CC BY
4
Сравнение финансовых данных АО "Рассвет" выявило существенные различия между отчетностью по международным стандартам финансовой отчетности (МСФО) и российским стандартам бухгалтерского учета (РСБУ). Несмотря на то, что выручка за 2022 год по МСФО была ниже, чем по РСБУ, чистая прибыль по МСФО также снизилась. Такое расхождение в доходах и расходах подчеркивает важность учета применимых стандартов бухгалтерского учета при оценке финансовых показателей компании. Эти выводы подчеркивают важность постоянного обучения и переподготовки специалистов в области бухгалтерского учета для обеспечения соответствия развивающимся стандартам бухгалтерского учета и передовой практике.
Таким образом, переход на МСФО потребовал существенных изменений в формировании бухгалтерской отчетности. Придерживаясь руководящих принципов МСФО, компании обязаны представлять финансовую информацию, которая является прозрачной, надежной и сопоставимой в международных масштабах. Этот переход предполагает не только корректировку методов бухгалтерского учета, но и совершенствование процессов сбора, анализа и отчетности данных. Кроме того, внедрение МСФО способствует гармонизации с мировыми стандартами бухгалтерского учета, что облегчает сопоставление компаний и повышает доверие инвесторов.
Источники:
1. Адаменко А.А. Проблемы перехода российского учета и отчетности на международные стандарты финансовой отчетности / А.А. Адаменко, И.А. Бабалыкова, Л.И. Симоненко // В сборнике: Современные проблемы бухгалтерского учета и отчетности. Материалы II Международной студенческой научной конференции. 2015.- С. 158-162.
2. Бабалыкова И.А. Современная бухгалтерская отчётность и её аналитическое использование / И.А. Бабалыкова, М.О. Овсепян, Д.В. Клевцова, Е.А. Кузьмина // Естественно-гуманитарные исследования. 2021. - № 38 (6).- С. 387-395.
3. Галоян А.А. Формирование показателей бухгалтерского баланса в российской и международной практике / А.А. Галоян, И.А. Ба-балыкова // В сборнике: Актуальные вопросы составления бухгалтерской финансовой отчетности в условиях реформирования бухгалтерского учета и отчетности. Материалы IV международной студенческой научной конференции. - 2014. - С. 277-282.
4. Копылова, Т. И. Бухгалтерская (финансовая) отчетность: сравнительный анализ ФСБУ и МСФО / Т. И. Копылова, Л. В. Чистякова // Global and Regional Research. - 2022. - Т. 4, № 2. - С. 1-7.
5. Лайпанова, З. М. Формирование бухгалтерской (финансовой) отчетности в соответствии с МСФО / З. М. Лайпанова, К. К. Мар-гания // Экономика: вчера, сегодня, завтра. - 2023. - Т. 13, № 9-1. - С. 478-486.
6. Трансформация финансовой отчетности в формат МСФО: этапы, способы составления и проблемы / О. В. Жердева, Т. В. Небав-ская, Д. А. Малакей, С. Р. Сидоренко // Вестник Академии знаний. - 2024. - № 1(60). - С. 146-148. - EDN YZOCVY.
EDN: AMPEEQ
А.В. Бабкин - к.т.н., д.э.н., профессор Высшей инженерно-экономической школы, заведующий НИЛ «Цифровая экономика промышленности», Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия, [email protected],
A.V. Babkin - candidate of technical sciences, doctor of economics, professor of the Higher School of Engineering and Economics, Head of NIL "Digital Economy of Industry", St Petersburg Polytechnic University of Peter the Great, St Petersburg, Russia;
А.В. Мельник - магистр экономики, Высшая инженерно-экономическая школа, Институт промышленного менеджмента, экономики и торговли, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия, [email protected],
A.V. Melnik - master of Economics, Higher School of Engineering and Economics, Institute of Industrial Management, Economics and Trade, Peter the Great St Petersburg Polytechnic University, St Petersburg, Russia;
К.Б. Гаев - магистр экономики, Высшая инженерно-экономическая школа, Институт промышленного менеджмента, экономики и торговли, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия, [email protected],
КВ. Gaev - master of Economics, Higher School of Engineering and Economics, Institute of Industrial Management, Economics and Trade, Peter the Great St Petersburg Polytechnic University, St Petersburg, Russia.
РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ ПИЩЕВЫХ КЛАСТЕРОВ В УСЛОВИЯХ ЦИФРОВИЗАЦИИ DEVELOPMENT OF A MODEL FOR EVALUATING THE EFFECTIVENESS OF FOOD CLUSTERS IN THE CONTEXT OF DIGITALIZATION
Аннотация. Актуальность исследования заключается в необходимости оценки эффективности работы отраслевых кластеров агропромышленного комплекса на территории регионов страны и выявлении наиболее эффективных из них. В статье рассмотрено понятие кластеров в агропромышленном комплексе. Определены цели кластерного подхода, а также основные параметры его оценивания. Также выявлены основные кластеры АПК, которые расположены в Российской Федерации. Рассмотрен более подробно пищевой кластер республики Татарстан, который является наиболее развитым в стране, и своего рода единственным, который предполагает разные производства переработки конечной продукции. Сформирована модель оценки эффективности пищевых кластеров, на основании которой выбраны два региона для анализа: Ставропольский край и Республика Дагестан. Для их проведён кластерный анализ, который показал, что несмотря на ряд высоких показателей в работе предприятий кластера Ставропольского края, в республике Дагестан общий уровень кластеризации выше.
Absrtract. The relevance of the study lies in the need to assess the effectiveness of the industrial clusters of the agro-industrial complex in the regions of the country and identify the most effective of them. The article discusses the concept of clusters in the agro-industrial complex. The objectives of the cluster approach are defined, as well as the main parameters of its assessment. The main clusters of the agro-industrial complex, which are located in the Russian Federation, have also been identified. The food cluster of the Republic of Tatarstan, which is the most developed in the country, and a kind of the only one that involves different processing of final products, is considered in more detail. A model for evaluating the effectiveness of food clusters has been formed, on the basis of which two regions have been selected for analysis: Stavropol Territory and the Republic of Dagestan. A cluster analysis was carried out for them, which showed that despite a number of high indicators in the work of enterprises in the Stavropol Territory cluster, the overall level of clustering is higher in the Republic of Dagestan.
Ключевые слова: кластеры, пищевая промышленность, агропромышленный комплекс, коэффициент кластеризации, качество, цифровые технологии.
Keywords: clusters, food industry, agro-industrial complex, clustering coefficient, quality, technologies, prospects
Благодарности. Исследование выполнено за счет средств гранта Российского научного фонда № 23-28-01316 «Стратегическое управление эффективным устойчивым ESG-развитием многоуровневой киберсоциальной промышленной экосистемы кластерного типа в циркулярной экономике на основе концепции Индустрия 5.0: методология, инструментарий, практика», https//rscf.ru/project/23-28-01316.
Acknowledgments. The research was carried out at the expense of a grant from the Russian Science Foundation No. 23-28-01316 "Strategic management of effective sustainable ESG development of a multi-level cybersocial industrial ecosystem of cluster type in a circular economy based on the concept of Industry 5.0: methodology, tools, practice", https//rscf.ru/project/23-28-01316.
Введение
В условиях возрастающей конкуренции и быстро меняющейся среды на уровне регионов разрабатываются программы цифровизации, которые помогают субъектам бизнеса адаптироваться к переменам и принимать новые запросы потребителей, что влечет за собой потребность в крупных инвестициях и диверсификации производств [1].
При этом именно цифровизация и цифровая трансформация становится ключевым фактором успеха для регионов. Разработка программ цифровизации по регионам в целом и отдельным отраслям экономики способствуют адаптации регионов и отраслей к изменениям, использованию новых цифровых технологий, учитывающих глобальные тренды. Соответственно, актуальным становится исследование эффективности функционирования кластеров в условиях цифровизации.
Цель исследования - разработка модели оценки эффективности функционирования пищевых кластеров в условиях цифровизации.
Задачи исследования:
- провести обзор понятий кластеров и кластерной политики в регионах России;
- провести анализ деятельности пищевого кластера;
- разработать модель оценки эффективности пищевых кластеров, на основании которой выбраны два региона для анализа.
Одним из направлений развития регионов является формирование кластеров, то есть локализации конкретных отраслей в определенной направленности, что создает наилучшие условия для развития отраслей экономики [2, 13, 14]. Ведущей отраслью экономики многих регионов России является агропромышленный комплекс, находящийся в основе обеспечения продовольственной безопасности страны. Кластеризация АПК позволила добиться развития сектора и активно продвигать новые типы пищевых технологий, воздействующих на улучшение здоровья нации.
