CC BY
66
ИННОВАЦИОННОЕ РАЗБИТИЕ
УДК 338.43
определение целевых сегментов для повышения инновационной активности предприятий агропромышленного комплекса региона
о.н. Соболева,
кандидат экономических наук, доцент кафедры государственного и муниципального управления
E-mail: olsia-soboleva@bk.ru
о.с. ноговицына,
старший преподаватель кафедры государственного и муниципального управления E-mail: angelsmile84@yandex.ru Вятский государственный университет
Нарастание конкурентной борьбы на рынках сельскохозяйственной продукции, низкая производительность труда и недостаточная техническая оснащенность сельскохозяйственных предприятий вызывают необходимость повышения уровня инновационной активности в агропромышленном секторе.
Цель — определение методов государственного стимулирования инновационной активности для основных целевых сегментов в агропромышленном комплексе региона.
В статье рассмотрены методические основы определения целевых сегментов для повышения инновационной активности предприятий сельского хозяйства региона на основе использования пакета программ для обработки статистических данных Minitab.16. Выделены основные целевые сегменты повышения инновационной активности агропромышленного комплекса на примере Кировской области. Систематизированы методы и инструменты государственного регулирования инновационной активности в регионе для каждого целевого сегмента.
В результате исследования были выявлены основные факторы, сдерживающие инновационную
активность агропромышленных предприятий, к основным из которых можно отнести риски внедрения инноваций, потенциал предприятий, государственную поддержку внедрения инноваций, мотивацию работников к инновациям, а также время.
На основе проведенного анализа были выделены два кластера (целевых сегмента), в значительной степени отличающихся друг от друга. Первый кластер включает предприятия, особенно чувствительные к мерам государственной поддержки. Во второй кластер вошли предприятия, не чувствительные к государственной поддержке и готовые к внедрению инноваций при благоприятной конъюнктуре рынка и наличии финансовых ресурсов.
Авторами в ходе исследования был сделан вывод о необходимости смещения акцента на формирование благоприятных рыночных условий и использование преимущественно косвенных методов при регулировании инновационной деятельности агропромышленных предприятий.
Ключевые слова: инновационная активность региона, региональный агропромышленный комплекс, факторный анализ, кластерный анализ, методы регулирования инновационной активности
В современных условиях развитие агропромышленного сектора в Российской Федерации характеризуется следующими тенденциями:
— обострением конкурентной борьбы на рынках сельскохозяйственной продукции и продовольствия;
— низкой производительностью труда (более чем в 4,1 раза ниже по сравнению с Финляндией и в 5,2 раза — по сравнению с Канадой);
— недостаточной технической оснащенностью предприятий агропромышленного комплекса (не превышает 40% от требуемого уровня); передовые техника и технологии имеются примерно в 1,5% крупных аграрных организаций и менее чем в 0,5% фермерских (крестьянских) хозяйств;
— низким уровнем развития трудовых ресурсов в сельской местности.
Все это в конечном итоге обусловливает низкую эффективность большинства субъектов хозяйственной деятельности в агропромышленном комплексе и даже стагнацию производства и невозможность решения проблемы обеспечения населения доступным и качественным отечественным продовольствием в объемах и структуре, соответствующих рациональным научно обоснованным нормам питания1.
В связи с этим для обеспечения устойчивого развития сельскохозяйственных предприятий необходимо внедрение инноваций на системной основе. По мнению ведущих российских экономистов, именно инновации (продуктовые, технологические, организационно-управленческие, маркетинговые, социальные) определяют конкурентоспособность как предприятий, так и отдельных территорий (муниципальных образований, регионов) в долгосрочной перспективе.
Под инновацией во всем мире понимают реализацию нового или значительно усовершенствованного продукта (товара, услуги) или процесса, нового метода маркетинга или нового метода организации бизнеса.
В качестве основных видов инновационной деятельности можно выделить:
— исследования и разработки;
— инструментальную подготовку и организацию производства;
1 Проект стратегии инновационного развития агропромышленного комплекса Российской Федерации на период до 2020 года: разработан Министерством сельского хозяйства Российской Федерации и Российской академией сельскохозяйственных наук.
— производственное проектирование, дизайн и другие, не связанные с научными исследованиями разработки новых продуктов, услуг и методов их производства, новых производственных процессов;
— приобретение машин и оборудования, по своему технологическому назначению связанных с внедрением инноваций;
— приобретение объектов интеллектуальной собственности, связанных с внедрением инноваций;
— обучение, подготовку и переподготовку персонала, обусловленные внедрением технологических инноваций;
— организационные инновации (новые методы, способы, приемы управления);
— маркетинговые исследования, связанные с внедрением инноваций [5, 6].
В качестве основных факторов, сдерживающих рост инновационной активности в сельском хозяйстве, выделяют:
— отсутствие последовательной, подкрепленной необходимыми ресурсами инновационной государственной стратегии;
— недостаточный уровень государственной поддержки предприятий агропромышленного комплекса;
— отсутствие должного финансирования научно-технических программ [13].
