CC BY
39
Рп— результирующий коэффициент 1-го преподавателя уни- университетского комплекса, может осуществлять мотивацию
верситетского комплекса. преподавателей, исходя из индивидуальных коэффициентов
Таким образом, оценив эффективность деятельности преподавателей и с учетом групповых коэффициентов, ха-
преподавательского состава университетского комплекса, рактерныхдля преподавательского состава данного учебного
как руководство самих учебных заведений, так и руководство заведения.
Литература
1. Арженовский С.В. Управление университетскими комплексами: математические модели и методы: Дисс. на соискание ученой степени Д.э.н. — Ростов-на-Дону, 2002. — 310 с.
2. Бурков В.Н., Новиков Д.А. Как управлять проектами. — М.: Синтег, 1997.
3. Губарьков С.В. Создание университетских комплексов как часть стратегии инновационного развития России // Проблемы теории и практики управления. — 2005. — № 5. — С. 95-100.
4. Губарьков С.В. Методические основы управления учебно-научной инновационной деятельностью в российских университетских комплексах. — Владивосток: Изд-во Дальнаука, 2007. — 180 с.
5. Организационно-правовые основы университетского комплекса ДВГТУ // Л.Н. Алексейко, С.В.Губарьков, О.А.Жучков и др.: под ред. Г.П. Турмова. — Владивосток: ДВГТУ, 2003. — 242 с.
6. Бурков В.Н., Ириков В.А. Модели и методы управления организационными системами. — М.: Наука. — 1994.
7. Большие системы: моделирование организационных механизмов / В.Н. Бурков, Б.А. Данаев, А.К. Еналеев и др. — М.: Наука. — 1989.
8. Научно-инновационная деятельность университетского комплекса ДВГТУ //Л.Н. Алексейко, В.В. Горчаков, С.В. Губарьков и др.: Под ред. Г.П. Турмова. — Владивосток: ДВГТУ, 2002. — 210 с.
ОЦЕНКА ИСПОЛЬЗОВАНИЯ ИННОВАЦИЙ И ЗНАНИЙ: МЕЖСТРАНОВЫЕ СРАВНЕНИЯ
Л.В. Лапочкина,
доцент кафедры экономики и менеджмента Северодвинского филиала Санкт-Петербургского морского технического университета
Lyvip@yandex.ru
В статье, на основании научных источников и статистических изданий, проведен сравнительный анализ использования фактора знаний и инноваций в национальных хозяйственных системах. Представлена схема расчета индекса экономики знаний. Дана сравнительная характеристика уровня развития институционально-экономической сферы России и ряда других
Ключевые слова: индекс экономики знаний, индекс знаний, инновации, институты УДК 332.122 ББК 65.497.4
Для эффективного управления созданием, распространением и использованием знаний важное значение приобретает методика статистического наблюдения, измерения и оценки данных процессов. На сегодняшний день здесь развернута активная работа, но многое предстоит еще сделать. Пока анализ сводится, как правило, к исследованию корреляционных зависимостей и расчетам индексов.
Для анализа использования фактора <знание> в социально-экономическом развитии, как в России, так и за рубежом, широко используются следующие корреляционные зависимости:
• корреляция между уровнем образования и ВРП надушу населения:
• корреляция между уровнем образования и нормой занятости:
• корреляция между уровнем образования и количеством патентных заявок на 1 млн жителей:
• корреляция между количеством патентных заявок на 1 млн жителей и ВРП надушу населения:
• корреляция между количеством патентных заявок на 1 млн жителей и уровнем безработицы:
• корреляция между полными расходами на НИОКР и ВРП надушу населения:
• корреляция между нормой занятости и ВРП на душу населения:
• корреляция между уровнем безработицы и ВРП на душу населения:
• корреляция между уровнем образования и уровнем безработицы.
Кроме того, авторитетные международные экономические организации — ООН, ЮНЕСКО, Всемирный банк и др. — используют собственные методики статистического измерения фактора знаний и его влияния на социально-экономическое развитие. Естественно, что приводимые ими ежегодные оценки, в силу существенных качественных межстрановых различий, недостаточно конкретизированы и дают представление об основных тенденциях развития экономики знаний.
