Динамическое моделирование и сценарный анализ развития инновационных кластеров в регионах Текст научной статьи по специальности «Экономика и бизнес»

31 (121) - 2012

Инновации

УДК 338.24

ДИНАМИЧЕСКОЕ МОДЕЛИРОВАНИЕ И СЦЕНАРНЫЙ АНАЛИЗ РАЗВИТИЯ ИННОВАЦИОННЫХ КЛАСТЕРОВ В РЕГИОНАХ

Н. М. АБДИКЕЕВ,

доктор технических наук, профессор, заместитель проректора по научному и инновационному развитию E-mail: n_abd@mail. ru Финансовый университет при Правительстве Российской Федерации

Д. В. МАЛОВА, аспирант кафедры маркетинга E-mail: malova@rea. ru Российский экономический университет имени Г. В. Плеханова

В статье исследованы процессы разработки и реализации динамической имитационной модели регионального инновационного кластера, отображающей социально-экономические процессы, осуществляемые единицами инновационной системы. В качестве инструмента для реализации динамической модели в работе использован программный пакет PowerSim Studio 7.

Ключевые слова: кластер, динамическая модель, когнитивная карта, сценарный анализ.

Инновационные региональные кластеры. Стремительные изменения в экономике, глобализация, нарастающая борьба за рынки — все это побуждает компании, регионы, страны искать новые ключевые компетенции и уникальные конкурентные преимущества. Происходит фундаментальное переосмысление самой сути экономических процессов. Эти проблемы и вызовы актуальны и для России.

«Переход России к инновационному пути развития — это единственная возможность сделать нашу страну конкурентоспособной и войти в мировое сообщество на равных», — говорится в письме Президента РФ от 30.03.2002 № Пр-576 «Основы политики Российской Федерации в области развитии науки и технологий на период до 2010 года и дальнейшую перспективу».

Основными ресурсами развития все в большей мере становятся люди и знания, которыми они обладают, интеллектуальный капитал и растущая профессиональная компетенция кадров. Значительная часть перемен в управлении предопределяется движением от прошлого, ориентированного на капитал, к будущему, ориентированному на знания.

Переход к экономике знаний требует формирования в стране и, соответственно, в регионах целостной системы, эффективно преобразующей новые знания в технологии, продукты и услуги,

которые находят своих реальных потребителей на национальных или глобальных рынках.

В настоящее время в инновационной политике ведущих стран растет значение территориальных образований (регионов, областей, кластеров), что обуславливает переориентацию экономических исследований на региональный уровень. Проблема повышения уровня конкурентоспособности региональных социально-экономических систем также находится в центре внимания органов управления субъектов Российской Федерации. Регион становится первичным уровнем формирования национальной инновационной системы.

Все большее значение в формировании инновационной деятельности отдельных территориальных образований в России приобретают кластерные структуры, основанные на сотрудничестве вузов, бизнеса и государства.

Большей гармонизации отношений рынка и государства способствует концепция тройной спирали (Triple Helix). Эта концепция была предложена в начале XXI в. профессором Стэнфордского университета Г. Ицковицем и базируется на заинтересованном союзе власти, бизнеса и университетов, которые являются ключевыми элементами инновационной системы.

Модель тройной спирали показывает вовлечение и взаимодействие власти, бизнеса и университетов на различных этапах создания инновационного продукта — от генерации знаний до вывода продукта на рынок, а также рычаги влияния этих институтов друг на друга (рис. 1).

В экономике под кластерами понимают сконцентрированную на некоторой территории группу взаимосвязанных организаций: поставщиков ком-----_ Уровень жизни ____

S ^населения /

Государство I I Бизнес

I Законодательствод

___/ Налогообложение. \___

^----^Специалисты. Субсидии ^---

Технологии х

Инвестиции. Приоритетные направления. Законодательство

Рис. 1. Модель тройной спирали

плектующих и специализированных услуг, инфраструктуры, научно-исследовательских институтов, вузов и других организаций, взаимодополняющих друг с другом и усиливающих конкурентные преимущества отдельных компаний и кластера в целом (в соответствии с концепцией М. Портера).

