CC BY
14
ЭКОНОМИКА И ФИНАНСОВАЯ ПОЛИТИКА
УДК 332.142.4 JEL R12
DO11025513/1812-3988.2019.17(1).5-12
ПРОГНОЗНО-ПРОСТРАНСТВЕННАЯ ОЦЕНКА ПРЕДПРИНИМАТЕЛЬСКОЙ АКТИВНОСТИ ПРИ ФОРМИРОВАНИИ КЛАСТЕРНОГО ОБРАЗОВАНИЯ
В.В. Алещенко, О.А. Алещенко
Институт экономики и организации промышленного производства СО РАН (Омск, Россия)
Аннотация. Разработана и апробирована методика прогнозно-пространственной оценки предпринимательской активности в регионе для обоснования формирования и развития кластерных структур. На основе методов математического и картографического моделирования построены карты прогнозной предпринимательской активности в муниципальных районах Омской области в льнопроизводственном подкластере. Анализ карт позволил выделить три группы муниципальных районов и предложить для них систему мер государственной поддержки для развития перспективных бизнес-направлений льно-производственного подкластера. Для органов государственного и муниципального управления использование предложенной методики поможет определить конкурентные преимущества территории и выстроить на их основе систему социально-экономического развития. Инвесторам полученные по предложенной методике результаты смогут помочь выявить территории дислокации с наилучшими перспективами для его бизнес-проекта с точки зрения значимых для инвестора характеристик, а также определения уровня существующих «барьеров входа» в муниципальные районы.
Информация о статье
Дата поступления 1 декабря 2018 г.
Дата принятия в печать 25 декабря 2018 г.
Тип статьи
Оригинальная статья
Ключевые слова
Кластер, экономическое развитие, муниципальный район, картография, математическое моделирование
Статья подготовлена при финансовой поддержке РФФИ и Правительства Омской области в рамках научного проекта 18-410-550019.
Article info
Received December 1, 2018
Accepted
December 25, 2018
Type paper
Original paper
SPATIAL PROGNOSTIC ASSESSMENT OF ENTERPRISE ACTIVITY IN CLUSTER FORMATION
V.V. Aleshchenko, O.A. Aleshchenko
Institute of Economics and Industrial Engineering SB RAS (Omsk, Russia)
Abstract. A methodology for predicting the spatial assessment of entrepreneurial activity in the region has been developed and tested to substantiate the formation and development of the cluster. Based on the methods of mathematical and cartographic modeling, projected entrepreneurial activity maps were constructed in the municipal districts of the Omsk Region for the flax production subcluster. The analysis of the maps made it possible to identify three groups of municipal districts and to offer for them a system of state support to develop prospective business areas of the flax-production subcluster. The proposed methodology will help state and municipal authorties to define competitive advantages of the territory and build the system of social and economic development. The results the investors will obtain using the suggested methodology will allow to reveal territories of dislocation with the best prospects for its business project business outlook in terms of characteristics significant for the investor, and determine existing barriers to enter municipal districts.
Keywords
Cluster, economic development, municipal district, cartography, mathematical modeling
Acknowledgements. The article is written with financial support of the RFBR and Government of Omsk region within scientific project 18-410-550019.
© В.В. Алещенко, О.А. Алещенко, 2019
1. Введение. Вопросы формирования границ кластерного образования внутри региона или на макрорегиональном уровне сегодня переходят из теоретической сферы в среду практического управления [1; 2]. Основным заказчиком данного типа исследований чаще всего являются органы государственного и муниципального управления, которые решают прагматическую задачу определения географических границ «точек роста» подведомственной территории, с тем чтобы использовать ограниченные инвестиционные ресурсы для развития территорий с максимальной эффективностью. Кроме того, результаты представляют интерес и для бизнеса, выбирающего площадки под свои инвестиционные проекты в сфере бизнес-направлений того или иного кластера.