В настоящее время актуальной становится проблема государственного стимулирования инновационной активности (интенсивности разработки и внедрения инноваций) предприятий комплекса. В мировой практике используются различные методы и инструменты ее стимулирования, которые необходимо систематизировать для решения проблемы низкой инновационной активности предприятий агропромышленного комплекса в регионах Российской Федерации.
Вопросы управления инновационной активностью предприятий рассматривается в работах многих авторов, в том числе С.Г. Авдониной,
A.В. Бабкиной, А.И. Балашова, В.П. Баранчеева, Е.М. Роговой, Е.А. Ткаченко, О.Н. Мельникова,
B.Н. Шувалова, А.А. Трифиловой, Р.А. Фатхутдино-ва, А.Э. Устинова [1, 4, 6, 7, 14, 17- 19]. Особенности управления инновационной деятельностью предприятий агропромышленного комплекса отражены в работах А. Демченко, В. Г. Закшевского, И.Г. Уша-чева, И.Т. Трубилина, Е.С. Оглоблина, И.С. Санду, М.В. Федоренко и др. [10, 11, 13, 20].
Таблица 1
Инструменты и методы государственного регулирования инновационной деятельности предприятий
Авторы Инструменты и методы
В.И. Аверченков, Е.Е. Ваинмаер [2] Прямое регулирование (бюджетное финансирование, выбор приоритетов, заключение правительственных контрактов, формирование государственного заказа, субсидирование и предоставление гарантий частным банкам). Косвенное регулирование (поощрение организаций, ориентированных на инновационную деятельность, формирование высокого социального статуса и престижа образования и науки)
В.М. Аньшина, А.А. Дагаев [3] Прямое государственное финансирование НИОКР и инновационной деятельности предприятий. Налоговое стимулирование (налоговые кредиты, снижающие исчисленный налог на прибыль, налоговые списания для исчисления налога на прибыль, льготные нормы для амортизации капитальных расходов на научное оборудование, сокращение ставок по налогу на прибыль и др.). Трансфер технологий, разработанных в государственном секторе или при финансовой поддержке государства, промышленным предприятиям (распространение информации о полученных научных результатах, консультационные услуги по оформлению лицензий и внедрению новых изобретений, создание на доконкурентных стадиях НИОКР совместных научно-исследовательских консорциумов с участием промышленных предприятий и университетов и др.). Создание инновационной среды (поддержка кооперации на всех уровнях, стимулирование кластеров, охрана интеллектуальной собственности и антимонопольное регулирование)
А.В. Барышева [8] Прямое финансирование (субсидирование). Создание сети технопарков, технополисов и др. Предоставление индивидуальным изобретателям и малым внедренческим предприятиям беспроцентных ссуд. Создание венчурных инновационных фондов. Снижение государственных патентных пошлин для индивидуальных изобретателей, отсрочка уплаты патентных пошлин по ресурсосберегающим технологиям. Методы налогового регулирования: — предоставление исследовательского и инвестиционного налогового кредита, целевых инвестиционных и инновационных налоговых льгот при выполнении заказов, программ и проектов по созданию, внедрению и использованию результатов НИОКР для реконструкции производства; — налоговые скидки в виде освобождения от налогообложения части прибыли, реинвестируемой в технологическое перевооружение или в НИОКР; — целевые инвестиционные и инновационные льготы в рамках санирования технологического перевооружения производств, находящихся на грани банкротства; — уменьшение налогов на прирост инновационных затрат; «налоговые каникулы» в течение нескольких лет на прибыль от реализации инновационных проектов; — льготное налогообложение дивидендов, полученных по акциям инновационных организаций; — налоговые зоны с особым льготным режимом обложения в пределах технопарков, технополисов, научно-промышленных зон и др.
А.И. Базилевич [5] Государственное нормативное правовое регулирование. Государственное финансовое регулирование (прямое участие государства в финансировании приоритетных направлений развития науки и техники, формирование целевых бюджетных фондов, установление порядка формирования внебюджетных фондов). Налоговое регулирование (льготы в области налогообложения инновационных предприятий). Социально-экономическое регулирование. Организационное регулирование (лицензирование отдельных видов деятельности, контроль)
На первоначальном этапе исследования проведем обзор основных инструментов и методов государственного регулирования инновационной сферы (табл. 1). Анализируя подходы авторов к определению инструментов и методов государственного регулирования инновационной деятельности предприятии можно сделать вывод, что традиционно их подразделяют на методы прямого и косвенного регулирования.
На втором этапе необходимо определить наиболее эффективные методы государственного регулирования для активизации инновационной активности предприятий Кировской области. Для этого целесообразно определение целевых сегментов, а также выбор оптимального набора методов и инструментов стимулирования инновационной активности. Для определения каждого сегмента авторы предлагают использовать следующий алгоритм:
— определение проблемы;
— постановка цели и задач исследования;
— описание рабочих гипотез;
— разработка инструментария исследования;
— сбор данных;
— анализ данных (факторный и кластерный анализ);
— интерпретация результатов исследования;
— разработка рекомендаций по стимулированию инновационной активности предприятий агропромышленного комплекса региона [9, 12, 15].
