CC BY
36
Статистический анализ
отдельных результатов конкурсных программ Фонда содействия развитию малых форм
V V I
предприятий в научно-технической сфере
А. В. Рождественский,
к. п. н., зам. руководителя Федерального агентства по образованию
С. Г. Поляков,
д. э. н., зам. генерального директора Фонда содействия развитию малых форм предприятий в научнотехнической сфере
М. В. Пастухов,
аспирант Российского государственного университета инновационных технологий и предпринимательства
В статье приводятся примеры применения экономико-статистических методов и методов аналитической обработки данных при исследовании конкурсов инновационных проектов. В частности, рассматриваются вопросы согласованности оценок экспертов и челнов жюри, зависимость результативности участия регионов РФ в конкурсных программах от показателей их инновационного развития, исследуется «портрет типичного победите-ля».Так же предлагается методика комплексной автоматизации конкурсных механизмов поддержки инновационной деятельности.
В последние несколько лет в нашей стране неуклонно укрепляется понимание необходимости снижения зависимости от разработки природных ресурсов и увеличения выпуска товаров с высокой добавленной стоимостью. Как известно, на вершине пирамиды добавленной стоимости находится инновационная продукция, созданная на основе научных исследований и разработок.
По данным центра исследований и статистики науки (ЦИСН) расходы на проведение научно-исследовательских работ в 2005 г. в Российской Федерации были равны $16 млрд по паритету покупательной способности, что составляет 5% от расходов США, 15% от расходов Японии и 27% от расходов Германии [1]. Значительно сложнее оценить практическую результативность научной и инновационной деятельности. Сегодня одним из наиболее признанных критериев определения инновационного потенциала является количество патентов, зарегистрированных в патентных бюро США и ЕС. Так, в 2005 г. в Бюро по патентам и торговым маркам США (USPTO) было зарегистрировано 102 тыс. патентов организациями и частными лицам США, 39 тыс. —
The article is concerned to some applications of economic-statistical methods and methods of analytical data processing at research of competitions for innovative projects. In particular, questions of coordination between experts and jury, dependence between regions participation in competitive programs and figures of regions innovative development are considered, «the portrait of the typical winner» is investigated. The technique for complex automation of competitive mechanisms in innovation field is offered.
Японии, 10 тыс. — Германии и только 176 патентов — России [4]. В этом же году Европейское патентное бюро (EPO) выдало 13 тыс. патентов заявителям из США, 9,5 тыс. — заявителям из Японии, 12,5 тыс. заявителям из Германии и всего 24 патента — заявителям из России [5]. Следует, отметить, что показатели России были бы несколько выше, если бы некоторые отечественные заявители не останавливались на регистрации своих изобретений в Роспатенте, чего явно недостаточно в эпоху глобальной конкуренции. Таким образом, для развития отечественной научнотехнической сферы необходимо не только многократное увеличение расходов на исследования и разработки, но и принципиальное повышение отдачи от этих вложений.
Существуют различные подходы к повышению эффективности отечественной научно-технической сферы. В частности, широко обсуждаются и внедряются механизмы частно-государственного партнерства. Вместе с тем, одной из наиболее действенных мер остается дальнейшее совершенствование механизмов государственной поддержки инновационной деятельности на конкурсной основе. В начале 1990-х
ИННОВАЦИИ № 3 (113), 2008
ИННОВАЦИИ № 3 (113), 2008
Рис. 1. Распределение заявок по округам по программе «СТАРТ» 2004-2007
годов в России были созданы три государственных фонда, распределяющих деньги среди лучших, отобранных по конкурсу проектов. Это Российский фонд фундаментальных исследований, Фонд содействия развитию малых форм предприятий в научно-технической сфере и Российский гуманитарный научный фонд. Сегодня на их долю приходится 8% от общей суммы ассигнований на науку.
В настоящей статье предпринята попытка оценить эффективность отдельных мероприятий по программам Фонда содействия развитию малых форм предприятий в научно-технической сфере.
