Региональная инновационная экосистема: оценка эффективности функционирования в условиях цифровизации

Введение

Цифровая трансформация последних десятилетий, энергично поддерживаемая правительствами во многих странах мира, обусловливает развитие экосистем, в том числе в инновационной сфере, находящейся в авангарде научно-технического прогресса и создающей условия для инклюзивного экономического роста. Экосистемный подход в соединении с теориями открытых инноваций, инновационных систем [1], кластерным подходом формирует теоретико-методологическую базу исследования национальных и региональных инновационных экосистем. За последние 15 лет концепция инновационных экосистем активно популяризировалась в связи с ростом количества посвященной данной теме литературы, посвященной поиску факторов бизнес-эффективности как на микро-, так и на макроуровне. Развитие инновационных экосистем на современном этапе необходимо рассматривать через призму цифровизации, платформенного и сетевого взаимодействия участников. Отмечаемые в литературе невысокая эластичность валового внутреннего продукта, темпов роста экономики по государственным ассигнованиям на научно-исследовательские и опытно-конструкторские разработки (НИОКР) [2], недостаточная отдача от инвестиций в инновационную деятельность [3] определяют интенсивные поиски организационно-экономических решений в области оптимизации связей и моделей взаимодействий, повышения эффективности механизма финансирования, что обусловливает обращение к теме региональных инновационных экосистем (РИЭ). Несмотря на довольно высокий уровень разработанности проблемы в научных источниках (например: [4 - 8]), требуют уточнения концептуальные основы оценки эффективности работы РИЭ с учетом фактора цифровой трансформации и региональных различий в скорости осуществления этого процесса в нашей стране.

Цель исследования заключается в обобщении и уточнении теоретических и методических основ оценки эффективности функционирования региональных инновационных экосистем.

Задачи: раскрыть теоретические основы исследования РИЭ; обобщить методические основы и разработать интегральный подход к оценке эффективности функционирования РИЭ с учетом фактора цифровизации; провести эмпирический анализ данных и расчет интегрального индекса.

Гипотеза исследования состоит в том, что оценку эффективности функционирования РИЭ и сравнение регионов возможно провести с помощью показателя, формирующегося посредством интеграции трех составляющих –уровней развития региональной инновационной системы и цифровой трансформации, а также эффекта кластеризации. Введение в методику индекса цифровизации способствует ее модернизации с учетом современных тенденций глобального развития.

Научная новизна исследования заключается в концептуальном обосновании функционирования РИЭ в условиях цифровизации, обобщении имеющихся подходов и формировании интегрального индекса эффективности функционирования РИЭ.

Теоретические основы исследования региональных инновационных экосистем

Значительно возросший в последние годы интерес к концепции экосистемы связан с поиском новых форм осмысления изменяющейся под действием цифровых технологий конкурентной среды. Цифровая трансформация сопровождается формированием гибких производственных сетей и апеллирует к новым формам сотрудничества между всеми участниками национальных инновационных систем. Определения инновационной экосистемы разнообразны в деталях, но едины в трактовке коллективного характера в качестве идентифицирующего признака: участники инновационных экосистем зависят друг от друга в процессе создания стоимости в связи с объединением компетенций, совместным использованием ресурсов и перераспределения рисков [5]. Их сотрудничество осуществляется посредством интерактивных сетей, выполнения различных ролей и функций в совместном создании новых ценностей и совместном взаимозависимом развитии [6, с.629]. В статье Гранстранда У. и Хольгерссона М., содержащей подробный обзор зарубежной литературы по исследуемой проблематике, инновационная экосистема определяется как совокупность акторов, видов деятельности, норм и институтов, а также опосредующих их отношений, складывающихся в процессе инновационной деятельности [7, с.3].

В отечественной литературе инновационная экосистема также рассматривается как некая «организационная целостность» и среда инновационной деятельности на современном этапе экономического развития с характерной для него «сегментацией по кластерно-сетевым структурам» [4, c. 1895].

В работе М.А. Боровской и соавторов доказывается, что детерминантой эффективности региональных кластеров является учет региональной специализации при их формировании [9]. Реализация сравнительных преимуществ регионов посредством кластеризации позволяет не только экономить финансовые ресурсы и эффективнее проводить региональную промышленную политику, но позволяет компаниям, испытывающим нехватку знаний в высококонкурентной инновационной среде, компенсировать ее за счет сетевого сотрудничества. Эффекты, получаемые регионом от кластерной организации, связаны с доступом к специализированным трудовым ресурсам, связям и знаниям [9, с.4], что делает кластеры структурными компонентами РИЭ. Начиная с М. Портера, территориальные кластеры трактуются не только как агломерации компаний, локализованные на определенной территории, связанных сетями партнерства с другими компаниями, но как динамически развивающиеся образования, генерирующие сетевые эффекты, выражающие в приросте факторной производительности в условиях непрерывных инноваций [10].

