CC BY
43
13 (106) - 2009
Инновации и инвестиции
БЕННМАРКИНГ КАК ИНСТРУМЕНТ РАЗРАБОТКИ РЕГИОНАЛЬНОЙ ИННОВАЦИОННОЙ СТРАТЕГИИ
Л. А. ВОРОНИНА, доктор экономических наук
В. В. УШНОВ Кубанский государственный университет
По мере того как глобализация вынуждает страны и регионы конкурировать друг с другом, бенчмаркинг становится все более популярным инструментом разработки региональной инновационной политики [1]. Зарубежные словари трактуют термин «benchmark» как «экспертный стандарт, используемый в качестве контрольной точки», или «стандарт, по которому можно произвести измерение или оценку чего-либо». Следующее определение бенчмаркинга дает Д. Керне: «... постоянный процесс количественной оценки продуктов, услуг или процессов в сравнении с показателями, достигнутыми конкурентами и фирмами, считающимися лидерами в данном секторе» [4]. Необходимо заметить, что бенчмаркинг в сфере выработки политики является достаточно новым направлением, служащим для оценки альтернативных вариантов регулирования, выработки стратегий и повышения эффективности управления на основе более глубокого понимания и заимствования подходов, успешно реализованных в других областях. Основной задачей в сфере регулирования является ознакомление лиц, ответственных за принятие решений, с передовым опытом путем выявления примеров удачной, грамотно разработанной и эффективно осуществленной политики.
Классический анализ по методике бенчмар-кинга предполагает расчет ряда конкретных показателей, на основании которых определяются позиции объектов сравнения друг относительно друга. Прежде всего, необходимо подготовить выборку объектов наблюдения; затем осуществляется сбор информации, которая позволит составить «профили» анализируемых объектов и областей, а также их упорядочить (ранжировать). Наконец,
индикаторы подвергаются качественной оценке, в ходе которой определяется, насколько они значимы и показательны [2].
Инновационная деятельность является чрезвычайно сложным процессом, характеризующимся многочисленными интенсивными связями между различными компонентами всей социально-экономической системы региона. То, что иногда представляется результатом, под иным углом зрения является лишь отправной точкой. Отдавая себе отчет в комплексном характере инновационных процессов, исследователи, тем не менее, традиционно разделяли индикаторы, характеризующие исходные воздействия на достигнутые результаты, и полученный благодаря им эффект. Традиционно для оценки инновационной деятельности служит множество (более 100) различных индикаторов, публикуемых на периодической основе. Эти данные используются двояко: по отдельности (в виде таблиц и графиков) и в агрегированной форме (путем построения специальных составных индикаторов). Однако в последние годы на смену такому разделению пришла концепция, рассматривающая инновационную деятельность как процесс, в котором определяющую роль играет обратная связь с потребителями конечной продукции. Этот подход с позиций «национальных инновационных систем» заставляет анализировать научные и технологические аспекты совместно с организационными, институциональными, экономическими и иными факторами [5].
Говоря об опыте бенчмаркинга инновационной деятельности, необходимо, в первую очередь, отметить усилия Европейского Союза в данном направлении. Значительная эволюция иннова-
ционной политики в Европе произошла в период после 2000 г., когда была принята «Лиссабонская стратегия» создания единого научного и инновационного пространства в Европе и поставлена стратегическая цель — догнать и превзойти мировых инновационных лидеров — США и Японию — по финансированию инноваций. Серьезные изменения произошли в приоритетах и целях инновационной политики государств — членов Европейского Союза. Как на государственном уровне, так и в предпринимательском секторе произошла модернизация структуры политики, усовершенствованы ее инструменты, разработаны стратегии развития [5]. В последние годы на уровне Европейского Союза было предпринято несколько скоординированных попыток разработать общие процедуры расчета составных индикаторов на национальном уровне [6]. Европейская комиссия активно стимулировала использование композитных индексов, т. е. агрегирование показателей различных типов в упрощенные конструкции для комплексной оценки сложных многомерных феноменов [3]. Сегодня Европейский Союз оценивает инновационные процессы по 20 индикаторам и делает бенчмаркинг (сравнительную оценку эффективности инновационной деятельности) важнейшим инструментом политических решений. Для составления ежегодного Инновационного табло (European Innovation Scoreboard) используют как регулярные статистические данные (Community Innovation Survey), так и выборочные обследования — (Innobarometer). Европейское инновационное табло (European Innovation Scoreboard — EIS) содержит индикаторы по шести направлениям:
