CC BY
5DOI:10.38197/2072-2060-2022-237-5-151-168
ГРАВИТАЦИОННАЯ МОДЕЛЬ ОЦЕНКИ ИННОВАЦИОННОГО ПОТЕНЦИАЛА РАзВИТИЯ РЕГИОНАЛЬНОГО
сельского хозяйства
GRAVITY MODEL
FOR DETERMINING
THE INNOVATIVE POTENTIAL
OF REGIONAL AGRICULTURE
DEVELOPMENT
АКМАРОВ ПЕТР БОРИСОВИЧ
Президент Союза экономистов Удмуртской Республики, кандидат экономических наук, профессор
PETR B. AKMAROV
President of the Union of economists of the Udmurt Republic, Candidate of Economic Sciences, Professor
152
КНЯЗЕВА ОЛЬГА ПЕТРОВНА
Доцент Ижевской государственной сельскохозяйственной академии, кандидат экономических наук
OLGA P. KNIAZEVA
Senior lecturer of the Izhevsk state agricultural academy, Candidate of Economic Sciences
АННОТАЦИЯ
В статье представлена информация о развитии цифровизации в сельском хозяйстве России. Освещены проблемы цифровой трансформации аграрного сектора экономики и региональные особенности развития информационно-коммуникационных технологий в сельской местности. Представлена модель оценки потенциала развития регионального сельского хозяйства, основанная на гравитационной теории притяжения точек роста. Предложена методика оценки эффективности управления инновациями на уровне отдельных регионов и конкретных аграрных предприятий. ABSTRACT
The article provides information on the development of digitalization in agriculture in Russia. The problems of digital transformation of the agricultural sector of the economy and regional features of the development of information and communication technologies in rural areas are highlighted. A model for assessing the development potential of regional agriculture based on the gravitational theory of attraction of growth points is presented. A methodology for assessing the effectiveness of innovation management at the level of individual regions and specific agricultural enterprises is proposed.
КЛЮЧЕВЫЕ СЛОВА
Инновации, цифровизация сельского хозяйства, модернизация, гравитационная модель, потенциал развития, эффективность производства. KEYWORDS
Innovation, digitization of agriculture, modernization, gravity model, development potential, production efficiency.
Введение
Сельское хозяйство России имеет огромный потенциал развития, который сегодня используется лишь частично. По оценкам отдельных ученых, объем производства продукции сельского хозяйства в стране можно увеличить втрое [1]. При этом основным ресурсом такого роста является технологическая трансформация отрасли, ориентированная на цифровизацию технологических и управленческих процессов.
Цель исследования
Чтобы определить потенциальные возможности аграрного сектора экономики России и отдельных его регионов, необходимо составить научно обоснованную методику, которая учитывает технологическую трансформацию отрасли. Поэтому основной целью исследования является разработка модели для оценки инновационного потенциала регионального сельского хозяйства.
Материалы и методы исследования
Для определения потенциальных возможностей развития аграрного производства мы изучили развитие отрасли в последние годы, когда в сельском хозяйстве началось активное внедрение инновационных технологий. Переход отрасли на
154
цифровые технологии развития начался около 20 лет назад, что привело к повышению эффективности сельскохозяйственного производства, притоку инвестиций и обновлению человеческих ресурсов. Эта динамика подтверждается материалами Росстата [2] и многочисленными исследованиями экономистов [3, 4].
Некоторые показатели развития цифровых технологий в сельском хозяйстве России, рассчитанные на основе данных статистических органов и исследований НИУ ВШЭ, представлены в табл. 1.
Таблица 1
Развитие цифровых технологий в сельском хозяйстве России, в % от всех
Технология Всего Растениеводство Животноводство
Цифровые технологии в целом 23,0 21,0 24,0
Широкополосный интернет 74,3 67,4 76,1
Облачные сервисы 20,9 18,7 20,1
ERP-сисгемы 5,5 6,4 7,1
Электронные продажи 8,3 7,0 1,6
RFID-технологии 5,5 6,7 7,2
В целом сейчас инвестиции в аграрном секторе экономики по темпам развития не отстают от других отраслей, а в некоторые годы даже опережают (рис. 1). Конечно, они более низкие по сравнению со сферой информационных технологий, но при этом практически почти все вложения в развитие сельского хозяйства имеют инновационный характер и связаны с цифровой трансформацией производства.
