HCD модели Хофстеде

Группа показателей информационного развития, DE
(Feature 1)
Показатель, 6HCD
(Feature 2)
Коэффициент корреляции Пирсона
(Correlation Index)
Средняя доля ложных отклонений (False Discovery Rate; FDR)
2a3 Базовые навыки (программирования)
IVR
0.579
0.00323499
3a2 Расход трафика в (GB/mth/person)
IVR
0.502
0.0109629
2a1 Базовые навыки (обработка текста)
IVR
0.482
0.0134196
5a2 Онлайн-услуги
IVR
0.474
0.0134196
2a2 Продвинутые навыки работы с электронными таблицами
IVR
0.452
0.0187011
4b1 Онлайн-продажи малого и среднего бизнеса
IVR
0.423
0.0276534
Источник: [9, 27].

Показатели мужественности (MAS) и ориентации на будущее (PRA) не показали значительную корреляцию с параметрами DE.

Обсуждение

Сравнительно высокая прямая зависимость между количеством людей, обладающих навыками использования ИТ, и четырьмя параметрами модели Хофстеде, а также действительно высокие проценты населения, которые обладают этими навыками, говорят нам о реальном влиянии индустрии 4.0 на поведенческие установки людей в странах ОЭСР, они серьезно нацелены на развитие цифровых технологий и цифровых бизнес-конфигураций.

С одной стороны, из-за высокого показателя индульгентности люди постоянно стремятся к комфорту, соответственно, хорошее покрытие интернета, необходимое для комфортной работы, знания информационных систем, использование онлайн-услуг – это часть стратегии по получению максимума удовлетворения от жизни.

С другой стороны, большую часть ХХ века люди считали разовое получение высшего образования необходимым и достаточным фактором успеха, который позволит им не нуждаться всю оставшуюся жизнь и занять высокое положение в обществе. Это ощущение возникает у многих специалистов и сегодня, немногие идут получать образование, чтобы развиваться и развивать свою отрасль и компании, в которых они работают [3, 4] (Abrahamse, Steg, 2009; Gupta, 2019).

От похожих параметров зависит удовлетворенность жизнью людей. Сегодня очень важны доступ к интернету, хорошее покрытие, чтобы иметь быстрый доступ к онлайн-шопингу и банкингу, что говорит в пользу экосистем, которые часто предоставляют шопинг и финансовые услуги бесшовно. Также многие нашли отличные способы ведения своего дела и подработки в интернете, и здесь преимущество экосистем снова значительное. Организация сред для шеринговой экономики быстро набирает популярность и приводит дополнительных пользователей в глобальную экосистему. Интересная связь уровня образования и доступности новейших технологий показывает, что сегодня важно, чтобы образование было наиболее современным и с использованием как можно большего количества инноваций. Сегодня многие компании включают в свои сильные стороны образовательные платформы, корпоративные университеты, расширенные открытые системы знаний, все это должно способствовать развитию молодых перспективных специалистов [14].

Индекс избегания неопределенности описывает тревогу у сотрудников перед изменениями: новыми бизнес-моделями, процессами, системами и структурами, так как в большинстве культур есть страх катастрофически ошибиться, не разобраться в новейших подходах или что на это уйдет много усилий. Это естественным образом отдаляет компании от построения таких передовых структур, как экосистемы, в которых все процессы прозрачны и должны быть хорошо отлажены, и при этом оставаться гибкими [6] (Bukowski, Rudnicki, 2018).

Данные показывают, что высокое расстояние от власти заметно замедляет процесс внедрения инновационных технологий в стране, причем как в бизнес-сегменте, так и в жизни людей. Это может объясняться тем, что люди не чувствуют своей принадлежности к компании и ответственности за ее успехи и неудачи, связь между рядовым сотрудником и управляющим нарушается, и идеи не доходят до людей, принимающих решения. Это не позволяет людям стремиться к большему. Экосистемы способны демонстрировать людям их влияние на общие процессы и сокращать расстояние между любыми двумя звеньями, но экосистемы, которые строятся в обществах с высоким показателем расстояния от власти, не отвечают всем принципам экосистем [17] (Shiboldenkov, Nesterova, 2019).

В то время как положительное влияние индивидуализма на развитие информационных технологий объясняется желанием индивидов в обществе с высоким IND расти и развиваться во всех направлениях для улучшения своих перспектив и качества жизни. Причем это затрагивает как развитие частных лиц, так и предприятий. Именно поэтому в странах с культурой индивидуализма развитие интересных и новых идей происходит очень быстро, часть идей срабатывает и адаптируется многими компаниями, а другая неперспективная часть быстро сворачивается для того, чтобы дать место еще более инновационным возможностям.

