CC BY
7УДК 338.24
МЕТОДОЛОГИЯ РАЗВИТИЯ ИНТЕЛЛЕКТУАЛЬНОГО КАПИТАЛА ГОСУДАРСТВЕННЫХ КОРПОРАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ
О.В. Мартыненко, кандидат экономических наук. Санкт-Петербургский университет ГПС МЧС России. В.А. Фарбер, кандидат экономических наук, доцент. Михайловская военная артиллерийская академия. Н.Р. Гоцкая, кандидат экономических наук. Краснодарский университет МВД России
Актуальность исследования обосновывается крупномасштабными
трансформационными изменениями общественного развития и превращением интеллектуального капитала в важнейший ресурс инновационного развития государства. В этих условиях приобретает важное значение исследование социальных стратегий корпоративного развития, позволяющих интенсифицировать процессы повышения знаний, совершенствовать систему управления, активизировать эволюцию знаний, образования, профессиональных компетенций персонала. В этой связи в работе на основе анализа проводится теоретический обзор существующих определений по данному направлению, обоснован вывод, что в научных информационных источниках однозначной точки зрения, выбранной большинством ученых, в части определений понятий «интеллектуального капитала госкорпораций» на сегодня пока нет. Приводятся авторские содержание и форма выражения определений понятий и методология его развития.
Осуществляется анализ содержания интеллектуального капитала, раскрываются стратегии развития интеллектуального капитала современной государственной корпорации посредством диагностики интеллектуального капитала Ленинградской области. Особое внимание уделяется ключевым элементам, которые вносят вклад в формирование интеллектуального капитала государственных корпораций.
Ключевые слова: образование, процесс, методика, подготовка, специалист
METHODOLOGY OF DEVELOPMENT OF INTELLECTUAL CAPITAL OF STATE CORPORATIONS OF THE RUSSIAN FEDERATION
O.V. Martynenko. Saint Petersburg university of State fire service of EMERCOM of Russia. V.A. Farber. Mikhailovsky military artillery academy.
N.R. Gotskaya. Krasnodar university of the Ministry of internal affairs of Russia
Annotation. The relevance of the research is justified by large-scale transformational changes in social development and the transformation of intellectual capital into the most important resource for innovative development of the state. Under these conditions, it is important to study social strategies of corporate development that allow us to intensify the processes of increasing knowledge, improve the management system, and activate the evolution of knowledge, education, and professional competencies of personnel. In this regard, based on the review analysis, the paper provides a theoretical review of existing definitions in this area, and concludes that scientific information sources do not yet have an unambiguous point of view, chosen by the majority of scientists, regarding the definitions of the concepts of «intellectual capital of state corporations». And the author's content and form of expression of definitions of concepts and methodology of its development are given.
The article analyzes the content of intellectual capital, reveals strategies for the development of intellectual capital of a modern state Corporation through diagnostics of the intellectual capital of the Leningrad region. Special attention is paid to the key elements that contribute to the formation of the intellectual capital of state corporations.
Keywords: education, process, methodology, training, specialist
Ключевыми элементами, которые вносят вклад в формирование интеллектуального капитала государственных корпораций, являются:
- научно-образовательный комплекс (вузы и их филиалы, профессиональные образовательные организации и другие структуры, осуществляющие подготовку специалистов);
- научно-исследовательский комплекс (отраслевые научно-исследовательские институты, государственные научные центры и другие учебные заведения по подготовке специалистов);
- производственный комплекс - предприятия, осуществляющие непосредственно производство высокотехнологичной промышленной продукции и (или) инновационных товаров и услуг;
- инновационно-внедренческий комплекс, то есть организации, учреждения государственных корпораций, в задачу которых входит коммерциализация результатов научно-исследовательских и опытно-конструкторских работ (НИОКР);
- некоммерческие организации по развитию сетевого взаимодействия государственных корпораций с другими структурами;
- инвестиционное сообщество - то есть федеральные и региональные организации, осуществляющие инвестиции в развитие государственных корпораций и предприятий, входящих в их состав.