В условиях цифровизации участники инновационных кластеров осуществляют интерактивное взаимодействия в сетевой среде, обеспечивая конкурентоспособность региона и ускоряя региональный экономический рост.

В литературе подчеркивается смещение концептуальной направленности исследований с сетей на экосистемы, приводящей к «росту связности, взаимозависимости и совместной эволюции субъектов, технологий и институтов» [11].

Под экосистемой будем понимать среду сетевого взаимодействия, с помощью которой распространяются коллективно создаваемые инновации горизонтально связанных, но независимых участников. Важной особенностью экосистем является их способность к самоорганизации и саморазвитию. Генезис инновационной экосистемы подразумевает переход от регулирования с помощью внешних рычагов воздействия, характерных для управления инновационными системами, к механизму внутреннего саморегулирования. Это способствует лучшей адаптации к внешним колебаниям и индуцирует внутренние импульсы к трансформации.

Инновационная экосистема формируется в условиях открытых инноваций и горизонтального взаимодействия участников сначала на локальной территории (инновационная система), затем выходя за ее пределы. Локальной территорией и триггером инноваций на современном этапе научно-технического развития может выступать технопарк, университет, инкубатор бизнес-идей. Для трансформации кластера в региональную экосистему необходимы развитая сетевая среда горизонтальных коммуникаций участников. В работах Н.В. Смородинской показана преемственность кластерной организации и успешного функционирования региональной инновационной экосистемы [12]. Этапы генезиса инновационной экосистемы представлены на схеме (рис.1).

Рис.1 Эволюция инноваций

Источник: составлено автором по материалам [12], [13]

Региональная инновационная экосистема входит в состав национальной инновационной экосистемы. Являясь инструментом поддержания конкурентоспособности региона, РИЭ соединяет в себе несколько ролей: заказчика, потребителя, производителя инновационных продуктов и услуг, и работает на обеспечение достойного уровня жизни населения региона [14]. РИЭ можно определить как сеть организаций, предприятий и отдельных лиц, которые объединяются для содействия инновациям и стимулирования экономического роста в определенной географической области.

Методические основы оценки эффективности функционирования региональной инновационной экосистемы

Как показано выше, РИЭ эволюционируют из региональных инновационных систем (РИС). Изучению последней посвящено множество работ зарубежных авторов, опубликованных в период с 1992 г. (например: [15; 16]) по 2011 г. (например: [17]), поскольку РИС представляет собой один из центральных объектов региональной экономической политики стран-участниц Европейского Союза [18]. Методика оценки эффективности функционирования региональных инновационных экосистем (РИЭ) трансформировалась в последние десятилетия по мере актуализации, появления новых факторов инклюзивного экономического роста: глобальный коэффициент развития информационно-компьютерных технологий сменялся индексом экономики знаний, а затем инновационного развития. В настоящее время наиболее востребованным с точки зрения выявления детерминант и характеристик экономического роста представляется индекс цифровизации. Поскольку предметом оценки является результативность функционирования региональной инновационной экосистемы, постольку в методике целесообразно интегрировать три подхода: 1) оценку уровня инновационного развития региона; 2) оценку уровня цифровой трансформации; 3) оценку уровня кластеризации.

Инновационное развитие оценивается по ряду показателей, учитывающих как факторы, условия, так и эффекты инновационной деятельности. Официально признанной является методика Международной организации интеллектуальной собственности (World Intellectual Property Organization), по которой рассчитывается глобальный инновационный индекс (ГИИ) [19]. ГИИ представляет собой среднюю величину из двух субиндексов, учитывающих, с одной стороны, ресурсы для создания инноваций (институты, человеческий капитал, степень развития науки, бизнеса, инфраструктуры), с другой стороны, − результаты инновационной деятельности (технологическое развитие, экономика знаний, креативныe индустрии).