Исследование велось в разрезе Федеральных округов РФ, субъектов Федерации, организационноправовых типов организаций, на базе которых был сформирован коллектив заявителей, а также в разрезе научно-технических направлений работ.
Из рис. 1 видно, что наблюдается закономерное уменьшение вновь подаваемых заявок в большинстве регионов. Высокие показатели проекта в первый год были обусловлены наличием в регионах накопленного за долгие годы «запаса» невостребованного инновационного потенциала, который по мере рассмотрения проектов постепенно исчерпывается, а его пополнение за счет новых идей происходит с более низкой скоростью. Однако в целом динамика по Центральному, Сибирскому, Южному и Дальневосточному округам позволяет надеяться на стабилизацию интереса к программе «СТАРТ».
Таблица 1
Доля победителей и средняя экспертная оценки проектов по программе «СТАРТ-2006» в разрезе округов
Федеральный округ Подано заявок Победило заявок Доля победи- телей, % Средняя экспертная оценка проектов по округу, баллов (1-100)
Центральный 367 123 33,51 63
Северо-Западный 237 67 28,27 61
Южный 262 76 29,01 66
Приволжский 266 71 26,69 64
Уральский 204 49 24,02 66
Сибирский 174 49 28,16 64
Дальневосточный 53 26 49,06 64
Определенный интерес представляет оценка степени согласованности оценок, данных проектам экспертами и членами жюри. С одной стороны, члены жюри имеют возможность лично познакомиться с заявителями и имеют на руках экспертные заключения. С другой — эксперты являются более компетентными специалистами в своей предметной области, что наряду с наличием нескольких независимых заключений позволяет надеяться на большую объективность в оценке научно-технической части проекта.
Из табл. 1 видно, что более высокая доля победителей по округу статистически не всегда связана с более высоким средним качеством проектов по округу. Например, Южный и Уральский округа , имеющие наибольшую среднюю оценку проектов экспертами, получили меньшую долю победителей (по отношению к количеству поданных заявок), чем Центральный и Дальневосточный.
В случае Дальневосточного округа, очевидно, сработала система лимитирования минимального количества победителей от региона. В дальнейшем организаторам программы предстоит выработать систему, которая позволила бы найти оптимальный баланс между поддержкой наиболее эффективных проектов и достаточно равномерным распределением этой поддержки.
В случае с научным направлениями можно наблюдать более равномерное распределение доли победителей при большем разбросе в средней экспертной оценке. Закономерно, что более низкая средняя оценка проектов по направлению «Информационные технологии... » привела и к самой низкой доле победителей из данного направления. Однако явно более высокое среднее качество проектов по направлению «Биотехнологии, сельское хозяйство, пищевая промышленность», увы, не привело к относительному увеличению поддержанных проектов.
Таблица 2
Распределения заявок по программе «СТАРТ-2006» по научным направлениям
Направление Подано заявок Победило заявок Доля победи- телей, % Средняя экспертная оценка проектов по направлению, по 100балльной шкале
Электроника, приборостроение, машиностроение 593 168 28,33 64
Химия, химическая технология, новые материалы, строительство 310 97 31,29 64
Информационные технологии, программный продукт, телекоммуникационные системы 257 71 27,63 57
Биотехнологии, сельское хозяйство, пищевая промышленность 212 65 30,66 70
Медицина, фармакология, биотехнология для медицины 191 60 31,41 64
Таблица 3
Коэффициенты парной корреляции между показателями инновационного развития региона и количеством победителей по программам «Развитие», «СТАРТ», «УМНИК»
Показатель по региону на 2005 г.
Х1 — количество научных организаций________________
Х2 — количество научных работников
Х3 — количество полученных патентов
Х4 — количество научных работников с учеными степенями
Х5 — количество созданных производственных технологий
ванных производственных технологий
ционно активных организаций
Х8 — затраты на технологические инновации, руб.
Х9 — отгруженная инновационная продукция, руб.
Х10 — валовый региональный продукт, руб.