2. Обзор литературы. Для того чтобы определить границы кластерного образования и разработать на этой основе взвешенные решения по мерам государственной поддержки кластерных структур, органам власти приходится опираться на различные источники. Чаще всего в практической деятельности используются методики сравнительного анализа экономического потенциала территории по некой совокупности критериев1. В качестве недостатков следует выделить низкую информативность на муниципальном уровне, невозможность использования природно-климатических и при-родно-ресурсных характеристик территорий [36]. Напротив, разнообразные картографические источники чаще всего используются как иллюстрации к упомянутым методикам рейтингова-ния и могут быть использованы только специалистами (см., напр.: [7]).
В связи с этим была разработана и апробирована авторская методика прогнозно-пространственной оценки предпринимательской активности в регионе для обоснования формирования и развития кластерных структур с использованием картографических систем, которая является инструментом пространственного анализа и моделирования и позволяет принимать комплексные решения для органов муниципального и государственного управления.
3. Гипотезы и методы исследования. Прогнозирование пространственной специализации кластерных инициатив предлагается проводить путем распределения муниципальных районов по совокупности показателей природного и антропогеннного характера с учетом уровня предпринимательской активности тер-
ритории. Интегральный показатель предпринимательской активности муниципального района в сфере специализации кластера рассчитывается с применением методов математико-картографического моделирования.
Предлагаемая методика прогнозно-пространственной оценки предпринимательской активности в регионе для обоснования формирования и развития кластерных структур состоит из следующих этапов:
I. Определение кластера / подотрасли, круга его участников и направлений развития.
II. Формирование специализированной (отраслевой) базы данных показателей, влияющих на развитие / угнетение предприятий кластера.
III. Определение математико-картографи-ческого аппарата (выбор методов расчета, обоснование специализированного программного обеспечения).
IV. Расчет частных и синтетических (интегральных) показателей оценивания.
V. Визуализация результатов исследования (составление тематических слоев и интегральных карт).
VI. Анализ карт и составление рекомендаций по формированию кластеров.
Первым шагом является определение перечня бизнес-направлений, которые могут получить развитие в регионе в среднесрочной перспективе, в рамках конкретной кластерной инициативы. Экспертами могут являться представители государственных и муниципальных органов управления, бизнес-объединений, ученые отраслевых НИИ и вузов.
Следующим этапом работ является составление специализированной (отраслевой) базы данных по выделенным перспективным бизнес-направлениям в рассматриваемой кластерной инициативе. База данных является обязательным компонентом существующих картографических систем, с помощью которых строятся карты кластерной специализации муниципальных районов региона. Структура базы данных определяется доступными (открытыми) характеристиками региона в разрезе муниципальных районов и включает выбранные экспертным путем характеристики кластерного потенциала региона, привязанные к территориям, по которым формируются оценочные показатели.
Данные показатели разделены на две группы: природно-климатические и ресурсно-предпринимательские. Если природно-климатические показатели достаточно инертны и не за-
висят от усилий органов государственной и муниципальной власти в среднесрочной перспективе (3-5 лет), то ресурсно-предпринимательские, напротив, подвижны и могут быть изменены усилиями административного воздействия органов управления. В связи с этим стоит закладывать методы среднесрочного прогнозирования в оценке ресурсно-предпринимательских показателей, характеризующих факторы экономической активности и инфраструктурной обеспеченности территории [8]. Поэтому следующим этапом методики оценки является подбор прогнозного инструментария показателей ресурсно-предпринимательской группы, характеризующих ресурсную базу территории и экономическую активность бизнеса территории. Все абсолютные показатели исчисляются в расчете на одного жителя муниципального района. Для прогнозной оценки показателей предпринимательской активности предлагается использовать методы экстраполяции, позволяющие определять устойчивые тенденции недалекого прошлого и переносить их в ближайшее будущее.
Следующий этап - выбор специализированного программного обеспечения, позволяющего проводить анализ в территориально-отраслевом разрезе. В качестве примера можно привести DataGraf for Windows (DG) - картографическую систему, позволяющую исчислять синтетические показатели и строить на их основе информативную картографику.
За методическую основу для моделирования оценочных интегральных характеристик территорий взяты принципы математико-кар-тографического моделирования, предложенные нами ранее [9]. На основе нормированных показателей, значимых для развития того или иного кластера, при оценке исследуемых территорий строятся математические модели, результатом визуализации которых становятся оценочные интегральные карты.
