CC BY
2ТЕНДЕНЦИИ И ТЕРРИТОРИАЛЬНЫЕ ОСОБЕННОСТИ РАЗВИТИЯ ИНФОРМАЦИОННО-КОММУНИКАЦИОННОГО ПОТЕНЦИАЛА РОССИЙСКОЙ
ИННОВАЦИОННОЙ СИСТЕМЫ
Веселицкий О.И., соискатель Института дополнительного профессионального образования ГАСИС НИУ ВШЭ Сафронона А.А., д.э.н., профессор Института дополнительного профессионального образования ГАСИС НИУ ВШЭ
Рассмотрено распределение числа организаций, использовавших специальные программные средства всех видов в РФ в целом и по федеральным округам в 2002-2010 гг.. а также временные ряды числа организаций, использовавших специальные программные средства « интересах интенсификации инновационной триады «исследования» - «разработки» - «производство», в расчете на I млн. человек населения. Показано, что >ти временные ряды можно представить моделями линейного тренда с наложенной на тренд стохастической к/шпонентой. Обсуждены территориальные особенности развития информационно-коммуникационного потенциала.
Ключевые слова: информационно-коммуникационный потенциал, инновационная система, интенсификация, инновационная триала исследования» - «разработки» - «производство», факторный анализ, линейные модели, развитие, тенденции.
TRENDS AND TERRITORIAL CHARACTERISTICS OF INFORMATION AND COMMUNICATION POTENTIAL OF THE RUSSIAN INNOVATION SYSTEM
Veselilsky ().. the applicant. Institute for Continuing Professional Education OASIS The Research University HSE Safronova A., doctor of economic sciences, professor. Institute for Continuing Professional Education GASIS The Research University HSE
Consider the distribution of the number of organizations use special software of all kinds in Russia in general, and by Federal Districts in 2002-2010. as well as time series of organizations use special software in order intensify innovative triad of «research» - «development» - «production», ;\ r I million population. It is shown that the time-series models can he a linear trend with a superimposed stochastic trend component Discussed territorial characteristics of information and communications capacity.
Key words: of informatively-communication potential, innovative system, intensification, innovative triad оР'исследо-вания", is "developments" - "production", factor analysis, linear моде-ли, development, tendencies.
В последние годы исследователи-аналитики все чаще обращаются к вопросам развития информационно-коммуникационной ком-тенты инновационного потенциала страны, однако в научной литературе. как правило, рассматриваются показатели, отражающие количественную сторону этого процесса. Так. в работе [I] выполнен анализ динамики и распределения по федеральным округам Российской Федерации таких показателей информационно-коммуникационного потенциала, как число персональных компьютеров на 100 работников, в том числе с доступом в Интернет; чтим же автором в работе [2] рассматривалась структура затрат на информационно-коммуникационные технологии (ИКТ), при этом в качестве объектов исследования являлись федеральные округа по состоянию за онре-:еленный год во временном интервале с 2004 по 2009 гг.
При всей актуальности подобных исследований прсдставляет-. я необходимым самое пристальное внимание уделить вопросам развития информационно-коммуникационной компоненты нннова-.ионной системы страны и ее подсистем с качественной стороны, скольку важно не только наращивать материальную базу инфор-• лги ¡лини, но и рационально ее использовать. 'Этот аспект в после-шее годы рассматривается отечественной статистикой, которая регистрирует в территориальном и временном разрезах не только такие количественные показатели, как число персональных компь-- тсров на 100 работников, в том числе с доступом в Интернет, но и указатели, отражающие использование специальных программных .релств для различных целей.