В соответствии с принятой методикой измерения уровня развития научно-технической и образовательной сфер, наша страна несколько отстает от мировых лидеров (табл. 1). По данным Human Development Report, в период с 2000 по 2005 гг. среднегодовые затраты на исследования и разработки в России составили 1,2%. Это существенно меньше, чем в Японии, США, Германии, особенно, если учитывать, что ВВП надушу населения у нас намного ниже. Тем не менее, по показателю ^выданные патенты- Россия обошла Канаду, Великобританию и Италию. На высоком уровне и индекс образованности — 0,956. Величина Индекса развития человеческого потенциала (ИРЧП) у нас ниже за счет двух его составляющих: ожидаемой продолжительности жизни и величины ВВП надушу населения.
Таблица 1
Научно-технические и образовательные характеристики стран G-7 и России
ВВП/чел. долл. (2005) Патенты выданные, ед./млн чел. (2000-2005) Затраты на исследования и разработки, % от ВВП (2000-2005) ИРЧП (2006) Индекс образованности (2006)
Канада 33375 35 1,9 0,961 0,991
Япония 31267 857 3,1 0,953 0,946
Франция 30386 155 2,2 0,952 0,982
США 41890 244 2,7 0,951 0,971
Великобритания 33328 62 1,9 0,946 0,970
Италия 28529 71 1,1 0,941 0,958
Германия 29461 158 2,5 0,935 0,953
Россия 10845 135 1,2 0,802 0,956
Источник: Human Development Report 2007/2008.
Индекс институционально-экономического режима (EIR)
- тарифные и нетарифные торговые барьеры;
- уровень конкуренции и качество регулирования экономики;
- развитость законодательной базы
Индекс экономики знаний (KEI)
- процент грамотности взрослого населения;
- процент населения со средним образованием;
- процент населения с высшим образованием
Индекс образования (IE)
Индекс инноваций (II)
- доходы от продажи патентов, лицензий и т.п.;
- количество заявок на патенты и торговые марки;
- количество научно-технических статей в специализированных журналах
Индекс знаний (KI)
Индекс ИКТ (EIR)
- количество телефонов на 1000
чел.;
- количество компьютеров на 1000
чел.;
- количество активных пользователей Интернета на 1000 чел.
Рис. 1. Схема расчета Индекса экономики знаний
Группа Всемирного Банка с 1995 г. осуществляет статистическое наблюдение за процессами формирования экономики знаний практически по всем странам. Для этого используется специально разработанная методика расчета Индекса экономики знаний (Knowledge Economy Index — KEI). Он вычисляется на основе материалов национальных статистических служб, включающих данные пообразованию, инновационной активности, применению информационно-коммуникационных технологий (ИКТ), а также уровня институционально-экономического развития страны (рис. 1). Очевидно, что наиболее сложным является расчет индекса институционально-экономического режима, так как здесь необходимо использовать информацию не только количественного, но и качественного характера. Имеют место и трудности расчета индекса образования в силу того, что необходимо использовать Международный стандарт классификации образовательной деятельности [International Standard Classification o1 Education, 1997], который пока не соответствует системам статистического наблюдения многих стран. Однако именно этот стандарт используется и при расчете ИРЧП.
Мировое лидерство в развитии экономики знаний в настоящее время держат три скандинавских государства: Дания: Швеция и Финляндия. Они занимают соответственно первое,
второе и третье места (табл.2 и 3). Следует отметить и высокую динамику их роста.
Таблица 2
Страны-лидеры по развитию экономики знаний в 2008 г.
KEI KI EIR II IE ИСТ
Дания (1) 9,58 9,55 9,66 9,57 9,80 9,28
Швеция (2) 9,52 9,63 9,18 9,79 9,40 9,69
Финляндия (3) 9,37 9,33 9,47 9,66 9,78 8,56
Источник: World Bank// http://into.worldbank.org/etools/kam2/
Таблица 3
Изменение индексов стран-лидеров в период 2007-2008 гг.
ДКЕІ дкі AEIR ДІІ ДІЕ диет
Дания 0,36 0,25 0,69 0,14 0,58 0,03
Швеция 0,26 0,14 0,59 0,07 0,42 -0,07
Финляндия 0,30 0,23 0,52 0,06 0,58 0,04
Источник: World Bank// http://into.worldbank.org/etools/kam2/
42 1
Индексы экономики знаний (и его составляющие) стран <я-7 и БРИК в 2008 г.