Национальным исследовательским университетом «Высшая школа экономики» (НИУ ВШЭ) для сравнения уровня инновационности регионов рассчитывается рейтинг инновационного развития субъектов Российской Федерации, формирующийся на базе оценки «социально-экономических условий инновационной деятельности, научно-технического потенциала, инновационной деятельности, экспортной активности, качества инновационной политики, проводимой регионом» [20]. Подробнее методики оценки инновационного развития регионов рассмотрены в работе А.А. Митус и соавторов [21]. Н.Е. Егоров, Н.В. Васильева дополняют методику НИУ ВШЭ эффектом кооперации акторов (участников РИС) и предлагают эконометрическую модель «тройной спирали» [22].

В литературе также представлены и апробированы методики оценки эффективности РИС. Например, у И. Е. Рисина, Ю. И. Трещевского, В. Н. Эйтингона общий эффект управления РИС определяется как среднее арифметическое соотношений фактического и максимального значения основных статистически значимых характеристик инновационной активности регионов: «числа организаций, выполнявших исследования и разработки (единиц); численности занятых в исследованиях и разработках (чел.); внутренних затрат на исследования и разработки (млн руб.); затрат на технологические инновации (млн руб.); числа созданных передовых производственных технологий (единиц); количества использованных передовых производственных технологий (единиц); числа патентов на изобретения и полезныe модели (единиц); доли инновационнoй продукции, работ, услуг (%)» [23] .

Ассоциацией инновационных регионов России опубликована и апробирована SMART-методика, цель которой заключается в целеполагании и оптимизации мероприятий антикризисного регионального регулирования. Показатели для оценки распределены по блокам: «научное лидерство» (S - science policy); «медиаактивность» (M – media); «антикризисная поддержка малого и среднего бизнеса» (A – anti-crisis policy); «устойчивость развития» (R – regional policy); «технологическая (инновационная) политика» (T – technological policy), включая элемент «Кадры для новой экономики» [24].

О.В. Рыжкова, В.В. Бородкина предлагают оценивать успешность деятельности инновационной экосистемы по группам показателей, зависящих от условий (численность субъектов инновационной деятельности, уровень инновационной активности) и результатов ее функционирования (количество создаваемых инновационных продуктов, уровень их коммерциализации) [25, c.148-149].

Результативность РИЭ определяется теми внешними экономическими эффектами, которым способствует взаимодействие в сетевой инновационной среде и которые регион получает «на выходе», например, в форме роста числа новых стартапов, доходов венчурных фондов и компаний, повышения инновационной активности, числа используемых инновационных технологий или созданных инновационных продуктов (услуг) [26].

В исследовании В.Л. Бабурина и С.П. Земцова при эмпирической оценке производственной функции «затраты-выпуск» инновационной деятельности обнаруживаются слабая взаимосвязь на макро- и микроуровне, но довольно сильная – на мезоуровне (региона, отрасли, местного сообщества) [27]. Авторы объясняют это эффектом кластеризации (локализации), обусловленным кооперацией и синергией деятельности предприятий в условиях отраслевой специализации и локализации на отдельной территории, а также эффектом урбанизации, связанным с экономией на фоне концентрации и диверсификации деятельности.

Продуктивной и признанной в научном сообществе методикой для выявления эффектов кластеризации можно считать индекс локализации, разработанный М. Портером, адаптированный Европейской кластерной обсерваторией и представляющим собой обобщенную характеристику конкурентоспособности и инвестиционной привлекательности региона. Индекс локализации позволяет выявить кластерные группы по соотношению коэффициентов «фокуса» и «размера», рассчитанных для отраслей региональной и национальной экономики и сравниваемых с нормативными значениями [8].

В качестве основного показателя оценки результативности функционирования региональной инновационной экосистемы (РИЭ) используется ее «способность генерировать прибыльные высокотехнологичные проекты – ... общее число и характеристика проинвестированных инновационных проектов, находящихся на разных стадиях жизненного цикла» [28, с.1325]. А. В. Бабикова, Т.В. Федосова считают возможным оценивать эффективность РИЭ по своеобразному коэффициенту полезного действия – удельному весу реализуемых (финансируемых из различных источников) инновационных проектов в общем числе проектов, поступивших на рассмотрение инвесторам (заявки на конкурсное финансирование, заявки в венчурные фонды, на займы и т.д.) [28, с.1327].