С развитием информационно-коммуникационных технологий менялась и классификация специальных программных средств, а последние годы в статистических источниках типа [3] прнво-я данные по числу организаций, использовавших их в следую-;н\ целях: для научных исследований; для проектирования: для . правления автоматизированным производством или отдельными техническими средствами и технологическими процессами; для ения организационных, управленческих и экономических за-._ . для осуществления финансовых расчетов в электронном виде; _ s предоставления доступа к базам данных через глобальные нн-рмацнонные сети, включая сеть Интернет. Кроме того, выделе-- тахне виды специальных программных средств, как редакцнон-штельские системы: обучающие программы: антивирусные -• граммы; CRM-системы; ERP-системы: SCM-снетемы: прочие Tv граммные средства.
Поясним используемую терминологию.
Под CRM-системами (системами управления взанмоотноше-ei >vi: с клиентами, сокращение от англ. Customer Relationship
Management) понимается прикладное программное обеспеченис-для организаций, предназначенное для автоматизации стратегий взаимодействия с заказчиками (клиентами), в частности, для повышения уровня продаж, оптимизации маркетинга и улучшения обслуживания клиентов путем сохранения информации о клиентах и истории взаимоотношений с ними, установления и улучшения бизнес-процедур и последующего анализа результатов |4].
HRP-система - это конкретный программный пакет, реализующий стратегию ERP [5]. Под стратегией ERP (англ. Enterprise Resource Planning, планирование ресурсов предприятия) понимается организационная стратегия интеграции производства и операций, управления трудовыми ресурсами, финансового менеджмента и управления активами, ориентированная на непрерывную балансировку и оптимизацию ресурсов предприятия посредством специализированного интегрированного пакета прикладного программного обеспечения, обеспечивающего общую модель данны-х и процессов для всех сфер деятельности. Внедрение ERP-системы считается фактически необходимым условием для публичной компании и. начиная с конца 1990-х гг.. ERP-системы, изначально внедрявшиеся только промышленными предприятиями, в настоящее время эксплуатируются большинством крупных организаций вне зависимости от страны, формы собственности, отрасли.
SCM-системы - это системы управления цепями поставок (англ. Supply Chain Management), предназначенные для автоматизации и управления всеми этапами снабжения предприятия и для контроля всего товародвижения на предприятии. Система SCM позволяет значительно лучше удовлетворить спрос на продукцию компании, снизить затраты на логистику и ¡акупки. SC'M охватывает весь цикл закупки сырья, производства и распространения товара. Исследователи, как правило, выделяют следующие основные области, на которых сосредоточено управление цепями поставок: производство, поставки, месторасположение, запасы, транспортировка и информация.
В разделе «Информационные и коммуникационные технологии» статистического источника [3] приведено общее число организаций. использовавших специальные программные средства в отчетный период (в данном случае, в 2010 г.), а также число организаций. использовавших программные средства для решения перечисленных задач, в разрезе федеральных округов и субъектов Российской Федерации. Аналогичная статистика приведены и за прежние годы [6-13]. и >то позволяет выполнить анализ развития информационно-коммуникационной компоненты инновационной системы страны и ее подсистем в период 2002-2010 гг.
а
о с
о
m га m
§
с
и
2002
100000
80000
60000
ÖJ 40000
s
I
га
I_
cl О
о с о s т
20000
ЦФО СЗФО СФО ДФО ПФО ЮФО УФО
о с о
X
s
э
m га m о п л с; о с о s
>s s
■з
2010
200000
150000
100000
i: 50000
О.
о о
s
Г"
ЦФО СФО СЗФО ДФО ПФО ЮФО УФО
Федеральный округ Федеральный округ
Рис. 1. Ранжирование федеральных округов по числу организаций, использовавших специальные программные средства всех видов:
а -2002 г.: б- 2010 г.
б
а
рф
О 200000
150000
С
о с.
0 s
'S
s ZT
я
s
1
га
I_
Q_
О О
s т
100000
50000
ЦФО
О с о
х s
3 m га ш
с о с о s
я
s
X
га
L.
О.