На основе данного алгоритма была определена низкая инновационная активность предприятий комплекса Кировской области. Для решения данной проблемы необходимо было выявить факторы, сдерживающие инновационную активность сельскохозяйственных предприятий, определить целевые сегменты, разработать рекомендации по развитию методов и инструментов государственной поддержки предприятий агропромышленного комплекса региона.
В качестве инструментария исследования была разработана анкета, на основе которой проведен опрос 40 руководителей сельскохозяйственных предприятий Кировской области об их готовности к внедрению инноваций. В результате большая часть (55%) руководителей предприятий оказалась готова к внедрению инноваций и меньшая (45%) — не готова.
Для выявления факторов, влияющих на инновационную активность предприятий агропромышленного комплекса, был использован факторный анализ, в ходе которого было выделено 16 факторов.
К основным факторам были отнесены:
— недостаточность финансовых ресурсов Х1;
— отсутствие оборудования, способствующего внедрению инноваций Х2;
— недостаток времени Х3;
— проблемы с защитой интеллектуальной собственности Х4;
— неосведомленность, касающаяся вопросов разработки и внедрения инновационных технологий Х5;
— отсутствие специалистов в области внедрения и реализации инноваций Х6;
— недостаточная законодательная поддержка развития инноваций в регионе Х7;
— отсутствие взаимодействия с субъектами рынка при поиске инновационных идей Х8;
— отсутствие льгот по налогам при внедрении инноваций Х9;
— отсутствие системы мотивации работников для реализации творческого потенциала Х10;
—высокие затраты по внедрению инноваций Х11;
— большой срок окупаемости инноваций X ;
— отсутствие поддержки со стороны государства Х13;
— боязнь, что внедрение инноваций не оправдает ожидаемый результат Х14;
— недостаточное взаимодействие с вузами и
НИИ Х15;
— отсутствие отдельного бюджета на инновационную деятельность X
Результаты оценки представлены в табл. 2, построенной на основе компьютерного отображения в программе МтйаЬ 16.
На следующем этапе результаты исследования подвергаются факторному анализу методом анализа главных компонентов в программе Мт^аЬ 16 в целях выделения факторов, оказывающих наибольшее влияние на повышение инновационной активности предприятий.
Программа факторного анализа вычисляет корреляционную матрицу. Анализ данных корреляционной матрицы, представленной в табл. 2, показывает, что особенно высокое значение корреляции наблюдается междуХ1 иХ2,Х1 иХ16,Х4 иХ12,Х5 иХ15,Х7 иХп, Х7 и X13, Х7 и X16, Х9 и X13, Х11 и X12, Х11 и Х14 и Х15
иX Следовательно, переменные, тесно взаимосвязанные между собой, должны тесно коррелировать с одним и тем же фактором или факторами, т.е. процедура факторного анализа может быть использована для анализа представленных данных.
Для определения числа факторов в каждом из запусков программы используем правило: процент объясненной дисперсии фактора должен быть больше, чем 100% / количество переменных (100% /16 = 6,25%), т.е. в расчет включаются те факторы, доля которых более 6,25%. Кроме того, можно использовать такой показатель, как «собственное значение», величина которого для включения в расчет должна быть больше 1,0. В приведенном примере для второго этапа факторного анализа на основе графика «каменистой осыпи» рекомендуется отобрать два, пять или шесть факторов (рис.1).
Величина «собственного значения» и величина «доли, %» подтверждают такой отбор («собственное значение» факторов — 4,37; 2,93; 2,43; 1,88; 1,30; «доля, %» — 27,3; 18,4; 15,2; 11,7 и 8,1%) (табл. 2). Таким образом, принимаем решение о включении в модель пяти факторов.
Таблица 2
Факторный анализ результатов исследования инновационной активности предприятий агропромышленного комплекса (на основе компьютерного отображения)
№ Корреляционный анализ
X, К X, X. X. хп X. К К, К, х„ К.
