Methodology for assessing the effectiveness of innovation processes in medium-tech manufacturing industries of the Russian Federation

Введение

В настоящее время вопросы оценки эффективности деятельности хозяйствующих субъектов актуальны на всех экономических уровнях, поскольку такая оценка дает аналитическую основу и является отправной точкой как в текущем, так и в стратегическом планировании. Не является исключением и сфера инновационной деятельности, эффективность осуществления которой во многом определяет долгосрочные факторы конкурентоспособности и конкурентные преимущества хозяйствующих субъектов, а потому не только знание особенностей протекания инновационных процессов и конкретных параметров их эффективности, но и развитая соответствующая методология анализа становятся неотъемлемой частью современного этапа экономики данных, превращаясь в важный аналитический инструмент, необходимый при принятии управленческих решений всеми хозяйствующими субъектами.

Цель исследования заключается в формировании методического инструментария в сфере оценки эффективности инновационной деятельности и инновационных процессов на мезоуровне (в отраслевом разрезе).

В основе авторской гипотезы лежит предположение о том, что среднетехнологичные отрасли обрабатывающей промышленности могут иметь схожую степень однородности по структуре эффективности инновационных процессов, определяемой спецификой ключевых параметров их хозяйственной деятельности, образуя при этом кластеры.

Методологию исследования составили методы анализа, синтеза, сравнения, обобщения, графический, кластерного анализа.

Научная новизна исследования заключается в разработке совокупности относительных показателей оценки эффективности инновационной деятельности и выявлении на их основе среденетехнологичных отраслевых кластеров.

Основная часть

В контексте применения различных подходов к оценке эффективности инновационной деятельности изучение инновационных процессов на уровне региона может быть осуществлено с помощью методов корреляционного и регрессионного анализа с построением соответствующих экономико-математических моделей (см., например, [11, 15]). В одном из исследований [1] предлагается «методический подход к оценке эффективности региональных инновационных систем с учетом динамического фактора, основанный на построении матрицы откликов между ресурсными и целевыми показателями системы». Достаточно часто для оценки инновационного развития регионов применяется в том или ином виде метод ранжирования, например, с использованием предварительного расчета интегрального показателя [3, 6]. Широко распространен подход, основанной на проведении компаративного анализа эффективности инновационной деятельности регионов (например, [8, 17]). В некоторых исследованиях, например, в [10], региональный анализ эффективности инновационной деятельности проводится на основе предварительной разработки системы критериев и методики их расчета. Предлагается также в части развития аппарата математических методов сравнения показателей эффективности инновационной деятельности региональных инновационных систем использовать метод оболочечного анализа данных (базирующийся на методе математического программирования, использовании производственных функций и принципа оптимальности Парето), в основе которого лежит оценка соотношения результатов и использованных ресурсов [20].

Оценка инновационного потенциала хозяйствующих субъектов, относящихся к микроуровню, может быть проведена на основе применения метода анализа многомерной средней, корреляционного и регрессионного анализа, например, с последующей апробацией на статданных крупного промышленного нефтехимического предприятия исследуемого региона [5]. Авторы одного из исследований [14], проводя сравнительный анализ эффективности деятельности предприятий отрасли, используют типовые показатели Росстата в сфере инноваций (отраслевой уровень), а также метод рыночной капитализации Дж. Тобина, позволяющего выявлять наличие интеллектуальной составляющей на исследуемых предприятиях.

Однако исследования в области анализа эффективности на микроуровне зачастую включают лишь обобщение существующих отечественных и зарубежных подходов, методик или показателей (например, [12, 13]) для предприятий той или иной сферы деятельности без последующей апробации на конкретных примерах. При этом, как правило, предлагаемые показатели не применимы на отраслевом уровне в силу отсутствия необходимых статистических данных.

На отраслевом уровне достаточно распространена простая аналитика динамики изменения показателей инновационной деятельности по видам экономической деятельности, базирующаяся на данных Росстата (например, в [16]). В рамках применения матричного подхода в исследованиях [9, 19] предлагается метод инновационного позиционирования отрасли на основе построения матрицы в двухфакторном пространстве: инновационный потенциал – инновационный результат. В других исследованиях [4, 18] осуществлена систематизация отраслей промышленности в контексте известных технологических укладов, а также выявлен характер инновационного развития отраслей РФ на фоне изучения динамики изменения пропорций воспроизводства технологической многоукладности отечественной экономики.

Несмотря на значительное количество исследований, посвященных анализу и оценке эффективности инновационных процессов и инновационной деятельности на микро-, мезо- и макроуровнях, в меньшей степени они характерны для отраслевого уровня экономики. Также на данный момент можно говорить об отсутствии общепринятого подхода к оценке эффективности инновационной деятельности, чем и определяется актуальность данного исследования.

Поскольку в настоящее время в литературе отсутствуют общепринятые и официально используемые показатели эффективности инновационной деятельности, нами предложено использовать для этих целей следующие показатели, представленные в таблице 1. Данные показатели характеризуют различные основания эффективности протекания инновационных процессов в отраслевом разрезе.