о о
s т
40000
35000
30000
25000
20000
2002 2003 2004 2005 2006 2007 2008 2009 2010
2002 2003 2004 2005 2006 2007 2008 2009 2010
Год Год
Рис. 2. Динамика числа организаций, использовавших СПС всех видов: ч - в РФ в целом: б - в ЦФО
Рассмотрим вначале распределение числа организаций, использовавших специальные программные средства (далее СПС) всех видов в целом по макрорегионам РФ - федеральным округам, в начальный (2002 г.) и конечный (2010 г.) годы рассматриваемого периода - рис. I. Видно, что и в 2002 г., и в 2010 г. по числу организаций, использовавших СПС, лидировал 11ФО, на втором месте был ПФО. на третьем - в 2002 г. СЗФО. а в 2010 г. СФО.
Динамика числа организаций, использовавших СПС всех видов в РФ и лидирующем по информационно-коммуникационному потенциалу макрорегионе - Центральном федеральном округе, представлена на рис. 2.
Видно, что временные ряды индикатора, интегрально отражающего развитие информационно-коммуникационной компоненты инновационной системы страны н ее крупнейшей подсистемы -ЦФО. носят логистический характер: вначале, в 2002-2004 гг.. медленный рост числа организаций, использовавших специальные программные средства, затем - бурный рост, сменившийся замедлением после 2007 года. Примерно такой же характер носит динамика числа организации, использовавших СПС всех видов, и в остальных федеральных округах РФ.
Рассмотрим теперь динамику числа организаций, использовавших специальные программные средства в интересах интенсификации инновационной триады «исследования» - «разработки» -
«производство», а также динамику их числа в расчете на 1 млн. человек населения - рис. 3.
Из графиков временных рядов абсолютных (число организаций) и удельных (число организаций на I млн. человек населения) индикаторов триады «исследования» - «разработки» - «производство» видно, что в большей мере организации использовали специальные программные средства на этапе производства, меньше всего - на этапе научных исследовании.
В результате визуального анализа временных рядов удельных индикаторов использования специальных программных средств в триаде «исследования» - «разработки» «производство» в период 2002-2010 гг. в инновационных подсистемах РФ - федеральных округах выявлено, что они носят примерно такой же характер. Исходя из зтого. можно предположит!,, что эти временные ряды можно представить моделями линейного тренда с наложенной на гренд стохастической компонентой. Такой подход позволяет заменить временные ряды рассматриваемых индикаторов параметрами аппроксимирующих линейных моделей, при этом основная характеристика их качества коэффициент линейной детерминации - будет отражать стохастическую компоненту моделей и их отклонение от линейности.
В качестве примера на рис. 4 представлены результаты аппроксимации линейными моделями динамики удельного индикатора использования специальных программных средств в научных
а
и с о
ж s 3 m ra m л с; о с о s
40000
30000
20000
Я
s
X
га i_ а. о о
5
s Т
10000■"
Цели
научные исследования
проектирование
управление производством
Цели
научные исследования
проектирование
управление производством
2002 2004 2006 2008 2010
2002 2004 2006 2008 2010
Год
Год
Рис. 3. Динамика числа организаций РФ. использовавших СПС триады «исследования» «разработки» - «производство» («) и числа организаций, использовавших СПС этих видов, в расчете на 1 млн. человек населения (о)
а б
О с
о
с о
>s s
5
s i ra
i_
Q_
О О
5
s
T
РФ - научные исследования
га
x
О С
о
с; о с о s
s
s
x
ra
ь_ О. О О
5
s т
ЦФО - научные исследования
2002
2004
2006
2008
2010
2002
2004
2006
2008
2010
Год
Год
■'ис 4. Динамика числа организаций, использовавших СПС в научных исследованиях, в расчете на I млн. населения: а - в РФ в
целом: б - в ЦФО
.. едованиях в РФ в целом и в лидирующей инновационной под-. .-.теме - ЦФО.
t! I рис. 4 видно, что трендовая составляющая временных ря-- 1ьше стохастической компоненты, что позволяет описать их 'неиными моделями.
