CC BY
76
УДК 330.341.1
И.П. ДАНИЛОВ, В.Т. ТАРАСОВ
ИННОВАЦИОННЫЙ ПОТЕНЦИАЛ РЕГИОНОВ РОССИИ:
МЕТОДЫ АНАЛИЗА СТРУКТУРЫ И ВЛИЯНИЯ НА ЭФФЕКТИВНОСТЬ ЭКОНОМИЧЕСКОГО РОСТА*
Ключевые слова: уровень и динамика инновационного потенциала регионов, многомерная система показателей, факторная структура, эффективность экономического роста.
Количественно оцениваются инновационный потенциал регионов России и его влияние на ускорение экономического роста. Разработана многомерная система исходных показателей, комплексно характеризующих инновационный потенциал региона. На основе расчетов получены представления о пространственном (межрегиональном) соотношении инновационного потенциала регионов и его динамике в разрезе регионов России и по стране в целом за период 2000-2008 гг. Определены факторная структура инновационного потенциала регионов и взаимосвязь факторов с эффективностью использования инноваций в экономике.
I.P. DANILOV, V.T. TARASOV INNOVATION POTENTIAL OF RUSSIA'S REGIONS: METHODS FOR ANALYSIS OF STRUCTURE AND EFFECT ON THE EFFICIENCY OF ECONOMIC GROWTH
Keywords: the level and dynamics of the innovative potential of regions, multidimensional system of indicators, factor structure, the efficiency of economic growth.
The innovative potential of regions of Russia and its influence on the acceleration of economic growth are estimated in terms of quantity. A multidimensional system baselines characterizing the innovative potential of the region is developed. Concepts of spatial (interregional) ratio of the innovation potential of regions and its dynamics across the regions of Russia and the country as a whole over the period 2000-2008 are derived on the base of calculations. Factor structure of the innovation potential of regions and relationship of factors to the effectiveness of the use of innovation in the economy are defined.
Интерес к проблемам формирования инновационного потенциала регионов и его влияния на народнохозяйственную эффективность обусловлен значимостью инноваций для ускорения экономического роста. В общем смысле термин «потенциал» (от лат. potentia - сила, мощь) означает совокупность имеющихся средств, возможностей в какой-либо области [2, с. 625].
Современный экономический словарь определяет понятие «инновационный потенциал» как научно-технический потенциал страны в виде научно-исследовательских, проектно-конструкторских, технологических организаций, экспериментальных производств, опытных полигонов, учебных заведений, персонала и технических средств этих организаций [7, с. 164].
Методология статистического учета инновационной деятельности рассматривает ее как вид деятельности, связанный с трансформацией (обычно результатов научных исследований и разработок либо иных научно-технических достижений) в новый или усовершенствованный продукт, внедренный на рынке, в новый или усовершенствованный технологический процесс, использованный в практической деятельности. Инновационная деятельность предполагает целый комплекс научных, технологических, организационных, финансовых и коммерческих мероприятий, которые в своей совокупности и приводят к инновациям.
Современная парадигма регионального управления и региональной политики должна в полной мере учитывать новые социально-экономические тенденции, характеризующие усиление конкуренции между регионами. Их стратегия развития в большей мере основывается на смене приоритетов в источниках экономического роста в пользу инновационного потенциала. В этой связи цель данного исследования была предопределена научной гипотезой, согласно которой развитие инновационного потенциала региона обусловливает ускорение экономического
’ Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (проект № 10-06-00091 а).
роста путем повышения эффективности производственных ресурсов на основе их качественного совершенствования.
Формирование системы показателей. За рубежом, начиная с середины 1980-х годов, начинают активно проводиться исследования национальных (NSI) и региональных (RSI) инновационных систем, в том числе в рамках кластерной концепции, формируются обобщающие статистические измерители в форме различных индексов. Например, сводный индекс A/S/-2008 рассчитывается на основе 29 показателей, сгруппированных в семь групп и три блока. В европейских странах региональные инновационные системы (RSI-2006) оцениваются с помощью семи сводных индикаторов в масштабе 25 стран и 208 регионов [9].