а, 1,0
а; 0,779 1,0
а; -0,084 -0,114 1,0
а; 0,344 0,015 -0,066 1,0
а; -0,087 -0,146 0,148 -0,291 1,0
а; 0,202 0,285 0,166 -0,144 0.388 1,0
а; 0,227 0,181 0,206 0,260 -0,025 0,210 1,0
а; -0,290 -0,201 0,466 -0,462 0,466 0,255 0,244 1,0
а; 0,179 -0,249 0,176 0,203 -0.056 0,428 0,281 0,199 1,0
а'ш 0,192 0,256 -0,050 -0,061 0,129 0,446 0,068 -0,183 0,138 1,0
а',, -0,044 0,024 0,076 -0,015 -0,066 -0,078 0,588 0,168 0,137 -0,193 1,0
а'ю -0,145 0,031 0,057 -0,528 0,300 0,092 0,208 0,341 0,028 -0,080 0,738 1,0
а„ 0,081 0,044 0,339 0,340 --0,031 0,397 0,736 0,048 0,519 0,078 0,598 0,221 1,0
а'и 0,210 0,357 0,187 -0,318 0,425 0,269 0,487 0,396 -0,248 -0,046 0,233 0,450 0,160 1,0
a'is 0,383 0,423 0,309 -0,295 0,575 0,482 0,442 0,487 -0,182 0,045 0,197 0,373 0,288 0,804 1,0
а1й 0,762 0,492 0,018 0,333 0,108 0,182 0,564 -0,017 -0,157 -0,093 0,297 0,040 0,419 0,359 0,630 1,0
Предварительные оценки общностей; собственные значения матрицы корреляции: сумма = 16
х, К
Собст. 4,3679 2,9390 2,4263 1,8771 1,2955 0,8239 0,6362 0,5519 0,3997 0,3012 0,1811 0,1073 0,0550 0,0207 0,0148 0,0023
значение
Доля,% 27,3 18,4 15,2 11,7 8,1 5,1 4,0 3,4 2,5 1,9 1,1 0,7 0,3 0,1 0,1 0,1
Кумул., % 27,3 45,7 60,9 72,6 80,7 85,8 89,8 93,2 95,7 97,6 98,7 99,4 99,7 99,8 99,9 100,0
Модель факторов
Фактор 1 Фактор 2 Фактор 3 Фактор 4 Фактор 5 Общности Фактор 1 Фактор 2 Фактор 3 Фактор 4 Фактор 5 Общности
0,390 -0,785 0,325 -0,027 0,032 0,875 а; 0,091 0,102 -0,715 -0,504 -0,110 0,796
а; 0,422 -0,591 0,438 -0,007 -0,252 0,782 0,086 -0,182 0,127 -0,653 -0,493 0,727
а; 0,342 0,293 -0,225 -0,204 0,504 0,549 0,515 0,100 -0,501 0,547 -0,343 0,944
-0,135 -0,699 -0,455 -0,031 0,334 0,826 ар 0,516 0,485 -0,042 0,386 -0,505 0,906
0,419 0,462 0,344 -0,280 0,150 0,608 0,595 -0,178 -0,706 -0,102 -0,047 0,897
0,529 0,018 0,029 -0,727 -0,177 0,840 0,762 0,164 0,347 0,167 0,053 0,760
а; 0,722 -0,213 -0,463 0,106 0,039 0,794 0,889 0,077 0,365 -0,036 0,168 0,960
0,459 0,677 -0,004 -0,089 0,308 0,772 0,665 -0,574 0,068 0,198 0,233 0,869
Дисперсия, объясненная каждым фактором
Фактор 1
4,3679 0,273
Фактор 2
2,9390 0,184
Фактор 3
2,4263 0,152
Фактор 4
1,8771 0,117
Фактор 5
1,2955 0,081
Q
1 §
э-
ft
§
£
& о H © -0,085 -0,381 -0,265 -0,390 -0,036 0,041 0,129 0,180
Фактор 4 | -0,269 -0,348 0,292 0,206 -0,054 0,089 -0,019 0,105
Фактор 3 | -0,295 0,052 -0,207 -0,017 -0,291 0,143 0,150 0,028
Фактор 2 | 0,035 -0,062 0,034 0,165 -0,061 0,056 0,026 -0,195
ия факторов Фактор 1 0,021 0,020 0,118 0,118 0,136 0,175 0,204 0,152
« a «
I w s у s § 3 « « a a 1, Фактор 5 | 0,025 -0,194 0,389 0,257 0,116 -0,137 0,030 0,238
Фактор 4 -0,014 -0,004 -0,109 -0,016 -0,149 -0,387 0,056 -0,048
£ Фактор 3 | 0,134 0,181 -0,093 -0,188 0,142 0,012 -0,191 -0,002
Фактор 2 | -0,267 -0,201 0,100 -0,238 0,157 0,006 -0,073 0,230
Фактор 1 | 0,089 0,097 0,078 -0,031 0,096 0,121 0,165 0,105
* *
Scree Plot of C1; ...; C16
<v 3-
J3
л >
с
щ , .!? 2
П-1-1-1-1-1-1-1-1-1-1-1-r
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Factor Number
Рис. 1. График «каменистой осыпи» для определения количества факторов (компьютерное отображение)
Интерпретация результатов анализа основывается на наиболее важных показателях: факторные нагрузки, общности и доли объясненной дисперсии.
Факторные нагрузки — это линейные корреляции между переменными и факторами.
Общность — это доля дисперсии отдельной переменной, которую она делит с другими переменными.
Доля объясненной дисперсии пропорциональна сумме квадратов факторных нагрузок и частично зависит от числа переменных, факторные нагрузки на которые невелики.