При назначении временной переменной по формуле
I = год-2010, (1)
аппроксимирующие линейные модели представляются в удоб-■ой 11 я интерпретации параметров форме
:; параметр ha ю г интерпретируется как расчетное значение '>. -.. рганнзаций. использовавших СПС в научных исследовани-• 5 2' 10 году, приходящихся на I млн. человек населения, а пара-: - • как среднегодовой прирост удельного индикатора. 3 rjo.i. I приведены результаты расчетов параметров />„,, , и • ю л ей (2) для РФ в целом и ее федеральных округов; здесь -—'ведены характеристики качества линейной аппроксимации ■ ■ :■: ишкнт детерминации If. критерий Фишера F. а также уро-его статистической значимости /> (расчеты проводили с помо-• гронедуры Сите Estimation пакета анализа данных обществеп-
зук SPSS Base [14, 15]). И -зол 1 следует, что модели временных рядов числа органи-
зации. использовавших специальные программные средства в научных исследованиях в период 2002-2010 гг., в расчете на 1 млн. человек населения, в РФ в целом и всех федеральных округах имеют высокие характеристики качества - коэффициент детерминации не хуже 0,85, а критерий Фишера статистически значим на высоком уровне не хуже 0.0005, и лишь для Центрального и Северо-Западного федеральных округов коэффициент детерминации меньше 0.8 (0.778 и 0.812 соответственно), а критерий Фишера статистически значим на уровне 0,002 и 0,001 соответственно.
Аналогично, линейные модели хорошо описывают динамику числа организаций, использовавших специальные программные средства в проектировании в период 2002-2010 гг.. в расчете на I млн. человек населения рис. 5.
При назначении временной переменной по формуле (I) аппроксимирующие линейные модели также представляются в удобной для интерпретации параметров форме
м,=Ь„ +Н, I, (3)
С1К. ироогт и мросп I проект ' * '
где параметр Лц ^ интерпретируется как расчетное значение числа организаций, использовавших СПС в проектировании в 2010 году, приходящихся на I млн. человек населения, а параметр Ь[ как среднегодовой прирост индикатора.
В табл. 2 приведены результаты расчетов параметров />„ 11рост1 и
Таблица I. Параметры динамики числа организаций, использовавших СПС в научных исследованиях в 2002-2010 гг.. в расчете на I млн. человек населения, и критерии качества линейных моделей (расчеты автора)
Федеральный округ. территориальное образование MIIK-оценки параметров Критерии качества моделей
расчетный уровень в 2010 г., % средний прирост, % в год коэффициент детерминации /?" критерий Фишера Г уровень значимости (р-уровень)
ЦФО 46.4838 1.0284 0.778 24.5 0,002
СЗФО 53,8181 1,3616 0.812 30,2 0,001
ЮФО 24.8820 1,2219 0,979 323,5 0,000
ПФО 33.0982 1.4232 0.935 99.9 0,000
УФО 48,3350 2,7425 0,869 46,5 0,000
СФО 41.4017 2,5248 0,861 43,2 0.000
ДФО 54.8502 3.0356 0,928 90.1 0,000
РФ 40,5298 1,5498 0.923 83,5 0.000
Год Год
Рис. 5. Динамика числа организаций, использовавших СПС в проектировании, в расчете на I млн. населения: и - в РФ в целом: б
ЦФО
/>, 11|><1( моделей (3) для РФ в целом и ее федеральных округов: в ней приведены также характеристики качества линейной аппроксимации. Из данных тгой таблицы видно, что все представленные в ней модели временных рядов числа организаций, использовавших специальные программные средства в проектировании в 2002-2010 гг.. в расчете на 1 млн. человек населения имеют высокие характеристики качества коэффициент детерминации не хуже 0.97. а критерий Фишера статистически значим на высоком уровне не хуже
0.0005.