В России в настоящее время окончательно не сложилась стандартная система показателей, характеризующих инновационный потенциал регионов (ИПР), хотя в ежегодно издаваемых статистических справочниках «Регионы России. Социально-экономические показатели» выделен специальный раздел «Научные исследования и инновации», который постоянно уточняется и дополняется новыми показателями. В целях настоящего исследования было выбрано 30 показателей по всем регионам России (без Чеченской Республики) за 2000-2008 гг. При этом автономные образования включались в состав соответствующих субъектов Федерации, которых в итоге оказалось 79 в каждом году анализируемого периода. Кроме того, в целях сравнения в указанный перечень был включен условный регион со средними в целом по стране показателями. В качестве первичной информации, характеризующей различные аспекты ИПР, а также в расчетах и формировании на ее основе системы исходных показателей-признаков использовались данные Росстата, представленные на его сайте [11].
Все показатели были разделены на четыре группы в соответствии с функциональными особенностями ИПР, в том числе: А1 - двенадцать показателей, характеризующих ресурсную базу ИПР в количественном аспекте; А2 - шесть показателей, характеризующих качественный аспект занятых исследованиями и разработками и их мотивацию; АЗ - пять показателей, характеризующих эффективность функционирования ИПР; А4 - семь показателей, характеризующих эффективность применения инноваций в экономике региона. Темпы роста показателей страны в целом в разрезе вышеуказанных групп представлены в табл. 11.
Выделение вышеуказанных групп показателей позволяет исследовать функциональные взаимосвязи между ними, исходя из очевидной логики, вытекающей из предназначения региональной инновационной системы. С одной стороны, ресурсная база ИПР (А1), а также качественный состав занятых исследованиями и разработками, определенным образом мотивированных (А2), рассматриваются в качестве основных факторов эффективности его функционирования, промежуточным результатом которого является создание предпосылок для повышения эффективности функционирования экономики региона в целом (АЗ). С другой стороны, конечные результаты функционирования региональной инновационной системы зависят от масштабов внедрения и применения инноваций в экономике и характеризуются повышением ее региональной эффективности (А4), способствуя таким образом ускорению экономического роста.
При формировании системы исходных частных показателей необходимо, чтобы показатели каждой выделенной группы характеризовали один из функциональных аспектов ИПР, исходя из задач исследования. При этом не следует опасаться взаимной коррелированности между ними, которая, как правило, наблюдается между такими показателями, так как данное обстоятельство
1 Расчет совокупной факторной эффективности производственных ресурсов осуществлен на основе производственной функции с использованием авторской методологии, изложение которой выходит за рамки данной статьи.
не влияет на результаты построения сводного индикатора с использованием предложенных в данном исследовании методов.
Таблица 1
Темпы роста исходных показателей инновационного потенциала Российской Федерации (2000 = 100%)
№ Показатель 2008, %
А1 Ресурсная база инновационного потенциала
1.1 Число исследовательских организаций 123,9
1.2 Число организаций, осуществлявших технологические инновации 130,1
1.3 Численность персонала, занятого исследованиями и разработками 85,7
1.4 Численность исследователей 88,2
1.5 Численность техников 80,1
1.6 Численность вспомогательного персонала 81,0
1.7 Внутренние затраты на исследования и разработки 162,4
1.8 Затраты на технологические инновации 142,8
1.9 Внутренние текущие затраты на фундаментальные исследования 225,5
1.10 Внутренние текущие затраты на прикладные исследования 190,4
1.11 Внутренние текущие затраты на разработки 141,4
1.12 Внутренние текущие затраты на приобретение оборудования 122,9
А 2 Качество персонала
2.1 Численность исследователей - кандидатов наук 90,3
2.2 Численность исследователей - докторов наук 114,2
2.3 Средняя месячная оплата труда работников, занятых исследованиями и разработками 412,1
2.4 Численность исследователей сучеными степенями в общем итоге занятых исследованиями и разработками 111,1
2.5 Выпуск аспирантов с защитой диссертации 117,7
2.6 Выпуск докторов науке защитой диссертации 45,4