Обобщенная схема кластера представлена на рис. 2.

Преимущества кластера над фирмами-одиночками состоят в следующем:

• сокращение транспортных и транзакционных издержек;

• совместное финансирование общих ресурсов (создание центров коллективного пользования, совместная закупка оптовых партий сырья);

• высокая инновационная активность фирм за счет высокой конкуренции;

• распространение специализированного знания благодаря тесному взаимодействию внутри кластера;

• развитие специализированных институтов: образование, научно-технические исследования, маркетинг и т. д.;

• развитие поддерживающих секторов и смежных производств;

• формирование международного имиджа кластера;

• приток иностранных инвестиций за счет понятной для инвесторов отраслевой специализации региона.

Кластерный подход подразумевает стремление предприятий к интеграции, что способствует ускорению инновационного процесса, так как нововведения редко воплощаются силами одной фирмы. Фирма становится инновационной только в инновационном окружении.

Инновационный кластер — это объединение различных организаций (коммерчес-у ких предприятий, научно-исследовательских центров, университетов, бизнес-инкубаторов, технопарков, центров трансферта технологий, венчурных фондов, бизнес-ангелов и органов государственного управления), позволяющее использовать преимущества кооперации, масштаба и синергии для ускорения и повышения эффективности процессов создания, распространения и коммерциализации новых знаний и изобретений.

В рамках инновационного кластера протекает весь инновационный цикл от

Инвестиции. Заказы на НИР. Совместные исследования

генерации знаний и формирования на их основе бизнес-идей до реализации готовой продукции. Тесные кооперационные связи позволяют получить участникам инновационного кластера дополнительные конкурентные преимущества под воздействием совокупного влияния эффектов масштаба, охвата и синергии.

Для выделения кластера важны следующие характеристики:

- наличие географической локализации;

- общность производимой продукции (ресурсов, технологии);

- тесные взаимосвязи между фирмами внутри кластера либо наличие крупного предприятия-интегратора, лидера, определяющего стратегию развития отрасли;

- инновационная ориентированность.

Инициаторами проведения кластерной политики могут выступать как федеральные или региональные органы власти, которые проводят кластерную политику «сверху», так и местные объединения предпринимателей, предлагающие реализацию программ стимулирования развития кластеров «снизу — вверх». Такие программы получили название «кластерная инициатива». Они определяются как организованные попытки увеличить темпы роста и конкурентоспособность кластера в определенном регионе, вовлекая в процесс кластерные фирмы, государство и исследовательские институты.

Необходимость кластерной инициативы в России обусловлена следующими факторами:

- геополитическое устройство России. Огромная территория, протяженность границ, суровый климат на большей части территорий, низкая плотность населения и очаговое, неравномерное расселение на территории страны — все эти факторы диктуют необходимость создания местных образовательных, экономических и политических центров, которые могли бы обеспечить устойчивое развитие всех территорий РФ и их скоординирован-ность с центром;

- недостаточная координация между государственным и частным секторами в разработке

Наука,

Рис. 2. Схема регионального инновационного кластера

приоритетов развития, что ведет, во-первых, к разрыву между потребностями промышленности и науки и низкому уровню коммерциализации знаний и технологий, во-вторых — к отсутствию государственно-частного партнерства и, как следствие, преобладанию бюджетного финансирования исследований и разработок;

- богатый опыт создания научных центров. Россия обладает исторически сильной научной и технической культурой, традициями и опытом в области НИОКР. Все элементы научной инфраструктуры, доставшейся нам от советского времени, могут стать основой кластера. Наукограды и академгородки имеют огромный научно-технический потенциал, но при этом очень низкий уровень инновационной культуры и слабую связь с реальным сектором экономики;

- высокий уровень монополизации рынков и доминирование крупных компаний сырьевого сектора, что ведет к торможению развития из-за отсутствия конкуренции и, как следствие, к технологическому отставанию;

- отсутствие инновационного менеджмента.

