CC BY
29
11. Логачева А.С. Характеристика и анализ систем управления контентом (СМС) для создания интернет-магазина // Актуальные проблемы авиации и космонавтики. 2016. №12. URL: https://cyberleninka.ru/ article/n/harakteristika-i-analiz-sistem-upravleniya-kontentom-sms-dlya-sozdaniya-internet-magazina (дата обращения: 12.04.2022). References:
1. Fedorov D.A. Pokrovskaya N.N., Golokhvastov D.V. The market for custom web development in 2021: adapting the business model of web studios to the needs of customers // Izvestia of St. Petersburg State University of Economics. 2021. No. 2 (128). URL: https://cyberleninka.ru/article/n/rynok-zakaznoy-veb-razrabotki-v-2021 -godu-adaptatsiya-biznes-modeli-veb-studiy-k-potrebnostyam-zakazchikov (date of access: 04/12/2022).
2. Ananiev A.D. Analysis of CMS platforms, identifying the advantages and disadvantages of websites // Globus. 2020. No. 1 (47). URL: https://cyberleninka.ru/article/n/analiz-cms-platform-vyyavlenie-dostoinstv-i-nedostatkov-veb-saytov (Date of access: 04/12/2022).
3. Dieva A.V. The problem of choosing a CMS system for developing and promoting a website // GIAB. 2014. No. 9. URL: https://cyberleninka.ru/article/n/problema-vybora-cms-sistemy-dlya-razrabotki-i-prodvizheniya-web-sayta (date of access: 04/12/2022).
4. Ivanishcheva A.A., Komilov Kh.I., Gekhaev M.D. Analysis of free popular CMS platforms for creating a website. Inno-vatsionnaya nauka. 2019. №3. URL: https://cyberleninka.ra/article/n/anahz-besplatnyh-populyarnyh-cms-platform-po-sozdaniyu-web-sayta (Date of access: 04/12/2022).
5. Maltseva V.V., Frolova A.S. Analysis of web technologies for creating an online platform // Young researcher Dona. 2020. No. 2 (23). URL: https://cyberleninka.ru/article/n/analiz-web-tehnologiy-dlya-sozdaniya-onlayn-ploschadki (date of access: 04/12/2022).
6. Lomovtsev V.P., Bayurov A.E. Analysis and choice of CMS for creating a startup site // Bulletin of Science. 2019. No. 2 (11). URL: https://cyberleninka.ru/article/n/analiz-i-vybor-cms-dlya-sozdaniya-sayta-startapov-1 (date of access: 04/12/2022).
7. Kislitsyn E.V. Research ofthe software market in Russia // World ofEconomics and Management. 2019. V. 19. No. 2. S. 49-64.
8. Kislitsyn E.V. Russian Software Market: Competition and Development Potential // Tomsk State University Bulletin. Economy. 2019. No. 47. S. 19-33.
9. Kislitsyn E.V. Information Technology Sector in Russia: Transformation of the Competitive Environment and Assessment of Structural Shifts // Journal of New Economy. 2021. V. 22. No. 2. S. 66-87.
10. Gerasimova A.V. CMS technologies as a modern tool for creating a website // Science, education and culture. 2019. No. 6 (40). URL: https://cyberleninka.ru/article/n/cms-tehnologii-kak-sovremennoe-sredstvo-dlya-sozdaniya-veb-sayta (date of access: 04/12/2022).
11. Logacheva A.S. Characterization and analysis of content management systems (CMS) for creating an online store // Actual problems of aviation and cosmonautics. 2016. No. 12. URL: https://cyberleninka.ru/ar-ticle/n/harakteristika-i-analiz-sistem-upravleniya-kontentom-sms-dlya-sozdaniya-internet-magazina (date of access: 04/12/2022).
EDN: PQAJVS
Е.З. Климова - к.э.н., доцент кафедры экономики предприятий и организаций, Институт экономики и предпринимательства, Нижегородский государственный университет им. Н.И. Лобачевского, mikhe-elena@yandex.ru,
E.Z. Klimova - сandidate of sciences (economy), associate professor ofthe department of economics of enterprises and organizations, Institute of economics and entrepreneurship, UNN;
И.А. Павлова - к.э.н., доцент кафедры экономики предприятий и организаций, Институт экономики и предпринимательства, Нижегородский государственный университет им. Н.И. Лобачевского, irapavlova@mail.ru,
I.A. Pavlova - сandidate of sciences (economy), associate professor of the department of economics of enterprises and organizations, Institute of economics and entrepreneurship, UNN;
Ю.А. Макушева - к.э.н., доцент кафедры экономики предприятий и организаций, Институт экономики и предпринимательства, Нижегородский государственный университет им. Н.И. Лобачевского, sjm2@yandex.ru,
Yu. A. Makusheva - сandidate of sciences (economy), associate professor of the department of economics of enterprises and organizations, Institute of economics and entrepreneurship, UNN.