АЗ Эффективность функционирования инновационного потенциала
3.1 Выдано патентов на изобретения и полезные модели на 1000 занятых исследованиями и разработками 199,2
3.2 Выдано патентов на изобретения и полезные модели на 100 тыс. затрат на исследования и разработки 30,39
3.3 Число созданных передовых технологий на 1000 организаций, осуществлявших технологические инновации 95,33
3.4 Число созданных передовых технологий на 1 млрд руб. затрат на технологические инновации 25,1
3.5 Число созданных передовых производственных технологий в расчете на 10 тыс. занятых исследованиями и разработками 144,8
А4 Народнохозяйственная эффективность применения инноваций в экономике
4.1 Объем инновационной продукции на 1 руб. затрат на исследования и разработки 126,9
4.2 Число используемых передовых технологий в расчете на 10 тыс. занятого населения 126,9
4.3 Число используемых передовых технологий в расчете на 1000 всех предприятий 184,8
4.4 Удельный вес отгруженной инновационной продукции в общем итоге отгруженной продукции 113,6
4.5 Удельный вес организаций, осуществлявших технологические инновации, в общем итоге предприятий и организаций 106,8
4.6 Производительность труда 163,0
4.7 Совокупная факторная эффективность производственных ресурсов 154,6
Правомерность выделения групп показателей целесообразно исследовать с помощью метода канонических корреляций - эффективного инструмента научного обоснования системы показателей при проведении начального этапа анализа взаимосвязи между двумя группами случайных величин. Метод канонических корреляций позволяет выявить максимальную меру линейной взаимосвязи между линейными комбинациями двух групп показателей, в то время как метод множественной корреляции определяет корреляционную связь только между одной случайной величиной и линейной функцией других случайных величин. Однако каноническая корреляция, характеризуя меру тесноты связи, ничего не говорит о ее характере и поэтому применяется на начальных этапах исследования.
Анализ результатов канонических корреляций свидетельствует о наличии существенных взаимосвязей почти между всеми выделенными группами пока-
зателей. Так, величина коэффициента канонической корреляции между показателями, характеризующими эффективность функционирования ИПР (АЗ), и показателями его ресурсной составляющей (А1) колебалась по годам анализируемого периода в интервале 69-84%.
Также существенной оказалась каноническая корреляция между показателями эффективности применения инноваций в экономике региона (А4), с одной стороны, и показателями эффективности функционирования ИПР (АЗ) и показателями его ресурсной составляющей (А1) - с другой: в первом случае коэффициент корреляции варьировал в диапазоне 61-86%, а во втором - в диапазоне 82-92%. Наибольший уровень канонической корреляции наблюдался между показателями качества человеческих ресурсов ИПР и показателями его ресурсной составляющей (100%). Между тем доля вариации одной группы показателей, объясняемой изменчивостью другой характеризуется так называемым показателем избыточности, который в наибольшей мере присущ таким парам групп показателей, как А2 -А1 и А4 - А1. В первом случае избыточность варьировала на уровне 75-81%, во втором - на уровне 40-46%. Вместе с тем следует заметить, что между показателями групп А4 и АЗ, с одной стороны, и показателями группы А2 - с другой, не обнаружилось значительной канонической корреляции.
Для обеспечения сопоставимости показателей в разрезе регионов все они были нормированы в линейной шкале стандартным образом для случая монотонно-возрастающей зависимости.
Построение сводных индикаторов и анализ взаимосвязей между ними (пространственный аспект анализа). Одна из задач, решаемых в ходе анализа экономических систем в рамках многомерного подхода, состоит в построении сводных и интегральных индикаторов на основе агрегирования частных показателей, характеризующих различные аспекты данных систем. Чаще всего подобное агрегирование (свод, скаляризация) частных показателей осуществляется по методу средневзвешенной величины с использованием весов, задаваемых нормативно-экспертным путем стой или иной степенью субъективности. Например, данный принцип используется при расчете популярного индекса развития человеческого потенциала (ИРЧП) [8, с. 75-81], в ряде научных исследований [3], а также в ходе оценки эффективности деятельности органов исполнительной власти субъектов Российской Федерации [5].