«Проблемы выбора решения при развитии интеллектуального капитала, их оценки и моделирования отражены в исследованиях А. Алчиана, У. Баумоля, Н. Георгеску-Рогена, А. Ли, Г. Райфа, П. Самуэль-сона, Дж. Стиглера, Р. Строца, Х. Хаутэккера, Д. Эльсберга, Р. Шлайфера, Й. Шумпетера, М.И. Баканова, В.И. Бархатова и др. При развитии интеллектуального капитала встречаются риски, где исходя из обзорного анализа содержания и формы выражения этого понятия выбрана точка зрения, согласно которой с общенаучных позиций риск есть возможное или вынужденное решение, принятое субъектом в условиях неопределенности последствий» [1-3].
Таким образом, интеллектуальный капитал в настоящем исследовании определяется, как нематериальный ресурс, который формируется благодаря синергетическому взаимодействию различных элементов разветвленной структуры государственных корпораций. «В этой связи в работе на основе анализа проводится теоретический обзор существующих определений по данному направлению, обоснован вывод, что в научных информационных источниках однозначной точки зрения, выбранной большинством ученых, в части определений понятий: «интеллектуальный капитал» пока нет.
Авторы делают обоснованный вывод, что воспроизводство интеллектуального капитала в регионе и стране является основным условием формирования государственных корпораций, направленных на инновационное развитие в условиях повышенных рисков.
Однако, прежде чем перейти к построению модели воспроизводства интеллектуального капитала региона, необходимо оценить имеющийся нематериальный ресурс в Ленинградской области.
Для оценки имеющихся ресурсов авторами исследования разработана модель оценки интеллектуального капитала в регионе.
Методическое обеспечение диагностики интеллектуального капитала региона основано на понимании структуры интеллектуального капитала как совокупности человеческого капитала, организационного капитала и инновационно-промышленного капитала (схема представлена на рис. 1).
Рис. 1. Структура интеллектуального капитала
Таким образом, на основе анализа работ зарубежных и российских авторов можно сделать вывод о том, что интеллектуальный капитал включает:
- человеческий капитал (совокупность профессиональных знаний, творческих способностей и компетенций, практических навыков и опыта в инновационной деятельности коллектива людей);
- организационный капитал (процессы взаимодействия государственных корпораций посредством корпоративной культуры и бизнес-модели с субъектами управления в регионе);
- инновационно-технологический капитал (совокупность промышленных инновационных предприятий в регионе, патентов на объекты интеллектуальной собственности в сфере инноваций, затрат региона на научные исследования (НИОКР) и др.) [4].
На основе всего вышесказанного, авторы исследования предлагают модель оценки интеллектуального капитала региона с учетом трех выделенных структурных элементов (человеческий капитал, организационный капитал, и инновационно-технологический капитал).
Модель диагностики интеллектуального капитала Ленинградской области включает следующие факторы.
1. Человеческий капитал измеряется при помощи диагностики следующих ключевых показателей региона:
- количество общеобразовательных школ в регионе;
- численность учащихся в общеобразовательных школах;
- количество средних профессиональных учебных заведений;
- количество высших учебных заведений;
- численность студентов в высших учебных заведениях.
2. Организационный капитал измерить не предоставляется возможным в силу отсутствия государственных корпораций в регионе. Построение взаимосвязей государственных корпораций с муниципальными органами власти и органами местного самоуправления будет включено далее при разработке механизма формирования государственных корпораций в регионе [5].
3. Инновационно-промышленный капитал измеряется при помощи диагностики следующих ключевых показателей региона:
- количество промышленно-инновационных предприятий (шт.);
- количество рабочих мест на инновационных предприятиях (шт.);
- экспорт высокотехнологичной продукции (млн руб.);
- количество патентов на инновационные изобретения на 1 000 чел. населения (шт.),
- затраты на НИОКР (млн руб.).
Значения приведенных показателей берутся из официальных статистических данных (по годам) в приведенных единицах измерений. Разумеется, сравнение просто количественных данных будет громоздким и не очень эффективным для дальнейшего построения модели воспроизводства интеллектуального капитала. В предлагаемой модели необходимо осуществить расчет индексов для выбранных показателей в целом для каждой сферы, по каждому показателю для каждого года [6].