Новый импульс развитию РИЭ придает цифровая трансформация. Методические основы оценки уровня цифровизации подробно рассмотрены в литературе. В частности, в работе Р.Т. Бурганова агрегированный индекс цифровой трансформации региона определяется суммированием субиндексов нормативно-правового регулирования, использования цифровых данных, цифровых сетей и развития информационно-коммуникационных технологий, с учетом весовых коэффициентов [29].

Собственные методики расчета используют Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации [30], Московская школа управления «Сколково» [31] и т.д.

В подходе к оценке эффективности функционирования РИЭ целесообразно учитывать как показатель инновационного развития региона, так и уровень цифровизации, что возможно при расчете геометрической средней (1).

ИИЭ_РИЭ = (1),

где ИИЭ_РИЭ – интегральный индекс эффективности региональной инновационной экосистемы, ИРИР - индекс регионального инновационного развития, ИЦ - индекс цифровизации.

Наличие эффектов кластеризации (локализации) проверяется с помощью метода стандартного корреляционного анализа в Microsoft Excell.

Учет синергетического эффекта влияния РИЭ на темпы регионального развития, качество жизни населения региона апеллирует к включению в оценку числа получаемых на выходе стартапов, инвестиций в инновации, развитие науки, повышение качества человеческого капитала и оценку приращения знаний, что на современном этапе статистического анализа не представляется возможным.

Результаты эмпирического исследования

При оценке использовался российский региональный инновационный индекс (методика НИУ ВШЭ) [20, с.25] и индекс цифровизации субъектов Российской Федерации (методика Московской школы управления «Сколково» - [31]), величины которых есть в открытом доступе и относятся к одному временному периоду (рис.2).

Рис.2 – Индекс эффективности РИЭ (выборочно по регионам).

Источник: расчеты автора

Ранжирование регионов по величине интегрального индекса эффективности региональных инновационных экосистем (ИИЭ_РИЭ) позволило выявить регионы-лидеры (наибольший индекс) и регионы-аутсайдеры (наименьший индекс). На первом мете рейтинга – г. Москва, ИИЭ_РИЭ = 64,3636, на последнем месте - Чукотский автономный округ, ИИЭ_РИЭ = 22,48 (табл. 1).

Таблица 1 – Рейтинг эффективности региональных инновационных экосистем

Источник: расчеты автора по исходным данным [20, с.25], [31]

Коэффициент кластеризации (локализации) рассчитывался по методике [9, c. 5]. Распределение регионов-лидеров, имеющих наиболее высокий интегральный индекс эффективности РИЭ, по отраслевым кластерам представлено в таблице (табл.1). Регионы 1-й кластерной группы: коэффициент отраслевой кластеризации (LQ) ≥ 1,25 (выделено красным цветом); 2-й кластерной группы – от 0,8 до 1,25 (выделено желтым цветом); 3-й кластерной группы – от 0,5 до 0,8 (выделено зеленым цветом).

Регионы 1-й кластерной группы обладают высоким уровнем отраслевой концентрации по виду деятельности, обеспечивающим устойчивые конкурентные преимущества региону, достойное качество жизни и уровень занятости. Регионы 2-й кластерной группы отличаются наличием потенциальных возможностей для развития сетевых взаимодействий и создания кластерных синергетических эффектов. В 3-ю кластерную группу входят регионы, не обладающие достаточным потенциалом кластеризации, но создающими условия для достижения кластерных эффектов отраслями-лидерами.

Наибольшее количество отраслевых кластеров характерно для г. Москвы, имеющей и наиболее высокий уровень эффективности РИЭ. Необходимый уровень концентрации отмечается по всем видам деятельности для региона, занявшего 2-е место в рейтинге эффективности региональной инновационной экосистемы – Республики Татарстан. Во всех регионах первой десятки рейтинга наблюдается локализация образовательных и научных учреждений (на уровне 2-й кластерной группы).

Таблица 2 – Распределение десяти регионов-лидеров рейтинга ИИЭ_РИЭ по коэффициенту кластеризации (LQ)

Примечание: 1-я кластерная группа – LQ выделен красным цветом, 2-я кластерная группы – желтым цветом, 3-я кластерная группа – зеленым цветом