Линейные модели удовлетворительно описывают и динамику числа организаций, использовавших специальные программные средства в период 2002-2010 гг. для управления автоматизированным производством или отдельными техническими средствами и технологическими процессами (далее - в управлении производством). в расчете на I млн. человек населения рис. 6.
Таблица 2. Параметры динамики числа организаций, использовавших СПС в проектировании в 2002-2010 гг.. в расчете на 1 млн. человек населения, и критерии качества линейных моделей (расчеты автора)
Федеральный округ. территориальное образование МНК-оцеики параметров Критерии качества моделей
расчетный уровень в 2010 г., % средний прирост, % в год коэффициент де-термина-ции Я" критерий Фишера уровень значимости (р-уровень)
ЦФО 148.320 8.4766 0.980 341,2 0,000
СЗФО 182,838 10,9151 0,970 228,0 0,000
ЮФО 93.8832 7,3142 0,976 281.2 0,000
ПФО 138,154 8.4955 0.990 697,8 0,000
УФО 197,478 13,9378 0,989 602,8 0.000
СФО 148,531 11.0760 0,981 370,3 0,000
ДФО 185,299 14,8429 0,989 609,5 0.000
РФ 146.412 9,5534 0,993 971,6 0.000
а
РФ - управление производством
ЦФО - управление производством
2002 2004 2006 200« 2010
2002 2004 200« 200« 2010
Год
Год
Рис. 6. Динамика числа организаций, использовавших СПС в управлении производством, в расчете на I млн. населения: а в РФ I
целом; 6 - в ЦФО
Таблица .4. Параметры динамики числа организаций, использовавших СПС для управления производством в 2002-2010 гг.. в расчете на I млн. человек населения, и критерии качества линейных моделей (расчеты автора)
Федеральный округ, территориальное образование МНК-оиенки параметров Критерии качества моделей
расчетный уровень в 2010 г., % средний прирост, % в год коэффициент детерминации Я' критерий Фишера Р уровень значимости (р-уровень)
ЦФО 198,523 11,5802 0,919 79,5 0.000
СЗФО 254,502 16.6589 0.979 321,7 0,000
ЮФО 144,792 10,7268 0.931 95,0 0,000
ИФО 201.642 13,7584 0,961 172,0 0.000
УФО 295,769 23.5736 0.946 122,6 0,000
СФО 214,056 17,1818 0.968 214,2 0,000
дфо 284,431 21,3620 0,941 111,9 0.000
рф 209.918 14,4795 0.955 150,2 0,000
а
Проектирование
Управление производством
Rsq = 0 7405
Rsq = 0 8755
50 100 150 200 250
100 150 200 250 300 350
Число организаций, испол. СПС, на млн. чел
Число организаций, испол. СПС. на млн чел
: . " Динамика числа организаций, использовавших СПС в управлении производством, в расчете на I млн. населения: а - в РФ в
целом; б - в ЦФО
1ри назначении временной переменной по формуле (I) линей->. модели, аппроксимирующие временные ряды числа организа-». использовавших специальные программные средства в пери-; ■ 2-2010 гг. для управления производством, в расчете на 1 млн. . век населения, также представляются в удобной для ннтерпрс-. ,! и\ параметров форме
"г1К И1Ч,,,,. ~ ^I) П|«ЯШ + „рж,.''
- :г параметр Ь0 ........интерпретируется как расчетное значение
■ ■. . организаций, использовавших СПС для управления произ-- зоч в 2010 году, приходящихся на 1 млн. человек населения, а
параметр />,
как среднегодовой прирост индикатора.
В табл. 3 приведены результаты расчетов параметров А0.........и
Л, п[Ю11( моделей (3) для РФ в целом и ее федеральных округов: в ней приведены также характеристики качества линейной аппроксимации. Изданных этой таблицы видно, что все представленные в ней модели временных рядов числа организаций, использовавших СПС для управления производством в 2002-2010 гг.. в расчете на I млн. человек населения, имеют высокие характеристики качества коэффициент детерминации не хуже 0.94. а критерий Фишера статистически значим на высоком уровне не хуже 0,0005.