Более активно сегодня применяются цифровые технологии в животноводстве. Обращает на себя внимание то, что сейчас активно внедряются информационные технологии в произ-
Индекс физического объема инвестиций в экономике России, %
200 180 160 140 120 100 80 60 40 20
0
2014 2015 2016 2017 2018 2019 2020
-♦—Всего -^-Сельское хозяйство -«-Сфера информационных технологий
Рисунок 1. Динамика инвестиций в инновационное развитие экономики России
водственной сфере, включая применение RFID методов. Хотя в сельском хозяйстве они используются в ограниченном количестве (не более 10% предприятий), но рост таких производств за последние годы идет очень активно, подталкивая цифровую трансформацию на очень высокий уровень.
Перспективы такого развития отрасли уже прослеживаются сегодня и подтверждаются темпами ежегодного роста объемов произведенной в отрасли продукции. Темпы инновационного развития аграрного производства России отражены в табл.2.
За последние четыре года основные показатели технологической трансформации сельского хозяйства возросли более чем в два раза. При этом главным сдерживающим фактором инновационного развития аграрного производ-
л
ства стал недостаток квалифицированных кадров сферы информационно-коммуникационных технологий [5].
Таблица 2
Инновационное развитие аграрного производства России
Показатель Годы
2016 2017 2018 2019
Затраты на инновации, млн руб. 15074 15942 22033 49393
Доля специалистов сферы ИКТ в отрасли, % 1,5 1,9 2,2 2,4
Удельный вес организаций, внедряющих инновации, % 3,4 5,2 5,4 6,5
Объем инновационных товаров, млн руб. 22223 28446 33829 69559
За указанный период инвестиции в цифровую трансформацию аграрного производства возросли более чем в три раза. Особенно большой рост произошел в 2019 году. Эффективность таких инвестиций подтверждается увеличением доли и объемов инновационной продукции. Сейчас примерно 57% продукции сельского хозяйства производится с использованием инновационных технологий [6]. При этом следует иметь в виду, что наибольшую отдачу от инвестиций в цифровую трансформацию отрасли мы получаем только на второй или третий год после их внедрения.
Результаты
Несмотря на активную модернизацию отрасли, все же сельское хозяйство в силу объективных обстоятельств по темпам цифровизации пока значительно отстает от других отраслей экономики. Так, например, если в целом по стране сегодня 48,5% организаций предпринимательского сектора име-
ют собственные сайты, то в сельском хозяйстве доля таких организаций только 25,1%, использование интернета для обучения специалистов целом по организациям России составляет 45%, а в сельском хозяйстве — 23,3%. В целом, по оценкам ученых, индекс цифровизации сельского хозяйства России составляет 23% при среднем уровне этого показателя по всем отраслям 32% [7].
Однако рост цифровизации аграрного сектора в последние годы идет более быстрыми темпами, чем в других отраслях, и мы полагаем, что эти тенденции сохранятся в ближайшей перспективе. Сегодня продуктовые инновации в сельском хозяйстве составляют 53,9%, а процессные — 66,1%. Из них наибольшую часть — 55,6% — занимают новые или усовершенствованные методы разработки и производства товаров и услуг.
Следует отметить, что развитие экономики регионов России сегодня идет весьма неравномерно, что связано с объективными различиями природно-экономических условий хозяйствования, сложившимися направлениями производственного районирования, накопленным потенциалом трудовых и материальных ресурсов [8, 9]. Эти различия обуславливают разные темпы внедрения инновационных технологий, ориентированных, прежде всего, на цифровую трансформацию производства.
К примеру, в Приволжском федеральном округе уровень инновационной активности территорий меняется от 5,6% в Оренбургской области до 21,2% в Мордовии, а в большинстве регионов, в том числе в Удмуртии, составляет около 10% [10]. Поэтому оценка потенциала развития регионов должна учитывать сложившиеся объективные особенности развития территорий страны.