Общность переменной на самом деле равна сумме квадратов факторных нагрузок этой переменной. Факторные нагрузки показывают, какие переменные коррелируют с каждым фактором и степень этой корреляции. Эта информация используется для того, чтобы субъективно выявить факторы и дать им наименования.
На основе анализа модели факторов можно сделать вывод, что относительно высокое значение корреляции для фактора 1 наблюдается между переменными:
— Х7 — недостаточная законодательная поддержка развития инноваций в регионе;
— Х — высокие затраты по внедрению инноваций;
— Х — большой срок окупаемости инноваций;
—Х — боязнь, что внедрение инноваций не оправдает ожидаемый результат;
— Х — отсутствие взаимодействия с вузами и другими НИИ;
— Х — отсутствие отдельного бюджета на инновационную деятельность.
Данный фактор можно назвать «риски внедрения инноваций».
Фактор 2 более всего коррелирует со следующими переменными:
— Х1 — недостаточность финансовых ресурсов;
5
4
1
0
-218,45-
> -112,30-'¡Ü •S £ W
-6,15-
100,00-
— Х2 — отсутствие оборудования, способствующего внедрению инноваций;
— Х4 — проблемы с защитой интеллектуальной собственности;
— Х8 — отсутствие взаимодействия с субъектами рынка при поиске инновационных идей.
Отрицательное значение факторных нагрузок говорит о том, что при наличии финансовых ресурсов и оборудования и отсутствии проблем с защитой интеллектуальной собственности у предприятия будет повышаться инновационная активность. Данный фактор можно назвать «потенциал предприятия».
Фактор 3 более всего коррелирует со следующими переменными:
—Х9 — отсутствие льгот по налогам при внедрении инноваций;
— Х13 — отсутствие поддержки со стороны государства.
Отрицательное значение данных факторных нагрузок говорит о том, что при наличии поддержки со стороны государства и предоставлении льгот по налогам предприятиям агропромышленного комплекса, внедряющим инновации, инновационная активность будет повышаться. Данный фактор можно назвать «государственная поддержка внедрения инноваций».
Фактор 4 более всего коррелирует со следующими переменными:
— Х6 — отсутствие специалистов в области внедрения и реализации инноваций;
—X — отсутствие системы мотивации работников для реализации творческого потенциала.
Отрицательное значение данных факторных нагрузок говорит о том, что чем больше специалистов в области разработки и внедрения инноваций и более развита система их мотивации, тем выше инновационная активность предприятия в целом. Данный фактор можно назвать как «мотивация работников к инновациям».
Фактор 5 более всего коррелирует со следующими переменными:
— Х3 — недостаточность времени;
Dendrogram
Ward Linkage; Euclidean Distance
Observations
Рис. 2. Дендрограмма для определения целевых сегментов государственных программ повышения инновационной активности предприятий агропромышленного комплекса (компьютерное отображение)
—Х — большой срок окупаемости инноваций.
Отрицательное значение факторной нагрузки Х12 говорит о том, что сокращение срока окупаемости инноваций способствует повышению инновационной активности предприятий. Данный фактор можно назвать «время»
Таким образом, в результате проведенного анализа были выявлены пять факторов, которые определяют инновационную активность предприятий агропромышленного комплекса:
— риски внедрения инноваций;
— потенциал предприятий;
— государственная поддержка внедрения инноваций;
— мотивация работников к инновациям;
— время.
Кластерный анализ позволил определить целевые сегменты для разработки программы государственной поддержки и развития инновационной активности сельскохозяйственных предприятий региона. Задача кластерного анализа состоит в формировании групп:
— однородных внутри (условие внутренней гомогенности);
— отличных друг от друга (условие внешней гетерогенности).
На основе данных, полученных в результате исследования и представленных в табл. 2 и на рис. 2, можно выделить два кластера (табл.3).
