Информационные кластеры как форма сетевого взаимодействия Текст научной статьи по специальности «Экономика и бизнес»

Информационные кластеры как форма сетевого взаимодействия

УДК 338:001.895:332.143 (476)

Окончание. Начало в №2.

Для информационной экономики инновационность становится обязательным атрибутом. С конца XX в. развитие идет преимущественно по пути ускоренной оптимизации за счет микроизобретений, и одновременно сокращается количество прорывных инноваций — макроизобретений. В этих условиях основополагающую роль играет постоянное обновление и совершенствование хозяйственной деятельности, которое возможно только благодаря созданию интегрированных корпоративных структур нового поколения — информационных кластеров (ИК), с помощью информационно-коммуникационных технологий (ИКТ), объединяющих органы власти, финансовые, бизнес-сферы, научно-исследовательские центры и др.

Поскольку ИК представляют собой транснациональные экономические структуры, важным аспектом их развития становится изучение социально-экономической среды, в которой формируется ядро кластеров. Анализ на уровне региона позволяет оценить потенциал реструктуризации отраслей производства с учетом внешнеэкономического фактора, в частности информационных связей с субъектами из других государств, способствующих включению в мировое сообщество. Для этого целесообразно использовать коэффициенты Грубела — Ллойда и Баласса. С их помощью можно также получить дополнительные сведения о развитии региона базирования ядра кластера, определить приоритетные направления совершенствования международной коммерческой деятельности [1]. Коэффициент Баласса позволяет оценить уровень внутриотраслевой специализации во внешней торговле по товарам:

хм

(1)

где Э. , И. — экспорт и импорт товара I соответственно, п — количество товаров, принятых для расчета.

Индекс Грубела—Ллойда иллюстрирует состояние торговли по товарным группам, а степень развития внутриотраслевой торговли — по конкурентоспособности продукции:

Кгл=

=Е(э.

И ¡j

Х(з - и)

/=1

(2)

где Э.., И..—экспорт и импорт страны j группы продуктов i.

Для определения структуры внешнеторговых операций используется индекс сравнительного преимущества (RCA), рассчитываемый как по экспортным, так и по импортным товарам и пред-

ставляющий собой практически тот же коэффициент локализации экспорта или импорта:

, (3)

Ч^р ЧУст/

где Э — экспорт из региона ¡-го товара; Э — общий экспорт страны; Эр —робщий экспорт региона; Эст. — экспорт из страны ¡-го товара.

RCA, =

Им* Ис Ир* Ищ

(4)

где И . — импорт из региона ¡-го товара; И — общий импорт страны; Ир — общий импорт региона; Ист. — импорт из страны ¡-го товара.

Для расчета вклада каждой товарной позиции во внешнеторговый баланс С.Н. Блудова предлагает использовать формулу, оценивающую сравнительное преимущество региона:

где ВРП — валовой региональный продукт;

(5)

Э., И. — объем экспорта и импорта товара I соответственно [1, 2]. В1 результате проведенных вычислений определяется приоритетная для производства группа.

Следующий этап — выявление предприятий, имеющих важное значение для региона, изучение цепи поставки комплектующих и получение информации об иностранных поставщиках и субподрядчиках, которые будут включены в ИК. В дальнейшем идет формирование системы взаимодействия субъектов различных стран и определение социоэкономической компетенции каждого из них. С позиции государства необходимо способствовать формированию как экспорто-, так и импортоориентированных ИК в приоритетных отраслях и сферах экономики.

Одной из главных проблем формирования ИК является задача разбиения множества потенциальных кластерных субъектов на однородные в социоинформационном (интеллектуальном и технико-информационном) развитии группы. Для этого можно применить агломеративный иерархический алгоритм, предложенный Е. Котовой [3]. Рассмотрим I = (I I ... 1п) как множество элементов кластера {11}, {12},...{1п}. Выберем два из них, например I | и I ., которые в некотором смысле близки друг к другу, и объединим. Новая совокупность из п—1 составляющих будет: {!2}..., {I | , I .}, ..., {I }. Повторяя процесс, можно получить структуру, состоящую из п объектов и совпадающую с первоначальным множеством.

ИННОВАЦИИ

В качестве меры расстояния между элементами кластера возьмем квадрат евклидовой метрики и вычислим матрицу D = 2}, где d. 2 — квадрат расстояния между I | и I .:

2

d.2

di32 d 2

23

0

d,2

d,2 2n

d3 2 3n

Пусть дистанция между I . и I . будет минимальной: d2 = min {d. 2, i Ф j}. Образуем с помощью I . и I . новый кластер {I ., I .} и построим новую ((n-1), (n-1)) матрицу расстояния, (n-2) строн:и н:оторой остались неизменными, а первая — вычислена заново.