• движущие силы инноваций (5 индикаторов; выпускники вузов научных и инженерных специальностей; образование третьего уровня; уровень проникновения широкополосного доступа в Интернет; непрерывное образование, образование молодежи);
• производство знаний (4 индикатора: государственные затраты на научные исследования и разработки (НИиР); затраты предприятий на НИиР; доля НИиР в области средних и высоких технологий; доля фирм, получивших государственное финансирование);
• инновационная деятельность предпринимательского сектора (6 индикаторов: малые и средние предприятия, осуществляющие инновации; сотрудничество инновационных малых и средних предприятий с внешними партнерами; затраты на инновации; венчурные
инвестиции на ранних стадиях; затраты на ИКТ; малые и средние предприятия, внедрившие организационные инновации);
• практическое применение инноваций (5 индикаторов: занятость в сфере высокотехнологичных услуг; экспорт высокотехнологичной продукции; доля продаж новой для рынка продукции; доля продаж новой для предприятия продукции; занятость в сфере средне- и высокотехнологичного производства);
• интеллектуальная собственность (5 индикаторов: число патентов, выданных Европейским патентным ведомством; число патентов, выданных Ведомством по патентам и товарным знакам США; число патентов, зарегистрированных в Европе, США и Японии (триадные патенты); число товарных знаков, зарегистрированных в Европейском Союзе; число промышленных разработок, зарегистрированных в Европейском Союзе).
Необходимо отметить, что в российской экономической литературе для количественной оценки инновационной деятельности используются четыре группы показателей [1]. Первая группа представляет собой экономические показатели, среди которых явно лидируют капиталовложения и затраты труда, хотя возможно и влияние ряда других величин; вторая — относится к характеристикам социально-психологических условий деятельности инновационных предприятий; третья — отражает географические особенности; четвертая группа связана с ресурсными ограничениями и возможностями.
Кроме того, в перечень факторов в некоторых моделях [1] входят составляющие функционирования инновационного предприятия: традиции научно-производственной школы; потенциал инновационного развития; квалифицированный научный, инженерный, производственный персонал; возможности получения образования; наличие земли; производственных сооружений, оборудования, знаний, в том числе технологических; наличие энергоносителей, транспорта, коммуникаций, информационных технологий и связей. Играет также роль наличие соответствующего инновационному развитию окружения и величина индекса развития человеческого потенциала (ИЧРП), имеющего такие характеристики, как уровень высшего образования, дополнительное бизнес-образование, наличие ученой степени, опыт исследовательской и опытно-конструкторской деятельности и т. д.
Для целей разработки региональной инновационной политики проведение бенчмаркинга по
РЕгиомьнАя экономикА: теория и практика
29
всему описанному комплексу показателей зачастую не требуется. Во-первых, многие из необходимых статистических данных не публикуются, а для их сбора требуется проведение масштабного полевого социологического исследования. Во-вторых, определенные ресурсные ограничения не под силу преодолеть на уровне одного отдельно взятого региона, требуется изменение всей структуры экономики и мощная государственная поддержка, как ресурсная, так и политическая. Поэтому для указанных целей представляется целесообразным проведение бенчмаркинга, в котором в качестве эталона рассматривается инновационная деятельность наиболее «продвинутых» в этом смысле российских регионов. Анализируя статистические данные за последние 10—15 лет, собранные в сборниках «Регионы России. Социально-экономические показатели», можно также выделить несколько основных групп показателей, описывающих инновационную деятельность — показатели потенциала, показатели коммерциализации и показатели результативности, а также прийти к следующим выводам: регионами-лидерами по показателю, характеризующему результативность инновационной деятельности в регионе — проценту инновационных товаров и услуг в 2003 г. (при среднем 4,6 %): Челябинская область — 17,6 %, Нижегородская область — 16,3, Вологодская область — 11,4, Иркутская область — 9,1, Калужская область — 8,7 %. В 2004 г. (при среднем 5,3 %): Самарская область — 18,4 %, Нижегородская область — 18, Орловская область — 10,8, Брянская область — 9,8, Республика Татарстан и Ульяновская область — по 9,1 %. В 2005 г. (при среднем 5 %): Самарская область — 26,5 %, Республика Татарстан — 20,8, Новгородская область — 19,1, Брянская область 11,3, Свердловская область — 10,1 %. В 2006 г. (при среднем 4,5 %): Самарская область — 25,1 %, Республика Адыгея — 21,3, Пермский край — 20,8, Республика Татарстан — 16,3, Республика Мордовия — 12,3 %. Таким образом, устойчивыми лидерами являются Самарская область и Республика Татарстан.
