CC BY
30докт. экон. наук. - М., 2021, 47 с.
2. Жуковская Л.В. Регулирование сложных социально-экономических систем на разных уровнях иерархии в условиях неопределенности / Л. В. Жуковская // Труды ИСА РАН. — 2018. — Т. 68. — Вып. 4. — С. 17-25. — 001: 10.14357 / 20790279180402.
3. Жуковская Л.В. Системный анализ и теоретико-игровой инструментарий взаимодействия экономической, правовой и социальной национальных макросистем / Л. В. Жуковская // Актуальные проблемы экономики и права. — 2019. — Т. 13. — № 3. — Э01: 10.21202/1993-047Х.13.2019.3.1287-1300.
4. Жуковская Л.В. Социальный и формальный механизмы реализации идеи сбалансированности экономической, правовой и социальной макросистем / Л. В. Жуковская // Труды ИСА РАН. — 2019. — Т. 69. — Вып. 3. — С. 28-42. — Э01: 10.14357 / 20790279190303.
5. Жуковская Л.В. Экономико-математическое моделирование как инструмент перехода к новой экономической доктрине / Л. В. Жуковская // Вестник ЦЭМИ. — 2019. — Вып. 4. — Э01: 10.33276/Б0000158-6-1.
6. Гусейнов А.А. Жуковский В.И., Кудрявцев К.Н. Математические основы Золотого правила нравственности: Теория нового альтруистического уравновешивания конфликтов в противоположность «эгоистичному» равновесию по Нэшу. — М.: Ле-нанд, 2016. — 280 с.
7. Лившиц В.Н. Бедность и неравенство денежных доходов населения в России и за рубежом: системный анализ некоторых важных фрагментов проблемы : монография. — М.: Институт экономики РАН, 2018. 292 с.
УДК 65
doi:10.18720/SPBPU/2/id21-85
Халиулин Равиль Афтахович \
аспирант;
Кудрявцева Светлана Сергеевна ,
профессор, д-р экон. наук, доцент
МЕТОДИКА КЛАССИФИКАЦИИ ОТРАСЛЕЙ ПРОМЫШЛЕННОСТИ КАК СПОСОБ ОЦЕНКИ ИХ ИННОВАЦИОННЫХ ПРОЦЕССОВ
12 Россия, Казань, Казанский национальный исследовательский технологический университет, 1 e-mail rawil-mary@mail.ru, e-mail sveta516@yandex.ru
Аннотация. В статье предложена методика и алгоритм классификации отраслей промышленности для оценки их инновационных процессов на основе показателей входа и выхода инновационной системы. На первом шаге исследования с использованием модуля Basic Statistic представлена дескриптивная статистика по моделируемым индикаторам. На втором шаге моделирования применен Data Mining - General Classification Tress - Standard C&RT, позволяющий классифицировать отрасли экономики по параметрам входа и выхода инновационной системы. Моделирование проведено на примере обрабатывающей промышленности.
Предложенный инструментарий может быть использован на предприятиях и в профильных министерствах и ведомствах при проведении бенчмаркинга и разработке стратегий и программ инновационного развития отраслей и субъектов хозяйствования.
Ключевые слова: отрасль промышленности, классификация, инновации, инновационный процесс, системный подход, затраты на инновации, регламенты, стандарты.
Ravil A. Khaliulin1,
Graduate student;
Svetlana S. Kudryavtseva ,
Professor, Doctor of Economics, Associate Professor
TECHNIQUE FOR CLASSIFICATION OF INDUSTRY INDUSTRIES AS A METHOD FOR EVALUATING THEIR INNOVATIVE
PROCESSES
1 2
' Russia, Kazan, Kazan National Research Technological University,
1 e-mail rawil-mary@mail.ru. e-mail sveta516@yandex.ru
Abstract. The article proposes a methodology and an algorithm for the classification of industries to assess their innovation processes based on the input and output indicators of the innovation system. At the first stage of the study, using the Basic Statistic module, descriptive statistics on the simulated indicators are presented. At the second step of modeling, Data Mining - General Classification Tress - Standard C&RT was applied, which allows to classify sectors of the economy according to the parameters of input and output of the innovation system. Modeling is carried out on the example of the manufacturing industry. The proposed toolkit can be used at enterprises and in relevant ministries and departments when conducting benchmarking and developing strategies and programs for the innovative development of industries and business entities.