{I i; I .}

{ . , I .} о

i

di.2, о

2

dij22 d,22 0

5

di 13

d13

d,M 0

I

n

d2

a 2n

Расчеты могут быть сведены к минимуму, если выразить d. 2к, к = 1, 2,..., п; (к Ф \ Ф . через первоначальную матрицу. Далее примем расстояние между членами кластера . + \ и некоторым другим элементом к, равным среднему арифметическому из расстояний между \ и к и \ и к:

<^4к/<+си. (6)

Однако его также можно определить как минимальное из этих двух расстояний:

£//+М = т'п(с//к+сУук) ■ (7)

Эти действия представляют собой первый шаг работы агломера-тивного иерархического алгоритма, последующие этапы которого аналогичны. Таким образом можно получить алгоритм «ближайшего соседа», позволяющий выделять кластеры сколь угодно сложной формы при условии, что различные их части обладают связями (в нашем случае — информационными факторами развития).

Естественной мерой сходства характеристик объектов во многих задачах является коэффициент корреляции, а мерой различия между характеристиками может служить величина 1 — г:

_ЕОс«-/П/)0сч-ту)) (8)

( I

где т., т., б., б. — средние и среднеквадратичные отклонения для параметров . и . соответственно.

Обеспечить эффективный, экономически выгодный выбор субпоставщиков как участников ИК представляется возможным с помощью агломеративного иерархического алгоритма кластерного анализа. Данный метод позволяет разбить всю исходную совокупность субпоставщиков на группы так, чтобы элементы кластера сильно коррелировали между собой, а представители разных

объединений характеризовались слабой взаимосвязью. Необходимость использования такого подхода связана с тем, что число субподрядных предприятий может быть очень велико (например, Toyota имеет сеть из почти 36 тыс. фирм-поставщиков).

На каждом шаге число групп уменьшается на единицу за счет их оптимального объединения, критерием которого является изменение значения сумм квадратов отклонений, вычисляемых по формуле:

л 2 1 f п

Erllrij~fj\ X/j

;=1 Ч 1=1

(9)

( = 1, 2, ..., т), где \ — номер кластера, п — число элементов в нем, г.. — коэффициент парной корреляции.

Таким образом, группировке должно соответствовать последовательное минимальное возрастание значения критерия Е, а сам процесс заключается в объединении пары групп, которое приводит к наименьшему росту суммы квадратов отклонений, что требует оценки показателя для каждой из возможных ф-1) операций.

2

На следующем этапе рассматриваются значения сумм квадратов

отклонений уже для (п-Цп-2) групп и т.д. Этот процесс будет 2

остановлен, когда произойдет скачок динамики суммы квадратов отклонений, который можно интерпретировать как характеристику числа групп, «объективно» существующих в исследуемой совокупности [3]. Дальнейшее уменьшение приводит к снижению качества модели. После получения оптимальных объединений необходим выбор переменных, наиболее важных в экономическом смысле и тесно связанных с критерием эффективности, в нашем случае — информационноемкость. Этот подход позволяет сохранить значительную часть данных, содержащихся в первоначальном наборе исходных показателей [4].

Наибольшей значимостью на этапе проектирования ИК обладает проблема оценки эффективности ИКТ. Существуют различные методы определения качества их внедрения, широко освещенные Т. Мейором. Однако рассматриваемая зарубежными исследователями методология не позволяет в достаточной мере оценить нематериальные преимущества ИКТ, установить реальную и измеримую связь между технологией и конкурентной стратегией организации.

Создание ИК связано с интеллектуальным моделированием взаимодействия сложных, неоднородных, географически разобщенных агентов, при этом знания и ресурсы должны распределяться между участниками кластера единым центром (ядром). Таким образом, эффективность функционирования всей структуры напрямую зависит от развития его элементов. Национальная инновационная система в результате использования собственного (А12) и мирового интеллектуального потенциала (А22), доступ к которому обеспечивают ИКТ-системы, получает новую2 технологию, которая направляется как ядру кластера, так и субподрядчикам.

Существует модель эндогенного научно-технического прогресса, предложенная П. Ромером [5], базирующаяся на идее накопления человеческого капитала. По нашему мнению, она вполне применима для анализа эффективности ИК, однако в ней не учтена

0

о

1 г

d

2n

d

о

36

НАУКА И ИННОВАЦИИ №3(97)_2011

стоимость интеллектуального моделирования. В то же время выпуск конечной продукции обеспечивается за счет полученных от субподрядчиков комплектующих (т), трудозатрат и расходов на интеллектуальное моделирование (I):

У(Д,, Л,, Р, /, т)=х Р (Ю)

/-1

где А — собственный и привлеченный антропогенный капитал, 8,Ь£ — технологические параметры.