Таблица 4
Индекс экономики знаний (КЕІ) Индекс знаний (KI) Индекс ИНСТИ-туционально-экономическо-го режима (ЕІВ) Индекс инноваций (II) Индекс образования (ІЕ) Индекс инфор-мационно-ком-муникационных технологий(ИСТ)
Канада (6) 9,21 9,14 9,42 9,43 9,26 8,74
Великобритания (8) 9,09 9,03 9,28 9,18 8,54 9,38
США (9) 9,08 9,05 9,16 9,45 8,77 8,93
Германия (14) 8,87 8,83 8,99 9,00 8,46 9,04
Япония (19) 8,56 8,84 7,71 9,15 8,71 8,66
Франция (20) 8,47 8,69 7,82 8,61 9,08 8,38
Италия (27) 7,86 8,19 6,84 8,04 7,86 8,68
Бразилия (54) 5,57 6,00 4,30 6,07 5,84 6,08
Россия (61) 5,40 6,69 1,55 6,89 7,09 6,08
Китай (77) 4,35 4,46 4,01 5,12 4,11 4,16
Индия (100) 3,12 2,94 3,67 3,97 2,26 2,59
Весь мир 5,92 6,17 5,18 8,01 4,16 6,34
Источник'. World Bank// http://info.worldbank.org/etools/kam2/
Страны Большой Семёрки также находятся в группе лидеров, но с некоторым отставанием. Наиболее высокое место— шестое — занимает Канада (табл. 4). Несколько ниже показатели у Великобритании и США, соответственно восьмое и девятое места. Наихудшие показатели у Италии, занимающей 27 место в общем списке. Здесь значение КЕ1 понижается, в первую очередь, из-за относительного несовершенства институционально-экономических механизмов и относительно невысокого уровня образования.
Россия по показателю КЕ1 уступает всем странам ОЭСР, большинству стран Восточной Европы и Юго-Восточной Азии. С 1995 г. наша страна опустилась вниз на 4 позиции. Более того, в 2008 г. по всем индексам наблюдается отрицательная динамика.
Характерно, что по уровню развития институциональноэкономической сферы Россия значительно отстает не только от стран ОЭСР, но и от партнеров по БРИК (неформальная группа стран с высокими темпами экономического роста — Бразилия, Россия, Индия, Китай). В 2008 г., кстати, как и в 2006, значение ЕІИ составило всего лишь 1,55. Очевидно, что это на сегодня самое <узкое> место в формировании экономики знаний, да и экономики обучения тоже. По другим коэффициентам Россия хоть и отстает от членов Большой семерки, но несколько опережает Бразилию, Индию и Китай. Тем не менее, динамика изменений данных индексов не в нашу пользу.
Очевидно, что <знаниемкость> национальных хозяйственных систем предполагает и более высокие результаты эконо-
12
U1
ш
га
5 s X
6 О і—
S
О
о
5
о
х
S
О
.0
ц
(U
Канада; 35200
10
Германия; 31400| Франция; 30100J
R = 0,7271
США 43500
Великобритания;
31400
Япония;33100
Италия;29700
Китай; 7600
Индия; 3700 f 'V/I 1 Бразилия; 8600
10
12
Индекс знаний (КІ)
Рис. 2. Зависимость ВВП на душу населения (тыс. долл.) от индексов К1 и Е1В, 2007 г.
Таблица5
Изменение индексов стран G-7 и БРИК в период 2007-2008 гг.
ДКЕ1 дК1 AEIR дм Д1Е диет
Канада 0,27 0,35 0,04 0,08 0,64 0,34
Великобритания 0,29 0,15 0,74 -0,03 0,04 0,45
США 0,28 0,14 0,71 0,01 0,42 -0,02
Германия 0,33 0,23 0,61 0,07 0,38 0,25
Япония 0,10 0,22 -0,28 -0,02 0,51 0,19
Франция 0,11 0,21 -0,20 0,02 0,56 0,07
Италия -0,12 -0,02 -0,46 -0,01 0,00 -0,04
Бразилия 0,07 0,17 -0,22 0,06 0,16 0,28
Россия -0,54 -0,23 -1,44 -0,03 -0,57 -0,11
Китай -0,07 0,00 -0,26 0,03 0,02 -0,05
Индия 0,12 0,10 0,18 0,04 0,04 0,22
мического роста. Этот тезис подтверждается анализом зависимости величины ВВП от индекса КЕ1. На рис. 2 отображены результаты зависимости показателя ВВП надушу населения от индексов К1 и Е1И по странам 0-7 и БРИК. Зависимость можно оценить как выше средней (коэффициент детерминации (И2) равен 0,7271). Индекс КЕ1 специально разделен нами на две составляющие, чтобы выделить <выпадение> России по показателю <индекс институционально-экономического режима-.
