Влияние факторов развития информационного общества на производительность труда (на примере Уральского федерального округа)

Андреева Ж.В.1
1 Российский экономический университет им. Г.В. Плеханова

Статья в журнале

Лидерство и менеджмент (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 11, Номер 1 (Январь-март 2024)

Цитировать:
Андреева Ж.В. Влияние факторов развития информационного общества на производительность труда (на примере Уральского федерального округа) // Лидерство и менеджмент. – 2024. – Том 11. – № 1. – С. 189-210. – doi: 10.18334/lim.11.1.120497.

Аннотация:
В статье рассмотрены особенности влияния цифровой трансформации на производительность труда. Автором предложена методика, которая базируется на ключевых факторах цифровой трансформации индекса развития информационного общества от Министерства цифрового развития, связи и коммуникации Российской Федерации, в отношении осуществления оценки уровня воздействия на показатель производительности труда в рамках федерального округа, являющегося основным показателем результативности и эффективности труда. Апробация разработанной методики была проведена на примере Уральского федерального округа, сделаны выводы о влиянии доли затрат на инновационную деятельность, доли организаций, которые в своей деятельности использовали средства защиты данных, ERP-системы, CRM-системы и SCM – системы на показатель Индекса производительности труда. Статья актуальна для специалистов осуществляющих свою профессиональную деятельность в области управления производительностью труда, а также государственным и муниципальным служащим, руководителям промышленных предприятий и экспертам, связанным с цифровой трансформацией.

Ключевые слова: цифровизация, цифровая трансформация, результативность труда, производительность труда, эффективность труда, индекс развития информационного общества

JEL-классификация: J01, J24, J31, J40



Введение

На сегодняшний день существует множество научных работ и практических исследований в области цифровой трансформации, однако, до сих пор не выработано единой методологии оценки влияния показателей индекса развития информационного общества на производительность труда. Были предприняты попытки изучения данного вопроса Н.Н.Волковой, Э.И.Романюк [1;2], А.Б.Козновым [3], В.М.Масловой [4]. Ими проанализированы общие механизмы, описана важность процессов, связанных с цифровой трансформации на предприятиях, но для практического применения необходимы конкретные методики, разработанные с учетом сложностей, сопряженных с внедрением цифровых инструментов в регионах.

Изучением подходов к оценке эффективности цифровой трансформации, в том числе с учетом процессов цифровизации, занимались: Н.В.Бондарчук, Я.Т.Тагаев, Л.Н.Усенко [5], Е.П.Кочетков, А.А.Забавина, М.Г.Гафаров [6], В.А.Довгаль, Д.В.Довгаль [7], О.П.Овчинникова, М.М. Харламов Т.В.Кокуйцева [8], И.Ю.Мерзлов [9]. Однако конкретной методики оценки эффективности цифровой трансформации для определения влияния на производительность труда в практике промышленных предприятий разработано и обосновано не было.

Цель исследования заключается в проведении анализа и оценки влияния показателей феномена цифровой трансформации на производительность труда, в целях разработки действенных механизмов повышения производительности трудовых ресурсов в регионах на основе выявленных взаимосвязей. Основной гипотезой проводимого исследования является предположение о том, что уровень внедрения цифровых технологий в субъектах Российской Федерации оказывает существенное влияние на значение показателя производительности труда. Несмотря на то, что наблюдается неравномерное внедрение цифровых технологий в социально-экономические процессы, уже сейчас можно четко обозначить тенденции развития предприятий и регионов, где они были внедрены в практическую деятельность.

ОСНОВНАЯ ЧАСТЬ

Цифровая трансформация всех сфер общества происходит в настоящее время во всех субъектах Российской Федерации, однако, уровень развития существенно различается в различных регионах страны, являясь по-своему уникальным и пребывая на разных стадиях «цифровой зрелости». С этой точки зрения Уральский федеральный округ является одним из регионов-лидеров по уровню цифровизации, который характеризуется через использование доступных цифровых технологий, реализацию цифровых возможностей в предпринимательской деятельности, издержки на внедрение и эксплуатацию инновационных технологий, обеспечение безопасности.

Цифровизация уральского региона в 2023 году показывает высокий темпы роста по многим отраслям, несмотря на то, что для некоторых отраслевых организаций уровень цифровой зрелости находится на начальном этапе, который предполагает внедрение автоматизации и электронного документооборота. В то время как другие организации уже проходят более глубокие стадии в виде принятия управленческих решений на основании анализа больших данных и внедрения искусственного интеллекта в некоторые стадии торгово-технологических, производственных и иных бизнес-процессов.

Отдельного внимания заслуживает факт того, что субъекты Уральского федерального округа все чаще становятся площадкой для проведения Всероссийских форумов на тему цифрового развития регионов страны, на которых поднимаются важнейшие вопросы эффективности существующих цифровых проектов и обосновываются перспективные направления дальнейшей трансформации [1].

Происходящая на сегодняшний день цифровая трансформация формирует исторически новый этап для развития экономики. Несмотря на разноуровневую «цифровую зрелость» регионов и отраслей, общее развитие цифровой трансформации всего округа способствует росту социально-экономический потенциала региона и его составляющих, как на уровне субъектов, так и страны в целом.