Если наряду со значениями исходных частных показателей известна некоторая экспертная информация об оценках искомой сводной характеристики, то предполагают, что статистические данные содержат «обучение». Для таких случаев разработаны процедуры экспертно-статистического метода, эффективность которого во многом зависит от качества экспертной части информации [6, гл. 15]. При отсутствии экспертной информации обоснованным, на наш взгляд, представляется расчет интегрального индикатора пространственных соотношений ИПР на основе модифицированной первой главной компоненты набора унифицированных частных показателей-признаков с использованием стандартного метода главных компонент. Данный подход опирается на свойства главных компонент и состоит в том, что в нем в качестве весов используются квадраты компонентов собственного вектора ковариационной матрицы значений частных показателей, соответствующего наибольшему собственному значению этой матрицы [1, п. 13.2.5]. Ключевая идея построения сводного индикатора основана на оптимизационной процедуре наиболее точного восстановления значений исходных частных показателей по значениям сводного индикатора. Каждый элемент построенного таким образом сводного индикатора является представительной характеристикой соответствующего объекта исследования по набору исходных частных показателей с точки зрения наилучшей информативности. При этом критерием информативности
служит показатель доли суммарной вариации исходных признаков, которая объясняется изменчивостью представительной характеристики.
С учетом отмеченных принципов по методу модифицированной главной компоненты были рассчитаны сводные индикаторы всех четырех групп показателей ИПР по годам анализируемого периода, которые затем ранжировались по среднегодовым значениям в соответствии с вербально-числовой шкалой Харрингтона [4, с. 154]. В дальнейшем анализе взаимосвязей между сводными групповыми индикаторами были сопоставлены ранги их значений по всем группам, что позволило предположить наличие заметной связи между значениями сводных индикаторов, характеризующих эффективность применения инноваций в экономике региона (А4), и его ресурсной базы (А1) и несколько меньшую связь - между значениями сводных индикаторов функционирования ИПР (АЗ) и его ресурсной базы (А1). Также можно было ожидать наличие корреляционной связи межу значениями сводных индикаторов группы А4 и АЗ. Так, из регионов, занимающих первые 15 мест, было зафиксировано в группах А2 - О, АЗ - 6, А4 - 9 одноименных позиций, а из регионов, занимающих первые 30 мест, - соответственно 4, 14 и 24 одноименных позиций. Между тем не удалось обнаружить связи между индикаторами групп АЗ и А4 с индикаторами группы А2, т. е. между промежуточной и итоговой эффективностью ИПР и его качественной составляющей по персоналу занятых исследованиями и разработками.
Данные предположения полностью подтвердились в результате расчета параметров уравнений регрессии по панельным данным сводных индикаторов за период 2000-2008 гг. (табл. 2), что позволило определить направление последующего их агрегирования. Как следует из расчетов, наиболее тесную корреляционную связь между собой имеют сводные индикаторы группы А4 и А1, тогда как между индикаторами групп АЗ и А1, а также А4 и АЗ зафиксирована слабая корреляция, хотя и устойчивая по параметрам. Следовательно, можно предположить: либо эти связи носят нелинейный характер, либо исходные показатели группы АЗ в недостаточной мере характеризуют эффективность функционирования ИПР.
Кроме того, как выяснилось, вариация исходных частных показателей, характеризующих качество персонала занятых исследованиями и разработками (А2), практически не влияет ни на промежуточные, ни на конечные результаты функционирования инновационного потенциала регионов. Напомним, что в качестве исходных показателей группы А2 в основном были выбраны характеристики, связанные с наличием ученых степеней у занятых исследованиями и разработками, а также с подготовкой исследователей и присвоением им ученых степеней.