Keywords: industry, classification, innovation, innovation process, systems approach, costs of innovation, requirements, standards.
Введение
Развитие индустрии 4.0 ставит в необходимость разработки новых методических решений по оценке производственных, технико-технологических и инновационных процессов на различных уровнях управления производственными системами. Подтверждение данного положения находим в таких направлениях исследований, влияние четвертой промышленной революции на экономическое развитие [2], оптимизация структур управления производством [3], инновационные технологии в развитии промышленности [8], интеллектуальное обеспечение экономического роста при достижении устойчивого развития промышленности [5], ресурсоэффективность и ресурсосбережение в производст-
ве [1], открытые инновации в промышленных компаниях [6], конкурентоспособность промышленных предприятий в индустрии 4.0 [4] и другие.
В этой связи разработка методики классификации отраслей промышленности как способа оценки их инновационных процессов видится как актуальная и востребованная для субъектов хозяйствования и органов государственной власти, ответственных за реализация промышленной, научно-технической и инновационной политики.
1. Постановка задачи
1.1. Описание предметной области
Анализ инновационных процессов секторов экономики и отдельных промышленных предприятий можно проводить, опираясь на информационную базу по статистике инноваций, которая отвечает требованиям российских и международных стандартов сбора и мониторинга статистической информации. В целях нашего исследования предлагается оценивать инновационные процессы с позиции системного подхода, и использовать показатели входа и выхода для инновационной системы промышленных предприятий. В качестве показателей входа могут быть применены индикаторы затрат на инновационную деятельность - доля затрат на инновации в стоимостной величине отгруженной инновационной продукции (Х1), доля инвестиционных вложений на развитие производства в общей величине инвестиций (Х2); показателей выхода - степень влияния результатов инновационной деятельности на соответствие требованиям регламентов и стандартов в промышленности (Х3): категориальная переменная - высокая, средняя, слабая; доля инновационных товаров в величине отгруженной промышленной продукции (Х4) (рис. 1).
Рис. 1. Системный подход к анализу инновационной деятельности промышленности
[предложено авторами]
1.2. Определение проблемы
Промышленные предприятия и отраслевые органы государственной власти при разработке стратегий и программ инновационной и производственной деятельности остро испытывают потребность в системных методиках классификации секторов экономики и промышленных предприятий по затратам и результатам инновационных процессов для их
обобщения, бенчмаркинга и созданию действенных механизмов по управлению инновационной системой промышленности. В этой связи предлагается представить классификационный алгоритм для отраслей экономики, позволяющий проводить их сопоставительную оценку и который может быть использован как прогностический инструмент для оценки инновационной деятельности.
2. Моделирование системы
2.1. Обоснование выбора языка моделирования
В качестве инструмента для моделирования предложено использовать аналитический пакет Statistica. На первом шаге исследования с использованием модуля Basic Statistic представлена дескриптивная статистика по моделируемым индикаторам. На втором шаге моделирования применен Data Mining - General Classification Tress - Standard C&RT, позволяющий классифицировать отрасли экономики по параметрам входа и выхода инновационной системы. Моделирование проведено на примере обрабатывающей промышленности. Для построения моделей использовалась статистическая база по инновациям, опубликованная на сайте Росстата [7].
2.2. Построение модели
Результаты Basic Statistic сведены в таблицу 1. Данные таблицы 1 позволяют заметить, что отраслях с высокой степенью влияния результатов инновационной деятельности на соответствие требованиям регламентов и стандартов в промышленности отмечается высокое значение параметров входа и выхода инновационной системы промышленности.