Социально-экономический потенциал выражается в возможностях экономики региона, в которую входят различные отрасли, хозяйствующие субъекты, организации и предприятия, осуществляющие как производственную, так и экономическую деятельность, создание и разработку с последующим выпуском продукции, товаров и услуг, которые в первую очередь направлены на удовлетворение запросов и потребностей населения [2].

Уральский федеральный округ – это один из крупнейших и наиболее развитых федеральных округов России, который включает в себя следующие субъекты: Курганскую область, Свердловскую область, Челябинскую область, Тюменскую область в том числе: Ханты-Мансийский автономный округ, Ямало-Ненецкий автономный округ.

В Уральском федеральном округе преобладает индустриально-сырьевая направленность. Валовый продукт более чем на 50% составляют отрасли промышленности, с преобладанием направления по добыче полезных ископаемых. В округе расположены крупные металлургические и нефтегазовые комплексы, предприятия обрабатывающей промышленности, ведущие предприятия оборонно-промышленного комплекса, работает уникальная система трубопроводного транспорта, на которую приходится до половины экспорта Российской Федерации, успешно функционирует комплекс образовательных и научно-исследовательских центров. Большое внимание в округе направлено на задачи обеспечения предприятий квалифицированными трудовыми ресурсами, развития крупных полифункциональных агломераций, повышение инвестиционной привлекательности [3].

По результатам работы за 2022 год по внедрению мероприятий, согласно национальной программе «Цифровая экономика», были отмечены лучшие федеральные и региональные министерства. По совокупной оценке, среди всех федеральных округов лидирует именно Уральский федеральный округ. Согласно рейтингу Цифровой трансформации в региональном разрезе по итогам 2022 года одни из лучших показателей у Ханты-мансийского автономного округа – Югры – 26,7 из 31 балла возможных, в Челябинской области – 25,3, показатель у Ямало-ненецкого автономного округа – 24,8, у Тюменской 22,8, у Курганской – 22. Всего учитывалось 7 критериев:

- уровень независимости от импорта по программному обеспечению;

- уровень применения по системам межведомственного электронного взаимодействия;

- критерий по кибер-безопасности;

- действующие меры по поддержке цифровой трансформации и ИТ-отрасли;

- внедрение сервисов по социально-значимым услугам для перевода их в электронный документооборот;

- применение платформ по обратной связи от населения;

- показатель уровня цифровой зрелости региона.

По показателям внедрения сервисов по социально-значимым услугам для перевода их в электронный документооборот, по уровню применения по системам межведомственного электронного взаимодействия и кибер-безопасности у регионов Уральского федерального округа максимальный балл, у Челябинской области и Ханты-Мансийского автономного округа – Югры высший балл 5 из 5 по мерам поддержки IT-отрасли [10, с. 350].

Ежегодно Федеральной службой государственной статистики проводится исследование социально-экономических показателей по регионам России [4]. Основные социально-экономические показатели Уральского Федерального округа на 2021 год представлены ниже.

Показатель по инвестициям в основной капитал УФО представлен на рисунке 1.

Рисунок 1 – Показатель инвестиций в основной капитал Уральского федерального округа за 2021 год, млрд руб.

Источник: составлено автором по [5]

Наибольшим инвестиционным вкладом в развитие областей и округов Уральского федерального округа характеризуются следующие области и автономные округа: Ямало-Ненецкий автономный округ – 35,71%, Ханты-Мансийский автономный округ – 33,26% и Свердловская область – 12,94%.

Наблюдается планомерный прирост инвестиционного капитала в УФО на 538 % с 2005 по 2021 годы. Общий процент инвестиций в основной капитал УФО составляет – 13,91%.

Наибольшее положительное отклонение по приросту инвестиционных вливаний в 2021 году наблюдается по Ямало-Ненецкому автономному округ и составляет 12,95 % или 147 509 млн. руб., Курганской области – 9,05% или 4242 млн руб. и Ханты-Мансийский автономному округу – Югра – 5,19 % или 55 034 млн руб. В Уральском федеральном округе присутствует область, характеризующаяся оттоком инвестиций в 2021 году – Челябинская область недополучила инвестиционных потоков в размере 4 427 млн руб. или – 1,39% по сравнению с 2020 годом.

Инвестиционные поступления позволяют областям наращивать производственные мощности, выводить продукцию на конкурентные позиции. Если рассмотреть объемы товаров собственного производства, которые отгружают автономные округа и области Уральского федерального округа, то представляется следующее.

Добыча полезных ископаемых является одним из основных источников получения доходной УФО. Всего УФО добывает 37,94% полезных ископаемых в общей структуре добычи на территории Российской Федерации.

Наибольшие объемы отгружаемых товаров по категории «Добыча полезных ископаемых»: Ханты-Мансийский автономный округ - 4553,70 млрд руб. или 50, 86%, Ямало-Ненецкий автономный округ – 3700, 40 млрд руб. или 41,33%, третьей в рейтинге выступает Тюменская область (без округов) и составляет 3,52 %, однако, отрыв первых представленных округов является значительным, что позволяет назвать их лидерами по данной категории.