КЛАСТЕРНЫЙ АНАЛИЗ РАЗВИТИЯ ЭЛЕКТРОННОЙ ТОРГОВЛИ В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ CLUSTER ANALYSIS OF E-COMMERCE DEVELOPMENT IN THE DIGITAL ECONOMY
Аннотация. Электронная торговля является одним из динамично развивающихся направлений современной экономики, это большая платформа для организации, ведения и развития любого бизнеса. Кроме того, компании используют digital-агентства для внедрения мероприятий по продвижению групп в социальных сетях или своего сайта с целью привлечения новых клиентов и увеличения лояльности действующих. В условиях постоянно изменяющихся условий необходимо поддерживать конкурентоспособность организации, поэтому важен переход от управления отдельными бизнес-процессами и функциональными подсистемами к системному управлению, основанному на применении цифровых технологий и подходов к осуществлению коммерческой деятельности, позволяющему объединить усилия для достижения целей бизнеса, как краткосрочных, так и стратегических.
В статье проведен анализ параметров, оказывающих влияние на развитие электронной торговли в различных странах. Реализация кластерного анализа на основе данных параметров позволила вывить группы стран по уровню развития электронной торговли. На основе проведенного анализа выявлены высокие показатели развития электронной торговли в
России и сформулированы направления ее дальнейшего совершенствования.
Abstract. E-commerce is one of the dynamically developing areas of the modern economy, it is a great platform for organizing, conducting and developing any business. In addition, companies use digital agencies to implement measures to promote groups on social networks or their website in order to attract new customers and increase the loyalty of existing ones. In conditions of constantly changing conditions, it is necessary to maintain the competitiveness of the organization, therefore, it is important to move from managing individual business processes and functional subsystems to system management based on the use of digital technologies and approaches to commercial activities, which allows combining efforts to achieve business goals, both short-term and strategic.
The article analyzes the parameters that influence the development of e-commerce in various countries. The implementation of cluster analysis based on these parameters made it possible to identify groups of countries by the level of development of electronic commerce. Based on the analysis, high indicators of e-commerce in Russia have been identified and directions for its further development have been formulated.
Ключевые слова: электронная торговля, кластерный анализ, цифровизация, бизнес-модель.
Keywords: e-commerce, cluster analysis, digitalization, business model.
В настоящее время в экономической системе прослеживается активная динамика изменений внутренней и внешней сред, которая возникает под действием макроэкономических и микроэкономических факторов. Электронная активно развивается в последнее десятилетие, поскольку все больше людей используют технологии для доступа к продуктам и услугам со всего мира через интернет [2]. Используемые при реализации электронной торговли онлайн-платформы изменили правила игры для многих предприятий, предоставляя значительные преимущества по сравнению с обычными магазинами и облегчая компаниям продажу товаров в Интернете.
Основными участниками рынка электронной торговли являются домашние хозяйства (пользователи мобильного интернета, осуществляющие поиск и покупки товаров и услуг через интернет), коммерческие организации, имеющие web сайты и/или интернет-магазины и реализующие свою продукцию через интернет, государство и институциональные участники рынка, оказывающие влияние на его развитие [1].
Анализируя развитие электронной торговли, можно выделить следующие параметры, связанные с данными категориями участников:
- предприятия с web сайтом или домашней страницей (%) (П1),
- предприятия с веб-сайтом, позволяющим осуществлять онлайн - заказ или бронирование(П2),
- предприятия, получающие заказы через интернет (%) (П3),
- предприятия, которые в течение последних 12 месяцев проводили любые виды обучения для развития навыков, связанных с ИКТ, для специалистов в области ИКТ, % (П4),
- валовые внутренние расходы на НИОКР, % от ВВП (П5),
- домохозяйства, имеющие мобильный широкополосный доступ в Интернет дома (%) (П6),
- заказы, размещенные через Интернет домашними хозяйствами/частными лицами (%) (П7).
По данным параметрам проанализируем уровень развития электронной торговли в странах, являющихся членами организации экономического сотрудничества и развития и всемирной торговой организации. Всего в выборку попали 36 стран, разделим их на группы (кластеры) по данным параметрам, используя метод анализа k-средних. Отдельные показатели анализа подставлены в таблице 1.