В настоящее время можно выделить ряд регионов России с уже образовавшимися инновационны-

ми кластерами: Республика Татарстан, Самарская область, Пермский край, Санкт-Петербург, Воронежская область, Алтайский край.

В Самарской области кластеры формируются в мощных и конкурентоспособных секторах, составляющих основу перспективной специализации области, — автомобилестроении, авиационно-космическом комплексе, нефтехимии. Дцром кластеров являются крупные промышленные компании. Опережающие темпы роста и высокая концентрация производства в секторах специализации свидетельствуют о конкурентоспособности на российском рынке производимой в области продукции. Эти кластеры являются центрами стратегического роста экономики области.

В Пермском крае развивается биотехнологический кластер, в который могут быть включены фармацевтические и химические компании, научные организации и учебные заведения, а также инициативы частных компаний края, де-факто инвестирующие в фармацевтические и биотехнологические стартапы.

В Пермском крае с 2010 г. реализуется приоритетный региональный проект «Инновационный кластер». Основной целью проекта является создание экономики, ориентированной на знания через увеличение доли инновационной продукции в валовом региональном продукте Пермского края.

В апреле 2010 г. администрации Ивановской, Омской и Ульяновской областей совместно с отраслевыми ассоциациями одобрили проекты создания в 2010—2012 гг. кластеров индустриальных отраслей с акцентом на их инновационное развитие. Причем речь идет о традиционных для этих областей секторах экономики — текстильном, биомедицинском и авиастроительном, модернизация которых ускорит комплексное социально-экономическое развитие этих регионов.

Обобщая опыт инновационно активных регионов РФ, можно выделить следующие необходимые направления и мероприятия развития регионального инновационного кластера (рис. 3).

Наука и образование

Создание университета мирового уровня

Выделение приоритетных направлений

Повышение уровня преподавания английского языка в школах и вузах

Адресная поддержка одаренных детей

Адресная поддержка молодых ученых

Развитие научных школ

Региональный инновационный кластер

Бизнес

Увеличение удельного веса инновационной продукции

Поддержка якорных фирм

Развитие инфраструктуры

Создание бизнес-инкубаторов

Создание центров коллективного пользования

Создание центров трансфера технологий

Имидж

Выделение приоритетных направлений

Формирование информационной карты инновационных предприятий

Мотивация населения к инновационной деятельности (социальная реклама, трансляция «историй успеха»)

Мероприятия в сфере науки и инноваций (конференции, форумы, конгрессы)

Создание имиджа инвестиционного центра для инвесторов

Содействие в продвижении

региональной инновационной продукции на рынках

Рис. 3. Направления развития регионального инновационного кластера

ФИНАНСОВАЯ АНАЛИТИКА

проблемы и решения ' 15

Моделирование системы регионального кластера. Кластеры становятся одной из наиболее эффективных форм интеграции финансового и интеллектуального потенциала, обеспечивающей необходимые конкурентные преимущества. Таким образом, задача создания конкурентоспособной национальной экономики требует выявления существующих и потенциальных конкурентоспособных кластеров.

Чтобы ответить на вопрос, может ли территориальное образование стать пространством знаний и инноваций на основе формирования кластерных структур, необходим детальный анализ и моделирование этих территориальных образований.

Регион является системой, имеющей множество внутренних и внешних целей, а также самостоятельные подцели региональных субъектов. Общая цель может быть представлена в виде системы взаимозависимых подцелей.