Второй по важности категорией выступает «Обрабатывающие производства». В данной категории сырьем выступают продукты сельского хозяйства или добытые полезные ископаемые такие как: нефть, газ, руда и др.

Объем данного показателя в УФО является весомом в общей структуре обрабатывающих производств на территории Российской Федерации и представляет собой 11,64%. Лидерами в данной категории выступают: Свердловская область – 34,91% или 2559,40 млрд руб., Тюменская область – 33,60% или 2463,70 млрд руб., и Челябинская область – 29, 37% или 2153,80 млрд руб.

Среди показателей, характеризующих социально-экономический потенциал региона особое место, занимает – население и его уровень жизни.

Если говорить о показатели занятости населения Уральского федерального округа, то он составляет 51,33 % от общей численности населения УФО [6] [82, с. 18].

Среднегодовая численность занятых представлена на рисунке 2.

Рисунок 2 – Среднегодовая численность занятых Уральского федерального округа по состоянию на 2021 год, тыс. чел.

Источник: составлено автором по [7]

Данный показатель не является высоким, что может говорить о большом количестве нетрудоспособного населения и оттоке потенциальной рабочей силы в регионы с более высоким уровнем жизни.

Проводя соотношения, занятых к общей численности населения областей и автономных округов УФО наблюдается следующее: показатель занятости составляет больше общего показателя УФО – 51,33% у следующих областей и АО: Ямало-Ненецкий автономный округ – 76,82%, Ханты-Мансийский автономный округ – Югра – 63,85. Данная тенденция сохраняется из-за наличия большого количества рабочих мест в АО. Минимальные показатели занятости у Курганской области – 37,59% и Тюменской области – 46,08%, из чего можно сделать вывод об оттоке кадров.

Структура занятости и безработицы представляет отдельный интерес для исследования социально-экономического потенциала Уральского федерального округа. Показатель потенциальной рабочей силы Уральского федерального округа, представленный на рисунке 11, показывает прямую зависимость к численности населения и наличию предприятий на территории областей. Наибольшей численностью потенциальной рабочей силы обладают: Свердловская Область – 47,10%, Челябинская область – 16,22%, Курганская область – 15,19%. Показатель безработицы в 2021 году в Уральском федеральном округе имеет тенденцию к снижению. Максимальное снижение показателя безработицы наблюдается в Свердловской и Челябинской областях, что говорит о постепенном, но при этом медленном восстановлении УФО после кризиса связанного с Covid 19.

Ямало-Ненецкий АО и Ханты-Мансийский АО обладают минимальным уровнем безработицы и максимальным по федеральному округу уровнем занятости, что объясняется наличием большого количества промышленных предприятий в данных регионах. В 2021 году максимальные показатели среднемесячной номинальной заработной платы и среднедушевых доходов в Ямало-Ненецком АО – 116 376 руб. и 96 814 руб. соответственно. Наблюдается динамика снижения данных показателей по областям и АО в следующем порядке: Ханты-Мансийский АО, Тюменская область, Свердловская область, Челябинская область и Курганская область, показатели которой на 69% ниже по среднемесячной заработной плате по сравнению с лидером данного показателя. Выявленная ситуация вызывает опасения из-за возможного оттока населения из местности не обеспеченной высокооплачиваемых рабочими местами. Показатель потребительских расходов во всех областях и АО УФО ниже, чем среднедушевые доходы, что является хорошей тенденцией т.к. населения накапливает капитал. Однако опасения вызывает Тюменская область (без учета АО), где уровень расходов превышает получаемые населением доходы, что так же не может являться привлекательным фактором для развития области.

Прямое влияние на наличие высококвалифицированных, оплачиваемых рабочих мест оказывает количество предприятий и организаций, которые работают на территории области или АО. Характеристика предприятий представлена на рисунке 3.

Отрицательная динамика снижения количества предприятий наблюдается по всем без исключения областям и АО. Лидером в 2021 году остается Свердловская область, в которой сосредоточено 116 235 предприятий, что составляет 10,67% от общего числа предприятий УФО. Общее количество предприятий в УФО – 275 657, что составляет 8,24% от общего количества зарегистрированных предприятий на территории РФ.

По промышленным предприятиям по данным на завершение 1 полугодия 2022 года показатель индекса производства на территории РФ составил 101,3 % по отношению к аналогичному периоду 2021 г. В нефтегазодобывающих Ханты-Мансийском (104 %) и Ямало-Ненецком (100,4 %) автономных округах сохраняется рост производства. Отмечается, что после выхода России и мира в целом из кризиса, связанного с Covid-19, динамика цен на энергоносители, наложившаяся на общее изменение спроса в большую сторону в мире на углеводороды отразила тенденцию роста.

Рисунок 3 – Число предприятий и организаций на конец года в Уральском федеральном округе

Источник: составлено автором по [8]

При этом снижение тема роста производства в промышленно развитых муниципальных образованиях Свердловской (97,7 %), Челябинской (98,5 %) и Тюменской областях (93,0 %) имел тенденцию снижения [9].