По такому показателю, как затраты на технологические инновации (показатель коммерциализации), в 2006 г. лидируют Москва, Тюменская область, Республика Татарстан, Самарская и Челябинская области. В 2005 г. — Свердловская и Челябинская области, г. Москва и Республика Татарстан. В 2004 г. — Москва, Свердловская, Челябинская и Самарская области. Учитывая традиционно сильные отличия Москвы от регионов по большинству социально-экономических показателей, более
целесообразным, на наш взгляд, представляется сосредоточить усилия по бенчмаркингу на опыте Самарской, Свердловской и Челябинской областей, а также Республики Татарстан. В чем же состоит «секрет успеха» данных регионов и как можно применить их опыт для развития инновационной экономики в других, пока не столь успешных, краях и областях?
Если анализировать показатели, характеризующие движущие силы инноваций в российском варианте набора статистических индикаторов, то по числу исследователей Свердловская область на 6-м, Челябинская на 7-м, Самарская на 10-м, а Республика Татарстан на 11-м месте по России. Для сравнения: Краснодарский край — лишь на 25-м. Анализируя финансирование инновационной деятельности в регионе по показателю «затраты на технологические инновации», получим следующие результаты: Республика Татарстан — 3-е место, Самарская область — 4-е, Челябинская — 5-е, Свердловская — 6-е, Краснодарский край — 27-е.
Теперь проанализируем динамику индикаторов, характеризующих инновационную деятельность в Краснодарском крае, и сопоставим с динамикой, демонстрируемой регионами-лидерами в 1995—2006 гг. Одним из наиболее информативных показателей, характеризующих созданный местными властями инновационный климат в регионе, а именно степень готовности предприятий и организаций региона к инновационным процессам, является статистический показатель «Внутренние затраты на исследования и разработки», т. е. затраты на выполнение исследований и разработок собственными силами организаций, включая как текущие, так и капитальные затраты. Проводя сопоставление российских статистических показателей с европейскими, можно отнести данный индикатор (и, пожалуй, единственный) к группе «Инновационная деятельность предпринимательского сектора». Как показывает мировая практика, при создании благоприятных условий для инновационной деятельности предприятий, таких как налоговые льготы, устранение административных и правовых барьеров, возможность получения льготных кредитов и т. д., готовность бизнеса к инвестированию собственных средств в инновационную деятельность значительно повышается, поэтому по данному индикатору можно судить об эффективности инновационной политики региональный властей.
Выделим для каждого временного ряда тренд с наиболее высоким качеством аппроксимации. Как
показано на рис. 1—4, наилучшим трендом для временного ряда, описывающего процессы коммерциализации знаний в Республике Татарстан, является линейным, для Самарской области — также линейный, для г. Москвы — полиномиальный четвертой степени, для Краснодарского края — полиномиальный шестой степени с коэффициентами детерминации 0,95, 0,96, 0,99 и 0,99 соответственно. Такие высокие значения коэффициентов детерминации говорят о хорошем качестве аппроксимации исходных временных рядов выделенными трендами.
Введем в рассмотрение коэффициент скорости роста показателя «внутренние затраты на исследования и разработки» для каждого из исследуемых регионов, который вычислим по формуле:
К = /'(X) Х,
У
где 1 = Т, С, М, К — индекс региона (Татарстан, Самарская область, Москва и Краснодарский край).
Затраты, тыс. руб. 4500000 4000000 3500000 3000000
Нетрудно заметить, что данный показатель аналогичен среднему коэффициенту эластичности в регрессионной модели, характеризующему степень изменения в среднем по совокупности результата у от своей средней величины при изменении фактора х на одну единицу от своего среднего значения и используемому для ранжирования факторов в эконометрической модели по силе их влияния на результат. В данном случае в качестве фактора выступает х время, а в качестве результирующего показателя — суммарный по региону объем внутренних затрат на исследования и разработки. Следовательно, введенный коэффициент скорости роста результирующего показателя характеризует изменение инновационного климата в регионе в течение последнего десятилетия. Вычислив значения коэффициента скорости роста по приведенной формуле, получим:
Кт = 1,12; Кс = 1,06; Км = 2,22; КК = 5,1.