Исследуемая система имеет сложную внутреннюю структуру по следующим причинам:

- размытые границы кластера;

- неопределенность с точки зрения законодательства понятия «инновации»;

- отсутствие закона, регулирующего инновационную деятельность;

- влияние на инновационную деятельность политических, экономических, социальных и культурных факторов;

- наличие огромного количества неявных связей;

- несовершенство и неполнота статистических данных.

Для моделирования системы и поддержки принятия решений в слабоструктурированных динамических ситуациях используется методология когнитивного моделирования, основанная на построении субъективной модели ситуации. Когнитивная карта строится экспертным путем и представляется в виде ориентированного знакового графа, в котором вершины — это факторы ситуации, а взвешенные дуги — причинно-следственные отношения.

Первым шагом построения модели является определение элементов и ключевых показателей, на основе которых она будет реализована.

В соответствии с теорией тройной спирали выделим три основных составляющих инновационной деятельности — государство, бизнес и вузы. Для каждой составляющей выделим основные показатели инновационной деятельности в регионе.

Для государства:

- ставка социальных страховых взносов, %1;

- ставка по кредиту, %;

- законодательство;

- определение приоритетных направлений науки.

Для бизнеса:

- объем научных исследований и разработок;

- объем инновационной продукции;

- доля инновационной продукции, %;

- внутренние текущие затраты на исследования и разработки к валовому региональному продукту, %;

- удельный вес предприятий, осуществляющих технологические инновации, %;

- число малых инновационных предприятий;

- затраты промышленных предприятий на приобретение прав интеллектуальной собственности;

- затраты организаций на приобретение новых технологий;

- затраты организаций на обучение и подготовку персонала, связанные с инновациями;

- коммерциализация интеллектуальной собственности (патенты, свидетельства), %;

- валовой региональный продукт;

- численность экономически активного населения;

- численность персонала, занятого исследованиями и разработками;

- число организаций, выполнявших научные исследования и разработки.

Для науки и образования показателями инновационной деятельности являются:

- численность студентов государственных высших учебных заведений;

- численность студентов негосударственных высших учебных заведений;

- численность аспирантов, принятых в течение года;

- численность аспирантов, защитивших диссертацию;

- численность докторантов;

- количество выданных патентов (свидетельств);

- количество использованных изобретений (промышленных образцов, полезных моделей), на которые выданы патенты.

1 Совокупность страховых взносов в ПФР, ФСС, федеральный и территориальные ФОМСы согласно закону от 24.07.2009 № 212-ФЗ (до 01.01.2010 — единый социальный налог).

Таблица 1

Значения корреляции с целевым показателем «Объем инновационной продукции»

Показатель Коэффициент корреляции

Затраты организаций на обучение и подготовку персонала, связанные с инновациями 0,79

Численность персонала, занятого исследованиями и разработками 0,61

Затраты организаций на приобретение новых технологий 0,56

Число организаций, выполнявших научные исследования и разработки (согласно ОКВЭД, с учетом всех форм собственности) 0,47

Затраты организаций на патенты, лицензии на использование изобретений, промышленных образцов, полезных моделей 0,31

Ключевыми интегральными показателями будут являться «Объем инновационной продукции» и «Доля инновационной продукции».

Для определения необходимости включения в модель определим уровень корреляции между обозначенными элементами и ключевым интегральным показателем «Объем инновационной продукции». Показатели с наиболее значимым уровнем корреляции представлены в табл. 1.

Для выделения взаимосвязей между отобранными элементами системы построена когнитивная карта инновационного кластера в регионе (рис. 4), на основании которой, используя метод имитационного моделирования и системной динамики, была реализована динамическая имитационная модель регионального инновационного кластера.

Методология системной динамики основана на следующих утверждениях: системы состоят из переменных, взаимодействующих между собой посредством обратных связей и описываемых количественными и качественными характеристиками, системы включают «точки приложения», через которые можно вмешаться в систему и изменить ее поведение.

Для построения имитационных моделей динамических систем используют объекты четырех типов: время, переменная, уровень и поток.