На основе полученных данных строится карта кластерного потенциала региона в разрезе муниципальных районов по совокупности выбранных перспективных бизнес-направлений и привязанных к ним показателей специализированной базы данных и проводится дальнейший анализ полученных данных.
4. Результаты исследования. Для апробации предложенной методики был рассмотрен кейс агробиотехнологического промышленного кластера Омской области. С одной сторо-
ны, данный кластер очень значим для региона, который традиционно входит в топ-10 субъектов Российской Федерации по производству основных сельскохозяйственных продуктов: зерна, мяса, молока. С другой стороны, сель-хозпроизводство является территориально диверсифицированной отраслью, что позволит наглядно продемонстрировать работоспособность методики.
Агробиотехнологический кластер Омской области имеет четыре направления развития. Наиболее развитыми считаются подкластеры зерноперерабатывающего, мясоперерабатывающего и молочного направлений. Однако апробацию методики предлагается провести на примере льнопроизводственного подкластера, имеющего значительный потенциал развития.
Специализированная (отраслевая) база данных показателей развития льнопроизвод-ственного подкластера создается на основе различных источников. Информационная база исследования составлялась по данным Омского центра по гидрометеорологии и мониторингу окружающей среды с региональными функциями, статистическим справочникам и базам данных, географическим атласам, научным мо-нографиям2.
В рассматриваемом случае экспертным путем было предложено, что для оценки муниципальных районов используются двадцать основных показателей, составляющих специализированную (отраслевую) базу данных:
• Природно-климатические показатели:
1. Суммы температур воздуха выше +10 оС (оС).
2. Среднегодовое количество осадков (мм).
3. Испарение (максимальное) возможное (мм в год).
4. Продолжительность вегетационного периода (дни).
5. Коэффициент кислотности почв (усл.
ед.).
6. Средневзвешенное содержание гумуса в пашне (%).
7. Продолжительность периода открытой поверхности почвы в весенний период (дни).
8. Эродированность почв (%).
9. Площадь сельхозугодий (тыс. га).
10. Уровень заболоченности (%).
• Ресурсно-предпринимательские показатели:
1. Доля населения трудоспособного возраста (%).
2. Плотность автомобильных дорог общего пользования с твердым покрытием по районам области (км дорог на 1000 кв. км территории).
3. Число общеобразовательных организаций на начало учебного года на 10 000 населения (ед.).
4. Число больничных коек на 10 000 населения (ед.).
5. Ввод в действие жилых домов по районам области в расчете на 10 000 населения (кв. м общей площади).
6. Среднесписочная численность работников организаций в расчете на 1 жителя (чел.).
7. Среднемесячная заработная плата работников организаций (руб.).
8. Продукция сельского хозяйства в фактически действовавших ценах в расчете на 1 жителя (тыс. руб.).
9. Количество организаций оптовой и розничной торговли, по ремонту автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования в расчете на 10 000 населения (ед.).
10. Инвестиции в основной капитал, осуществляемые организациями, находящимися на территории муниципального образования (без субъектов малого предпринимательства), в расчете на 1 жителя (тыс. руб.).
Для прогнозного расчета ресурсно-предпринимательских показателей (Z) на К шагов вперед предлагается формула:
+к = 2/ • ТК,
где 2/ - фактическое значение показателя 2 в последней (/-й) точке ряда данных; ¿¡+к -прогнозное значение показателя 2\ на К шагов
т 2
вперед; Т = — - значение среднего темпа V 21
роста для временного ряда 2Ь.. 2/.
Применительно к ресурсно-предпринимательским показателям был выбран интервал в четыре года: 2013-2016 гг. (l = 4). Исследование проводилось по 32 муниципальным районам Омской области. Прогнозные значения показателей рассчитаны на 4 шага (года) вперед - до 2020 г. (К = 4).
Полученные таким образом прогнозные ресурсно-предпринимательские показатели совместно с природно-климатическими показателями образовали специализированную базу данных для подкластера льнопроизводства в Омской области.
Полученные показатели затем привязывались к 32 выделенным административным зонам, через редактор данных показатели матрицы соединялись с графическими данными в программе DataGraf for Windows.