Временной период оценки выбранных показателей для Ленинградской области выбран в четыре года, с мая 2014 г. по май 2018 г. Временной период диагностики обусловлен периодом существования Ленинградской области как самостоятельного образования.
Далее производится трансформация выбранных показателей в индексы, где для перевода любого показателя X в индекс, значение которого заключено между 0 и 1, используется следующая формула:
X, =
Xij - min (Xj ) j
j max (Xij ) - min ( Xj )
j j
где Х/ - значение индекса j-го показателя сферы для ьго года; X^ - значение j-го показателя
г/
'ij
развития сферы для i-го года; mx(XiJ) - максимальное значение j-го показателя для i-го года; min () - минимальное значение j-го показателя для i-го года.
В частности, если количество общеобразовательных школ в Ленинградской области в 2014 г. составляло 739, при этом минимальным за период (четыре года) является показатель - 654 школы, максимальным является показатель 739 школ, получается следующее:
IndH (2014)=739-654/347-325=3,86.
Используя предложенную модель трансформации, все показатели по всем выделенным структурным компонентам можно свести к индексам в значениях от 0 до 1. После определения индексов, которые заносятся в таблицы по сферам и по годам, необходимо осуществить расчет индекса каждого компонентам в t году как среднего арифметического.
IndH=IndH (2014)+IndH (2015)+IndH (2016)+IndH (2017)+IndH (2018) / 5 лет.
После определения индексов по каждому году далее осуществляется расчет интегрального индикатора для региона по всем сферам. Всего выделено три структурных компонента интеллектуального капитала.
Интегральный индикатор определяется как среднее арифметическое индикаторов показателей трех выбранных групп факторов:
IndA=-11,
з '
где МА - интегральный индикатор А-сферы в t году; Indij - фактор i сферы региона в ] году; 3 - количество выбранных факторов для анализа.
Следовательно, далее производится расчет индексов как среднее арифметическое частных показателей за год по каждому фактору, характеризующему каждый из перечисленных компонентов.
Расчет индексов по каждому компоненту интеллектуального капитала проводится по формулам:
ЫйН
_ 1
г;1 А]
ЫйО =
т
где Ind - индекс каждого структурного компонента; X] - значение j -го показателя региона; m - количество факторов, оценивающих данный компонент.
В оценке человеческого капитала выделено пять факторов, и в оценке интеллектуально-промышленного капитала выделено пять факторов, следовательно, при расчете т=5.
Для расчета показателей интеллектуального капитала Ленинградской области за 2014-2018 гг. принимаются значения:
1. Человеческий капитал (Н).
2. Организационный капитал (О).
3. Инновационно-промышленный капитал (I).
Уровень развития интеллектуального капитала региона определяется средним арифметическим между всеми компонентами:
т
т
ИК=(ШН+ШО+М)/3.
Таким образом, в исследовании разработана модель диагностики интеллектуального капитала для дальнейшего построения модели воспроизводства интеллектуального капитала в рамках разработки успешного механизма формирования государственных корпораций в Ленинградской области. Модель воспроизводства интеллектуального капитала является механизмом повышения рискоустойчивости государственных корпораций.
Применяя предложенную модель диагностики интеллектуального капитала, в исследовании авторами была проведена непосредственно оценка интеллектуального капитала региона по выделенным компонентам.
«Применение предлагаемого методического обеспечения позволило определить целевые индикаторы в области управления рисками и планировать соответствующие мероприятия» [4].
В частности, в рамках человеческого капитала оценивались факторы (табл. 1):
- количество общеобразовательных школ в регионе;
- численность учащихся в общеобразовательных школах;
- количество средне-профессиональных учебных заведений;
- количество высших учебных заведений;
- численность студентов в высших учебных заведениях [7].