Таблица 1

Показатели отраслевой эффективности инновационной деятельности

Проведем анализ эффективности инновационной деятельности видов экономической деятельности (ВЭД), относящихся к среднетехнологичным отраслям низкого и высокого уровня, составляющих «ядро» российской обрабатывающей промышленности.

В таблице 2 представлены результаты расчетов показателей эффективности для среднетехнологичных отраслей обрабатывающей промышленности Российской Федерации (РФ) за 2021 г., выполненных на основе данных статистического сборника НИУ ВШЭ «Индикаторы инновационной деятельности: 2023» [7].

Таблица 2

Показатели эффективности инновационной деятельности среднетехнологичных отраслей в 2021 г.

Основываясь на данных таблицы 2, можно сделать вывод о том, что по показателю эффективности инновационной деятельности по затратам лидирует «Производство прочих транспортных средств и оборудования» (40,73 руб./руб.); по валовой эффективности инновационной деятельности на первом месте оказалось «Строительство кораблей, судов и лодок» (22%); по уровню инновационной производительности лидером стало «Производство кокса и нефтепродуктов» (6 397,43 млн руб./ед.); по производительности труда в инновационной деятельности в лидерах оказалось «Металлургическое производство» со значением показателя 4,53 млн руб./чел.

Далее был проведен кластерный анализ для рассмотренных отраслей с целью выделения среди них однородных групп по рассчитанным выше показателям эффективности с использованием ППП «STATISTICA». Отметим, что задачей кластерного анализа (кластеризации) является разбиение на группы некоторой совокупности объектов по принципу схожести объектов в группах по какому-либо критерию (показателю). В одном из исследований указывается, что наглядность результатов кластерного анализа облегчает процесс понимания взаимосвязи различных кластеров и принятия решений в области оптимизации числа факторов, а сам кластерный анализ «является универсальным инструментом моделирования направлений социально-экономического развития» [2].

Анализ проводился с использования иерархической классификации: в качестве правила объединения был выбран метод Варда, меры близости ‒ квадрат евклидова расстояния. Полученная таким образом дендрограмма представлена на рисунке 1.

Рисунок 1. Дендрограмма процесса кластеризации среднетехнологичных отраслей обрабатывающей промышленности РФ (составлено авторами)

Источник: составлено авторами.

Анализ диаграммы расстояний объединения по шагам (рисунок 2) позволил сделать вывод о необходимости группировки рассматриваемых отраслей в три кластера, состав которых был сформирован с помощью метода k-средних.

Рисунок 2. Диаграмма расстояния объединения по шагам

Источник: составлено авторами.

График средних значений переменных представлен на рисунке 3.

Рисунок 3. График средних значений переменных для каждого кластера

Источник: составлено авторами.

Как видно на графике 3, самый большой разброс значений (а значит, и различий) среди кластеров наблюдается по показателю Э4 (производительность труда в инновационной сфере деятельности). Характерно, что по остальным показателям кластеры имеют попарно схожие значения средних: по показателю Э1 (Эз) ‒ это кластеры 1 и 2, по показателю Э2 (Эв) ‒ кластеры 2 и 3, по показателю Э3 (Эип) ‒ кластеры 1 и 3. Следует отметить, что при близких средних значениях Э2 (Эв) ‒ объемного (валового) показателя эффективности инновационной деятельности, в кластерах 2 и 3 наблюдаются различия разнонаправленного характера в средних значений показателей Э1 (Эз) и Э3 (Эип), Э4 (Эипт). В свою очередь, принципиально разная динамика по составляющим эффективности инновационной деятельности в полученных кластерах позволяет говорить о наличии трех типически различных отраслевых групп, которые в соответствии с характером эффективности инновационной деятельности были обозначены нами следующим образом: 1-й кластер включает отрасли со сбалансированно невысокой инновационной эффективностью; для отраслей 2-го кластера характерна несбалансированная средняя эффективность I типа (с высокими уровнями затратности и производительности инновационных процессов); у отраслей 3-го кластера присутствует несбалансированная средняя эффективность II типа (с низкими уровнями затратности и производительности инновационных процессов).

Полученный отраслевой состав кластеров представлен на рисунке 4.

Рисунок 4. Отраслевой состав кластеров и расстояние объектов до центра кластеров

Источник: составлено авторами.

В первый кластер вошли семь отраслей, из которых «Производство химических веществ и химических продуктов», «Производство электрического оборудования», «Производство машин и оборудования, не включенных в другие группировки» относятся к среднетехнологичным отраслям высокого уровня, а «Производство резиновых и пластмассовых изделий», «Производство прочей неметаллической минеральной продукции», «Производство готовых металлических изделий, кроме машин и оборудования», «Ремонт и монтаж машин и оборудования» ‒ к среднетехнологичным отраслям низкого уровня. Для данного кластера средние значения показателей эффективности предприятий кластера составили: эффективность инновационной деятельности (по затратам) ‒ 5,95 руб. на 1 руб. затрат, эффективность инновационной деятельности (валовая) ‒ 7,25 %, инновационная производительность ‒ 478,53 млн руб. в расчете на 1 предприятие отрасли, производительность труда в инновационной деятельности ‒ 0,71 тыс. руб. на 1 работающего в организациях, занимающихся инновационной деятельностью.