Необходимо заметить, что сальдированный финансовый результат деятельности организации так же является показателем, позволяющим определить социально-экономический потенциал региона. Динамика лидеров отраслей так же сохраняется: Ямало-Ненецкий автономный округ – 33,71 % или 1467,00 млрд руб., Ханты-Мансийский автономный округ – 29,09 % или 1266,20 млрд руб. и Свердловская область, имеющая показатель в 2 раза ниже, чем лидеры – 13,70% или 596,4 млрд руб. Наглядно данный показатель представлен на рисунке 4.

Рисунок 4 – Сальдированный финансовый результат предпринимательской деятельности компаний, расположенных в Уральском федеральном округе за 2021 год

Источник: составлено автором по [10]

Представленные показатели, по мнению автора, всесторонне отражают состояние социально-экономического потенциала УФО. В своем развитии УФО необходимо делать упор на имеющейся потенциал, а также эффективности и рациональности его использования во всех областях.

На основании проведенного исследования экономический потенциал экономики регионов Уральского федерального округа очень высокий, что обеспечивает благоприятные условия для развития бизнеса и инвестиций в регион. Значительное количество показателей, связанных с производственными мощностями и организацией труда на промышленных предприятиях, можно существенно повысить за счет цифровой трансформации, которая в Уральском Федеральном округе проходит достаточно активно.

В регионе создаются цифровые платформы и сервисы, внедряются новые технологии в различные сферы деятельности. В УФО уже имеется ряд достижений в области цифровой трансформации: развитие цифровой инфраструктуры путем повышения скорости интернета и доступа населения к цифровым технологиям; наличие цифровых логистических платформ на предприятиях промышленного сектора; развитие цифровых образовательных платформ с целью обучения населения новым цифровым технологиям и др.

Несомненно, цифровая трансформация может повысить эффективность трудовой деятельности на предприятиях и для этого могут быть применены разные способы:

- автоматизация рутинных задач на производствах;

- улучшение показателей коммуникации в процессе трудовой деятельности, посредством использования интернет-технологий;

- внедрение цифровых технологий в производственные процессы (датчики искусственного интеллекта и пр.);

- повышение квалификации в области информационной и технологической компетентности;

- улучшение условий труда за счет цифровых технологий.

Соответственно исследование социально-экономического потенциала экономики регионов Уральского федерального округа подтвердило факт того, что этот округ является одним из крупнейших, и в тоже время наиболее развитым федеральным округом России. В 2022 году в рейтинге Цифровой трансформации в региональном разрезе у входящих в состав Уральского федерального округа регионов были одни их наивысших результатов.

Для дальнейшего проведения исследования было заключено, что для проведения оценки влияния факторов цифровой трансформации на эффективность труда требуется определить ключевые показатели для проведения оценки и рассмотреть, как представлена цифровая трансформация УФО в показателях Росстата.

В целях проведения исследования по влиянию цифровой трансформации на показатели эффективности труда, автором предложена к рассмотрению методика, которая базируется на ключевых факторах цифровой трансформации индекса развития информационного общества от Министерства цифрового развития, связи и коммуникации Российской Федерации, в отношении осуществления оценки уровня воздействия на показатель производительности труда в рамках федерального округа, являющегося основным показателем результативности и эффективности труда.

Проведение оценки количественных показателей в части соответствия нормальному распределению предлагается осуществлять на основании критерия Шапиро-Уилка (так как число исследуемых – менее 50). Для проведения оценки был выбран период равный 5 годам (2017-2021 гг.). Автором предлагается в целях определения направления и тесноты корреляционной связи между двумя количественными показателями прибегнуть к методу оценки с использованием коэффициента ранговой корреляции Спирмена (при распределении показателей, отличном от нормального). При этом для разработки прогностической модели, которая характеризует зависимость количественной переменной от факторов, рекомендуется прибегнуть к методу линейной регрессии.

Факторы цифровой трансформации Индекса развития информационного общества:

- Доступность финансовых ресурсов.

- Инновационный потенциал.

- Информационная индустрия.

- Информационная безопасность.

- Интеграция внутренних информационных систем (ИС) и совместный доступ к информации внутри организации.

- Интеграция ИС организации с ИС контрагентов.

По предложенной методике автором проведен анализ влияния показателей цифровой трансформации на производительность труда по Уральскому федеральному округу. В целях проведения статистического анализа автором использовалась специализированная программа под названием StatTech v. 3.1.10, разработчиком которой выступает ООО "Статтех", Россия.

Показатели, которые характеризуют факторы цифровой трансформации Индекса развития информационного общества, представлены на рисунке 5.

Рисунок 5 – Показатели, характеризующие факторы цифровой трансформации Индекса развития информационного общества

Источник: составлено автором по [11]

Данные показатели были выбраны в соответствии с актуальностью их использования и наличием исчисленных данных. Так, другие показатели, относящиеся к факторам цифровой трансформации Индекса развития информационного общества были исключены их выборки, например, показатель «Доля внутренних затрат на научные исследования и разработки сектора ИКТ, в общем объеме внутренних затрат на исследования и разработки» не подходит для анализа, так как расчет по субъектам РФ не проводился и менялись рассчитываемые коды видов экономической деятельности, относящиеся к сектору ИКТ; показатель по доле внутренних затрат на исследования и разработки в области цифровых технологий, в общем объеме внутренних затрат на исследования и разработки представлен только 2020 и 2021 годами, к тому же данные по ряду областей (Курганской, Тюменской) и по Ямало-Ненецкому автономному округу отсутствуют; по показателю «Доля организация, проводивших дополнительное обучение сотрудников в области информационных и коммуникационных технологий (ИКТ) в общем числе обследованных организаций %» есть ранние только за - 2010-2014 и т.д.