При построении модели регионального инновационного кластера, согласно принципам системно-динамического моделирования, социально-экономические процессы представлены в виде потоков, а состояния социально-экономических объектов — в виде уровней.

Имитационное моделирование является одним из эффективных инструментов исследования процессов развития сложных социально-экономических, технических и живых систем, так как позволяет проверить различные сценарии развития, не нарушая функционирования исследуемого объекта.

В качестве продукта для имитационного моделирования бизнес-процессов был выбран пакет

PowerSim Studio. Используемая методология построена на базе классических методов системной динамики, созданных Дж. Форрестером. Данный инструмент имеет развитые средства визуального программирования и различные расширенные возможности, в том числе встроенные блоки анализа рисков и оптимизации.

Построение сценарной динамической модели начинается с выделения цели. В данном случае целью является оценка состояния инновационного кластера «как есть» и возможные пути его развития. При этом модель должна позволять проводить сценарный анализ «что, если» и управление по целевым показателям.

Основными рычагами влияния были выбраны следующие показатели:

- ставка социальных страховых взносов;

- ставка по кредиту;

- количество поступивших в аспирантуру;

- внутренние текущие затраты на исследования, от ВРП, %.

Целевыми показателями были выделены:

- доля инновационной продукции;

- прирост малых инновационных предприятий;

- прирост организаций, осуществляющих технологические инновации;

- прирост организаций, выполняющих научные исследования и разработки;

- коммерциализация результатов интеллектуальной деятельности, %.

В соответствии с этими требованиями в нотации PowerSim модель содержит вспомогательные переменные, константы (постоянные величины) и уровни.

К вспомогательным переменным относятся следующие показатели:

- прирост организаций, выполняющих научные исследования и разработки;

- прирост организаций, осуществляющих технологические инновации;

е

п

0

1

=1 тз о

<Т> сг

тз

<Т>

Е

<Т> X

Ы

М

М О н» м

03

а1

Рис. 4. Когнитивная карта регионального инновационного кластера

- прирост малых инновационных предприятий;

- число персонала, занятого исследованиями и разработками;

- количество аспирантов;

- количество студентов;

- общее количество исследователей;

- финансирование на одного исследователя;

- внутренние текущие затраты на исследования, от ВРП, %;

- валовой региональный продукт;

- объем научных исследований и разработок;

- количество выданных патентов и свидетельств;

- количество использованных результатов интеллектуальной деятельности;

- коммерциализация результатов интеллектуальной деятельности;

- затраты промышленных предприятий на приобретение прав интеллектуальной собственности;

- затраты организаций на приобретение новых технологий;

- затраты организаций на обучение и подготовку персонала, связанные с инновациями;

- объем инновационной продукции;

- доля инновационной продукции.

Константами (постоянными величинами) в

рассматриваемой модели являются:

- ставка социальных страховых взносов, %;

- ставка по кредиту, %;

- внутренние текущие затраты на исследования и разработки, от ВРП, %;

- доля студентов, поступающих в аспирантуру, %.

Кроме этого в модели выделено три уровня:

- число организаций, выполняющих научные исследования и разработки;

- число организаций, осуществляющих технологические инновации;

- количество малых инновационных предприятий.

Стартовые значения уровней и вспомогательных переменных могут быть изменены в системе в зависимости от статистических данных. Указанные значения соответствуют официальным данным Федеральной службы государственной статистики и достаточны для демонстрации принципов работы системы.

Процентная ставка по кредиту была принята равной 12 % годовых (среднее значение на 2011 г.).

Динамическая модель регионального инновационного кластера в нотации PowerSim Studio представлена на рис. 5.

Взаимосвязи между элементами были заданы в виде дифференциальных уравнений первого порядка. Для описания взаимосвязей при помощи уравнений были использованы официальные данные Федеральной службы государственной статистики. Был осуществлен анализ данных с 2000 по 2007 г. по рассматриваемым показателям, выявлены корреляции, построен тренд и произведена аппроксимация функции.