Целью кластерного подхода является развитие отраслей за счет реализации инвестиций, проведения научно-исследовательских, опытно-конструкторских и технологических работ, а также совместного предприятиями отрасли продвижения товаров и услуг на рынок. Подобный механизм позволяет участникам кластера повысить конкурентоспособность и эффективность своей деятельности в отрасли [3, 10].
В основе формирования кластеризации предприятий отдельных отраслей Российской Федерации находится Постановление Правительства РФ от 28.01.2016 N 41 (ред. от 23.12.2022) «Об утверждении Правил предоставления из федерального бюджета субсидий участникам промышленных кластеров на возмещение части затрат при реализации совместных проектов по производству промышленной продукции кластера в целях импортозамещения» [4].
Согласно документу, кластер представлен как комплекс процессных и (или) технологических мероприятий по созданию и развитию производственной кооперации между его участниками, предприятиями конкретных отраслей.
Насмотрена то, что большинство участников кластера, как правило, конкурируют между собой, в рамках взаимного сотрудничества разрабатываются лучшие технологии и ресурсы, способствующие развитию отраслей региона в целом.
Основными отличительными чертами кластеров являются [5, 14]:
1) совместный характер деятельности участников кластера, направленный на достижение общей цели;
2) долгосрочность сотрудничества (что отличает их от разовых сделок);
3) одновременные кооперационные и конкурентные связи между участниками.
Материалы и методы исследования
Анализ пищевых кластеров проводится на основе научных исследований и изысканий, определяющих технологию оценки их функционирования. При этом основными источниками информации являются научные труды, посвященные данной теме.
Изучение специфики и эффективности кластеров направлено на выявление наиболее эффективных среди них и приемлемых для агропромышленного комплекса России.
Анализ научных трудов дает возможность получить более глубокое понимание особенностей кластерной политики государства и выявить тенденции развития данной тематики. Данные выводы соотносятся с исследованием ведущих компаний агропромышленного сектора страны.
Результаты исследования
Анализируя кластеры страны, которые относятся к пищевой промышленности, выделим несколько их основных территорий в Российской Федерации (рисунок 1).
Название кластера Год создания Краткое описание основной продукции
Агропромышленный кластер Новгородской области Молочный кластер Вологодской области 2014 Переработка продуктов растениеводства и животноводства. Предприятиях пищевой промышленности и общественного питания. 2015 Сырое молоко, молочные продукты
Кластер по производству и переработке молочной продукции «Донские молочные продукты» (Ростовская обл.) 2015 Переработка молока и производство сыра; производство цельномолочной продукции; производство творога и сырково-творожных изделий
Винный территориальный кластер «Долина Дона» (Ростовская обл.) 2015 Разработка и производство виноградарской и винодельческой продукции.
Кластер по глубокой переработке зерна в Миллеровском районе Ростовской области 2015 Крахмалопаточное производство
Пищевой кластер Республики Татарстан Сырье: зерновые и масличные культуры, сахарная свекла, премиксы. Промежуточная продукция: молоко, мясо КРС, комбикорма, патока-меласса, жом, инкубационное яйцо .суточные цыплята, мясо птицы. 2016 Конечная продукция: мука, крупа, сахар-песок, товарное яйцо, деликатесы и копчености, колбасные изделия, полуфабрикаты, фарш, тушка, разделка, субпродукты, птица живая. Услуги: услуги по хлебоприемной деятельности, сушке, хранению сельхозкультур, ремонту сельхозтехники, оказанию полевых работ.
Агробиотехнологический промышленный кластер Омской области Переработка продуктов растениеводства и животноводства {мука, полнорационные 2016 комбикорма и их компоненты, мясо и мясоколбасные изделия, кондитерские изделия). Агропищевое машиностроение. Образовательные, научно-исследовательские и опытно-конструкторские услуги. Финансовые и консалтинговые услуги.
Рисунок 1 - Кластеры в сферах пищевого производства на карте кластеров страны
(Источник: составлено авторами на основе [6])
Агропромышленные кластеры расположены во многих регионах РФ и включают в свой состав предприятия по переработке продуктов растениеводства и животноводства, производству молочной продукции, виноделии и пищевых технологий.