Во втором кластере оказались четыре отрасли: «Производство автотранспортных средств, прицепов и полуприцепов», относящееся к среднетехнологичным отраслям высокого уровня, и «Производство кокса и нефтепродуктов», «Производство металлургическое», «Строительство кораблей, судов и лодок», относящиеся к среднетехнологичным отраслям низкого уровня. Согласно дескриптивной статистике, средние значения группирующих показателей эффективности предприятий кластера составили: эффективность инновационной деятельности (по затратам) ‒ 4,48 руб. на 1 руб. затрат, эффективность инновационной деятельности (валовая) ‒ 11,35 %, инновационная производительность ‒ 3655,67 млн руб. в расчете на 1 предприятие, производительность труда в инновационной деятельности ‒ 2,66 млн руб. на 1 работающего в организациях, занимающихся инновационной деятельностью.

Третий кластер образовался в составе двух отраслей ‒ «Производство прочих транспортных средств и оборудования» и «Производство медицинских инструментов и оборудования», ‒ относящихся к среднетехнологичным отраслям высокого уровня. При этом, в кластере средняя эффективность инновационной деятельности (по затратам) ‒ 30,62 руб. на 1 руб. затрат, эффективность инновационной деятельности (валовая) ‒ 10,86 %, инновационная производительность ‒ 378,59 млн руб. в расчете на 1 предприятие, производительность труда в инновационной деятельности ‒ 1,35 млн руб. на 1 работающего в организациях, занимающихся инновационной деятельностью.

В таблице 3 представлены сводные данные по средним значениям показателей эффективности инновационной деятельности в кластерах.

Таблица 3

Сводные данные средних значений показателей эффективности инновационной деятельности в натуральном выражении по кластерам

Таким образом, для второго кластера характерны более высокие средние значения показателей эффективности по сравнению с первым и третьим кластерами, в частности, в 10 раз выше инновационная производительность в расчете на одно предприятие, что среди прочих факторов может быть объяснено относительно небольшим количеством предприятий и одновременно высокой стоимостью единицы продукции, и в 2-3 раза оказалась выше производительность труда в сфере инновационной деятельности. Исключение составил показатель эффективности инновационной деятельности (по затратам), где его среднее значение во втором кластере (4,48) несколько ниже значения аналогичного показателя для первого кластера (5,95). При этом наблюдается значительный отрыв значения данного показателя в третьем кластере (30,62).

Анализ однородности (удаленности) рассматриваемых объектов в кластерах (рисунок 4) показал, что в первом кластере наиболее удаленным от центра оказался ВЭД «Производство машин и оборудования, не включенных в другие группировки»; во втором кластере ‒ это ВЭД «Строительство кораблей, судов и лодок»; в третьем кластере обе входящие в его состав отрасли оказались равноудаленными от центра.

Следует отметить, что ВЭД «Производство химических веществ и химических продуктов» и «Производство резиновых и пластмассовых изделий», относящиеся к нефтехимической отрасли, оказались в одном кластере, что может говорить об их однородности в области эффективности осуществления инновационной деятельности, несмотря на различия в уровне применяемых базовых технологий.

Поскольку в составе наиболее многочисленных первого и второго кластеров присутствуют отрасли обеих категорий ‒ высокого и низкого уровней, а, как известно, каждый кластер образуется по принципу однородности характеристик входящих в него объектов, то можно заключить, что эффективность инновационной деятельности в контексте предложенных показателей ее оценки получилась не зависящей от уровня технологий в рамках деления среднетехнологичных отраслей на отрасли низкого и среднего уровня, а потому в определенной степени можно считать данные показатели универсальными, то есть применимыми и для других групп отраслей обрабатывающей промышленности.

Выводы

Анализ современных исследований в сфере инновационной деятельности показал отсутствие общего подхода к формированию методологии и методик оценки эффективности инновационной деятельности, особенно в отраслевом разрезе, в результате чего была предложена авторская методика, базирующаяся на расчете четырех относительных показателей, отражающих различные аспекты эффективности инновационной деятельности в отраслях промышленности.

Последующее применение кластерного анализа к совокупности исследуемых отраслей позволило выделить три кластера по принципу однородности параметров эффективности инновационной деятельности, представляющих собой типологические группы отраслей, отличающихся характером эффективности протекающих в них процессов.

Кластеризация на примере среднетехнологичных отраслей обрабатывающей промышленности показала, что отраслевая эффективность инновационной деятельности не получила подтверждение зависимости от уровня применяемых базовых технологий в отрасли, а значит, разработанная система показателей оценки эффективности инновационной деятельности носит универсальный характер и может быть использована как инструмент оценки эффективности протекания инновационных процессов в других отраслях обрабатывающей промышленности.

Использование мониторинга процессов кластеризации отраслей на основе предложенной методики позволит отслеживать структурные изменения в эффективности инновационной деятельности в отраслевом разрезе, а также может стать инструментом обеспечения понимания содержания процессов отраслевой трансформации экономики и принятия управленческих решений при формировании направлений ее реструктуризации.