Для оценки кластерного потенциала по льнопроизводству в муниципальных районах Омской области с помощью картографической системы DG созданы 20 специализированных слоев муниципальных районов Омской области (по числу показателей специализированной базы данных). Все слои совместимы, так как созданы на единой картографической базе.
После нормирования указанных показателей и сведения их в единый интегральный показатель все районы были распределены в три таксона: чем ниже интегральный показатель, тем предпочтительнее район для предприятий данного подкластера (табл.).
На основе полученных данных были построены карты прогнозной предпринимательской активности в муниципальных районах Омской области в льнопроизводственном подкла-стере: интегральная, природно-климатическая и ресурсно-предпринимательская (рис. 1-3).
Таксон Муниципальные районы
«Высокий потенциал» (10.000-11.353) Тевризский, Усть-Ишимский, Тарский, Большеуковский, Знаменский, Омский, Кормиловский, Калачинский
«Умеренный потенциал» (11.497-12.863) Крутинский, Тюкалинский, Седельниковский, Горьковский, Нижнеомский, Полтавский, Исилькульский, Одесский, Азовский, Шербакульский, Павло-градский, Нововаршавский, Черлакский, Русско-Полянский
«Низкий потенциал» (12.922-14.351) Любинский, Москаленский, Марьяновский, Оконешниковский, Таврический, Называевский, Саргатский, Колосовский, Большереченский, Муромцевский
Предпринимательский потенциал для развития льнопроизводственного подкластера в муниципальных районах Омской области
Business potential for flax production subcluster development in municipal districts of Omsk region
Рис. 1. Интегральные показатели льнопроизводственного подкластера Омской области Fig. 1. Integrated indexes for flax production subcluster of Omsk region
Рис. 2. Природно-климатические показатели льнопроизводственного подкластера Омской области Fig. 2. Natural and climatic indicators offlax production subcluster of Omsk region
Рис. 3. Ресурсно-предпринимательские показатели льнопроизводственного подкластера Омской области Fig. 3. Resource and business indicators offlax production subcluster of Omsk region
Анализ карт интегральных, природно-климатических и ресурсно-предпринимательских показателей для составления рекомендаций органам региональной и местной власти позволяет выделить три группы территорий, представляющих интерес с точки зрения перспектив развития бизнес-направлений льнопроизводственного подкластера Омской области.
В первую группу входят Тарский и Знаменский муниципальные районы. Высокий природно-климатический потенциал этих территорий накладывается на умеренный ресурсный потенциал и активность предпринимательского сообщества. Основным направлением развития льнопроизводственного подкластера в этих районах является массовое производство льна-долгунца и первичная переработка полученного сырья (в первую очередь, на границе с льносеющим Тевризским районом, где возможности для переработки сырья значительно ниже). Перечень ключевых мер поддержки должен здесь охватывать, главным образом, вопросы информационно-консультационного характера: помощь в приобретении семян и техники, обучение технологии производ-
ства, информирование о возможностях сбыта, установление бизнес-контактов и т. д.
Тевризский и Усть-Ишимский муниципальные районы имеют высокие природно-ресурсные показатели, но самую низкую предпринимательскую активность и ресурсную оснащенность. Основные усилия органам управления, помимо перечисленных выше мер поддержки, стоит направить на стимулирование малого бизнеса: консультационную, финансовую, материальную поддержку действующих и вновь создаваемых предприятий в рамках бизнес-направлений кластера / подкластера. Вопросы поддержки дорожной и социальной инфраструктуры (образования, здравоохранения) в данных муниципальных районах для региональной власти в целях развития кластера актуальны в максимальной степени. Первичную переработку организовывать в этих районах нецелесообразно.
Большеуковский и Тюкалинский районы являются территориями с умеренным природно-климатическим потенциалом, предпринимательской активностью и ресурсным обеспечением. Развитие льноводческого бизнеса в этих
муниципальных образованиях возможно на почвах с высокой кислотностью, подходящих для выращивания льна-долгунца. Государственная поддержка подотрасли должна быть направлена на повышение интенсификации производства: усиление семеноводческого направления, упор на первичную переработку, стимулирование высококвалифицированного кадрового обеспечения, укрепление отраслевой кооперации и т. д.