В итоге получена динамическая модель регионального инновационного кластера из 26 элементов с 4 изменяемыми входными параметрами и 5 целевыми показателями, позволяющая проигрывать инерционный сценарий развития, проводить сценарный анализ «что-если» с помощью изменения входных данных, а также проводить оптимизацию задачи по поиску приемлемого решения.

Сценарный анализ развития инновационного кластера на основе динамической имитационной модели (на примере Пермского края). Апробация рассматриваемой модели была произведена при построении сценарного анализа развития регионального инновационного кластера Пермского края на период до 2020 г. Были рассмотрены четыре сценария:

1) инерционный;

2) снижение процентной ставки социальных страховых взносов с 34 до 26 %;

3) установление уровня процентной ставки по кредиту на уровне 5,5 % (данная процентная ставка фигурирует в программах финансирования инноваций Российского банка развития);

4) увеличение внутренних текущих затрат на исследования и разработки до 4 % от ВРП.

Сценарный анализ продемонстрировал невозможность инерционного пути развития, так как в этом случае в конце рассматриваемого периода происходит очевидное снижение доли инновационной продукции за счет снижения количества организаций, выполняющих научные исследования и разработки (рис. 6).

Также сценарный анализ показал бесполезность в долгосрочной перспективе денежных вливаний без соответствующих мер по развитию инфраструктуры, грамотной налоговой и законодательной политики.

При увеличении затрат на НИОКР до 4 % от ВРП доля инновационной продукции сначала резко возрастает за счет вливания денежных средств, но к 2018 г. происходит снижение (рис. 7). Хотя к

Ы

е

п

0

1

=1 тз о

(D Z 0"

Число организаций.

Поступившие в аспирантуру,0 о

Затраты организаций на обучение и подготовку персонала, связанного с инновациями, млн руб.

KJ

NJ О I-1

N1

Количество ст тыс. чел.

Объем инновационной продукции, млрд руб

"О

Л>

Е

П) I

Рис. 5. Динамическая модель в нотации PowerSim Studio

а

tu

16--

15--

14-"

13"

12 -•

11

01.01.2011

01.01.2014

01.01.2017

Рис. 6. Доля инновационной продукции в Пермском при инерционном сценарии развития, %

01.01.2020

крае

40--

30--

20 --

01.01.2011

01.01.2014

01.01.2017

Рис. 7. Доля инновационной продукции в Пермском при увеличении затрат на НИОКР до 4 % от ВРП.

01.01.2020 доля инновационной продукции остается на отметке почти в 39,5 %, очевидно, что рецессия, появившаяся в конце рассматриваемого периода, в долгосрочной перспективе перерастет в кризис за счет резкого уменьшения организаций, занимающихся научными исследованиями и разработками, и полного отсутствия инновационной инфраструктуры.

Снижение уровня процентной ставки по кредиту также демонстрирует рост доли инновационной продукции за счет высвобожденных средств, которые могут быть использованы на закупку новых технологий и обучение.

В данном случае необходимо не столько снижение общего уровня процентной ставки по кредиту, а введение более гибкой политики и участие государства, чтобы позволить поддерживать более низкий процент для малого и среднего бизнеса по сравнению с крупным, а не наоборот, как это происходит в настоящее время.

Сформулирована и решена оптимизационная задача по максимизации доли инновационной продукции при прочих условиях. Для этого были выделены целевые показатели и интервалы изменения входных данных для формулировки оптимизационной задачи.

В качестве основного целевого показателя была обозначена доля инновационной продукции, также были выделены еще четыре целевых показателя — количество выданных свидетельств (патентов), коммерциализация результатов интеллектуальной деятельности, число организаций, осуществляющих технологические инновации, и число организаций, занимающихся НИОКР (табл. 2).