Таблица 1 - Значения исследуемых параметров для стран-участниц выборки [5]
Страна/Условное обозначение показателя П1 П2 П3 П4 П5 П6 П7
Корея 67,1 55,2 14,7 35,2 4,6 99,6 3,2
Япония 91,5 56,3 51,9 26,4 3,2 85,2 4,8
Германия 88,4 22,2 16,4 11,6 3,2 75,3 2,2
США 72,9 62,3 55,3 38,4 3,1 89,1 3,5
Италия 73,1 17,4 13,7 7,6 1,4 42,5 2,2
Португалия 61,6 8,0 15,1 9,7 1,4 48,2 2,7
Польша 71,3 15,1 14,7 7,8 1,3 66,7 2,0
Греция 60,1 18,5 10,7 8,1 1,3 35,3 1,8
Испания 75,3 16,2 23,8 9,4 1,3 80,0 3,6
Россия 74,3 42,3 39,1 16,7 1,0 77,8 3,2
Латвия 62,6 11,8 12,9 7,0 0,6 54,2 2,4
Мексика 41,5 23,8 18,1 14,8 0,3 36,7 3,6
Колумбия 67,8 22,1 14,8 16,2 0,3 36,9 2,8
Австралия 80,4 46,3 40,8 24,1 1,8 75,2 2,4
Новая Зеландия 82,8 29,9 26,5 28,4 1,3 85,3 2,2
Реализация кластерного анализа на основании представленных параметров находящихся в множестве данных Х, разбить множество стран на т кластеров Q1, Q2.....Qm, так что каждая страна
входит только в одно множество разделения (кластер). Страны, входящие в один кластер схожи друг с другом по значению параметров П1-П7, а страны, входящие в разные кластеры разнородные [4].
Параметры анализа существенно отличаются друг от друга по величине, например по валовым внутренним расходам на НИОКР они находятся в пределах от 0,28 до 4,64, а для показателя до-мохозяйств, имеющих мобильный широкополосный доступ в Интернет из дома от 29,65 до 99,63. Поэтому необходимо осуществить нормирование показателей в меню Data - Standardze.
Разобьем массив данных по странам на кластеры, в данном случае целесообразно выделить три кластера, график средних значений представлен на рисунке 1.
Рисунок 1 - График средних значений для каждого кластера
Видим, что представленные кластеры существенно отличаются друг от друга. Проанализируем полученные значения и группировки стран по кластерам в зависимости от значений параметров в таблице 2.
Таблица 2 - Характеристика кластеров по значениям признаков анализа
№ кластера Число стран Наименования стран Характеристика кластера
1 11 Венгрия, Италия, Португалия, Польша, Греция, Люксембург, Турция, Словакия, Латвия, Мексика, Колумбия В кластер 1 вошли страны с низкими значениями всех семи признаков.
2 10 Корея, Тайвань, Япония, США, Исландия, Великобритания, Канада, Россия, Новая Зеландия, Австралия В кластере 2 значения признаков П2, П3, П4, П6 самые высокие среди всех кластеров. В кластерах 2 и 3 значения признаков П1, П5 и П7 примерно одинаковые и существенно выше, чем в кластере 1.
3 15 Швеция, Австрия, Германия, Дания, Бельгия, Финляндия, Франция, Нидерланды, Норвегия, Словения, Чехия, Эстония, Испания, Ирландия, Литва В кластере 3 значения признаков П2, П3, П4, П6 ниже, чем в кластере 2, но выше, чем в кластере 1. В кластерах 2 и 3 значения признаков П1, П5 и П7 примерно одинаковые и существенно выше, чем в кластере 1.
Ниже представим средние значения признаков для исходных, не нормированных признаков (рисунок 2), а также сведем средние значения признаков в одну таблицу 3.
Еще раз убеждаемся, что страны кластера 2 занимают лидирующее положение по всем признакам. Кластер 1 включает в себя отстающие по всем показателям страны. Кластер 3 занимает промежуточное положение между кластерами 1 и 2.
Представленные данные говорят о том, что Россия занимает ведущие позиции по всем представленным параметрам, значения параметров по предприятиям с веб-сайтом, позволяющим осуществлять онлайн - заказ или бронирование, предприятия, получающие заказы через интернет и обучающие сотрудникам навыкам ИКТ находятся на самом высоком уровне [3].
Variable кластер=1 Descriptive Statistics (Spreadsheet in Import ed.stw)
Valid N Mean Minimum Maximum Std.Dev.