Таблица 1
Дескриптивная статистика параметров входа и выхода модели инновационной системы промышленности, % [рассчитано авторами]
Показатель (среднее значение) Влияния результатов инновационной деятельности на соответствие требованиям регламентов и стандартов в промышленности
высокое среднее слабое
доля затрат на инновации в стоимостной величине отгруженной инновационной продукции (Х1) 2,9 1,6 1,1
доля инвестиционных вложений на развитие производства в общей величине инвестиций (Х2) 16,9 16,8 12,5
доля инновационных товаров в величине отгруженной промышленной продукции (Х4) 11,1 6,7 4,4
По результатам использования методики General Classification Tress - Standard C&RT был получен следующий алгоритм классификации от-
раслей промышленности в зависимости от параметров входа и выхода инновационной системы (рис. 2).
Рис. 2. Алгоритм классификации отраслей промышленности в зависимости от параметров входа и выхода инновационной системы [рассчитано авторами]
В основе построения классификации находится показатель входа инновационной системы - доля затрат на инновации в стоимостной величине отгруженной инновационной продукции: если его значение менее, чем 3,5%, то отрасль относится ко второй ветви классификации, в противном случае - к третьей. Из 24 отраслей обрабатывающей промышленности 21 была отнесена ко второй ветви классификации, и только три отрасли - к третьей, что позволяет говорить о низком уровне вложений в инновационную деятельности.
Вторая ветвь алгоритма классификации далее делится на основе доли затрат на инновации в стоимостной величине отгруженной инновационной продукции и в последующих ветвях классификации на основе показателей степени влияния результатов инновационной деятельности на соответствие требованиям регламентов и стандартов в промышленности и доли инвестиционных вложений на развитие производства в общей величине инвестиций (Х2).
В таблице 2 представлены исходные и предсказанные значения для доли отгруженной инновационной продукции по отраслям обрабатывающей промышленности, полученные на основе алгоритма классификации, а также их отнесение к терминальным вершинам дерева классификации. Как можно видеть по данным таблицы 2, наибольшее отклонение между фактическими и расчетными значениями отмечается для производства пищевых продуктов, пластмассовых изделий и автотранспортных средств. По остальным отраслям обрабатывающей промышленности отклонения были незначительными, что позволяет сделать вывод о возможности применения разработанного алгоритма классификации в практических целях.
Таблица 2
Прогнозное и предсказанное значение для доли отгруженной инновационной продукции по отраслям обрабатывающей промышленности, %
[рассчитано авторами]
Отрасль обрабатывающей промышленности Исходное значение для Х4 Предсказанное значение для Х4 Вершина в алгоритме классификации
производство пищевых продуктов 5,7 11,8 8
производство напитков 2,4 1,5 6
производство табачных изделий 0,6 4,0 7
производство текстильных изделий 3,5 2,6 10
производство одежды 0,3 1,5 6
производство кожи и изделий из кожи 2,1 1,5 6
обработка древесины 1,7 2,6 10
производство 4,3 5,0 13
полиграфическая деятельность 8,1 4,0 7
производство нефтепродуктов 5,1 5,0 13
производство химических веществ 5,5 5,0 13
производство лекарственных средств 9,9 10,2 12
производство резиновых и пластмассовых изделий 10,3 11,8 8
Отрасль обрабатывающей промышленности Исходное значение для Х4 Предсказанное значение для Х4 Вершина в алгоритме классификации
производство прочей неметаллической минеральной продукции 4,0 4,0 7
производство металлургическое 5,0 5,0 13
производство готовых металлических изделий 13,0 16,0 3
производство компьютеров 16,6 16,0 3
производство электрического оборудования 10,1 10,2 12
производство машин и оборудования 10,6 10,2 12
производство автотранспортных средств 19,5 11,8 8
производство прочих транспортных средств и оборудования 18,2 16,0 3
производство мебели 1,1 1,5 6
производство прочих готовых изделий 2,2 4,0 7
ремонт и монтаж машин и оборудования 5,1 4,0 7
Заключение
В настоящей статье на основе дереве классификации были разработана методика и алгоритм классификации отраслей промышленности для оценки их инновационных процессов на основе показателей входа и выхода инновационной системы. Предложенный инструментарий может быть использован на предприятиях и в профильных министерствах и ведомствах при проведении бенчмаркинга и разработке стратегий и программ инновационного развития отраслей и субъектов хозяйствования.