При этом значения ставки по кредиту, ставки социальных страховых взносов, количества аспирантов и текущих внутренних затрат на исследования и разработки варьировались в заданных интервалах (табл. 3).

После оптимизации было найдено решение, позволяющее удвоить долю инновационной продукции, а также удовлетворяющее всем прочим заданным требованиям. Значения целевых показателей после оптимизации и необходимые значения входных данных представлены в табл. 4, 5.

Таким образом, предложенная модель позволяет обеспечить поддержку принятия решений на региональном уровне, грамотное распределение денежных средств, а также указать на слабые стороны существующей системы.

На основе проведенного сценарного анализа можно сделать следующие рекомендации:

1) для развития инновационного кластера основной задачей является подготовка кадров. Необ-

01.01.2020

крае %

7х"

21

Таблица 4

Таблица 2

Значения целевых показателей

Показатель Целевое значение

Доля инновационной продукции, % > 58

Число организаций, осуществляющих инновационную деятельность, ед. > 100

Число организаций, выполняющих научные исследования и разработки, ед. > 50

Выдано патентов и свидетельств, ед. /г. > 692

Коммерциализация результатов интеллектуальной деятельности, %о > 50

Таблица 3

Промежутки значений входных данных, %

Показатель Минимальное Максимальное

Ставка социальных страховых взносов 26 34

Ставка по кредиту 5,5 25

Поступившие в аспирантуру 4 7

Внутренние текущие затраты на НИОКР, от ВРП 1 2

Значения целевых показателей после оптимизации, %

Показатель Минимальное Максимальное Текущее

Ставка по кредиту 5,5 25 5,54

Поступившие в аспирантуру 4 7 5,75

Внутренние текущие затраты на исследования и разработки, от ВРП 1 2 1,98

Социальные страховые взносы 26 34 26,01

Таблица 5

Значения входных данных после проведения оптимизации

Показатель Значение

Коммерциализация результатов интеллектуальной деятельности, %о 62,55

Выдано патентов и свидетельств, ед. 5 984,46

Доля инновационной продукции, %о 58,02

Число организаций, выполняющих инновационную деятельность, ед. 442

Число организаций, выполняющих научные исследования и разработки, ед. 233

ходимо увеличить численность персонала, занимающегося исследованиями и разработками;

2) необходимо увеличение финансирования научно-исследовательских разработок. В настоящее время в России уровень финансирования НИОКР в 2—3 раза ниже, чем в странах — инновационных лидерах;

3) требуется изменение налоговой политики: предприятия, осуществляющие исследования, разработки и внедряющие технологические инновации, должны иметь определенные льготы. Кроме этого должны существовать программы льготного кредитования инновационного бизнеса на региональном уровне;

4) для возможности предоставления налоговых льгот необходимо определить, что является инновационной деятельностью и каковы критерии причисления предприятий к инновационно активным, т. е. требуется разработка нового федерального

законодательства. В настоящее время эта задача ложится на плечи региональных властей;

5) для реализации государственной кластерной политики необходимо сформировать двухуровневую систему координации развития кластеров (состоящую из взаимодействующих региональных и федеральных координационных органов);

6) государство должно заявить о своей заинтересованности в развитии кластеров, необходимо разработать и утвердить кластерную политику в РФ, а также разработать подробные методические рекомендации по ее реализации в регионах РФ;

7) помимо кадрового обеспечения и финансовых рычагов, в виде прямых инвестиций или разнообразных льгот, одним из ключевых является вопрос инфраструктуры — построение центров коллективного пользования, бизнес-инкубаторов, центров трансфера технологий. Для поддержания

конкурентной борьбы необходимо развивать научно-производственную инфраструктуру, т. е. систему организаций, главными функциями которых являются обеспечение непрерывного научного процесса, инновационной деятельности, воспроизводство научных кадров.