Омский, Кормиловский и Калачинский районы не обладают необходимыми природно-климатическими условиями для выращивания льна-долгунца. Вместе с тем имеющийся высокий ресурсный потенциал в совокупности с высокой предпринимательской активностью делает эти территории идеальными площадками для организации высокотехнологичных перерабатывающих производств с высокой добавленной стоимостью, сырьем для которого являются продукты первичной переработки льноволокна из Тарского, Знаменского, Боль-шеуковского и Тюкалинского муниципальных районов Омской области, а также льносеющих территорий соседней Новосибирской области.
5. Заключение. Обобщая вышесказанное, можно сделать следующие выводы.
1. Методика пространственной оценки и прогноза предпринимательской активности в регионе для задач кластерного развития включает в себя определение кластера / подотрасли, круга его участников и направлений развития, формирование специализированной (отраслевой) базы данных показателей, влияющих на развитие / угнетение предприятий кластера, определение математико-картографического аппарата, расчет частных и синтетических (интегральных) показателей оценивания, визуализацию результатов исследования (составление тематических слоев и интегральных карт), анализ карт и составление рекомендаций по фор-
мированию и развитию кластеров. Оценка ресурсно-предпринимательских показателей территории должна осуществляться в прогнозном (среднесрочном) режиме, с подбором подходящего под цели исследования прогнозного инструментария.
2. Для органов государственного и муниципального управления использование предложенной методики поможет определить конкурентные преимущества территории и выстроить на их основе систему социально-экономического развития. Анализ интегральной, природно-климатической и ресурсно-предпринимательской карт предпринимательской активности муниципальных районов позволяет органам управления выявить специализацию территории, а также определить направления государственной поддержки для развития перспективных бизнес-направлений рассматриваемых кластеров / подкластеров.
3. Инвесторам полученные по предложенной методике результаты смогут помочь выявить территории дислокации с наилучшими для их бизнес-проектов перспективами с точки зрения значимых для инвестора характеристик, а также уровня существующих «барьеров входа» в муниципальные районы.
Примечания
1 См., напр.: Рейтинг инвестиционной привлекательности регионов России / Эксперт РА. URL: http://www.raexpert.ru/ratings/regions/; Рейтинг привлекательности региона / Forbes. URL: http://www. forbes.ru/ekonomika/vlast/68531-kak-schitalsya-reiting; Рейтинг конкурентоспособности российских регионов / Институт региональной политики. URL: http:// www.irpgroup.ru/.
2 Омский областной статистический ежегодник: стат. сб.: в 2 ч. / Омскстат. Омск, 2014; Омский областной статистический ежегодник: стат. сб.: в 2 ч. / Омскстат. Омск, 2017; База данных муниципальной статистики по Омской области. URL: http://www.gks.ru/ dbscripts/munst/munst52/DBInet.cgi.
Литература
1. Mikhaylov A. S., Mikhaylova A. A. Equivocality in Delineating the Borders of a Cluster: The Baltic's Case // Baltic Region. - 2018. - Vol. 10. - № 2. - P. 56-75.
2. Жукова Е. В. Оценка возможности создания межотраслевого кластера на территории Восточного Донбасса // Креативная экономика. - 2012. - Т. 6. - № 1. - С. 128-133.
3. Goessling T. Proximity, trust and morality in networks // European Planning Studies. - 2004. -Vol. 12, № 5. - P. 675-689.
4. Mattes J. Dimensions of Proximity and Knowledge Bases: Innovation between Spatial and Non-spatial Factors // Regional Studies. - 2012. - Vol. 46, № 8. - P. 1085-1099.
5. The Competitiveness of Clusters in Globalized Markets: Implications for Regional Development / ed. by M. D. Parrilli. - Routledge, 2016. - 142 p.
6. Bathelt H., Malmberg A., Maskell P. Clusters and knowledge: local buzz, global pipelines and the process of knowledge creation // Progress in Human Geography. - 2004. - Vol. 28, № 1. - P. 31-56.
7. Махт В. А., Руди В. А., Осинцева Н. В. Технические указания по государственной кадастровой оценке земель сельскохозяйственного назначения. - Омск, 2012. - 37 с.
