CC BY
10
УДК 338.12.017
ОЦЕНКА КОНЪЮНКТУРЫ РЕГИОНАЛЬНЫХ РЫНКОВ ИНТЕЛЛЕКТУАЛЬНЫХ УСЛУГ В РОССИИ НА ОСНОВЕ КЛАСТЕРНОГО АНАЛИЗА
A.A. Кровяков
Ивановский государственный химико-технологический университет
Статья посвящена методике оценки конъюнктуры сектора интеллектуальных услуг в России на региональном уровне. Предложена теоретическая классификационная модель для идентификации качественных состояний рынков услуг с точки зрения спроса и предложения. Проведен анализ перечня социально-экономических показателей, способных влиять на спрос и предложение на региональных рынках интеллектуальных услуг. Данные показатели рассчитаны для каждого из российских регионов и подвергнуты вычислительным экспериментам с применением кластерного метода. На основе результатов вычислений составлена классификационная матрица развитости рынков интеллектуальных услуг на уровне субъектов РФ.
Ключевые слова: региональные рынки интеллектуальных услуг, конъюнктура, классификационная модель, кластерный анализ.
Фундаментальными понятиями, которыми оперируют при изучении конъюнктуры любого рынка, являются спрос и предложение. Количественной оценкой предложения на рынке услуг является объем рынка (V), а количественной оценкой спроса - его емкость (Е)1. Существует 3 возможные ситуации, которые определяют развитость рынка:
1) V = Е - объем рынка равен его емкости в случае, если имеет место насыщение рынка;
2) Е >У - рынок имеет потенциал, поскольку емкость превышает объем;
3) Е<У - рынок экспортноориентиро-ованый.
Основываясь на данных ситуациях, можно сделать вывод о перспективности рынка интеллектуальных услуг с точки зрения потенциала дальнейшего развития. Однако в настоящее время не существует признанных методик по количественной оценке его емкости и объема в России, в
1 В контексте настоящей статьи под объемом рынка услуг понимается объем оказанных услуг игроками рынка за период. Под емкостью - потенциально возможный объем потребления данных услуг со стороны пользователей за период - прим. авт.
том числе и на региональном уровне (см. например, [4], [5]).
По мнению автора, качественно охарактеризовать региональные рынки интеллектуальных услуг2 с точки зрения их развития, представляется возможным на основе классификационной модели, представленной на рис.1. В соответствии с ней можно выделить несколько групп региональных рынков интеллектуальных услуг по уровню спроса и предложения:
1) неразвитые рынки (1) - характеризуются сравнительно низким спросом и предложением интеллектуальных услуг. Такие регионы демонстрируют, как правило, низкие показатели ВРП, инвестиционной привлекательности и инновационного развития;
2) экспортноориентированные рынки
(4), (7), (8) (ситуация Е<У) - означает, что в определенных регионах предложение интеллектуальных услуг превышает спрос. Соответственно такая ситуация может быть характерной для регионов-поставщиков интеллектуальных ресурсов и услуг;
2 В статье рассматривается сектор интеллектуальных деловых услуг, что в зарубежной литературе трактуется как KIBS (Knowledge-intensive business services) market - прим. авт.
3) развитые и высокоразвитые рынки
(5), (9) (ситуация Е=У) - показывает, что в соответствующих регионах установлен определенный баланс между спросом и предложением на интеллектуальные услуги. При этом велика вероятность того, что рынки в данных регионах проходят стадию насыщения;
4) рынки с потенциалом роста (2), (3), (6) (ситуация Е>У) - такие региональные рынки интеллектуальных услуг далеки от насыщения и обладают потенциалом развития в силу наличия неудовлетворенного спроса.
Таким образом, предложенная теоретическая модель регионального развития рынков интеллектуальных услуг описыва-
ет конъюнктуру такого рода рынков и позволяет выделить наиболее перспективные из них с точки зрения соотношения спроса и предложения.
В приведенной классификации используются понятия «уровень предложения» и «уровень спроса». Однако, как упоминалось выше, в условиях отсутствия количественных оценок данных показателей необходимо определить характеристики (индикаторы), основываясь на анализе поведения которых можно сделать качественный вывод о состоянии уровня спроса и предложения на интеллектуальные услуги (низкий, средний, высокий) в целом по каждому субъекту РФ.