Для того чтобы технологии, полученные в результате действия инновационной инфраструктуры, ложились в основу создания предприятий по выпуску высокотехнологичной продукции, необходимо также популяризировать договоры о сотрудничестве между научно-образовательными учреждениями, бизнесом и органами власти.

Необходимо развивать государственно-частное партнерство как один из наиболее эффективных инструментов активизации инновационной деятельности. В настоящее время финансирование инновационной деятельности осуществляется в основном за счет бюджетных средств.

Основная масса инновационных процессов реализуется частными компаниями, и такие процессы являются не самостоятельной целью, а лишь средством решения производственных и коммерческих задач. В этих условиях инновация нацелена исключительно на коммерческий результат, который сводится к минимизации издержек или изобретению новой продукции. Однако инновации могут приносить и другие выгоды — политические, идеологические, институциональные.

Место и роль инновационной политики в структуре государственного регулирования экономики определяются особенностями инновационного процесса как объекта управления.

Именно на государственном уровне управления ярко выражена необходимость в системах поддержки принятия решений, особенно с учетом того, что все решения принимаются в условиях неопределенности.

Учитывая, что регион является сложной социально-экономической системой с множеством элементов и неявных связей, при принятии решений необходим анализ возможных сценариев. Эффективным инструментов исследования этих процессов является имитационное моделирование, которое позволяет строить динамические модели, с помощью которых можно проверять различные стратегии развития на основе сценарного анализа, что позволяет давать обоснованные рекомендации по развитию регионального инновационного кластера.

Список литературы

1. Абдикеев Н. М., Петров Л. Ф., Тихомиров Н. П. и др. Интеллектуальный анализ динамики бизнес-систем. М.: ИНФРА-М, 2010.

2. Абрамов Р. А. Формирование современной российской региональной инновационной инфраструктуры // Вестник Российской экономической академии имени Г. В. Плеханова. 2009. № 6.

3. Гончаренко Л. П. Менеджмент инвестиций и инноваций. М.: КноРус, 2009.

4. Данько Т.П., Петрикова Е.М., Петрико-ва С. М. Динамическое моделирование экономического развития страны в современных условиях // Вестник Российской экономической академии имени Г. В. Плеханова. 2010. № 1.

5. Ицковиц Г. Тройная спираль. Университеты — предприятия — государство. Инновации в действии / пер. с англ. под ред. А. Ф. Уварова. Томск: ТУСУР, 2010.

6. Когнитивная бизнес-аналитика / под науч. ред. Н. М. Абдикеева. М.: ИНФРА-М, 2011.

7. Об утверждении Стратегии инновационного развития Российской Федерации на период до 2020 года: распоряжение Правительства РФ от 08.12.2011 № 2227-р.

8. Основы политики Российской Федерации в области развитии науки и технологий на период до 2010 года и дальнейшую перспективу: письмо Президента РФ от 30.03.2002 № Пр-576.

9. ПортерМ. Э. Конкуренция / пер. с англ. М.: Вильямс, 2005.

10. Правительство Пермского края — http:// www. permkrai. ru/innovation.

11. Путилов В. А., Горохов А. В. Системная динамика регионального развития. Мурманск: Пазори, 2002.

12. Ракитов А. И., Райков А.Н., Ковчуго Е. А. Наука, образование, инновации: стратегическое управление. М.: Наука, 2007.

13. Системно-динамическое моделирование в среде POWERSIM: Справочник по интерфейсу и функциям. М.: МАКС-ПРЕСС, 2001.

14. ФоррестерДж. Основы кибернетики предприятия (индустриальная динамика) / пер. с англ. под ред. Д. М. Гвишиани. М.: Прогресс, 1971.

15. European Commission. Innovation Clusters in Europe — Statistical Analysis and Overview of Current Policy Support (2006). Luxembourg: Office for Officiai Publications of the European Communities.

ФИНАНСОВАЯ АНАЛИТИКА

проблемы и решения ' 23