Таблица 6. Матрица «нагрузок» индикаторов использования специальных программных средств в триале «исследования» - «разработки» «производство» на главные факторы по полной выборке федеральных округов
Таблица 4. Корреляционная матрица удельных индикаторов использования специальных программных средств в триаде «исследования» - «разработки» - «производство» в период 2002-2010 гг. в (Ьелеоальных окпугах РФ
Индикатор Статистика Xz X, Аздям
X, Коэф. коррел. 1 0,458 0,914 0,760 0,851 0,663
Уровень значим. , 0.301 0,004 0,048 0,015 0,105
^loiui Коэф. коррел. 0.458 1 0.601 0,902 0.725 0,890
Уровень значим. 0,301 0,153 0,006 0,065 0,007
Xi Коэф. коррел. 0.914 0,601 1 0,861 0,977 0,857
Уровень значим. 0,004 0,153 , 0,013 0,000 0,014
ли и Коэф. коррел. 0.760 0,902 0,861 1 0,936 0,966
Уровень значим. 0.048 0,006 0.013 , 0,002 0.000
X, Коэф. коррел. 0,851 0,725 0,977 0,936 1 0.936
Уровень значим. 0,015 0,065 0.000 0,002 , 0,002
A3 дни Коэф. коррел. 0.663 0.890 0.857 0,966 0.936 1
Уровень значим. 0,105 0.007 0.014 0,000 0.002 ,
Удельный индикатор (в расчете на 1 млн. человек населения) Главный фактор
1 2
A'i - расчетное значение числа организаций, использовавших СПС в научных исследованиях в 2010 году 0,956 0,179
A'i,,,,, среднегодовой прирост числа организаций, использовавших СПС в научных исследованиях в 2010 году 0,277 0.956
.V; - расчетное значение числа организаций, использовавших СПС в проектировании в 2010 году 0,917 0,375
Аз расчетное значение числа организаций, использовавших С'ПС для управления производством в 2010 году 0,828 0.534
Объясняемая дисперсия 62.9% 34.3%
Анализируя данные, приведенные в табл. 1-3. можно заметить. >гто, как правило, чем больше расчетный уровень всех трех удельных индикаторов использования специальных программных средств, тем больше их среднегодовой прирост. Особенно ярко >га тенденция наблюдается для удельного числа организаций (в расчете на I млн. человек населения), использовавших специальные про-фаммнме средства в период 2002-2010 гг. в проектирования и для управления производством - рис. 7: коэффициент корреляции между удельным индикатором использования специальных программных средств в проектировании и его среднегодовым приростом равен 0.861. а между удельным индикатором использования СПС для управления производством и его среднегодовым приростом - 0.934.
С учетом этих корреляций, из дальнейшего анализа можно исключить среднегодовые приросты этих двух удельных индикаторов. сохранив, однако, среднегодовой прирост удельного числа организаций (в расчете на 1 млн. человек населения), использовавших специальные программные средства в период 2002-2010 гг. в научных исследованиях.
Дальнейшее уменьшение число индикаторов, отражающих использования специальных программных средств в триаде «исследования» - «разработки» - «производство», можно выполнить методами факторного анализа.
Для сокращения изложения результатов выполненных нами статистических исследований введем следующие обозначения:
Х1 - расчетное значение числа организаций, использовавших СПС в научных исследованиях в 2010 году, приходящихся на 1 млн. человек населения (параметр />0 );
Х1 т - среднегодовой прирост данного удельного индикатора (параметр Л, ^У,
Х2 - расчетное значение числа организации, использовавших СПС в проектировании в 2010 году, приходящихся на I млн. человек населения (параметр />,„ „);
X, ти - среднегодовой прирост данного удельного индикатора (параметр />, 1|р<1СТ,);
.V, - расчетное значение числа организаций, использовавших СПС для управления производством, в 2010 году, приходящихся на 1 млн. человек населения (параметр />0„);
Xj среднегодовой прирост данного удельного индикатора (параметр Л, ^J.