Источник: расчеты автора по данным Росстата

Стандартный корреляционный анализ данных по десяти регионам-лидерам с использованием Microsoft Excell показал: отрицательную связь средней силы между интегральным индексом эффективности региональной инновационной экосистемы (ИИЭ_РИЭ) и коэффициентами кластеризации (LQ) по таким видам деятельности, как «Сельское, лесное хозяйство, охота, рыболовство и рыбоводство»; «Обеспечение электрическое энергией, газом и паром; кондиционирование воздуха»; «Водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений»; «образование»; «Прочие виды деятельности»; положительную связь средней силы – «Строительство»; «Транспортировка и хранение»; «Деятельность гостиниц и предприятий общественного питания»; «Деятельность в области информации и связи»; «Деятельность в области здравоохранения и социальных услуг» (табл.2). Полученные результаты свидетельствуют о влиянии постиндустриальной трансформации, в частности, цифровизации бизнес-процессов на развитие сетевых взаимодействий, что вносит определенный вклад в эффективность функционирования РИЭ. Однако прямая связь между инновационной активностью предприятий и организаций региона, равно, как и эффективностью РИЭ, остается на момент осуществления исследования не доказанной.

Таблица 2 – Корреляционный анализ связи интегрального индекса эффективности региональной инновационной экосистемы (ИИЭ_РИЭ) и коэффициента кластеризации (LQ)

Источник: расчеты автора

Регионы-лидеры по рассчитанному в данном исследовании интегральному индексу (ИИЭ_РИЭ), используют эффекты кластеризации по видам деятельности, осуществляемым в основном в сервисном секторе экономики. Однако данные регионы отличает высокая результативность показателей научно-технического развития, инвестиций в малое и среднее инновационное предпринимательство, высокая публикационная активность как показатель экономики знаний. Практически по всем основным направлениям оценки результативности инновационного развития ежегодно лидируют как г. Москва, так и Республика Татарстан (например, согласно SMART-рейтингу – 2022 Ассоциации инновационных регионов России) [21]. Томская область находится на 3-м месте в России по достижениям в области науки, уступая только городам Москва и Санкт-Петербург. Регионы-лидеры отличает высокий уровень финансовой поддержки высокотехнологичных стартапов, инвестиции в создание инновационной инфраструктуры для малого и среднего бизнеса, высокие показатели патентной и публикационной активности, активная региональная инновационная политика, что делает обоснованным вывод об эффективном развитии их РИЭ.

Заключение

Гипотеза исследования обоснована: предложенная методика оценки эффективности функционирования региональных инновационных экосистем позволяет учесть ресурсы, результативность инновационной деятельности в регионах в условиях цифровизации. При этом уровень цифровой трансформации регионального развития становится детерминантой сетевых эффектов и развития кооперации внутри РИЭ. Наиболее высокий интегральный индекс имеют: г. Москва (64,36), Республика Татарстан (64,12), г. Санкт-Петербург (63,99), Московская область (59,33), Томская область (58,42), Новосибирская область (56,8), Нижегородская область (56,44). Для данных субъектов Российской Федерации характерны и наибольшие сетевые кластерные эффекты. Самые высокие коэффициенты кластеризации наблюдаются в данных регионах в сервисном секторе (бизнес-услуги, социальные услуги, услуги информатизации, транспортировки, связи), что вписывает их в глобальный тренд постиндустриальной трансформации.

Лидерство регионов по интегральному индексу эффективности функционирования региональных инновационных экосистем определяется объективными экономическими, географо-климатическими условиями и дифференциацией ресурсных возможностей для инклюзивного роста (численность трудовых ресурсов, величина валового регионального продукта и т.п.). Отставание регионов-аутсайдеров рейтинга обусловлено недостаточностью финансирования процессов цифровизации, что особенно актуально для регионов с дефицитом бюджета, цифровым неравенством.

Характерным является факт отсутствия значимого положительного влияния на интегральный индекс (ИИЭ_РИЭ) промышленных кластеров, сложившихся в регионах. Отчасти это можно объяснить, что у предприятий, работающих, например, по таким видам деятельности, как «Обеспечение электрическое энергией, газом и паром» или «Водоснабжение и водоотведение и т.д.», слабы стимулы к цифровой трансформации или внедрению инновационных технологий, поскольку имеющегося у них технологического базиса достаточно для выполнения текущих заказов, а выход на мировой рынок закрыт из-за санкций.

Недостатки предложенной методики оценки связаны с ограничениями расчетов формальными показателями. В частности, коэффициент цифровизации, влияющий на интегральный индекс (ИИЭ_РИЭ) зависел от уровня информатизации (числа компьютеров, количества интернет-пользователей и т.д.). Показатели инновационной активности предприятий поступают в открытый доступ с задержкой, что усложняет учет качественной составляющей, эффекта диффузии знаний и инноваций.