Таблица 1. Индексы показателей человеческого капитала Ленинградской области за 2014-2018 гг. [2]
Индексы показателей человеческого капитала
Года Х - количество общеобразовательных школ Х - численность учащихся школ Х - количество средне-профессиональных учебных заведений Х - количество высших учебных заведений Х - численность студентов вузов Х - среднее по годам
2014 0,64 0,72 0,68 0,35 0,51 0,58
2015 0,68 0,68 0,62 0,39 0,48 0,57
2016 0,61 0,72 0,64 0,35 0,52 0,57
2017 0,63 0,64 0,58 0,37 0,54 0,55
2018 0,69 0,73 0,58 0,38 0,58 0,59
Х (среднее) 0,65 0,70 0,62 0,37 0,53 0,57
IndH 0,57
Примечание: рассчитано на основании статистических данных [2]
Индекс показателей человеческого капитала в Ленинградской области (IndH) составляет 0,57 за 2014-2018 гг.
IndH (2014-2018 гг.)=0,65+0,70+0,62+0,37+0,53/5=0,57.
«Существующее разнообразие методов оценки и анализа рисков и в целом управления ими в большинстве случаев не являются универсальными, не позволяют определяться с допустимой величиной средств» [5], поэтому, исходя из того, что индексы показателей могут располагаться только в диапазоне 0-1, можно увидеть, что индекс человеческого капитала в Ленинградской области довольно низкий, немного выше среднего. При этом самые низкие показатели по количеству высших учебных заведений в регионе и по численности студентов вузов.
Индекс показателей инновационно-промышленного капитала в Ленинградской области (IndI) за 2014-2018 гг. составляет 0,29 (табл. 2).
IndI (2014-2018 гг.)=0,35+0,29+0,23+0,29+0,29/5=0,29.
Наиболее благоприятный фактор в данном компоненте - промышленно-инновационные предприятия (0,35 из 1,0), наименее благоприятный фактор - экспорт высокотехнологичной продукции (0,23 из 1,0).
Уровень развития человеческого капитала Ленинградской области по выделенным факторам приводится на рис. 2.
Таблица 2. Индексы показателей инновационно-промышленного капитала в Ленинградской области за 2014-2018 гг. [2]
Года Индексы показателей инновационно-промышленного капитала
Х - количество промышленно-инновационных предприятий Х - количество рабочих мест на инновационных предприятиях Х - количество экспорта высоко-технологичной продукции Х - количество патентов на инновационные изобретения Х - затраты на НИОКР Х - среднее по годам
2014 0,32 0,28 0,18 0,22 0,31 0,26
2015 0,28 0,33 0,23 0,29 0,29 0,28
2016 0,41 0,24 0,28 0,29 0,31 0,31
2017 0,43 0,32 0,21 0,27 0,24 0,29
2018 0,29 0,28 0,23 0,38 0,32 0,30
Х (среднее) 0,35 0,29 0,23 0,29 0,29 0,29
Ы! 0,29
Примечание: рассчитано на основании статистических данных [3]
0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00
0,65
2014
0,70
0,62
0,53
0,37
2015
2016 ЫН
2017
2018
Рис. 2. Уровень развития человеческого капитала в Ленинградской области
по выделенным факторам [2]
Наиболее благоприятными можно считать факторы наличия общеобразовательных школ в регионе в 2018 г. и численности учащихся в общеобразовательных школах в регионе.
Таким образом, можно сделать следующие выводы. Уровень развития человеческого капитала по выделенным факторам был наиболее высоким в 2015 г. (0,7 из 1,0), наиболее низким - в 2017 г. (0,37 из 1,0).
Наименее благоприятными можно считать факторы количества высших учебных заведений в регионе и количества студентов вузов.
Уровень развития инновационно-промышленного капитала в Ленинградской области по выделенным факторам приводится на рис. 3.
0,10 0,05 0,00
2014 2015 2016 2017 2018
^мЫ!
Рис. 3. Уровень развития инновационно-промышленного капитала в Ленинградской области
по выделенным факторам [2]
Таким образом, можно сделать следующие выводы. Уровень развития инновационно-промышленного капитала по выделенным факторам был наиболее высоким в 2014 г. (0,35 из 1,0), наиболее низким - в 2016 г. (0,23 из 1,0). Снижение уровня обусловлено специфическими условиями и факторами, в частности, снижением ресурсов (в том числе человеческих и промышленных ресурсов) региона, санкционным влиянием и другими факторами. «Способом может выступать, например, эффективное использование, но не эффективность: рентабельность как форма эффективности не является способом, а рентабельная реализация товаров означает способ удовлетворения спроса населения в потребительских товарах посредством обмена товаров на деньги, приносящий прибыль рыночному торговцу». «Оценка эффективности на основе «затратного» подхода, который поддерживает большинство ученых, предполагает определение соответствия конечного результата потребленным ресурсам (потребленному капиталу), то есть соответствие эффекта в виде конечного результата произведенным для этого затратам; предполагает определение соответствия конечного результата потребленным ресурсам (потребленному капиталу)».