Факторному анализу предшествовал корреляционный анализ, результаты которого приведены в табл. 4.
Из табл. 4 видно, что между многими индикаторами использования специальных программных средств в триаде «исследования» «разработки» - «производство», с учетом принципа Бонфсррони [15]. согласно которому требования к уровню значимости ужесточаются пропорционально числу рассматриваемых переменных, имеются статистически значимые положительные корреляционные свжи (выделены полужирным шрифтом), и это позволяет рассчитывать на существенное сокращение исходного множества удельных индикаторов.
Действительно, в результате факторного анализа, выполненного по методу главных компонент [16]. оказалось, что исходное множество четырех удельных индикаторов можно свести к двум главным факторам, при этом, как следует из табл. 6, они объясняют 97.2% общей дисперсии.
В данной публикации не рассматриваются вопросы планирования развития информационно-коммуникационного потенциала в регионах Центральной России - они будут обсуждаться в последующих публикациях.
Литература:
1. Товсултанова C.B. Статистический анализ показателей информационно-коммуникационного потенциала российских макрорегионов // Вестник Московского экономического института. Вып. I. ИИЦ МЭИ. 2010.
2. Товсултанова C.B. Структура затратных показателей информационно-коммуникационного потенциала российских макрорегионов // Вестник Московского экономического института. Вып.2. ИИЦ МЭИ. 2010.
3. Регионы России. Социально-экономические показатели. 2011. Стат. сб. / Росстат. М.. 2011.
4. Система управления взаимоотношениями с клиентами // Электронный ресурс. Режим доступа: http://ru. wikipedia.org/wiki.
5. CRM-система // Электронный ресурс. Режим доступа: http:// ru.wlkipeclia.org/wiki/ERP.
6. Регионы России. Социально-экономические показатели. 2003. Стат. сб. М.: Госкомстат России. 2003.
7. Регионы России. Социально-экономические показатели. 2004. Стат. сб. М.: Госкомстат России. 2004.
S. Регионы России. Социально-экономические показатели. 2005. Стат. сб. М.: Госкомстат России. 2005.
9. Регионы России. Социально-экономические показатели. 2006. Стат. сб. М.: Госкомстат России, 2006.
10. Регионы России. Социально-экономические показатели. 2007. Стат. сб. М.: Госкомстат России. 2007.
11. Регионы России. Социально-экономические показатели.
2008. Стат. сб. М.: Госкомстат России. 2008.
12. Регионы России. Социально-экономические показатели.
2009. Стат. сб. М.: Госкомстат России. 2009.
13. Регионы России. Социально-экономические показатели.
2010. Стат. сб. М.: Госкомстат России. 2010.
14. SPSS Base 8.0 для Windows. Руководство по применению. Перевод-Copyright 1998 СПСС Русь.
15. Бююль А.. Цёфсль П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ООО «ДиаСофтЮП». 2002.
ТЕХНОЛОГИИ И МЕТОДЫ ОЦЕНКИ И УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮ ПОРТФЕЛЯ ИННОВАЦИОННО-ИНВЕСТИЦИОННЫХ ПРОЕКТОВ
ПРЕДПРИЯТИЯ
Лишанло.С.В., аспирант ИДПО ГАСИС НИУ ВШЭ
В статье рассмотрены базовые принципы управления инвестиционными и инновационными портфелями проектов, определены клю-.. вые проблемы оценки эффективности портфеля инновационно-инвестиционных проектов предприятия в современных условиях. Ос-кное внимание уделено факторам, технологиям, методам и моделям оценки и управления эффективностью портфеля инновационных инвестиционных проектов предприятия. Описан процесс формирования рационального портфеля инновационно-инвестиционных про-ктов предприятия.