Таким образом, прибыль крупных фирм информационного кластера, производящих конечную продукцию (Рк), целесообразно рассчитывать по формуле:

¡=1 ¡=1

где С — цена технологии.

(11)

Превышение дохода над предельными издержками должно покрывать процентные выплаты на величину инвестиций в разработку новой технологии.

С нашей позиции ИК находятся на первых этапах своего экономического развития, темпы которого напрямую зависят от величины интеллектуального капитала, сосредоточенного в сфере получения новых технологий и в обратной зависимости от ставки процента венчурных интернет-фондов:

а

G=kA„-r7

(12)

(1 -а-Ь-с)(а+Ь+с)'

где G — норма процента на капитал, Аи — суммарный интеллектуальный капитал всего информационного кластера, К — коэффициент эффективности генерации знаний исследовательским центром.

Эффективность затрат на организационно-техническую структуру ИК мы предлагаем рассчитывать следующим образом:

£z = S(S-C,-(Z,+P,))

(1-Г

(13)

где Э — стоимостная оценка результата внедрения ИКТ; С — дополнительные эксплуатационные издержки при внедрении ИКТ в ком периоде; 1. — затраты на техническое обеспечение в ком периоде; Р. — затраты на программное обеспечение в .-том периоде; N — число расчетных периодов; .р — номер периода получения результатов от использования ИКТ; г — расчетная процентная ставка. Если Е > 0, то инвестиции в ИКТ целесообразны, в обратном случае проект будет убыточным.

В республике действует 10 научно-технологических парков, 3 из которых имеют соответствующий статус, присвоенный Государственным комитетом по науке и технологиям Республики Беларусь: КУП «Минский областной инновационный центр», ИРУП «Технопарк БНТУ «Политехник» и БОКУП «Центр внедрения научно-технических разработок» — каждый из них потенциально может служить первой стадией развития мощных транснациональных информационных кластеров. В Беларуси возникла объективная потребность в интенсификации экономического развития за счет внедрения более эффективных рыночных механизмов, компенсирующих деструктивные процессы мирового финансового кризиса. Эта задача решается с помощью ИКТ,

позволяющих реализовывать гибкие формы кооперации, координации и интеграции отдельных субъектов хозяйствования и иностранных партнеров [6—10].

Для быстрого и эффективного реагирования на изменяющиеся требования рынков компании применяют новые пути организации промышленной деятельности, предусматривающие аутсорсинг производства на основе диверсифицированных межфирменных связей с поставщиками, субподрядчиками и потребителями. Такой подход может быть реализован при формировании ИК предприятий и компаний, которые при объединении с помощью ИКТ создадут конкурентоспособный продукт.

Дальнейшее исследование возможностей формирования в социально-хозяйственной среде инновационной экономики информационных кластеров является перспективным для Республики Беларусь. Поскольку успешное экономическое развитие цивилизации определяется не только объемом и качеством накопленных научно-технических знаний, но и степенью использования современных интегрированных корпоративных структур и достижений информационной экономики.

Борис СОРВИРОВ,

заведующий кафедрой экономической теории и мировой экономики Гомельского государственного университета им. Ф. Ско-

рины, доктор экономических наук

Александр БАРАНОВ, ассистент кафедры экономической теории и мировой экономики Гомельского государственного университета им. Ф. Скорины

Литература

1. Блудова С.Н. К вопросу о методике оценки региональной внешнеэкономической деятельности // Вопросы статистики. №11, 2002. С. 65—66.

2. Ковалевская О.С. Характеристика регионального кластера как сложной системы // Економка пром-сл. №3, 2008. С. 70—74.

3. Котова Е. Эконометрические методы в социально-экономическом прогнозировании. — М., 2000.

4. Баранов А.М. Информационные кластеры как новые формы сетевого экономического взаимодействия // Вестник экономической интеграции. №3, 2008. С. 23—34.

5. Romer P. M. Growth Based on Increasing Returns Due to Specialization // American Economic Review. №77, 1987. P. 56—62.

6. Сорвиров Б.В. Формирование и развитие информационных форм кластерного взаимодействия в современной экономике // Мехаызм регулювання економки. №2, 2009. С. 182—196.

7. Сорвиров Б.В. Информационные кластеры в современной экономической системе: теоретические предпосылки создания и имитационные модели функционирования // Управление кластерами в региональной экономике. — Новочеркасск, 2010.

8. Рынок услуг в инновационной экономике: особенности и перспективы развития. — М., 2009.

9. Социально-экономические проблемы информационного общества. — Сумы, 2010.

10. Баранов А.М. Информационная экономика и трансформация стратегий развития Беларуси. — Гомель, 2010.