Рис. 1. Внутренние затраты на исследования и разработки (ИР) в Республике Татарстан
2500000 2000000 1500000 1000000 500000 0
Республика Татарстан -Linear (Республика Татарстан)
Затраты, тыс. руб. 12000000 п
10000000 8000000 6000000
y = 1 E+06x - 181258 R2 = 0,963
Рис. 2. Внутренние затраты на ИР в Самарской области
4000000 2000000
0 -I— 1995
Год
2000
2001
2002
2003
2004
2005
2006
Затраты -Linear (Затраты)
Затраты, тыс. руб.
120000000 т
100000000
Рис. 3. Внутренние затраты на ИР в г. Москве
y = -36859Х4 + 992028Х3 - 8E+06X2 + 4E+07x - 3E + 07 R2 = 0,9985
80000000
60000000
40000000
20000000
0 -I— 1995
2000 2001 2002 "Внутренние затраты на ИР
2003 2004 2005 Poly (Внутренние затраты на ИР)
Затраты, тыс. руб. 2500000 -,
2000000
1500000
1000000
500000
= -1123,2x 6 + 31924x5 - 352372x4 + 2E+06x3 - 5E+06x2 + 8E+06x - 4E+06
R2 = 0,9974
1995
2000
2001
2002
2003
2004
2005
2006
• Краснодарский край
. Poly (Краснодарский край)
Рис. 4. Внутренние затраты на ИР в Краснодарском крае
Сравнивая полученные коэффициенты, можно сделать вывод о том, что создание благоприятного климата для осуществления инновационной деятельности предприятий и организаций в Краснодарском крае происходит даже более высокими темпами, чем в регионах-лидерах, а его текущее отставание по ряду показателей результативности инновационной деятельности объясняется сравнительно слабым потенциалом (недостаточным количеством научных кадров, низкими объемами государственных инвестиций в научную сферу и т. д.), изменение которого усилиями только региональной власти практически невозможно.
В заключение хотелось бы отметить, что усиление самостоятельности регионов в условиях возрастающей глобальной конкуренции и развитие бюджетного федерализма увеличивают значимость региональной политики, в том числе в инновационной сфере. Из наиболее распро-
страненных в настоящее время в мировой практике стратегий повышения конкурентоспособности регионов на базе развития инновационной экономики для Краснодарского края наиболее перспективными, с нашей точки зрения, являются стратегия поддержки диффузии инноваций и стратегия поддержки «точек роста» тех отраслей или предприятий, которые достигли определенных успехов в научно-технических разработках, имеют интеллектуальный и инфраструктурный потенциалы для эффективного роста, а также способны стать локомотивами роста, побуждая к развитию смежные отрасли и родственные производства и представлять страну на международных рынках.
СПИСОК ЛИТЕРАТУРЫ
Год
1. Сурков С. А. Генезис формирования вариационных моделей инновационного развития России // Проблемы прогнозирования. 2008. № 1, С. 123—135.
2. European Commission, Committee of Regions. Mutual Learning Platform. Regional Innovation report. Blueprint for Regional Benchmarking. Brussels, October, 2006. URL: http:// www.innovating-regions.org.
3. European Commission. 3 European Report on Science&Technology Indicators, 2003. — Brussels, 2003.
4. Kearnes D. T. Quality improvement begins at the top // World, v. 20(5), 1986. Р. 21.
5. Lundvall B. A. (ed.). National System of Innovation. — London: Printer. 1992.
6. Nardo M., Saisana A., Saltelli A., Tarantola A., Hoffman A., Giovannini E. Handbook on constructing composite indicators: Methodology and user guide. Statistics Working Paper. - Paris: OECD, 2005.
7. Paasi M. Collective benchmarking ofpolicies: an instrument for policy // Science and Public Policy, v. 32(1) . 2005. Р. 17-77.
8. The Lisbon Review 2002-2003. — An Assessment ofpolicies and reforms in Europe. — World Economic Forum. 2003.
0