Ключевые слова: управление портфелем проектов, инновационно-инвестиционные проекты, управление эффективностью, базовые принципы, технологии и методы управления, модель управления, алгоритм управления.
TECHNOLOGY AND METHODS OF EVALUATION AND PERFORMANCE MANAGEMENT PORTFOLIO OF INNOVATIVE AND INVESTMENT PROJECTS OF
THE COMPANY
1.ishanlo S„ the post-graduate student. IDPO OASIS NIU VSHE
The article describes the basic principles of investment ami innovation portfolios, identify key problems of assessing the effectiveness of the rtU >Ho of innovation and investment projects of the company at present. Focuses on the factors, technologies, methods and models of evaluation .. performance management portfolio of innovative and investment projects of the company. The process о/ achieving sustainable portfolio of м-, native investment projects of the company.
Keywords: portfolio management, innovation and investment projects, performance management, basic principles, technologies and management --aetices. management model, the control algorithm.
Управление проектами представляет собой область деятельно-при которой определяются и достигаются цели проекта в ус-обеспечения сбалансированности между объемом затрачи-
- . чы\ ресурсов (трудовыми, финансовыми, материальными, энер-
■ ческими. временными и др.), качеством результатов и сопут-ггв\ ющнми рисками.
I 1од управлением портфелем проектов в общем случае понн-ется механизм, предназначенный для трансляции стратегии уп-,'иия в портфель проектов, обеспечивающий их последующую _ ' -шию. планирование, анализа и переоценки портфеля в ин-.-•. . -х >ффектнвного достижения целей организации в среднесрочен долгосрочной перспективе.
( 'держание управления инвестиционными и иннованионны-<е ртфелями проектов определяется исходя из множества функ-- : 1ьных задач, представленных в табл. I.
введенные исследования показали, что. несмотря на большое чество работ в области управления портфелем проектов до на-• него времени не сформированы базовые принципы управления е •..-нционнымн и инновационными портфелями проектов.
Рассматривая, как и многие авторы, под принципами портфель-правления универсальные правила формирования портфеля. ■ - - предлагает использовать для успешной реализации портфеля г- сктов следующие базовые принципы управления:
• принцип соответствия портфеля проектов стратегии разви-
- < "гедприятия:
принцип сбалансированности проектов в портфеле (в частно-> 'жндаемым эффектам и сопутствующим рискам, объемам г. «еегирования, срокам реализации и т.д.):
гинцип ранжирования проектов портфеля по степени значимся:
- принцип унификации критериев оценки эффективности проектов в поргфеле. обеспечивающий их сопоставимость;
- принцип фокусировки на успешной реализации всех проектов портфеля в интересах получения наибольшей отдачи от реализации всей совокупности проектов:
- принцип регулярного пересмотра портфеля проектов на основе текущих оценок эффективности их реализации;
- принцип необходимого инновационного обновления идей проектов в портфеле:
- принципы достижения требуемой доходности по портфели проектов;
- принципы ограничения совокупного риска по портфелю проектов.
Ключевыми проблемами оценки эффективности портфеля инновационно-инвестиционных проектов предприятия в современных условиях являются следующие.
Во-первых, проблема оценка эффективности любого инновационно-инвестиционного проекта связана с полнотой, точностью и достоверности исходной информации. Когда же речь идет о поргфеле инновационно-инвестиционных проектов, то указанные ошибки в лучшем случае аддитивно накапливаются. Если же проекты в портфеле носят связанный характер, то ошибки в оценке ожидаемой эффективности, выражаемые адднтивно-мультнплика-тнвиыми зависимостями будут возрастать. При этом связь между проектами может носить не только функциональный, но н инвестиционный. временной и иной ресурсный характер.
Во-вторых, при оценке эффективности портфеля инновационно-инвестиционных проектов в системе оценок народно-хозяйственной. бюджетной и коммерческой эффективности меняются весовые коэффициенты этих оценок. При этом в части народно-хозяй-