П1 11 64.97636 41,45000 83,98000 11.47516
П2 11 16.45909 6,42000 23,80000 5,78320
ПЗ 11 11 11 11 11 13,74354 8.82000 18.10000 2.63533
П4 9,84545 5,21000 16,20000 3,77167
П5 1,01944 0,28066 1,47788 0.44685
П6 50.99636 35,28000 86,90000 15.90380
П7 2,34364 1.10000 3.60000 0.67404
Variable кластер=2 Descriptive Statistics (Spreadsheet in Import ed.stw)
Valid N Mean Minimum Maximum Std.Dev.
П1 101 81,19700 67.10000 95,20000 52,30000 8,35979
П2 10 49.24700 29,87000 9,35499
ПЗ 10 10 10 10 10 36,56600 14.65000 55,30000 12,61708
П4 25,93000 12,40000 38,40000 8,62954
П5 2.42528 1,03119 4.54019 1 149331
П6 81.85900 59.96000 99,63000 10,62262
П7 3,34900 2,10000 5,10000 1.01369
Variable KfiacTep=3 Descriptive Statistics (Spreadsheet in Imported.stw)
Valid N Mean Minimum Maximum Std.Dev.
П1 151S3.62000 70,35000 95,92000 7,22817
П2 15 25.27333 16,24000 34,03000 6,23389
ПЗ 15 22.39467 13,39000 32,50000 5,53744
П4 15 12,09467 6,68000 17,56000 3,16699
П5 15 2,26585 0,99159 3,40414 0,77776
ПЕ> 15 63,29533 29,65000 90,97000 18,22043
П7 15 3,15467 0,95000 5,37000 1,12545
Рисунок 2 - Средние значения признаков для исходных, не нормированных признаков
Таблица 3 - Средние значения признаков в кластере
Показатель Кластер 1 Кластер 2 Кластер 3
Предприятия с web сайтом или домашней страницей (%) 64,98 81,20 83,62
Предприятия с веб-сайтом, позволяющим осуществлять онлайн - заказ или бронирование 16,46 49,25 25,27
Предприятия, получающие заказы через интернет (%) 13,74 36,57 22,39
Предприятия, которые в течение последних 12 месяцев проводили любые виды обучения для развития навыков, связанных с ИКТ, для специалистов в области ИКТ, % 9,85 25,93 12,09
Валовые внутренние расходы на НИОКР, % от ВВП 1,02 2,43 2,27
Домохозяйства, имеющие мобильный широкополосный доступ в Интернет дома (%) 51,00 81,86 63,30
Заказы, размещенные через Интернет домашними хозяйствами/частными лицами (%) 2,34 3,35 3,15
В данную группу помимо России входят Корея, Тайвань, Япония, США, Канада и другие. Таким образом, уровень развития электронной торговли в нашей стране находится на высоком уровне. Для сохранения достигнутых позиций в данной сфере необходимо оптимизировать работу по следующим направлениям: технологии дополненной реальности и искусственного интеллекта, чат боты и приложения для работы с клиентами, электронные кошельки и голосовая коммерция.
Дополненная реальность это одна из основных тенденций развития электронной торговли. Дополненная реальность (AR) относится к использованию технологии для наложения цифровых изображений или информации поверх объектов реального мира, таких как изображение предмета, который хотят купить.
Искусственный интеллект становится все более распространенным в электронной коммерции. Организации используют искусственный интеллект для персонализации клиентского опыта, улучшения рекомендаций по продуктам и повышения конверсии.
Чат боты могут отвечать на вопросы о продуктах и услугах, помогать клиентам перемещаться по страницам сайта компании, предоставлять рекомендации по другим элементам, основываясь на том, что они видели от аналогичных пользователей. Организации электронной торговли могут использовать голосовых помощников, чтобы помочь своим клиентам находить продукты и совершать покупки, просто говоря в устройство [6].
Таким образом, для сохранения лидирующих позиций в сфере электронного торговли необходимо использовать данные цифровые технологии, реализовать их в бизнес-стратегии компании, чтобы максимизировать прибыль и построить свою потребительскую базу.
Источники:
1. Кислинская М.В., Лудушкина Е.Н., Павлова И.А., Чемоданова Ю.В. Человеческий капитал как средство реализации стратегических инициатив ведущих государств по цифровизации экономики. Вестник Алтайской академии экономики и права. Т. 2. № 12. 2019. С. 94-100.
2. Климова Е.З. Стратегия развития бизнеса в цифровой среде: исследование ключевых направлений формирования // Финансовый бизнес. № 8. 2021. С. 30-34.
3. Серова Л.Г., Павлова И.А., Макушева Ю.А. Диагностика экономического состояния устойчивого развития производственного предприятия. Экономические отношения. № 2. 2019. С. 1395-1406.