Уровень
Гф Є ДЛ 0Ж8НИЯ
ЕЫСОКИИ
Средний
А экспортно- ориентиро- ванные рынки (?) развитые экспортно-ориентиро-ванные рынки (8) . высоко- развитые рынки (9)
экспортно- ориентиро- ванные рынки (4) развитые рынки (5) рынки с потенциалом роста (6)
рынки с рынки с
неразвитые потенциалом потенциалом
рынки роста роста
0) (2) (3)
низкий средний высокий Уровень
спроса
Рис. 1. Классификационная модель уровня развития региональных рынков интеллектуальных услуг
Анализ наличия причинно - следственных взаимосвязей между показателями социально-экономического и инновационного развития, ежегодно публикуемых Федеральной службой государственной статистики, и состоянием рынков интеллектуальных услуг позволяет сформировать группу характеристик, которые отражают, по мнению автора, тенденции спроса на интеллектуальные услуги в регионах:
1) доля предприятий региона в общероссийском показателе инновационно ак-
тивных предприятий (с1[) - влияет на уровень спроса на интеллектуальные услуги по причине интенсивного использования предприятиями инноваций. Такие предприятия, как правило, обращаются за консультационной помощью специализированных сторонних компаний на этапах внедрения, освоения инноваций и на этапе выведения инновационной продукции на рынок;
2) доля затрат предприятий региона в общероссийском показателе затрат на тех-
нологические инновации (сЬ) - отражает тот факт, что внедрение технологических инноваций предполагает проведение оценки целесообразности изменений в технологических процессах, которая сопряжена также с оценкой потенциала рынков новой продукции. Так или иначе, предприятиям, внедряющим технологические инновации, требуется консультационная помощь и бизнес-планирование;
3) доля затрат предприятий региона в общероссийском показателе затрат на маркетинговые исследования (с1з) - прямо отражает потребность предприятий и организаций региона в одном из видов интеллектуальных деловых услуг в сфере маркетинга;
4) доля затрат предприятий региона в общероссийском показателе затрат на производственное проектирование, дизайн и другие разработки (сЦ) - прямо отражает потребность предприятий и организаций в услугах инжиниринга - одном из видов интеллектуальных услуг;
5) доля затрат предприятий региона в общероссийском показателе затрат на подготовку и обучение персонала в сфере инноваций (с^) - отражает следующую связь: с увеличением затрат на обучение и подготовку персонала, увеличивается и объем рынка кадрового консалтинга, являющегося составной частью сектора интеллектуальных услуг;
6) доля затрат предприятий региона в общероссийском показателе затрат на инфор-мационно-коммуникационные технологии (с1б) - аналогично как и в случае с подготовкой и обучением персонала, при увеличении затрат на ИКТ, происходит рост рынка ИТ-консалтинга, также являющегося сегментом сектора интеллектуальных услуг;
7) доля организаций региона в общероссийском показателе количества организаций, использовавших Интернет (с^) - отражает спрос предприятий как на ИТ-консалтинг, так и на маркетинговые услуги во всемирной сети;
8) количество персональных компьютеров на 10 ООО работников (с!*) - показатель,
в некотором роде определяющий интенсивность пользования услугами ИТ-консалтинга.
Аналогично к характеристикам, отражающим тенденции предложения на интеллектуальные услуги в регионах, по мнению автора, можно отнести следующие:
1) доля ВУЗов региона в общероссийском количестве ВУЗов (81) - влияет на потенциал восполнения интеллектуальных ресурсов для рынка интеллектуальных услуг. Необходимо отметить, что большинство ВУЗов являются игроками на рынке интеллектуальных услуг;
2) доля специалистов с высшим образованием региона, выпущенных ВУЗами, в общероссийском показателе (вг) - как и предыдущий показатель, влияет на восполнение интеллектуальных ресурсов для рынка интеллектуальных услуг;
3) доля выданных патентов на изобретения в общероссийском количестве выданных патентов на изобретения (вз) - оказывает непосредственное влияние на уровень предложения, поскольку патенты являются основой для оказания некоторых интеллектуальных услуг;
4) доля выданных патентов на полезные модели в общероссийском показателе выданных патентов на полезные модели (54) -аналогично п.З;
5) доля численности персонала компаний сферы ИКТ в общероссийском показателе (55) - свидетельствует об объеме интеллектуальных ресурсов для ИТ-консалтинга на уровне отдельного региона;
6) доля численности персонала компаний сферы прочих услуг3 в общероссийском показателе (вб) - отражает емкость интеллектуальных ресурсов сектора интеллектуальных услуг на уровне отдельного региона;
7) доля инвестиций предприятий регио-
3 Необходимо отметить, что к «прочим услугам» специалистами Федеральной службы государственной статистики относятся такие услуги как, например, инжинириг, юридические услуги, реклама и пр. — прим. авт.