Страны с более высокими доходами могут позволить себе больше инвестиций в знания, и таким образом, опережать по КЕ1. С другой стороны, высокие значения индекса экономики знаний совсем не обязательно гарантируют высокие доходы стран.
Ясно, что высокий уровень индекса КЕ1 связан с высокими темпами экономического роста при неизменности других факторов. Эффект от накопления знаний важен на всех уровнях экономического развития.
Литература
1. Human Development Report, 2007/2008. — New York: UNDP, 2007.
2. Lundvall B.-E. (ed.). National Systems of Innovation: towards a theory of innovation and interactive learning. — London: Pinter. 1992.
3. Lundvall B.-E., Johnson B. The Learning Economy //Journal of Industry Studies. — 1994. — Vol.1. — No.2. — P. 23-42.
4. Nonaka I., Takeuchi H. The Knowledge Creating Company — How Japanese companies create the dynamics of innovation. — Oxford: Oxford University Press, 1995.
5. Storper M. The Resurgence of Regional Economies, Ten Years After: the region as a nexus of untraded interdependencies // European Urban and Regional Studies. — 1995. — No.2. — P.191—221.
6. Woolcock M. The Place of Social Capital in Understanding Social and Economic Outcomes // ISUMA. — 2001. — Vol.2. — No.1.
7. World Bank// http://info.worldbank.org/etools/kam2/
УПРАВЛЕНИЕ ДЕБИТОРСКОЙ ЗАДОЛЖЕННОСТЬЮ: УЧЕТ И КОНТРОЛЬ
И.О. Смолякова,
ведущий экономист открытого акционерного общества •Научно-производственное объединение по исследованию и проектированию энергетического оборудования им. И. И. Ползунова>\ соискатель кафедры бухгалтерского учета Санкт-Петербургского торгово-экономического института
В статье рассматриваются проблемы управления дебиторской задолженностью и пути их эффективного решения. Автором даны предложения по совершенствованию учетно-информационного обеспечения процесса управления дебиторской задолженностью, ориентированного на формирование информации для управленческого аппарата на разных уровнях руководства в необходимой степени детализации и обобщения на основе систематизированного отбора по выбранным критериям. Определены процедуры на стадиях предварительного, текущего и последующего контроля за движением и инкассацией дебиторской задолженности как функции управления, направленные на решение основных задач по укреплению финансового состояния организации и повышению конкурентоспособности.
Ключевые слова: дебиторская задолженность, управление, учет, контроль
УДК 657.4; ББК 65.052
Стабильность и конкурентное преимущество субъектов хозяйствования в условиях рыночной экономики во многом зависит от полноты, достоверности и своевременности информации, на основе которой формируются и реализуются управленческие решения.
В управлении дебиторской задолженностью основным поставщиком такой информации является система учета организации, которая должна обеспечивать классификацию и группировку обязательств по различным признакам, применение специальных методов учета и оценки дебиторской задолженности, организацию постоянного контроля за ее погашением с целью недопущения образования просроченных и безнадежных к возврату долгов, формирование достоверного прогноза будущей ситуации.
Реализация указанных направлений возможна только при наличии эффективной системы, обеспечивающей синтетический и аналитический учет дебиторской задолженности в необходимой степени детализации для целей управления в соответствии с персонифицированными запросами заинтересованных пользователей. Д.И. Баркан, говоря о необходимости многомерной классификации фактического состояния дел с дебиторской задолженностью в разрезе товаров, услуг, клиентов, регионов и т.д., отмечает: <чем больше характеристик, по которым классифицируется и группируется дебиторская задолженность, которая есть в распоряжении фирмы, тем надежнее будет анализ и оценка ситуации и, естественно, будущий прогноз- [1, с. 240].
С позиции аналитического подхода к формированию информации система учета представляет собой сложную сис-