Таблица 2
Параметры уравнений регрессии
Вид уравнения и количество наблюдений (А/) Оценки параметров Коэффициент детерминации, % Метод оценивания
а Ь
1. 1п ЛЗ/(= а + Ып Л1/( N = 630 -1,364 (5,148) 0,391 (4,143) 20,2 с учетом вариации между объектами наблюдения
2.1п Л4/(= а + Ып Л1/( N = 711 -0,482 (5,927) 0,264 (10,462) 58,7 с учетом вариации между объектами наблюдения
3.1п Л4/(= а + Ып Л1/( N = 711 -0,687 (11,103) 0,194 (11,061) 40,4 со случайными эффектами
4.1п Л4/(= а + Ып АЗ/; N = 630 -0,571 (4,208) 0,260 (4,875) 25,9 с учетом вариации между объектами наблюдения
Примечание. В скобках показаны (-статистики.
Важно отметить, что один из параметров уравнения регрессии (2) можно интерпретировать в качестве коэффициента эластичности эффективности применения инноваций в экономике региона относительно ресурсной базы ИПР: при уве-
личении ресурсной базы инновационного потенциала представительного региона на один процент его народнохозяйственная эффективность, вследствие применения инноваций, увеличивается на 0,26%, что в условиях перевода экономики страны на инновационный путь развития представляется недостаточным.
В ходе последующего агрегирования сводных групповых индикаторов с целью построения интегрального индикатора ИПР на основе модифицированной первой главной компоненты наиболее обоснованным представляется объединение характеристик групп А1 и А4. В итоге все регионы страны по уровню интегрального индикатора ИПР в соответствии с градацией Харрингтона распределились на три группы: 20 регионов во главе с г. Москвой составили градацию средних значений, 41 регион образовал градацию низких значений, оставшиеся 19 регионов - очень низких значений (табл. 3).
Таблица 3
Сводный индикатор инновационного потенциала регионов РФ
(в среднем за год в 2000-2008 гг., в линейно-нормированной шкале от 0 до 100%)
№ Регион % № Регион %
1 г. Москва 59,4 43 Курганская область 25,4
2 Нижегородская область 56,9 44 Ставропольский край 25,0
3 Пермский край 53,0 45 Хабаровский край 24,6
4 Республика Татарстан 50,2 46 Брянская область 24,4
5 Самарская область 49,8 47 Пензенская область 24,3
6 г. Санкт-Петербург 46,6 48 Мурманская область 24,2
7 Липецкая область 42,7 49 Рязанская область 23,4
8 Челябинская область 42,6 50 Костромская область 23,4
9 Свердловская область 42,5 51 Республика Саха (Якутия) 23,2
10 Удмуртская Республика 42,3 52 Кировская область 23,1
11 Республика Башкортостан 42,3 53 Республика Дагестан 22,5
12 Оренбургская область 42,0 54 Тверская область 22,5
13 Тульская область 41,7 55 Республика Тыва 22,0
14 Волгоградская область 40,5 56 Смоленская область 21,8
15 Вологодская область 40,2 57 Псковская область 21,8
16 Омская область 39,6 58 Республика Коми 21,7
17 Орловская область 39,2 59 Ленинградская область 21,5
18 Московская область 38,9 60 Республика Карелия 20,3
19 Томская область 38,8 61 Кабардино-Балкарская Республика 20,2
20 Тюменская область 37,4
21 Новгородская область 35,9 62 Сахалинская область 19,6
22 Белгородская область 35,6 63 Астраханская область 19,4
23 Красноярский край 33,9 64 Республика Марий Эл 19,0
24 Калужская область 33,8 65 Ивановская область 18,8
25 Ростовская область 33,5 66 Магаданская область 18,5
26 Российская Федерация 32,9 67 Приморский край 18,4
27 Владимирская область 32,8 68 Карачаево-Черкесская Республика 18,1
28 Воронежская область 32,7
29 Кемеровская область 32,7 69 Республика Алтай 18,0
30 Алтайский край 30,7 70 Республика Ингушетия 16,6
31 Калининградская область 30,5 71 Республика Бурятия 16,4
32 Ярославская область 30,2 72 Республика Северная Осетия - Алания 16,3
33 Ульяновская область 29,8
34 Иркутская область 29,5 73 Республика Адыгея 16,0
35 Саратовская область 29,5 74 Республика Хакасия 15,7