на в сферу операций с недвижимым имуществом и предоставлением прочих услуг в общероссийском показателе (57) - демонстрирует потенциал развития предложения на рынке интеллектуальных услуг в целом по каждому региону
В целях анализа состояния предложения и спроса на интеллектуальные услуги в российских регионах автором были проведены вычислительные эксперименты над приведенными выше показателями в статистическом пакете БРЗБ. Для предварительного расчета показателей в1 - и <11
- с1х использовались данные Федеральной службы государственной статистики по социально-экономическому развитию регионов России за 2008 год [6].
Каждая группа переменных сЦ - <18 и в1 - подвергалась процедуре кластерного анализа. Поскольку количество наблюдений (в нашем случае количество субъектов РФ - 83) сравнительно мало, то при проведении кластерного анализа использовались иерархические агломеративные алгоритмы. В качестве метода объединения наблюдений в кластеры применялся метод Уорда как наиболее релевантный, широко приметаемый в прикладных исследованиях и рекомендуемый практикующими исследователями для использования в случае наличия интервальных переменных в качестве исходных данных (как в случае с переменными (11 - <18 И - 87) [7].
Поскольку анализируемые переменные имели интервальную шкалу, то для определения сходства регионов по уровню спроса на интеллектуальные услуги была использована мера - квадрат евклидового расстояния. Перед процедурой кластеризации проводилась стандартизация (нормировка) значений переменных, таким образом, чтобы дисперсия переменных была равна 1, а среднее равно нулю [3].
На основе ряда критериев качества кластерного разбиения (Точечно- бисери-альный коэффициент, С-тс1ех, Критерий СаНшкьНагаЬазг, Силуэт-статистика - [1]) были сделаны выводы о приемлемости 6-
ти кластерного решения для показателей, характеризующих спрос на интеллектуальные услуги, и 3-х кластерного решения -для показателей состояния предложения.
Полученные результаты кластеризации регионов России по уровню спроса (переменные (11 - (18) можно интерпретировать следующим образом:
1) Кластер 1 «Регионы с неразвитым спросом» - включает те российские регионы, спрос на интеллектуальные услуги предприятий в которых сравнительно низко развит. Об этом свидетельствуют наиболее низкие средние значения по всем анализируемым переменным (11 - (18. Представители - 67 субъектов РФ (список не включает регионы, упомянутые в иных кластерах);
2) Кластер 2 - отражает специализацию регионов на определенном виде интеллектуальных услуг - «маркетинговые исследования». В связи с этим можно назвать данные регионы маркетинг- ориентированными. Представители - Московская область, г. Санкт-Петербург;
3) Кластер 3 - аналогично включает регионы, ориентированные на информационно-коммуникационные технологии («ИКТ-ориентированные регионы»). Единственный представитель - г. Москва;
4) Кластер 4 «Регионы со средним уровнем спроса» - представляет регионы, которые генерируют средний уровень спроса и занимают промежуточное положение между кластерами «неразвитый спрос» и «развитый спрос», имея, таким образом, определенный потенциал развития. Представители - Новосибирская область, Краснодарский край, Красноярский край, Ростовская область, Республика Башкортостан, Пермский край, Самарская область, Ханты-Мансийский автономный округ Югра;
5) Кластер 5 «Регионы с высокоразвитым спросом» - концентрирует регионы, предприятия в которых создают высокий уровень спроса на интеллектуальные услуги. Индикаторами такого состояния явля-
ются высокие средние значения анализируемых переменных сії - сіх. Представители
- Нижегородская область, Республика Татарстан, Свердловская область, Тюменская область;
6) Кластер 6 - как в двух предыдущих слу-
чаях представляет ориентированность регионов на кадровый консалтинг, т.е. так называемые «HR-ориентированные регионы» (HR - от англ. Human resources - человеческие ресурсы). Единственный представитель - Челябинская область.
ЭКСПОРТНООРИЕНТИ- РАЗВИТЫЕ ЭКСПОРТНООРИЕН- ВЫСОКОРАЗВИТЫЕ
я в •і РОВАННЫЕ РЫНКИ: ТИРОВАННЫЕ РЫНКИ: РЫНКИ:
W и 3 со Нет представителей - г. Москва Нет представителей
И в ЭКСПОРТНООРИЕНТИ- РАЗВИТЫЕ РЫНКИ С ПОТЕН-
Я 4) РОВАННЫЕ РЫНКИ: РЫНКИ: ЦИАЛОМ РОСТА:
Ш о - г. Санкт-Петербург
Ч п а « S - Краснодарский край
с- я - Красноярский край - Республика Татарстан
л X S ч - Московская область - Нижегородская область
— с. и Нет представителей - Новосибирская область - Свердловская область
о с- kv - Республика Башкортостан - Тюменская область
<5 - Ростовская область - Самарская область - Челябинская область
НЕРАЗВИТЫЕ РЫНКИ с РЫНКИ С ПОТЕН-
« S РЫНКИ: ПОТЕНЦИАЛОМ РОСТА: ЦИАЛОМ РОСТА:
S Остальные 67 субъектов - Пермский край Нет представителей
3- РФ - Ханты-Мансийский автономный округ Югра
Низкий Средний Высокий
Уровень спроса
Рис.2. Классификационная матрица развитости рынков интеллектуальных услуг
на уровне регионов России
По мнению автора, в целом узкоспециализированные кластеры (№2, 3, 6) можно отнести к регионам со среднеразвитым спросом. Об этом свидетельствуют и средние значения показателей в кластерах.