Ожидалось, что параметр PRA будет положительно влиять на адаптацию информационных технологий в развитых странах, но цифры показывают, что этот фактор оказывает лишь незначительное влияние на процессы цифровизации. Предположительно это может объясняться относительной новизной внедряемых инноваций и неопределенностью, связанной с их будущим влиянием на экономику и социальную сферу. В странах с высокой ориентацией на будущее преобладает консервативное мышление, и как следствие, технологические новшества воспринимаются хуже, например, в выборе работы люди скорее отдают предпочтения старым проверенным профессиям, из-за чего общий уровень информационной грамотности в стране может быть низким.

Возможная причина незначительной корреляции DE и показателя мужественности – незначительная разница роли женщины и мужчины в адаптации к информационным технологиям. Вторая возможная причина – это то, что в цифровизации, и особенно это прослеживается в таких глобальных проектах, как построение экосистемы, важны обе стороны этого параметра –сотрудничество и качество вместе с напористостью и стремлением к успеху.

В 2020 году McKinsey опубликовал топ-7 самых прибыльных компаний-экосистем. 5 из них – американские компании (Apple, Microsoft, Amazon, Alphabet, Facebook). Для США наиболее характерны высокие показатели индивидуализма и индульгентности, которые положительно влияют на процессы развития идей и адаптации инноваций и объясняют капиталистический подход к построению экосистем. В то время как ее показатели расстояния от власти и избегания неопределенности ниже среднего и не становятся серьезными барьерами на пути развития [13, 1, 15] (Violet Chung, Miklós Dietz, Istvan Rab, Zac Townsend, 2020; Acemoglu, Robinson, 2012; Benhabib, Perla, Tonetti, 2016).

Страны Евросоюза, в частности Германия, Швейцария, Швеция, Нидерланды, Франция и Великобритания – передовые страны в направлениях зеленой энергетики, устойчивого развития и ESG. Основные бизнес-модели, которые активно добавляют в свои архитектуры компании в Европе, – аренда вместо покупки, переработки (trash to cash), лицензирование, взаимодействия физических лиц (P2P) [16] (Shiboldenkov, Nesterova, 2020). Немцы были первыми, кто стал использовать модель подписки (абонементного платежа), которая стала популярной по всему миру и во многих отраслях. Для группы европейских стран (для удобства отображены две – Франция и Германия) характерны менее выраженный индивидуализм, хотя значения обычно расположены выше среднего, высокие показатели избегания неопределенности и среднее расстояние от власти. Эти показатели вместе создают положительную среду для развития социального подхода к построению экосистем для поддержки друг друга и взаимовыгодного сотрудничества [7] (Cox, Khan, 2017).

После проведения данного исследования в работе предлагаются рекомендации для бизнеса при адаптации к цифровым технологиям:

1. Компаниям стоит начать фокусироваться на правильных стимулах для себя и поведенческих установках своих сотрудников, чтобы ускорить процессы цифровизации [14].

2. Небольшие последовательные изменения ключевых процессов помогут привить новые традиции клиентам и пользователям.

3. Адаптация иностранных бизнес-моделей, в том числе концепций экосистем, должна включать адаптацию к социокультурным факторам региона и национальному менталитету.

4. Каждая трансформация уникальна, и чтобы получить максимальную прибыль, нужно отталкиваться от тех возможностей, которые в итоге будут получать все без исключения участники экосистемы.

Экономика работает для людей. Люди и культура – неотъемлемые части и целевые пользователи экосистемы. Стратегия любой цифровой трансформации должна учитывать процессы AS IS и полагаться на технологии, знания и человеческий капитал, двигаясь к модели TO BE.


Источники:

1. Acemoglu D., Robinson J. A. Why nations fail: The origins of power, prosperity, and poverty. - Currency, 2012. – 529 p.
2. Bisin Alberto, Verdier Thierry On the joint evolution of culture and institutions. NBER working paper 23375. [Электронный ресурс]. URL: www.nber.org/papers/w23375 (дата обращения: 21.07.2022).
3. Abrahamse W., Steg L. How do socio-demographic and psychological factors relate to households' direct and indirect energy use and savings? // J. Econ. Psychol. – 2009. – № 30. – p. 711–720.
4. Gupta M. The effects of national cultural values on individuals' intention to participate in peer-to-peer sharing economy // Journal of Business Research. – 2019. – p. 20-29.
5. Smith P.B. Nations, Cultures and Individuals: New Perspectives on Old Dilemmas // Journal of Cross-Cultural Psychology. – 2004. – № 35. – p. 6–12.
6. Bukowski A., Rudnicki S. Not only individualism: The effects of long-term orientation and other cultural variables on national innovation success // Cross-Cultural Research. – 2018. – № 2. – p. 119—162.
7. Cox P. L., Khan R. H. Country culture and national innovation // Archives of Business Research. – 2017. – № 2. – p. 85—101.
8. Михненко П. А. Модели и методы стратегического анализа структурно-культурных свойств организации. - М.: Университет «Синергия, 2017. – 264 c.
9. Hofstede Insights. Available from. [Электронный ресурс]. URL: https://hi.hofstede-insights.com/national-culture (дата обращения: 21.07.2022).
10. Barrutia J. M., Echebarria C. Effect of the COVID-19 pandemic on public managers’ attitudes toward digital transformation // Technology in Society. – 2021. – p. 101776.
11. Аузан А. А. Социокультурные факторы в экономике: пройденные рубежи и актуальная повестка // Вопросы экономики. – 2020. – № 7. – c. 75-91.
12. Линьан Франциско Национальная культура, предпринимательство и экономическое развитие: различные модели в Европейском Союзе // Экономика малого бизнеса. – 2014. – № 42 (4). – c. 685–701.
13. Violet Chung, Miklós Dietz, Istvan Rab, Zac Townsend. Ecosystem 2.0: Climbing to the next level. Available from. [Электронный ресурс]. URL: https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/ecosystem-2-point-0-climbing-to-the-next-level // McKinsey Review (дата обращения: 21.07.2022).
14. Мясоедов, С. П., & Борисова, Л. Г. (2020). Кросс-культурный менеджмент
15. Benhabib J., Perla J., Tonetti C. The growth dynamics of innovation, diffusion, and the technology frontier. - Report, New York University, 2016. – 1057 p.
16. Шиболденков В., Нестерова Е. Применение смарт-технологий в управлении жизненным циклом продукции в современных производственных системах // Девятые Чарновские чтения: Девятые Чарновские чтения. 2020. – c. 173-180.
17. Шиболденков В. А., Нестерова Е. С. Концепция менеджмента идей как инструмент управления командой проекта // Управление научно-техническими проектами. 2019. – c. 404-407.
18. Drogovoz P. Exploratory data analysis of national indicators referred to scientific and technological development and to economic growth // AIP Conference Proceedings. AIP Publishing LLC. – 2019. – № 1. – p. 080003.
19. Кашеварова Н., Шиболденков В. Развитие производственных экосистем и платформ в условиях цифровой трансформации промышленности // Девятые Чарновские чтения. 2020. – c. 71-80.
20. Nachira F., Dini P., Nicolai A. A network of digital business ecosystems for Europe: roots, processes and perspectives // European Commission, Bruxelles, Introductory Paper. – 2007.
21. Li W., Badr Y., Biennier F. Digital ecosystems: challenges and prospects // Proceedings of the international conference on management of Emergent Digital EcoSystems. 2012. – p. 117-122.
22. Галкин Н.А., Дроговоз П.А. Трансформация наукоемких отраслей экономики в цифровые экосистемы // Будущее машиностроения России (Москва, 22-25 сен. 2020 г.): Cб. докладов XXIII всеросс. науч. конференции молодых ученых и специалистов (с междунар. участием): в 2 т. Т. 2 / Союз машиностроителей России, Московский государственный университет имени Н.Э. Баумана (национальный исследовательский университет). М.: Изд-во МГТУ им. Н.Э. Баумана. 2020. – c. 289-295.
23. P.A. Drogovoz, N.A. Kashevarova, V.A. Dadonov, T.G. Sadovskaya and M.K. Trusevich, “Industry 4.0 in Russia: Digital Transformation of Economic Sectors,” in Industry 4.0 in SMEs Across the Globe: Drivers, Barriers, and Opportunities, edited by J.M. Müller, N. Kazantsev (CRC Press, Boca Raton, 2021), pp. 195-211; https://doi.org/10.1201/9781003165880-15
24. Кашеварова Н.А., Панова Д.А. Анализ современной практики применения технологии искусственного интеллекта в финансовой сфере и его влияния на трансформацию финансовой экосистемы // Креативная экономика. – 2020. – № 8. – c. 1565-1580 . – doi: 10.18334/ce.14.8.110708.
25. Юсуфова О.М., Шиболденков В.А., Андреева А.А. Анализ технологий цифровой логистики для автоматизации и сервисной интеграции складских процессов организации // Вопросы инновационной экономики. – 2020. – № 3. – c. 1759-1772. – doi: 10.18334/vinec.10.3.110285.
26. Юсуфова О.М., Шиболденков В.А., Пономарёва Е.И. Анализ технологий управления производственными потребностями сложной системы в условиях неопределенности // Креативная экономика. – 2020. – № 5. – c. 847-868. – doi: 10.18334/ce.14.5.100961.
27. Digital Economy and Society Index Available from. [Электронный ресурс]. URL: https://digital-agenda-data.eu/datasets/desi (дата обращения: 21.07.2022).
28. OECD Data Available from. [Электронный ресурс]. URL: https://data.oecd.org/ (дата обращения: 21.07.2022).
29. Дроговоз П. А. Применение самоорганизующихся нейросетевых карт для кросс-культурного анализа // Научные исследования и разработки. Современная коммуникативистика. – 2017. – № 2. – c. 8-15.
30. Дроговоз П. А. Нейросетевой анализ влияния социокультурных факторов на инновационную активность государства // Научные исследования и разработки. Социально-гуманитарные исследования и технологии. – 2017. – № 2. – c. 72-81.

Страница обновлена: 07.11.2024 в 15:53:02