4. Trofimov O.V., Frolov V.G., Klimova E.Z., Ilyicheva N.M., Kislinskaya M.V. Assessment and analysis of innovative activities of high-tech industries in the digital economy based on the cluster approach // NEXO REVISTA CIENTIFICA. № 4. V. 34. 2021. P. 1344-1354.
5. Официальный сайт Организации экономического сотрудничества и развития [Электронный ресурс] -https://oecdru.org/ (дата обращения 21.11.2021).
6. Официальный сайт MaxinAI [Электронный ресурс] -https://www.maxinai.com/(дата обращения 08.04.2022). References:
1. Kislinskaya M.V., Ludushkina E.N., Pavlova I.A., Suitcase Yu.V. Human capital as a means of implementing strategic initiatives of leading states on digitalization of the economy. Bulletin of the Altai Academy of Economics and Law. Vol. 2. No. 12. 2019. pp. 94-100.
2. Klimova E.Z. Business development strategy in the digital environment: a study of key areas of formation // Financial business. No. 8. 2021. pp. 30-34.
3. Serova L.G., Pavlova I.A., Makusheva Yu.A. Diagnostics of the economic state of sustainable development of a manufacturing enterprise. Economic Relations. No. 2. 2019. pp. 1395-1406.
4. Trofimov O.V., Frolov V.G., Klimova E.Z., Ilyicheva N.M., Kislinskaya M.V. Assessment and analysis of innovative activities of high-tech industries in the digital economy based on the cluster approach // NEXO REVISTA CIENTIFICA. No. 4. V. 34. 2021. P. 1344-1354.
5. Official website of the Organization for Economic Cooperation and Development [Electronic resource] - https://oecdru.org / (accessed 11/21/2021).
6. MaxinAI official website [Electronic resource] -https://www.maxinai.com /(accessed 08.04.2022).
EDN: CRBUED
С.А. Козловская - к.э.н., доцент кафедры экономики и управления, Краснодарский филиал РЭУ им. Г.В. Плеханова, Sa_Kozlovskaya@mail.ru,
S.A. Kozlovskaya - Candidate of Economics, Associate Professor of the Department of Economics and Management, Krasnodar branch of Plekhanov Russian University of Economics;
К.С. Приходько - к.э.н., доцент кафедры экономики и управления, Краснодарский филиал РЭУ им. Г.В. Плеханова, Sergiyan_ks@mail.ru,
K.S. Prikhodko - Candidate of Economics, Associate Professor of the Department of Economics and Management, Krasnodar branch of Plekhanov Russian University of Economics;
К.С. Савина - преподаватель ОСПО, Краснодарский филиал РЭУ им. Г.В. Плеханова, kira-s13@mail.ru,
KS. Savina - teacher of SPO, Krasnodar branch of Plekhanov Russian University of Economics.
ВЕНЧУРНЫЕ ИНВЕСТИЦИИ РОССИИ: ОЦЕНКА СОСТОЯНИЯ И ТРАЕКТОРИИ РАЗВИТИЯ VENTURE INVESTMENTS IN RUSSIA: ASSESSMENT OF THE STATE AND TRAJECTORY OF DEVELOPMENT
Аннотация. В данной статье подробно раскрыто понятие венчурного финансирования и его основные стадии. Развитие венчурных инвестиций в России рассмотрено на основе динамики за 2019-2021 гг. Представлены основные наиболее крупные сделки как на территории РФ, так с взаимодействие отечественных стартапов и иностранных инвесторов, в соответствии с которым отображены статистические данные и динамические изменения в графическом виде. Рассмотрены инвестиции в развитие российской платформы для взаимодействия инвесторов и венчурных компаний. На основе представленных статистических данных был осуществлен анализ основных субъектов венчурной деятельности в условиях российской экономики. Представлен анализ специфики развития объемов инвестиций и структуры сделок на российском рынке. Определены меры государственной поддержки венчурной деятельности компаний с учетом ее проблемных зон.
Abstract. This article reveals the concept of venture financing and its main stages. The development of venture investments in Russia is considered on the basis of dynamics for 2019-2021. The main largest transactions both on the territory of the Russian Federation and with the interaction of domestic startups and foreign investors are presented, according to which statistical data and dynamic changes are displayed graphically. Investments in the development of the Russian platform for interaction between investors and venture companies are considered. Based on the presented statistical data, the analysis of the main subjects of venture activity in the conditions of the Russian economy was carried out. The analysis of the specifics of the development of investment volumes and the structure of transactions in the Russian market is presented. Measures of state support of venture activity of companies are defined taking into account its problem areas.