36 Архангельская область 28,7 75 Забайкальский край 14,8
37 Тамбовская область 28,5 76 Чукотский автономный округ 13,4
38 Чувашская Республика 28,1 77 Камчатский край 13,3
39 Новосибирская область 26,4 78 Еврейская автономная область 9,8
40 Республика Мордовия 26,2 79 Амурская область 7,2
41 Курская область 25,9 80 Республика Калмыкия 4,2
42 Краснодарский край 25,4
Динамический аспект анализа. Динамический аспект анализа имеет свои особенности, связанные с невозможностью непосредственного расчета коэффициентов динамики исходных частных показателей, имеющих нулевые значения для отдельных регионов. Между тем расчет динамических коэффициентов для условного региона со средними показателями для страны в целом почти всегда возможен, поскольку у этого региона они не принимают нулевых значений. Вышеизложенная методика расчета сводных групповых индикаторов и интегрального индикатора по методу модифицированной главной компоненты, в принципе, может быть применена и к показателям динамики данного региона, например к базисным темпам роста исходных признаков. Если теперь средний по России регион принять в качестве опорного и рассчитать интегральную динамику его инновационного потенциала непосредственно по исходным частным показателям, то можно предложить следующую методику расчета и анализа динамики инновационного потенциала остальных регионов.
На основе пространственных оценок ИПР в виде сводных групповых индикаторов для каждого периода рассчитываются взвешенные евклидовы расстояния от регионов до условного эталона по формуле:
/?(/) = (0(100-у/у)2 ,
где /, (/) - взвешенное евклидово расстояние /'-го региона до эталона; у^~ нормированное значение сводного индикатора региона / по группе признаков у, иг- взвешивающий коэффициент по группе признаков].
Далее для каждого периода рассчитываются евклидовы расстояния между отдельным регионом и условным регионом со средними показателями в виде следующей разницы:
/,РФ(0 = /,-(0-/рф(0-
Наконец, для каждого региона рассчитываются абсолютные отклонения значений интегральных индикаторов ИПР от среднероссийской динамики в терминах евклидовых расстояний по годам анализируемого периода и в целом за весь период. Полученные оценки дают наглядное представление о характере и масштабах изменения ИПР в динамике относительно среднероссийской тенденции, количественные характеристики которой известны.
Таким образом, предложенные и экспериментально апробированные в данном исследовании методы позволяют количественно оценить уровень и динамику инновационного потенциала регионов, осуществить их ранжирование и группировку в зависимости от участия в формировании ИПР. Представляется, что данные методы позволят обогатить инструментарий инновационного менеджмента при формировании и осуществлении региональной политики.
Литература
1. Айвазян С.А. Прикладная статистика и основы эконометрики. 2-е изд. Т. 1: Теория вероятностей и прикладная статистика / С.А. Айвазян, В.С. Мхитарян. М.: Юнити, 2001. 656 с.
2. Большой иллюстрированный словарь иностранных слов: 17 ООО слов. М.: АСТ; Астрель, 2006. 957 с.
3. Зубаревич Н.В. Социальное развитие регионов России: проблемы и тенденции переходного периода / Н.В. Зубаревич. М.: Едиториал УРСС, 2003. 264 с.
4. Литвак Б.Г. Разработка управленческого решения: учебник. 5-е изд., испр. и доп. / Б.Г. Литвак. М.: Дело, 2004. 416 с.
5. Постановление Правительства Российской Федерации от 15 апреля 2009 г. № 322 «О мерах по реализации Указа Президента Российской Федерации от 28 июня 2007 г. № 825 "Об оценке эффективности деятельности органов исполнительной власти субъектов Российской Федерации"» [Электронный ресурс]. Режим доступа: http://www.consultant.ru.