В таблице 1 систематизированы исходные данные по показателям цифровой трансформации и индексу производительности труда в отношении Уральского федерального округа в целом.

Отмечается снижение индекса производительности труда в 2020 году до 98,9%, что связывается с присущими тому периоду условиями эпидемиологической и экономической направленности (Covid-19, мировой кризис).

Объем инвестиций на приобретение ИКТ со стороны предприятий вырос на 46,9% при сравнении показателя объема в 2017 году и 2021 году.

Показатель доли внутренних затрат на исследования и разработки имеет неравномерную динамику, которая в конечном итоге отразила снижение в 2021 году по отношению к началу периода анализа на 0,14%.

Показатель, отражающий долю затрат на инновационную деятельность предприятий сократился на 1% за период анализа.

Показатель занятости в сфере ИКТ сократился на 0,3%.

Таблица 1 – Данные по показателям цифровой трансформации и индексу производительности труда по Уральскому федеральному округу, 2017-2021 гг.

Год
Индекс производительности труда, %
Объем инвестиций на приобретение ИКТ, млн руб.
Доля внутренних затрат на исследования и разработки, %
Доля затрат на инновационную деятельность, %
Показатель по занятым в сфере ИКТ, %
Доля организаций, использовавших средства защиты информации, %
Доля организаций, использовавших ERP-системы, %
Доля организаций, использовавших CRM-системы, %
Доля организаций, использовавших SCM - системы, %
2017
102,2
31155,6
0,65
1,9
1,6
88,5
14,5
11,5
5,3
2018
103,4
31127,3
0,53
1,2
1,4
90,3
16,7
14,3
7,3
2019
101,4
39164,0
0,52
0,7
1,6
90,8
17,3
14,2
7,4
2020
98,9
47787,8
0,64
0,9
1,3
78,2
14,4
12,6
4,7
2021
103,3
45777,4
0,51
0,9
1,3
78,6
15,4
13,6
5,0
Источник: составлено автором по [12]

Доля предприятий, которые используют в своей деятельности средства защиты информации, также имеет отрицательную тенденцию и сократилась на 9,9% за 5 анализируемых лет.

Процентное отражение числа предприятий, которые в своей деятельности использовали ERP-системы, в 2021 году в сравнении со значением показателя в 2017 году увеличилось на 0,9%.

Использование CRM-системы на предприятиях Уральского федерального округа в 2021 году практикуется 13,6% организаций, что на 2,1% выше, чем в аналогичном периоде в 2017 году.

Доля предприятий, которые внедрили и практикуют SCM-систему, увеличилось в 2018 и 2019 годах, в 2021 году показатель отразил снижение на 3% по отношению к началу периода анализа.

В последствии по каждому показателю был проведен корреляционный анализ его взаимосвязи с Индексом производительности труда. В частности наблюдаемые зависимости Индекса производительности труда о обозначенных показателей были описаны уравнением парной линейной регрессии. Результаты представлены в таблице 2.

Таблица 2 – Результаты корреляционного анализа взаимосвязи анализируемых показателей и Индекса производительности труда

Показатель Х – Индекс производительности труда
Характеристика корреляционной связи
Уравнение парной линейной регрессии*
ρ
Теснота связи по шкале Чеддока
p
Доля затрат на инновационную деятельность
0,462
Умеренная
0,434
Y = 1,032 × X +
+ 100,685
Доля организаций, использовавших средства защиты информации
0,300
Умеренная
0,624
Y = 0,11 × X+ + 92,492
Доля организаций, использовавших ERP-системы
0,400
Умеренная
0,505
Y = 0,562 × X + + 93,034
Доля организаций, использовавших CRM-системы
0,500
Умеренная
0,391
Y= 0,537 × X + + 94,734
Доля организаций, использовавших SCM - системы
0,300
Умеренная
0,624
Y= 0,517 × X + + 98,769
*где Y – Индекс производительности труда; X – анализируемый показатель

Источник: составлено автором

Представленный анализ позволяет установить тесноту корреляционной связи по шкале Чеддока, которая характеризуется как умеренная в отношении всех исследуемых показателей.

Более детально каждый из показателей будет рассмотрен далее.

При оценке связи Индекса производительности труда и Доли затрат на инновационную деятельность была установлена умеренной тесноты прямая связь. При увеличении показателя, характеризующего Долю затрат на инновационную деятельность, на 1 %, ожидаемое увеличение Индекса производительности труда составит 1,032 %. Полученная модель объясняет 7,0% наблюдаемой дисперсии Индекса производительности труда.

Наглядное представление полученных результатов по указанному показателю отражено на рисунке 6.