Инновационное развитие Innovation development - 33 -
Таблица 3
Результаты иерархического кластерного анализа (на основе компьютерного отображения)
Этапы Количество кластеров Расстояние Комбинация кластеров Новый кластер Количество объектов в новом кластере
1 2
1 39 0,000 20 40 20 2
2 38 0,000 18 39 18 2
3 37 0,000 16 38 16 2
4 36 0,000 14 37 14 2
5 35 0,000 12 36 12 2
6 34 0,000 8 34 8 2
7 33 0,000 6 33 6 2
8 32 0,000 4 32 4 2
9 31 0,000 2 31 2 2
10 30 0,000 19 30 19 2
11 29 0,000 17 29 17 2
12 28 0,000 15 28 15 2
13 27 0,000 13 27 13 2
14 26 0,000 11 26 11 2
15 25 0,000 9 25 9 2
16 24 0,000 7 24 7 2
17 23 0,000 5 23 5 2
18 22 0,000 3 22 3 2
19 21 0,000 1 21 1 2
20 20 1,000 10 35 10 2
21 19 4,690 1 5 1 4
22 18 5,196 17 18 17 4
23 17 5,291 19 20 19 4
24 16 5,477 12 13 12 4
25 15 5,656 6 7 6 4
26 14 6,082 12 19 12 8
27 13 6,245 12 17 12 12
28 12 7,280 6 12 6 16
29 11 7,348 6 11 6 18
30 10 7,416 6 8 6 20
31 9 7,874 1 6 1 24
32 8 8,485 2 3 2 4
33 7 9,327 1 2 1 28
34 6 10,862 1 14 1 30
35 5 10,908 1 15 1 32
36 4 11,135 1 10 1 34
37 3 11,180 1 4 1 36
38 2 12,288 1 9 1 38
39 1 13,856 1 16 1 40
Кластер Количество объектов %
1 10 25,0
2 30 75,0
Листинг кластеров
Объекты Кластер Объекты Кластер Объекты Кластер
1 1 15 2 29 2
2 1 16 2 30 2
3 1 17 2 31 1
4 2 18 2 32 2
5 1 19 2 33 2
6 2 20 2 34 2
7 2 21 1 35 1
8 2 22 1 36 2
9 2 23 1 37 2
Окончание табл. 3
Объекты Кластер Объекты Кластер Объекты Кластер
10 1 24 2 38 2
11 2 25 2 39 2
12 2 26 2 40 2
13 2 27 2 -
14 2 28 2 -
Средние по кластерам
Х X Х3 Х4 Х5 Х6 Х Х8 Х9 Х„ Х, Х,2 Хз Х,4 Х,5 Хб
1 9,00 7,6 5,2 2,2 5,8 8,4 8,8 4,8 7,2 5,1 9,2 9,2 9,2 8,6 8,8 8,8
2 7,80 6,3 2,46 2,60 4,33 6,06 5,53 3,73 5,93 3,93 7,00 7,26 5,20 4,46 4,27 5,53
Центроид 8,10 6,6 3,15 2,50 4,70 6,65 6,35 4,00 6,25 4,23 7,55 7,75 6,20 5,50 5,40 6,35
Кластерные центроиды
1 0,0000 10,2922
2 10,2922 0,0000
Интерпретация результатов кластерного анализа позволяет сделать следующие выводы:
1) полученные кластеры различаются по размеру. Особенно выделяется кластер 2, который охватывает 75,0% всех опрошенных;
2) в кластер 1, охватывающий 25% опрошенных, вошли респонденты, у которых достаточно высокая оценка следующих составляющих инновационной активности:
—Х1 — недостаточность финансовых ресурсов;
— Х6 — отсутствие специалистов в области внедрения и реализации инноваций;
—Х7 — недостаточная законодательная поддержка развития инноваций в регионе;
— Х — высокие затраты по внедрению инноваций;
—Х — большой срок окупаемости инноваций;
— Х — отсутствие поддержки со стороны государства;
— Х — боязнь, что внедрение инноваций не оправдает ожидаемый результат;
— Х — отсутствие взаимодействия с вузами и НИИ;
—Х — отсутствие отдельного бюджета на инновационную деятельность. Предприятия данного кластера особенно чувствительны к государственной поддержке;
3) в кластер 2 вошли респонденты, у которых относительно высокая оценка следующих составляющих:
—Х1 — недостаточность финансовых ресурсов;
— Х — высокие затраты по внедрению инноваций;
—Х — большой срок окупаемости инноваций.
Но при этом низкая оценка следующих факторов:
Х7 — недостаточная законодательная поддержка развития инноваций в регионе;
Х — отсутствие поддержки со стороны государства;
Х — боязнь, что внедрение инноваций не оправдает ожидаемый результат;
Х — отсутствие взаимодействия с вузами и НИИ.
Предприятия данного кластера не чувствительны к государственной поддержке, при благоприятной конъюнктуре рынка и наличии финансовых ресурсов готовы к внедрению инноваций.
Таким образом, полученные кластеры (целевые сегменты) достаточно сильно отличаются друг от друга. Это свидетельствует о том, что государству следует разрабатывать различные программы по повышению инновационной активности предприятий агропромышленного комплекса, используя не только методы прямого регулирования, но и косвенные. Методы и инструменты стимулирования инновационной активности предприятий агропромышленного комплекса региона представлены на рис. 3.
Для стимулирования агропромышленных предприятий, наиболее чувствительных к государственной поддержке, рекомендуется использование:
— прямого финансирования инновационных проектов (субсидирование затрат, предоставление грантов) в сфере агропромышленного комплекса;
— объектов инновационной инфраструктуры (бизнес-инкубаторы, технопарки, венчурные фонды), созданных в агропромышленном комплексе;
— целевой подготовки и переподготовки кадров для инновационной деятельности.
Для стимулирования предприятий, не чувствительных к государственной поддержке, рекомендуется использование:
Рис. 3. Методы и инструменты стимулирования инновационной активности
— налогового стимулирования инновационной деятельности;
— программ развития исследовательской и технологической кооперации, программ кластеризации в агропромышленном комплексе (создание агропромышленных кластеров);
— методов развития конкурентной среды (защита от недобросовестной конкуренции).