8. Епанчинцев В. Ю., Алещенко В. В., Ильиных Е. А. Методика аудиторской проверки основных средств // Вестн. Ом. гос. аграр. ун-та. - 2016. - № 2 (22). - С. 307-314.
9. Инвестиционные механизмы возрождения традиционных отраслей сельскохозяйственного производства (на примере Омской области) / под общ. ред. В. В. Алещенко, В. В. Карпова. - Омск : Ом. науч. вестн., 2013. - 162 с.
References
1. Mikhaylov A.S., Mikhaylova A.A. Equivocality in Delineating the Borders of a Cluster: The Baltic's Case. Baltic Region, 2018, Vol. 10, no. 2, pp. 56-75.
2. Jukova E.V. Capability Assessment of Multisectoral Cluster Development in the Territory of Eastern Donbas. Creative Economy, 2012, Vol. 6, no. 1, pp. 128-133. (in Russian).
3. Goessling T. Proximity, trust and morality in networks. European Planning Studies, 2004, Vol. 12, no. 5, pp. 675-689.
4. Mattes J. Dimensions of Proximity and Knowledge Bases: Innovation between Spatial and Non-spatial Factors. Regional Studies, 2012, Vol. 46, no. 8, pp. 1085-1099.
5. Parrilli M.D. (Ed.) The Competitiveness of Clusters in Globalized Markets: Implications for Regional Development, Routledge, 2016, 142 p.
6. Bathelt H., Malmberg A., Maskell P. Clusters and knowledge: local buzz, global pipelines and the process of knowledge creation. Progress in Human Geography, 2004, Vol. 28, no. 1, pp. 31-56.
7. Makht V.A., Rudi V.A., Osintseva N.V. Tekhnicheskie ukazaniya po gosudarstvennoi kadastro-voi otsenke zemel' sel'skokhozyaistvennogo naznacheniya [Technical instructions on the state cadastral evaluation of agricultural land], Omsk, 2012, 37 p. (in Russian).
8. Epanchintsev V.Yu., Aleschenko V.V., Ilinykh E.A. Auditing procedure for fixed assets. Vestnik Omskogo gosudarstvennogo agrarnogo universiteta, 2016, no. 2 (22), pp. 307-314. (in Russian).
9. Aleshchenko V.V., Karpov V.V. (Eds.) Investitsionnye mekhanizmy vozrozhdeniya traditsion-nykh otraslei sel'skokhozyaistvennogoproizvodstva (naprimere Omskoi oblasti) [Investment mechanisms to recover of traditional branches of agricultural production (on the example of Omsk region)], Omsk, Omskii nauchnyi vestnik publ., 2013, 162 p. (in Russian).
Сведения об авторах
Алещенко Виталий Викторович - д-р экон. наук,
ведущий научный сотрудник
Адрес для корреспонденции: 644024, Россия, Омск,
пр. Маркса, 15
E-mail: [email protected]
РИНЦ ID: 247641
Алещенко Ольга Александровна - младший научный сотрудник
Адрес для корреспонденции: 644024, Россия, Омск, пр. Маркса, 15 E-mail: [email protected] РИНЦ ID: 696442
About the authors
Vitaly V. Aleshchenko - Doctor of Economics, leading researcher
Postal address: 15, Marksa pr., Omsk, 644024, Russia E-mail: [email protected] RSCI ID: 247641
Olga A. Aleshchenko - junior researcher Postal address: 15, Marksa pr., Omsk, 644024, Russia E-mail: [email protected] RSCI ID: 696442
Для цитирования
Алещенко В. В., Алещенко О. А. Прогнозно-пространственная оценка предпринимательской активности при формировании кластерного образования // Вестн. Ом. ун-та. Сер. «Экономика». - 2019. - Т. 17, № 1. -С. 5-12. - РО!: 10.25513/1812-3988.2019.17(1).5-12.
For citations
Aleshchenko V.V., Aleshchenko O.A. Spatial prognostic assessment of enterprise activity in cluster formation. Herald of Omsk University. Series "Economics", 2019, Vol. 17, no. 1, pp. 5-12. DOI: 10.25513/1812-3988.2019.17(1).5-12. (in Russian).