Список литературы
1. Shinkevich A.I., Kudryavtseva S.S., Shinkevich M.V., Salimianova I.G., Ishmura-dova I.I. Improving the efficiency of production process organization in the resource saving system of petrochemical enterprises // International Journal of Energy Economics and Policy. - 2019. - Т. 9. - № 4. - С. 233-239.
2. Айвазова М.А. Индустрия 4.0: влияние на экономическое развитие // Вестник науки. - 2021. - Т. 3. - № 1 (34). - С. 61-63.
3. Барсегян Н.В., Шинкевич А.И. Оптимизация организационной структуры управления предприятием с применением теории массового обслуживания // Современные наукоемкие технологии. - 2020. - № 9. - С. 9-15.
4. Гётц М., Янковска Б. Индустрия 4.0 как фактор конкурентоспособности компаний в условиях постпереходной экономики // Форсайт. - 2020. - Т. 14. - № 4. -С. 61-78.
5. Кудрявцева С.С. Трансформация интеллектуальных ресурсов в капитал при формировании нового качества экономического роста: диссертация на соискание
ученой степени кандидата экономических наук / Самарский государственный экономический университет. - Казань, 2010. - 172 с.
6. Плещенко В.И. Роль и место процесса закупок в функционировании модели открытых инноваций промышленной компании // Экономика в промышленности. -2018. - Т. 11. - № 4. - С. 387-393.
7. Росстат [Электронный ресурс] - Режим доступа: https://rosstat.gov.ru.
8. Сергеев А.А. Влияние инновационных технологий на развитие промышленности // Экономика и управление: проблемы, решения. - 2020. - Т. 2. - № 5 (101). -С. 31-36.
УДК 330.1
doi:10.18720/SPBPU/2/id21-86
Толочко Иван Андреевич,
Аспирант 3 года обучения, Заместитель генерального директора -финансовый директор АО ПКБ «РИО»
СИСТЕМАТИЗАЦИЯ ПОДХОДОВ К ОЦЕНКЕ ЦИФРОВОЙ ЗРЕЛОСТИ ПРЕДПРИЯТИЙ
Россия, Санкт-Петербург, Санкт-Петербургский государственный экономический университет, toloch1989@mail.ru
Аннотация. В статье определены основные классы цифровых систем, формирующих цифровую экосистему предприятия, лежащие в основе цифровой трансформации предприятий оборонно-промышленного комплекса (далее ОПК), рассмотрены основные тенденции в развитии технологий в области цифровой трансформации, а также существующие подходы к оценке цифровой зрелости, выделены ключевые принципы построения модели оценки цифровой зрелости.
Ключевые слова: системный анализ, цифровизация, цифровая трансформация, промышленное предприятие, управление, цифровая зрелость, когнитивные технологии, промышленность.
Ivan A. Tolochko ,
Graduate student,
Deputy General Director-Financial Director of JSC PKB "RIO"
SYSTEMATIZATION OF APPROACHES TO ASSESSING THE DIGITAL VISIBILITY OF ENTERPRISES
Russia, Saint-Petersburg, Saint-Petersburg State University of Economics,
toloch1989@mail.ru
Abstract. The article defines the main classes of digital systems that form the digital ecosystem of the enterprise, underlying the digital transformation of enterprises of the