В современных условиях акцент должен быть смещен на формирование благоприятных рыночных условий и использование преимущественно косвенных методов при регулировании инновационной деятельности агропромышленных предприятий.
Список литературы
1. Авдонина С.Г. Факторы инновационной активности предприятий // Экономические науки. 2011. № 12. С. 33-36
2. Аверченков В.И. Инновационный менеджмент. М.: ФЛИНТА, 2011, 293 с.
3. Аньшин В.М. Инновационный менеджмент: Концепции, многоуровневые стратегии и механизмы инновационного развития. М.: Дело, 2006. 584 с.
4. Бабкин А.В. Методология управления инновационной деятельностью экономических систем. СПб.: СПбГПУ, 2014. 439 с.
5. Базилевич А.И. Инновационный менеджмент предприятия. М.: ЮНИТИ-ДАНА, 2009. 231 с.
6. Балашов А.И., Рогова Е.М., Ткаченко Е.А. Инновационная активность российских предприятий: проблемы измерения и условия роста. СПб: СПбГПУ, 2010. 207 с.
7. Баранчеев В.П. Измерение инновационной активности как ее конкурентоспособности // Менеджмент сегодня. 2005. № 4. С. 17-21.
8. Барышева А.В. Инновационный менеджмент. М.: Дашков и Ко, 2012. 384 с.
9. Бурцева Т.А. Маркетинговые исследования: практикум. Киров: ВГСХА, 2005. 130 с.
10. Демченко А. Стимулирование инновационной деятельности руководителей и специалистов сельхозорганизаций // АПК: экономика, управление. 2012. № 3 С. 32-35.
11. Инновационная деятельность в аграрном секторе экономики России. М.: КолоС, 2009. 636 с.
12. Короткое А.В. Маркетинговые исследования. М.: ЮНИТИ-ДАНА, 2012. 304 с.
13. Закшееский В.Г. Оценка инновационной активности сельхозорганизаций // АПК: экономика и управление. 2011. № 12. С. 67-71.
14. Мельников О.Н., Шувалов В.Н. Воспламеняя разум. Инновационная активность как фактор повышения конкурентоспособности предприятия // Российское предпринимательство. 2005. № 9. С.100-104.
15.Моосмюллер Г., РебикН.Н. Маркетинговые исследования М74 с SPSS. М.: ИНФРА-М, 2009. 160 с.
16. Сафронова Н.Б. Маркетинговые исследования. М.: Дашков и К, 2012. 296 с.
17. Трифилова А.А. Оценка инновационной активности предприятия // Инновации. 2003. № 10. С.51-55.
18. Устинов А.Э. Повышение инновационной активности предприятия на основе использования системы непрерывного улучшения процессов // Экономический анализ: теория и практика. 2012. № 26. С. 17-41.
19. ФатхутдиновР.А. Инновационный менеджмент. СПб: Питер, 2011. 448 с.
20. ФедоренкоМ.В. Факторы и элементы повышения инновационной активности предприятия // РИСК: ресурсы, информация, снабжение, сбыт. 2012. Ч. 1. № 1. C. 148-153.
Regional economics: theory and practice Innovation development
ISSN 2311-8733 (Online) ISSN 2073-1477 (Print)
DEFINING TARGET SEGMENTS FOR INCREASE OF INNOVATION ACTIVITY OF ENTERPRISES OF THE AGRO-INDUSTRIAL COMPLEX OF THE REGION
Ol'ga N. SOBOLEVA, Ol'ga S. NOGOVITSYNA
Abstract
Importance Increasing competition in agricultural markets, low work force productivity and technical equipment of agricultural enterprises necessitate enhancing the level of innovation activity in the agro-industrial sector.
Objectives The aim is to define the methods of stimulating the innovation activity for key target segments in the region's agro-industrial complex. Methods The article considers the methodological fundamentals of identifying target segments to enhance an innovation activity of agriculture enterprises in the region through the use of a software package for processing of statistical data — Minitab.16. We identify the main target segments to increase innovation activity of the agro-industrial complex in the Kirov region case. We also systematized methods and tools of the State regulation of innovation activity in the region for each target segment. The study identified major
factors, which constrain agro-industrial enterprises' innovative activity, the most important of which include the risks of implementation of innovation capacity of enterprises, the State support for innovation implementation, employees' motivation to innovate, as well as time notion.
Results On the basis of the review, we have identified two clusters (target segments), which significantly differ from each other. The first cluster consists of enterprises, which are especially sensitive to the State support measures. The second cluster includes companies, not sensitive to the State support and ready to innovate under favorable market conditions and in case of availability of financial resources. Conclusions and Relevance We came to a conclusion on the need to shift the focus on formation of favorable market conditions and the use of mainly indirect methods in regulating the agro-industrial enterprises innovation.
Keywords: region, innovation activity, regional agribusiness, factorial analysis, clustering analysis, regulation methods
References
1. Avdonina S.G. Faktory innovatsionnoi aktivnosti predpriyatii [Factors of innovation activity of enterprises]. Ekonomicheskie nauki = Economic sciences, 2011, no. 2, pp. 33-36.