158
В то же время, как показывает практика, в каждом регионе можно выделить предприятия, которые при равных исходных условиях хозяйствования добиваются значительно более высоких результатов, прежде всего, за счет цифрови-зации. Особенно это характерно для сельского хозяйства. Покажем это на примере Удмуртской Республики, где на сравнительно небольшой территории с примерно одинаковыми природно-климатическими условиями эффективность производственной деятельности в сельском хозяйстве отличается в несколько раз (табл. 3). Так, чистая прибыль на единицу земельных ресурсов в лучшем районе (Вавожском) превышает показатель отстающего района (Красногорского) более чем в 14 раз, а объем валовой продукции в 4 раза. На этом фоне выделяются успехи СХПК «Колос» Вавожско-го района — одного из крупнейших сельскохозяйственных организаций Удмуртии. Это хозяйство является лидером по всем основным экономическим показателям развития региона за все последние годы и продолжает интенсивно развиваться, внедряя в производство инновационные технологии, как в растениеводстве, так и в животноводстве. Эти технологии основываются на цифровой трансформации наиболее трудоемких процессов.
Динамика развития СХПК «Колос» является примером для других организаций Вавожского района, и они также начинают внедрять цифровые технологии, что и вывело ранее отстающий район в число лидеров. Эти лидирующие организации можно отметить как региональные точки роста и на их основе рассмотреть перспективы территориального развития аграрного производства.
Мы полагаем, что оценку потенциала развития сельского хозяйства можно строить по модели развития передовых
Таблица 3
Эффективность производственной деятельности в сельском хозяйстве Удмуртии
Регион, район, организация Площадь сельхозугодий, тыс. га Поголовье КРС, гол. Валовая продукция сельского хозяйства, млн руб. Чистая прибыль на 100 га посевов, тыс. руб.
всего на 100 га сельхозугодий всего на 100 га сельхозугодий
Удмуртская Республика 1693,40 339000 20,02 71475,59 4220,83 253
Вавожский район 68,60 28492 41,53 4325,01 6304,69 1073
Алнашский район 66,70 24379 36,55 3948,77 5920,19 407
Красногорский район 48,70 5368 11,02 768,65 1578,34 73
Селтинский район 57,00 9266 16,26 1374,04 2410,59 81
СХПК «Колос» 12,07 6356 52,67 989,87 8202,39 1316
организаций, распространив эту оценку сначала на район, а затем и на регион в целом. Таким образом, можно определить по потенциалу лучшего хозяйства потенциал лучшего района, а потом уже потенциал сельского хозяйства субъекта.
Такой подход к определению перспективных возможностей хозяйствующих субъектов основывается на теории «экономического ядра», когда точка роста начинает влиять на свое окружение в соответствии с гравитационной моде-
160
лью притяжения [11]. При этом, однако, необходимо иметь в виду специфику окружающих субъектов. Они должны иметь близкую производственную специализацию и оснащенность ресурсами.
Одновременно следует учитывать, что все процессы в сельском хозяйстве идут в динамике и, как показывает практика, время распространения лучшего опыта до других организаций растягивается на 2-3 года и зависит от удаленности хозяйств друг от друга, от активности региональных органов управления сельским хозяйством по расширению опыта и от личных деловых качеств руководителя организации. Поэтому мы считаем, что более точным будет применение для модели оценки потенциала усредненных показателей развития хозяйств за несколько лет.
К примеру, для оценки потенциальных возможностей Вавожского района Удмуртии необходимо умножить относительные показатели эффективности производства лучшего хозяйства района, рассчитанные на единицу площади сельскохозяйственных земель, на суммарную площадь таких земель в районе. Таким образом, потенциальный объем валовой продукции сельского хозяйства Вавожского района составит 5626,83 млн руб., что превышает достигнутый уровень на 1301,82 млн руб. Потенциал роста объемов производства для района оценивается в 30%.
Аналогичным образом можно определить и иные показатели эффективности, такие как производительность труда, прибыль, рентабельность и др.