? Развитие»
У1
г** = 0,63
г21= 0,69
г,.-0,74
г91 = - 0,03
гюд
*СТАРТ»
*2
г *2= 0,69
Г 22 = 0,63
Г3 2= 0,61
}\у2 = 0,00
/-10,2=0,07
«УМНИК»
г 4 0= 0,53
Г 23= 0,36
г33 = 0,46
г43= 0,45
г93
гщз = 0,07
В рамках исследования была предпринята попытка выявить показатели инновационного развития регионов России, наиболее тесно связанные с количеством победителей по программам «Развитие», «СТАРТ», «УМНИК».
Такой анализ позволяет с определенной вероятностью спрогнозировать динамику активности регионов в программах ФСР МП НТС, исходя из показателей их научно-технического и инновационного потенциала, взятых на основе данных Росстата [3].
Для устранения диспропорций в размерах регионов все показатели были приведены к масштабу 1/10000 человек. Анализ проводился по 70 наиболее инновационно активным регионам.
Коэффициенты парной корреляции между X'■ и
У, вычисляются по формуле
п / 1
п^хцУ1к~ |2
Г]к =
г =1 /
2#*
г =1
/ п
У
Ч2 П / п Ч 2
2 Угк
1=1 V г =1 ; V г=1 \ /
и отражают степень связи межу показателем развития региона X- и количеством победителей по программе У,. г,=1 — прямая функциональная связь, г,= 0 — нет связи, г, = -1 обратная функциональная связь.
Как видно из табл. 3, в наибольшей степени с количеством победителей по программе «Развитие» связано количество полученных патентов, количество научных работников, в том числе с учеными степенями, и количество научных организаций. Те же показатели оказались наиболее важными и для программы «СТАРТ», однако их влияние распределено в обратном порядке. Показатели количества использо-
ванных производственных технологий и количество инновационно активных организаций оказывают существенно большее влияние на результаты программы «Развитие», чем на программу «СТАРТ» и тем более «УМНИК». Заметим, что данные два показателя (Х5, Хб) больше отражают уровень практического применения инноваций в регионе, что как раз необходимо для более «зрелых» проектов по программе «СТАРТ». В то же время первые четыре показателя (Х1-Х4) отражают скорее не инновационный, а научно-технический потенциал региона и, что логично, сильнее влияют на результативность по программам «СТАРТ» и «УМНИК», в которых большее значение имеет именно научно-технический и творческий потенциал команды заявителей.
Для прогнозирования дальнейшей динамики инновационной активности регионов было решено использовать уравнение линейной регрессии:
У = Л1Хс1 + Л2Х2 + ... + ЛпХп + С,
где У — переменная, отражающий средний уровень активности региона в трех программах ФСР МП НТС с учетом их весомости, Х1...Хп — показатели инновационного развития региона. Параметры Л^...Лп и С вычисляются методом наименьших квадратов. В результате отбора наиболее значимых факторов по критерию Стьюдента было получено уравнение:
У = 4,459Х1 + 1,373Х3 - 1,833,
где Х1 — количество научных организаций в регионе на 10000 человек; Х3 — количество полученных патентов в регионе на 10000 человек.
Таблица 4
Таблица оценки критериев качества проектов
№ Критерий Значение критерия Весовое значение
1 Инвестор Нет соинвестора 1
Заинтересованность на уровне соглашений о намерениях 2
Соинвестор 3
2 Интеллектуальная собственность Ноу-хау 1
Заявка подана 2
Патент 3
3 Состояние разработки Идея 1
НИОКР 2
Опытный образец 3
4 Планируемый результат Получение аналогичной продукции с улучшенными экономическими показателями, импорто-замещение 1
Достижение качественно новых характеристик продукции 2
Получение новой продукции 3
5 Новизна Применение известных средств 1
Имеется аналог, совпадающий с новым решением половиной признаков 2
Не имеется аналогов (пионерское изобретение) 3
6 Принадлежность к критическим технологиям Принадлежит 0
Не принадлежит 1
ИННОВАЦИИ № 3 (113), 2008
ИННОВАЦИИ № 3 (113), 2008
(R 2yx1x3=0,69; по критерию Фишера -Рфакт= =76,2 > F =3,98 с вероятностью 0,95 уравнение регрессии признается значимым.)