6. Прикладная статистика: Классификации и снижение размерности: справ, издание / С.А. Айвазян, В.М. Бух-штабер, И.С. Енюков, Л.Д. Мешапкин; под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. 506 с.
7. Райзберг Б.А. Современный экономический словарь. 6-е изд., перераб. и доп. / Б.А. Райзберг, Л.Ш. Лозовский, Е.Б. Стародубцева. М.: ИНФРА-М, 2008. 512 с.
8. Человеческое развитие: новое измерение социально-экономического прогресса: учеб. пособие. 2-е изд., доп. и перераб. / под общ. ред. В.П. Колесова. М.: Права человека, 2008. 636 с.
9. Ranga М. National and Regional Innovation Systems and Policies forDevelopment: FromLearning Regions to Research - Intensive Clusters [Электронный ресурс] / M. Ranga Режим доступа: http://www.unece.org/ceci/ppt_presentations/2009/ic/ranga.pdf.
10. http://www.gks.ru.
ДАНИЛОВ ИВАН ПЕТРОВИЧ - доктор экономических наук, профессор, Чувашский государственный университет, Россия, Чебоксары ([email protected]).
DANILOV IVAN PETROVICH - doctor of economics sciences, professor, Chuvash State University, Russia, Cheboksary.
ТАРАСОВ ВЛАДИМИР ТИМОФЕЕВИЧ - кандидат экономических наук, доцент, Чебоксарский филиал Волго-Вятской академии государственной службы, Россия, Чебоксары ([email protected]).
TARASOV VLADIMIR TIMOFEEVICH - candidate of economics sciences, associate professor, Cheboksary Branch of Volga-Vyatka Region Public Administration Academy, Russia, Cheboksary.
УДК 338.24:338.46
H.A. ЕФРЕМОВА
КОНЦЕПТУАЛЬНЫЕ ПОДХОДЫ К ФОРМИРОВАНИЮ СИСТЕМЫ СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМ РАЗВИТИЕМ ПРЕДПРИЯТИЙ ТЕЛЕКОММУНИКАЦИОННОГО КОМПЛЕКСА
Ключевые слова: стратегия, система стратегического управления, конкурентоспособность, телекоммуникационный комплекс, информационное общество, инновационное развитие.
Рассмотрены теоретические положения и особенности стратегического управления социально-экономическим развитием предприятий телекоммуникационного комплекса. Определены концептуальные подходы к формированию системы стратегического управления.
N.A. EFREMOVA CONCEPTUAL APPROACHES ТО FORMATION OF SYSTEM OF STRATEGIC MANAGEMENT OF SOCIAL AND ECONOMIC DEVELOPMENT OF TELECOMMUNICATION COMPLEX ENTERPRISES
Key words: strategy; system of strategic management; competitiveness; a telecommunication complex; an information society; innovative development.
Theoretical positions and features of strategic management are considered by social and economic development of telecommunication complex enterprises. Conceptual approaches to formation of system of strategic management are defined.
Отличительной чертой современного менеджмента является усиление внимания к стратегическим составляющим управления, связанным с решением проблемы постоянного развития предприятия в соответствии с динамично изменяющимися условиями внешнего окружения. Теория стратегического управления включает инструменты, с помощью которых можно добиться экономического успеха, дает представление об аналитических процессах, методах, способах, приемах, процедурах и их комбинациях, позволяющих достичь высоких экономических результатов.
Вместе с тем особенностью стратегического управления как деятельности, направленной на достижение поставленных целей и задач предприятия, определенных на основе предвидения возможных изменений окружающей среды и организационного потенциала, посредством координации и распределения ресурсов, является роль менеджмента и ведущих специалистов при разработке стратегии и персонала субъекта хозяйствования в ее реализации.
Возникновение необходимости переосмысления подходов к организации процесса стратегического управления, как нам представляется, обусловлено скачкообразным повышением и без того высокого уровня волатильности ключевых показателей национальной экономики в условиях экономического кризиса, а также объективными и характерными для экономики всех стран процессами, подрывающими конкурентные преимущества даже наиболее успешно функционирующих организационно-правовых структур.