2. Averchenkov V.I. Innovatsionnyi menedzhment [Innovation management]. Moscow, FLINTA Publ.,
2011, 293 p.
3. An'shin V.M. Innovatsionnyi menedzhment: Kontseptsii, mnogourovnevye strategii i mekhanizmy innovatsionnogo razvitiya [Innovation management: concepts, multi-level strategies and innovative development mechanisms]. Moscow, Delo Publ., 2006, 582 p.
4. Babkin A.V. Metodologiya upravleniya innovatsionnoi deyatel 'nost 'yu ekonomicheskikh system [A management methodology of innovation activity of economic systems]. St. Petersburg, SPSPU Publ., 2014, 439 p.
5 . Bazilevich A . I . Innovatsionnyi menedzhment predpriyatiya [Innovation management of an enterprise]. Moscow, YUNITI-DANA Publ., 2009, 231 p.
6. Balashov A.I., Rogova E.M., Tkachenko E.A. Innovatsionnaya aktivnost ' rossiiskikh predpriyatii: problemy izmereniya i usloviya rosta [Innovative activity of the Russian enterprises: measurement problems and growth conditions]. St. Petersburg, SPSPU Publ., 2010, 207 p.
7. Barancheev V.P. Izmerenie innovatsionnoi ak-tivnosti kak ee konkurentosposobnosti [Measuring the innovation activity as its competitiveness]. Menedzh-ment segodnya = Management today, 2005, no. 4, pp.17-21.
8. Barysheva A.V. Innovatsionnyi menedzhment [Innovation management]. Moscow, Dashkov i Ko Publ.,
2012, 384 p.
9. Burtseva T.A. Marketingovye issledovaniya: praktikum [Marketing research: a workshop]. Kirov, VSAA Publ., 2005, 130 p.
10. Demchenko A. Stimulirovanie innovatsionnoi deyatel'nosti rukovoditelei i spetsialistov sel'khoz-organizatsii [Encouraging the innovation activity of managers and professionals of agricultural organizations]. APK: ekonomika, upravlenie = AIC: economy, management, 2012, no. 3, pp. 32-35.
11. Innovatsionnaya deyatel'nost' v agrarnom sektore ekonomiki Rossii [Innovation activity in the agricultural sector of the Russian economy]. Moscow, KoloS Publ., 2009, 636 p.
12. Korotkov A.V. Marketingovye issledovaniya [Marketing research]. Moscow, YUNITI-DANA Publ., 2012,304 p.
13. Zakshevskii V.G. Otsenka innovatsionnoi aktivnosti sel'khozorganizatsii [Assessing the innovative activity of agricultural organizations]. APK: ekonomika, upravlenie = AIC: economy, management, 2011, no. 12, pp.67-71.
14. Mel'nikov O.N., Shuvalov V.N. Vosplamen-yaya razum. Innovatsionnaya aktivnost' kak faktor povysheniya konkurentosposobnosti predpriyatiya [Igniting the mind. Innovation activity as a factor in increasing enterprises' competitiveness]. Rossiiskoe predprinimatel 'stvo = Journal of Russian Entrepreneur-ship, 2005, no.9, pp. 100-104.
15. Moosmyuller G., Rebik N.N. Marketingovye issledovaniyaM74 s SPSS [M74 marketing research with SPSS]. Moscow, INFRA-M Publ., 2009, 160 p.
16. Safronova N.B. Marketingovye issledovaniya [Marketing research]. Moscow, Dashkov i Ko Publ., 2012,296 p.
17. Trifilova A.A. Otsenka innovatsionnoi aktivnosti predpriyatiya [Evaluating the innovation activity of an enterprise]. Innovatsii = Innovation, 2003, no. 10, pp. 51-55.
18. Ustinov A.E. Povyshenie innovatsionnoi aktivnosti predpriyatiya na osnove ispol'zovaniya sistemy nepreryvnogo uluchsheniya protsessov [Enhancing the innovation activity of an enterprise through the use of continuous improvement processes]. Ekonomicheskii analiz: teoriya i praktika = Economic analysis: theory and practice, 2012, no. 26, pp. 17-41.
19. Fatkhutdinov R.A. Innovatsionnyi menedzhment [Innovation management]. St. Petersburg, Piter Publ., 2011, 448 p.
20. Fedorenko M.V. Faktory i elementy povysheniya innovatsionnoi aktivnosti predpriyatiya [Factors and elements to increase an enterprise innovation activity]. RISK: resursy, informatsiya, snabzhenie, konkurent-siya = RISC: Resources, Information, Supply, Competition, 2012, vol. 1, no. 1, pp. 148-153.
Ol'ga N. SOBOLEVA
Vyatka State University, Kirov, Russian Federation olsia-soboleva@bk.ru
Ol'ga S. NOGOVITSYNA
Vyatka State University, Kirov, Russian Federation angelsmile84@yandex.ru