Далее, для оценки потенциала более крупного регионального образования, например субъекта страны следует определить точку роста в виде сельского района с наилучшими показателями. Например, для Удмуртии сегодня это
Вавожский район. Фактически достигнутые результаты этого района и его потенциальные возможности, определенные на предыдущем этапе по показателям лучшего хозяйства, могут быть основой для расчета текущего и перспективного потенциалов Удмуртии соответственно. К примеру, текущий потенциал по объему валовой продукции (далее — ВП) сельского хозяйства в Удмуртии составит 106763,62 млн руб. (6304,69 * 1693,4 / 100). А перспективный потенциал составит 138899,04 млн руб.
Такая методика расчета потенциальных возможностей позволяет не только выявить перспективы развития регионов, но и оценить уровень эффективности управления в конкретном субъекте. С этой целью необходимо соотнести фактические результаты, достигнутые в оцениваемом регионе (районе) с его потенциалом, определив таким образом коэффициент использования текущего и перспективного потенциалов (Кисп.).
В табл. 4 отражены результаты расчетов эффективности управления инновационным развитием аграрного производства по отдельным сельским районам Удмуртской Республики.
Анализ таблицы позволяет сделать вывод о том, что эффективность управления инновационным развитием аграрного производства в Красногорском районе Удмуртии в 4 раза ниже, чем в передовом Вавожском районе, а в сравнении с лучшим хозяйством республики — в 5 раз (рис. 2). Это при том, что условия хозяйствования на этих территориях примерно одинаковые. Таким образом, напрашивается вывод о необходимости глубокого анализа причин отставания отдельных районов. Возможно, существуют объективные трудности, для преодоления которых требуется
162
Таблица 4
Расчет эффективности управления регионом
Район ВП сельского хозяйства, млн руб. Текущий потенциал объемов ВП Перспективный потенциал объемов ВП Кисп. текущего потенциала Кисп. перспективного потенциала
всего на 100 га сельхозугодий
Удмуртская Республика 71475,59 4220,83 106763,62 138899,04 0,67 0,51
Вавожский район 4325,01 6304,69 4325,01 5626,83 1,00 0,77
Алнашский район 3948,77 5920,19 4205,23 5470,98 0,94 0,72
Красногорский район 768,65 1578,34 3070,38 3994,56 0,25 0,19
Селтинский район 1374,04 2410,59 3593,67 4675,35 0,38 0,29
государственная поддержка или необходимо перепрофилировать производственную деятельность района на другие направления деятельности.
Предложенная методика оценки инновационного потенциала и эффективности его использования может быть распространена и на крупные территории, такие как федеральные округа, при условии, что природно-климатические условия хозяйствования на этой территории существенно не отличаются.
Однако мы считаем, что такое расширенное применение модели оценки потенциала в условиях сельских территорий России себя не оправдает в силу больших размеров и разно-
Рисунок 2. Уровень использования потенциала аграрного производства в сельских районах
образия этих территорий не только по природно-климатическим, но и социально-экономическим условиям развития.
Наши исследования динамики развития аграрного производства в различных субъектах страны позволили выделить сугубо аграрные территории, где доля сельского хозяйства в валовом региональном продукте является превалирующей, и территории со смешанным производством, где сельское хозяйство сочетается с обрабатывающим производством или с энергогенерирующими отраслями. Развитие инноваций в этих регионах идет разными темпами. Поэтому более обоснованным будет применение индивидуальной модели оценки потенциала цифровой трансформации аграрного производства, основанной на предложенной методике.
В то же время следует отметить, что денежная оценка потенциала регионального развития недостаточно объективна в силу ряда причин. В первую очередь это нестабильность
164
денежной оценки произведенной продукции, ее подверженность инфляционным процессам. С другой стороны, денежная оценка продукции не всегда соответствует ее потребительским свойствам.
Поэтому более глубокая оценка потенциала аграрного производства требует перехода к натуральным, но сопоставимым измерителям объемов производства. Например, это может быть энергетическая или кормовая ценность продукции. В этом случае модель оценки потенциала развития аграрного производства позволит не только выделить перспективные возможности региона, но и дифференцировать их по основным видам производства.