Интерпретация результатов кластеризации регионов России по состоянию предложения на рынке интеллектуальных услуг выглядит так:
1) Кластер 1 «Регионы с неразвитым предложением» - в целом все средние зна-
чения каждого индикатора уровня предложения находятся на низком уровне, что говорит о фактическом отсутствии предложения интеллектуальных услуг в данных регионах. Представители - 69 субъектов РФ (список не включает регионы, упомянутые в иных кластерах);
2) Кластер 2 «Регионы со средним уровнем предложения» - средние значения индикаторов предложения в целом в 4-6 раз выше, чем в кластере 1. Представители
- г. Санкт-Петербург, Краснодарский край, Красноярский край, Московская область, Нижегородская область, Новосибирская область, Республика Башкортостан, Республика Татарстан, Ростовская область, Самарская область, Свердловская область, Тюменская область, Челябинская область;
3) Кластер 3 «Регионы с высокоразвитым предложением» - средние значения индикаторов предложения у таких
регионов максимально высокие. Единственный представитель - г. Москва.
Результаты проведенного кластерного анализа уровня спроса и предложения на интеллектуальные услуги в регионах России можно свести в классификационную матрицу на основе теоретической модели, предложенной ранее на рис.1. Матрица (рис.2) наглядно отражает конъюнктуру рынков интеллектуальных услуг во всех 83 субъектах РФ на сегодняшний день.
Полученная матрица позволяет принимать стратегические решения для различных ЛИР:
1) информация о неразвитых региональных рынках интеллектуальных услуг может быть полезна государственным органам. Поскольку интеллектуальные услуги являются «драйверами» инноваций [4], то и инновационный путь развития таких регионов возможен при условии наличия рынков интеллектуальных услуг с развитой конъюнктурой. При этом может быть использован опыт регионов с развитыми рынками интеллектуальных услуг;
2) информация о рынках с потенциалом роста может быть полезна непосредственно для игроков сектора интеллектуальных услуг, поскольку выход на рынки данных регионов перспективен.
Таким образом, в настоящей статье описана методика применения кластерного анализа для идентификации состояния региональных рынков интеллектуальных услуг. Ценность предложенной методики заключается в возможности принимать стратегические решения на основе синтеза количественной и качественной информации.
ЛИТЕРАТУРА
1. S. Saitta, В. Raphael and I.F.C. Smith. A comprehensive validity index for clustering // Intelligent Data Analysis. 2008. N 12. P.523-548.
2. Березин П., Дорошенко M.E. Богатство России интеллектом прирастать будет!// Маркетинг PRO, №10, 2007.
3. Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. - М.: Диасофт, 2005.
4. Дорошенко М.Е. Интеллектуальные услуги: сегодня и завтра // Форсайт, №2, 2007.
5. Кровяков А.А. Об одном подходе к оценке объема рынка интеллектуальных деловых услуг// Современные наукоемкие технологии. Региональное приложение. №4, 2011.
6. Регионы России. Социально-экономические показатели. 2009: Стат. сб. / Росстат. - М., 2009.
7. Таганов Д.Н. SPSS: Статистический анализ в маркетинговых исследованиях. - СПб.: Питер, 2005.
Рукопись поступила в редакцию 20.12.2011.
REGIONAL KNOWLEDGE-INTENSIVE BUSINESS SERVICES MARKETS CONJUNCTURE EVALUATION IN RUSSIA ON THE BASIS OF CLUSTER ANALYSIS
A. Krovyakov
The article is devoted to Russian regional KIBS (knowledge-intensive business services) markets conjuncture evaluation methodic. The theoretical classification model for KIBS supply and demand identifying is offered. Analysis of social and economic indicators influenced KIBS markets supply and demand is carried out. All Russian regional KIBS markets classification is provided on the basis of such indicators with help of cluster method. As a result Russian regional KIBS classification matrix is presented.
Key words: regional KIBS markets, conjuncture, classification model, cluster analysis.