Наиболее благоприятным можно считать фактор наличия промышленно-инновационных предприятий в регионе (0,35 из 1,0). Наименее благоприятным можно считать фактор экспорта высокотехнологичной продукции в регионе (0,23 из 1,0).
Перспективами исследования является разработка модели воспроизводства человеческого капитала в регионе.
Литература
1. Давыдянц Д.Е., Жидков В.Е., Зубова Л.В. К определению понятий «энергосбережение» и «энергоэффективность» // Фундаментальные исследования. 2014. № 9-6. С.1294-1296.
2. Сборник УФСГС, Спб, 2019. https://petrostat.gks.ru/storage/mediabank/lo_rus_print.pdf.
3. Зубова Л.В., Давыдянц Д.Е. Оценка эффекта и эффективности последствий рисков хозяйствующего субъекта с учетом обеспечения допустимой рискоустойчивости и необходимой конкурентоспособности // Бизнес в законе. Экономико-юридический журнал. 2010. № 4. С. 186-190.
4. Zubova L., Yakovleva A., Stepanova Т., Koneva O.V., Vanieva А. Methodology development to assess the contractor risk tolerance from the rocket and space technology life cycle stage // International Journal of Recent Technology and Engineering. 2019. Т. 8. № 4. С. 7894-7898.
5. Zubova L., Yakovaleva A., Tregulova N., Vasenev S., Zibrova N. Development of a risk assessment system for the creation of space rocket technology // International Journal of Innovative Technology and Exploring Engineering. 2019. Т. 9. № 1. С. 2745-2750.
6. Gotskaya N.R., Davydyants D.E., Karlik A.E., Petrov D.M. Comprehensive value of enterprise solutions and algorithm of risk level assessment. technical sciences // Science and Society. 2018. Т. 82. № 3. С. 111-121.
7. Zubova L.V., Kuzmin V.N., Sherstyuk A.V. Model of administration of managerial decisions based on estimation of risk-stability of enterprises. 2018.
References
1. Davydyanc D.E., Zhidkov V.E., Zubova L.V. K opredeleniyu ponyatij «energosberezhenie» i «energoeffektivnost'» // Fundamental'nye issledovaniya. 2014. № 9-6. S.1294-1296.
2. Sbornik UFSGS, Spb, 2019. https://petrostat.gks.ru/storage/mediabank/lo_rus_print.pdf.
3. Zubova L.V., Davydyanc D.E. Ocenka effekta i effektivnosti posledstvij riskov hozyajstvuyushchego sub"ekta s uchetom obespecheniya dopustimoj riskoustojchivosti i neobhodimoj konkurentosposobnosti // Biznes v zakone. Ekonomiko-yuridicheskij zhurnal. 2010. № 4. S. 186-190.
4. Zubova L., Yakovleva A., Stepanova T., Koneva O.V., Vanieva A. Methodology development to assess the contractor risk tolerance from the rocket and space technology life cycle stage // International Journal of Recent Technology and Engineering. 2019. T. 8. № 4. S. 7894-7898.
5. Zubova L., Yakovaleva A., Tregulova N., Vasenev S., Zibrova N. Development of a risk assessment system for the creation of space rocket technology // International Journal of Innovative Technology and Exploring Engineering. 2019. T. 9. № 1. S. 2745-2750.
6. Gotskaya N.R., Davydyants D.E., Karlik A.E., Petrov D.M. Comprehensive value of enterprise solutions and algorithm of risk level assessment. technical sciences // Science and Society. 2018. T. 82. № 3. S. 111-121.
7. Zubova L.V., Kuzmin V.N., Sherstyuk A.V. Model of administration of managerial decisions based on estimation of risk-stability of enterprises. 2018.