Выводы
Полученная в результате исследования методика оценки потенциала развития отдельных регионов основывается на модели привлекательности передовых организаций аграрного сектора экономики, которые оказывают положительное влияние на развитие других предприятий подобного профиля, имеющих примерно одинаковые условия хозяйствования и близкую производственную специализацию. Здесь мы наблюдаем закономерности, подобные воздействию гравитационных сил тяготения. Передовое предприятие становится притягательным примером для других организаций, имеющих тесные информационные связи, территориально расположенных на небольшом расстоянии и располагающих соответствующими ресурсами развития.
Необходимо отметить, что в большинстве регионов основная часть сельскохозяйственных организаций имеет схожие условия, поэтому они составляют основу аграрного потенциала региона. Так, в Удмуртии более 90% сельскохозяйственных уго-
дий заняты скотоводческими предприятиями молочной специализации и молочная продукция является стратегическим продуктом аграрной отрасли региона. Поэтому выбор лучшего предприятия из этой основной группы сельскохозяйственных организаций в качестве основы для расчета потенциала цифровой трансформации является вполне обоснованным.
При этом мы имеем в виду, что эти передовые достижения достигнуты в основном за счет применения новых технологий, основанных на цифровой трансформации производственных и управленческих процессов. Иными методами добиться выдающихся результатов в сегодняшних условиях четвертого технологического уклада практически невозможно.
Поэтому мы имеем полное право говорить о том, что предложенная модель оценивает прежде всего потенциал цифровизации аграрной отрасли. Одновременно результаты применения модели могут использоваться для оценки эффективности управления на территориальном уровне и на уровне отдельных организаций [12].
Библиографический список
1. Газетдинов Ш.М., Газетдинов М.Х., Семичева О.С., Га-тина Ф.Ф. Современные формы регулирования территориально-производственных взаимоотношений в сельских территориях // Вестник Казанского государственного аграрного университета. — 2020. — Т. 15. — № 4 (60). — С. 97-101.
2. Россия в цифрах. 2020: Краткий статистический сб. / Росстат — М., 2020. — 357 с.
3. Индикаторы цифровой экономики: 2021: статистический сборник / Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; Нац. исслед. Ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2021. — 452 с.
4. Акмаров П.Б. Инвестиции в цифровую экономику как фактор роста производительности труда в сельском хозяйстве / П.Б. Акмаров, О.В. Абрамова, О.П. Князева // Научные труды Вольного экономического общества России. — 2019. — Т. 218. — № 4. — С. 564-572.
5. Акмаров П.Б. Квалифицированные кадры — основа инновационного развития АПК / П.Б. Акмаров, О.В. Абрамова, Е.С. Третьякова // Вестник Ижевского государственного технического университета. — 2010. — № 1 (45). — С. 44-47. — EDN LDHEYZ.
6. Романишина Т.С. Современные методы и принципы регулирования развития инновационных предприятий с учетом опыта Калужской области / Т.С. Романишина // Бизнес. Образование. Право. — 2017. — № 4 (41). — С. 173-180.
7. Галикеев Р.Н., Гатауллин Р.Ф. Оценка аграрного потенциала как фактора структуризации территорий // Фундаментальные исследования. — 2016. — № 6-2. — С. 366-371.
8. Дюкина Т.О. , Лукьянова Н.Ю. Оценка социально-экономического развития регионов россии: инвентаризация подходов / Вестник Балтийского федерального университета им. И. Канта. Сер.: Гуманитарные и общественные науки. 2018. № 2. С. 61-69.
9. Ферару Г.С., Орлова А.В. Методика оценки уровня устойчивого социально-экономического развития регионов // Современные проблемы науки и образования. 2014. № 1. С. 1-7.
10. Акмаров П.Б. Оценка эффективности государственной поддержки сельского хозяйства / П.Б. Акмаров, О.П. Князева // Научные труды Вольного экономического общества России. — 2020. — Т. 223. — № 3. — С. 451-456.
11. Павлов К.В., Шишкин М.И. Теория экономического ядра. — Ижевск: Удмуртия, 1996. — 92 с.
12. Дубровина Н.А. Оценка эффективности регионального управления // Вестник СамГУ. — 2006. — № 2. — С. 97-101.