Рисунок 6 – График регрессионной функции, описывающий зависимость Индекса производительности труда от Доли затрат на инновационную деятельность

Источник: составлено автором

Наблюдается положительная динамика показателя Индекса производительности труда при увеличении Доли затрат на инновационную деятельность.

Далее был проведен корреляционный анализ взаимосвязи Доли организаций, которые в своей деятельности использовали различные инновационные средства защиты данных и Индекса производительности труда.

Представленные в таблице 2 результаты оценки корреляционной связи Индекса производительности труда и Доли организаций, которые в своей деятельности использовали средства защиты данных, позволили установить умеренную тесноту прямой связи.

При увеличении Доли организаций, которые в своей предпринимательской деятельности использовавших средства защиты данных на 1 %, прогнозируемое изменение Индекса производительности труда составит 0,11 %. Соответственно полученная модель обосновывает 14,3% наблюдаемой дисперсии Индекса производительности труда.

Наглядное представление полученных результатов данного показателя влияния отражено на рисунке 7.

Рисунок 7 – График регрессионной функции, характеризующий зависимость Индекса производительности труда от Доли организаций, которые использовали средства защиты информации в своей деятельности

Источник: составлено автором

График на рисунке 3 отражает положительную тенденцию Индекса производительности труда при росте Доли организаций, которые используют средства защиты данных.

Затем был проведен корреляционный анализ взаимосвязи Доли организаций, использовавших ERP-системы и Индекса производительности труда. Результаты оценки корреляционной связи Индекса производительности труда и Доли организаций, использовавших ERP-системы, представленные в таблице 2, позволили установить умеренную тесноту прямой связи.

При увеличении Доли организаций, использовавших ERP-системы, на 1 % следует ожидать увеличение Индекса производительности труда на 0,562 %. Полученная модель объясняет 15,8% наблюдаемой дисперсии Индекса производительности труда.

Наглядное представление полученных результатов отражено на рисунке 8.

Рисунок 8 – График регрессионной функции, отражающий зависимость Индекса производительности труда от Доли организаций, использовавших ERP-системы

Источник: составлено автором

График также отражает положительную динамику роста Индекса производительности труда при увеличении Доли организаций, которые в своей деятельности используют ERP-системы.

В последующем был проведен корреляционный анализ взаимосвязи Доли организаций, использовавших CRM-системы и Индекса производительности труда. При оценке связи этих показателей была установлена умеренной тесноты прямая связь.

При увеличении Доли организаций, использовавших CRM-системы, на 1 % прогнозируемое увеличение Индекса производительности труда составит 0,537 %. Соответственно Данная модель позволяет обосновать 11,9% наблюдаемой дисперсии Индекса производительности труда.

Наглядное представление полученных результатов отражено на рисунке 9.

Рисунок 9 – График регрессионной функции, отражающий зависимость Индекса производительности труда от Доли организаций, использовавших в своей деятельности CRM-системы

Источник: составлено автором

Рисунок 9 отражает положительную динамику Индекса производительности труда при увеличении доли компаний, которые в своей деятельности применяли CRM-систему.

Также был проведен корреляционный анализ взаимосвязи Доли организаций, использовавших SCM - системы и Индекса производительности труда. При оценке связи была установлена умеренной тесноты прямая связь.

Увеличение Доли организаций, использовавших SCM - системы на 1 % провоцирует изменение показателя Индекса производительности труда в положительную сторону на 0,517 %. Представленная модель позволяет объяснить 13,5% наблюдаемой дисперсии Индекса производительности труда.

Наглядное представление полученных результатов отражено на рисунке 10.

Рисунок 10 – График регрессионной функции, отражающий зависимость Индекса производительности труда от Доли организаций, использовавших SCM - системы

Источник: составлено автором

Рисунок 10 также позволяет проследить положительную динамику Индекса производительности труда при увеличении доли компаний, которые в своей деятельности использовали SCM - системы.

Таким образом, анализ динамики показателей эффективности труда под влиянием фактора цифровой трансформации на промышленных предприятиях УФО отразил умеренное влияние увеличения показателей Доли затрат на инновационную деятельность, Доли организаций, использовавших средства защиты данных, Доли организаций, использовавших ERP-системы, Доли организаций, использовавших CRM-системы, Доли организаций, использовавших SCM – системы на показатель Индекса производительности труда.

При проведении корреляционного анализа не было установлено влияния показателя по объему инвестиций на приобретение ИКТ, показателя доли внутренних затрат на исследования и разработки, показателя доли занятых в сфере ИКТ на индекс производительности труда по Уральскому федеральному округу. Однако, для определения более точной оценки целесообразно проведение анализа отдельно по каждой области.

Для развития механизмов внедрения ERP, CRM, SCM – систем и систем по защите информации, а также поиска возможностей увеличения затрат на инновационную деятельность, в связи с определением влияния на производительность труда по Уральскому федеральному округу необходимо рассмотреть текущие и планируемые меры поддержки меры поддержки цифровой трансформации в регионе, что позволит их скорректировать для более адресной помощи при внедрении инструментов цифровой трансформации в практику промышленных предприятий.