Помимо сопоставления показателей в разрезе регионов, научных областей и т. д. определенный интерес представляет также определение усредненного «портрета» проекта-победителя и подавшего его коллектива.
Для оценки инновационного потенциала проектов по программе «СТАРТ» была разработана экспертная анкета с различными весовыми значениями показателей, что позволило получить среднестатистическую характеристику заявки-победителя.
Расчет средних значений показателей качества для заявок-победителей по ЦФО позволил получить усредненные характеристики заявки-победителя.
Среднестатистическая заявка представляет собой некое решение имеющее аналог, но отличающееся от него половиной признаков, результатом применения которого будет получение продукции с значительно улучшенными потребительскими и экономическими показателями по с сравнению с существующими отечественными разработками, или представляющее собой импортозамещение при сохранении потребительских качеств с значительным выигрышем по цене. На момент подачи заявки имеется научный задел, как правило в форме завершенной НИОКР или опытного образца нуждающегося в доработке. Идея лежащая в основе заявки правовой защиты не имеет, но заявители планируют ее защиту в случае успешного завершения работ в конце 1 года программы «СТАРТ». Что же касается потенциального инвестора, то на момент подачи заявки он отсутствует, при наличии договоренностей (как правило устных) об его участии в будущем в случае успешного завершения 1 года программы. В большинстве случаях (90%) под инвестором заявители понимают потенциального покупателя своей продукции. В менее 50% (47%) заявки можно отнести к критическим технологиям.
Наряду с традиционными экономико-статистическими методами при проведении анализа использовались методы аналитической обработки данных (Data mining). В частности, при помощи инструмента Deductor Studio было построено «дерево решений», отражающее влияние профессиональных и возрастных характеристик на вероятность победы заявителя в конкурсе по программе «СТАРТ-2007» (рис. 2). Было установлено, что чаще всего победителями конкурсного отбора становятся лица мужского пола, имеющие звание младшего научного сотрудника либо доцента и пребывающие возрасте от 30 до 40, или от 60 до 70 лет.
Применение современных методов аналитической обработки данных невозможно без применения централизованных механизмов сбора первичной информации с использованием Интернет-технологий и реляционных баз данных. Обобщение опыта, накопленного во время работы по аналитическому и статистическому сопровождению программы «СТАРТ», позволило предложить следующую методику проведения конкурсного отбора инновационных проектов.
В рамках предложенной методики индивидуальное автоматизированное рабочее место обеспечивается для администратора, заявителя, эксперта, члена
Без ученого звания — 24,6%
5 Без ученой степени — 21,3%
Младший научный сотрудник — 100% Старший научный сотрудник — 17,6%
Рис. 2. «Потрет типичного победителя» по программе «СТАРТ-2007». Заявители разбиты по группам с указанием процента победителей в каждой из групп
жюри, эксперта-монитора и аналитика. Использование информационной системы (ИС) позволяет охватить следующие этапы проведения конкурса:
1. Заявитель проходит процедуру регистрации. Затем он через ,№еЬ-интерфейс ИС создает карточку заявки и вкладывает предварительно составленный ііі-документ с формой заявки.
2. В случае формального и фактического соответствия заявки условиям конкурса администратор изменяет статус заявки с «подана» на «принята». В случае наличия замечаний администратор указывает их в поле «Замечания администратора» и устанавливает статус «Требуется доработка». При повторном просмотре карточки заявки заявитель видит замечания и исправляет их. После этого статус меняется на «Внесены изменения» и администратор просматривает ее повторно.
3. После того, как по определенной научной тематике сформируется достаточное количество заявок, проводится экспертиза. Администратор определяет список экспертов по каждой заявке. ИС автоматически рассылает им уведомления по электронной почте.