References
1. Gazetdinov SH.M., Gazetdinov M.H., Semicheva O.S., Gatina
F.F. Sovremennye formy regulirovaniya territorial>no-proizvodstvennyh vzaimootnoshenij v sel>skih territoriyah // Vestnik Kazanskogo gosudarstvennogo agrarnogo universiteta — 2020. — T. 15. — 4 (60). — S. 97-101.
2. Rossiya v cifrah. 2020: Kratkij statisticheskij sb. / Rosstat — M., 2020. — 357 c.
3. Indikatory cifrovoj ekonomiki: 2021: statisticheskij sbornik /
G.I. Abdrahmanova, K.O. Vishnevskij, L.M. Gohberg i dr.; Nac. issled. Un-t «Vysshaya shkola ekonomiki». — M.: NIU VSHE — 2021. — 452 c.
4. Akmarov P.B. Investicii v cifrovuyu ekonomiku kak faktor rosta proizvoditel'nosti truda v sel'skom hozyajstve / P. B. Akmarov, O.V. Abramova, O.P. Knyazeva // Nauchnye trudy Vol'nogo ekonomicheskogo obshchestva Rossii. — 2019. — T. 218. — № 4. — S. 564-572.
5. Akmarov P.B. Kvalificirovannye kadry — osnova innovacionnogo razvitiya APK / P.B. Akmarov, O.V. Abramova, E.S. Tret'yakova // Vestnik Izhevskogo gosudarstvennogo tekhnicheskogo universiteta. — 2010. — № 1(45). — S. 44-47. — EDN LDHEYZ.
6. Romanishina, T.S. Sovremennye metody i principy regulirovaniya razvitiya innovacionnyh predpriyatij s uchetom opyta Kaluzhskoj oblasti / T.S. Romanishina // Biznes. Obrazovanie. Pravo. — 2017. — № 4 (41). — S. 173-180.
7. Galikeev R.N., Gataullin R.F. Ocenka agrarnogo potenciala kak faktora strukturizacii territorij // Fundamental'nye issledovaniya. — 2016. — № 6 — 2. — S. 366-371.
8. T. O. Dyukina, N.YU. Luk'yanova Ocenka social'no-ekonomicheskogo razvitiya regionov rossii: inventarizaciya podhodov/Vestnik Baltijskogo federal'nogo universiteta im. I. Kanta. Ser.: Gumanitarnye i obshchestvennye nauki. 2018. № 2. S. 61-69.
168
9. Feraru G.S., Orlova A.V. Metodika ocenki urovnya ustojchivogo social'no-ekonomicheskogo razvitiya regionov // Sovremennye problemy nauki i obrazovaniya. 2014. №1. S. 1-7.
10. Akmarov P.B. Ocenka effektivnosti gosudarstvennoj podderzhki sel'skogo hozyajstva / P. B. Akmarov O.P. Knyazeva // Nauchnye trudy Vol'nogo ekonomicheskogo obshchestva Rossii. — 2020. — T. 223. — № 3. — S. 451-456.
11. Pavlov K.V., SHishkin M.I. Teoriya ekonomicheskogo yadra. Izhevsk: Udmurtiya — 1996. — 92s.
12. Dubrovina N. A. Ocenka effektivnosti regional'nogo upravleniya // Vestnik SamGU. — 2006. — № 2. — S. 97-101.
Контактная информация / Contact information
ФГБОУ ВО «Ижевская государственная сельскохозяйственная академия»
426069, г. Ижевск, ул. Студенческая, 11
Izhevsk State Agricultural Academy, 11, Studentskaya str., Izhevsk, 426069, Russia
Акмаров Петр Борисович / Petr B. AKMAROV izgsha_ur@mail.ru
ФГБОУ ВО «Ижевская государственная сельскохозяйственная академия»
426069, г. Ижевск, ул. Студенческая, 11
Izhevsk State Agricultural Academy, 11, Studentskaya str., Izhevsk, 426069, Russia
Князева Ольга Петровна / Olga P. KNIAZEVA knyazevaop@yandex.ru