Заключение

В статье предложена методика по оценке влияния показателей цифровой трансформации на производительность труда в регионе, как основного показателя эффективности труда на основе ключевых факторов цифровой трансформации из индекса развития информационного общества от Министерства цифрового развития, связи и коммуникации Российской Федерации применимо.

Выделены следующие факторы цифровой трансформации индекса развития информационного общества: доступность финансовых ресурсов, инновационный потенциал, информационная индустрия, информационная безопасность, интеграция внутренних информационных систем (ИС) и совместный доступ к информации внутри организации, интеграция ИС организации с ИС контрагентов. Показателями, которых определены: объем инвестиций на приобретение ИКТ, доля внутренних затрат на исследования и разработки, доля затрат на инновационную деятельность, показатель по занятым в сфере ИКТ, доля организаций, использовавших средства защиты информации, доля организаций, использовавших ERP-системы, доля организаций, использовавших CRM-системы, доля организаций, использовавших SCM – системы.

По предложенной методике автором проведен анализ влияния показателей цифровой трансформации на производительность труда по Уральскому федеральному округу, так как он согласно рейтингу Цифровой трансформации среди всех федеральных округов лидирует. При проведении корреляционного анализа по Уральскому федеральному округу было доказано воздействие на производительности труда всех показателей цифровой трансформации, за исключением показателя по объему инвестиций на приобретение ИКТ, показателя доли внутренних затрат на исследования и разработки, показателя доли занятых в сфере ИКТ. Для более точного определения воздействия необходим анализ по каждой конкретной области.

[1] В Челябинске стартовал Всероссийский форум «Информационное общество: цифровое развитие регионов» : сайт. – 2023. – URL: http://itforum.gov74.ru/в-челябинске-стартовал-всероссийски/ (дата обращения: 20.12.2023). – Текст : электронный.

[2] Соколинская, Н.Э. Ключевые цифровые технологии «будущего» в России / Н.Э. Соколинская, Е.А. Зиновьева // Финансовые рынки и банки. – 2021. – №5. – С. 42-49. – Ежемес. – ISSN: 2658-3917. – Текст : непосредственный.

[3] Российская Федерация. Правительство. Прогноз долгосрочного социально-экономического развития Российской Федерации на период до 2030 года (разработан Минэкономразвития России) : сайт. – 2023. – URL: https://www.consultant.ru/document/cons_doc_LAW_144190/21ed68055b73ca5cf1418a82ae0e323 ca81f0122 (дата обращения: 31.07.2023). – Текст : электронный.

[4] Федеральная служба государственной статистики. Макроэкономические показатели : сайт. – 2022. – URL: https://rosstat.gov.ru/folder/11186?print=1 (дата обращения: 22.06.2023). – Текст : электронный.

[5] Регионы России. Социально-экономические показатели. 2022: Стат. сб. / Росстат. - М., 2022. – С. 447-479. – Текст : непосредственный.

[6] Регионы России. Социально-экономические показатели. 2022: Стат. сб. / Росстат. - М., 2022. – С.18. – Текст : непосредственный.

[7] Регионы России. Социально-экономические показатели. 2022: Стат. сб. / Росстат. - М., 2022. – С.18. – Текст : непосредственный.

[8] Регионы России. Социально-экономические показатели. 2022: Стат. сб. / Росстат. - М., 2022. – С.516-518. – Текст : непосредственный.

[9] Уральский федеральный округ: полгода в неопределенной динамике : сайт. – 2023. – URL: https://uiec.ru/ wp-content/uploads/Биллютень_2022.pdf (дата обращения: 31.05.2023). – Текст : электронный.

[10] Регионы России. Социально-экономические показатели. 2022: Стат. сб. / Росстат. - М., 2022. – С.516-518. – Текст : непосредственный.

[11] Методика расчета показателей производительности труда предприятия, отрасли, субъекта Российской Федерации: сайт. – 2023. – URL: https://rosstat.gov.ru/storage/mediabank/MET100101.pdf (дата обращения: 06.05.2023).

Федеральная служба государственной статистики. Информационное сообщество: сайт. – 2022. – URL: https://rosstat.gov.ru/statistics/infocommunity (дата обращения: 20.06.2023).

[12] Методика расчета показателей производительности труда предприятия, отрасли, субъекта Российской Федерации: сайт. – 2023. – URL: https://rosstat.gov.ru/storage/mediabank/MET100101.pdf (дата обращения: 06.05.2023).

Федеральная служба государственной статистики. Информационное сообщество: сайт. – 2022. – URL: https://rosstat.gov.ru/statistics/infocommunity (дата обращения: 20.06.2023).