4. Эксперты получают доступ к соответствующим заявкам и самостоятельно знакомятся с ними через '№еЬ-интерфейс. Эксперты заполняют карточки экспертных заключений через ,№еЬ-интерфейс
5. После окончания приема экспертных заключений администратор назначает заседание жюри и создает карточку заседания жюри. Система автоматически рассылает письма с уведомлениями членов жюри. Члены жюри получают доступ к заявкам и экспертным заключениям через '№еЬ-интер-фейс. В процессе проведения жюри члены жюри вносят свои оценки в ИС.
6. Определяются победившие заявки. Администратор вносит в карточку заседания жюри их номера. После проведения жюри администратор указывает в статусе заявки: «получила поддержку» или «не получила поддержку». ИС рассылает электронные письма с уведомлением о результатах жюри заявителям. Эту информацию заявители могут так же просмотреть на сайте системы.
Рис. 3. UML-диаграмма последовательности действий участников конкурсного процесса
7. После положительного решения жюри автоматически на базе заявки формируется карточка проекта. Победитель конкурса добавляет информацию из технического задания в карточку проекта. На базе карточки проекта формируется 1И-документ договора с заявителем, если заключение договора предусмотрено по условиям конкурса. После окончания работ с проигравшими заявками все связанные с ней электронные документы помечаются как архивные и выводятся из отображения в рубриках ИС.
8. Администратор определяет экспертов-мониторов по каждой заявке. Они получают уведомление по электронной почте и права доступа для просмотра карточки проекта чрез web-интерфейс.
9. Ежеквартально заявитель дополняет карточку проекта информацией о текущем положении, прикрепляет отчетные документы.
10. В конце каждого отчетного периода эксперт-монитор формирует карточку мониторинга куда вносит информацию о результатах проведенного мониторинга проекта.
11. В конце года аналитики организатора конкурса и члены жюри могут просмотреть обобщенный отчет по проекту, в котором выводится карточка проекта совместно с карточками мониторинга. В карточку проекта ставится оценка, отражающая эффективность реализации проекта за год.
12. Аналитическая служба организатора конкурса получает доступ к статистике по поданным и победившим заявкам в разрезе регионов, научных областей, типов организаций и других показателей.
При проектировании информационной конкурсной системы применялись элементы объектно-ори-
ентированной технологии RUP с построением use-case диаграмм в нотации UML. На рис. 3 представлена UML-диаграмма последовательности действий для основных участников конкурсного процесса.
Использование информационной системы дает такие преимущества, как более оперативный контроль за ходом конкурса, сокращение времени прохождения заявки, повышение доступности участия в конкурсе для заявителей в регионах, а также обеспечение большей прозрачности и формальной точности конкурсного процесса. В целом, использованные статистические и аналитические методы и инструменты показали свою адекватность и востребованность и позволили выработать ряд рекомендаций, направленных на повышение эффективности проведения конкурсных программ ФСР МП НТС.
Литература
1. Наука России в цифрах 2006: Статистический сборник. Центр исследований и статистики науки. М., 2006.
2. Управление государственным сектором науки, зарубежный опыт. Центр исследований и статистики Науки (совместно с ОБСЕ), М. 2004.
3. Регионы России 2006. Социально-экономические показатели. Федеральная служба государственной статистики. М. 2007.
4. Бюро по патентам и торговым маркам США. http://www.uspto.gov/
5. Европейское патентное бюро. http://www.epo.org/
6. М. В. Пастухов. Математическое моделирование финансовохозяйственной деятельности технопарка//Доклад на 12-й международной школе-семинаре семинаре «Новые информационные технологии». Украина, Крым, Судак, май, 2004.
7. М. В. Пастухов. Экономико-математическое и программное обеспечение системы проведения конкурсов научно-технических и инновационных проектов// Доклад на ежегодной научно-технической конференции. МИЭМ, 2005.
8. А. С. Митрофанов. Автоматизированный мониторинг как инструмент повышения эффективности государственной поддержки инновационной деятельности//Научно-практический журнал «Качество. Инновации. Образование», № 2, 2003.
ИННОВАЦИИ № 3 (113), 2008