Источники:

1. Волкова Н.Н., Романюк Э.И. Взаимосвязь уровня развития цифровой среды и производительности труда // Проблемы развития территории. – 2020. – № 4(108). – c. 109-123. – doi: 10.15838/ptd.2020.4.108.7.
2. Волкова Н.Н., Романюк Э.И., Френкель А.А. Сравнительный анализ различных подходов к измерению производительности труда // Экономическая наука современной России. – 2020. – № 3(90). – c. 117-131. – doi: 10.33293/1609-1442-2020-3(90)-117-131.
3. Кознов А.Б. Влияние цифровизации на рынок труда // Международный журнал гуманитарных и естественных наук. – 2019. – № 4. – c. 177-179. – doi: 10.24411/2500-1000-2019-10778.
4. Маслова В.М. Использование цифровых технологий в системе управления человеческими ресурсами организации // Феномен рыночного хозяйства: от истоков до наших дней: Материалы VII Международной научно-практической конференции по экономике, посвященной памяти известного ученого и крупного организатора экономической науки на Юге России доктора экономических наук, профессора А.Ф. Сидорова. Сочи, 2019. – c. 446-454.
5. Бондарчук Н.В., Усенко Л.Н., Тагаев Я.Т. Трансформация показателей эффективности использования средств труда предприятия в условиях цифровизации // Учет и статистика. – 2022. – № 1(65). – c. 49-58. – doi: 10.54220/1994-0874.2022.65.1.005.
6. Кочетков Е.П., Забавина А.А., Гафаров М.Г. Цифровая трансформация компаний как инструмент антикризисного управления: эмпирическая оценка влияния на эффективность // Стратегические решения и риск-менеджмент. – 2021. – № 1. – c. 68-81. – doi: 10.17747/2618-947X-2021-1-68-81.
7. Довгаль В.А., Довгаль Д.В. Интернет Вещей: концепция, приложения и задачи // Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. – 2018. – № 1(212). – c. 129-135.
8. Овчинникова О.П., Харламов М.М., Кокуйцева Т.В. Методические подходы к повышению эффективности управления процессами цифровой трансформации на промышленных предприятиях // Креативная экономика. – 2020. – № 7. – c. 1279-1290. – doi: 10.18334/ce.14.7.110615.
9. Мерзлов И.Ю. Методы оценки цифровой зрелости: обзор международной практики // Креативная экономика. – 2022. – № 2. – c. 503-520. – doi: 10.18334/ce.16.2.114163.
10. Андреева Ж.В., Асалиев А.М. Исследование динамики показателей эффективности труда под влиянием фактора цифровой трансформации // Лидерство и менеджмент. – 2023. – № 1. – c. 343-356. – doi: 10.18334/lim.10.1.117380.
11. Андреева Ж.В. Определение показателя эффективности труда в условиях цифровой трансформации // Вестник Российского экономического университета им. Г.В. Плеханова. – 2023. – № 6. – c. 133-143. – doi: 10.21686/2413-2829-2023-6-133-143.
12. Асалиев А.М., Шубенкова Е.В. Развитие и обучение персонала как основа повышения производительности труда. / В сборнике: Россия: тенденции и перспективы развития. Ежегодник. Материалы XIX Национальной научной конференции с международным участием. - Москва: ИНИОН РАН, 2020. – 223-226 c.
13. Алетдинова А.А., Аренков И.А., Афанасьева Р.Р., Бабкин А.В., Байков Е.А., Бакаев М.А. и др. Цифровая трансформация экономики и промышленности: проблемы и перспективы. / Монография. - Санкт-Петербург: Федеральное государственное автономное образовательное учреждение высшего образования «Санкт-Петербургский политехнический университет Петра Великого», 2017. – 807 c.
14. Леденёва М.В., Плаксунова Т.А. Динамика производительности труда стран мира и суть четвертой промышленной революции // Вестник Волгоградского государственного университета. Экономика. – 2022. – № 2. – c. 237-246. – doi: 10.15688/ek.jvolsu.2022.2.20.
15. Шубенкова Е.В., Косарева Е.А. Повышение производительности труда и поддержка занятости: Кадровые проблемы реализации. / В сборнике: план и рынок – сочетание несочетаемого? Сборник статей IX Международной научно-практической конференции «Абалкинские чтения». - М.: Российский экономический университет имени Г.В. Плеханова, 2019. – 258-264 c.
16. Щербаков А.И. Производительность труда, как экономическая категория и обобщённый показатель эффективности // Социально-трудовые исследования. – 2022. – № 3(48). – c. 27-34. – doi: 10.34022/2658-3712-2022-48-3-27-34.
17. Aly H. Digital transformation, development and productivity in developing countries: is artificial intelligence a curse or a blessing // Review of Economics and Political Science. – 2022. – № 4. – p. 238-256. – doi: 10.1108/ОТЗЫВЫ-11-2019-0145.
18. Digital 2023 october global statshot report. Datareportal.com. [Электронный ресурс]. URL: https://datareportal.com/reports/digital-2023-october-global-statshot (дата обращения: 22.11.2023).
19. Wittenstein D. Champions of digital transformation? The dynamic capabilities of hidden champions. Zew. [Электронный ресурс]. URL: https://www.econstor.eu/bitstream/10419/226359/1/1740389344.pdf.
20. Zeng G., Lei L. Digital Transformation and Corporate Total Factor Productivity: Empirical Evidence Based on Listed Enterprises // Hindawi Discrete Dynamics in Nature and Society. – 2021. – № 3. – p. 1-6. – doi: 10.1155/2021/9155861.

Страница обновлена: 01.03.2024 в 08:45:40