Однако пищевой кластер представлен в единственном варианте и размещен на территории Республики Татарстан. Его особенность заключается в том, что в кластере присутствуют предприятия использующие определённые типы сырья при производстве продукции, которая, разделяется на промежуточную, конечную и услуги. Описание данных подсистем приведено на рисунке 2 [7].
специализации предприятий кластера
основная продукция кластера
промежуточная продукция кластера
конечная продукция кластера
- растениеводство и животноводство;
- лесное хозяйство, рыболовоство
промышленные биотехнологии
напитки и таоачные изделия
Производство сырья:
молоко, мясо КРС,
комбикорма, патока-
зерновые н
масличные меласса,
культуры.
жом,инкубационное
сахарная свекла, яйцо,
суточные цыплята, мясо птицы
мука, крупа, сахар-песок, товарное яйцо,
деликатесы и копчености,
колоасные изделия, полуфабрикаты,
фарш, тушка, разделка, субпродукты, птица живая;
Рисунок 2 - Элементы пищевого кластера Республики Татарстан
(Источник: составлено авторами на основе [8])
Состав и территориальное размещение участников Пищевого кластера Республики Татарстан приведено на рисунке 3.
Создание пищевого кластера на территории Республики Татарстан было обусловлено рядом ключевых факторов, основными среди которых являются:
1) выгодное географическое положение, обеспечивающее удобную логистику и доступ к ключевым рынкам сбыта;
2) наличие развитой инфраструктуры региона, в том числе крупные якорные предприятия с сырьевой базой, размещенные на территории Республики, что способствует формированию благоприятной среды для внедрения инноваций в пищевой отрасли.
3) достаточный ресурсный потенциал Республики, в том числе большие территории посевных площадей, наличие мощностей для хранения зерна, кормопроизводство и производство премиксов;
4) развитая производственная инфраструктура способствует интенсификации развития молочного и мясного производства в рамках кластера;
5) устойчивое финансовое положение участников позволяет привлекать инвестиции, внедрять инновации и модернизировать производства в пищевой промышленности Республики.
Рисунок 3 - Размещение участников кластера
(Источник: составлено авторами на основе [8])
При этом на территории Российской Федерации устойчиво функционируют и другие кластеры агропромышленного сектора, в том числе производящие инновационные виды пищевой продукции. Каждый из них обладает той или иной степенью эффективности и привносит конкретные результаты в экономику своих регионов и страны в целом. Для определения эффективности кластеров АПК в Российской Федерации предлагаются разные модели [9].
Для этой цели нами предлагается модель выявления эффективности функционирования кластеров пищевой промышленности, основанная на трех показателях кластеризации: «Коэффициент локализации», «Размер» кластера, «Фокус» кластера. Данная модель нацелена на определение интегрального показателя, учитывающего значимость каждого фактора оценки и определяющего реальную эффективность и целесообразность формирования кластеров в регионах [3, 12].
Рисунок 4 - Структурная схема модели оценки кластеров
(Источник: разработано авторами)
Стоит подчеркнуть, что оценки всех показателей, согласно данной модели, производятся по системе звезд: - 0 звезд - низкий уровень показателя;
- 1 звезда - средний уровень показателя;
- 2 звезды - высокий уровень показателя;
- 3 звезды - отличный уровень показателя.
Оценки проводятся экспертным методом с привлечением представителей отрасли и участников пищевого кластера.
Апробация данной модели была проведена на примере пищевых кластеров регионов России по трём показателям кластеризации: «Коэффициент локализации», «Размер» кластера, «Фокус» кластера. В соответствии с результатами расчётов выявлены регионы, в которых пищевые кластеры функционируют наиболее эффективно и произведена их сортировка. Ранжирование регионов по показателям кластеризации приведено в таблице. Для анализа использовались данные сайта статистики регионов РФ [11].
Таблица 1 - Ранжирование регионов по показателям кластеризации
Регион LQ Количество звезд по показателю LQ Size Количество звезд по показателю Size Focus Количество звезд по показателю Focus Общее количество звезд
Республика Дагестан 2,27 1 0,05 1 0,135 0 2
Ставропольский край 1,95 1 0,048 1 0,116 0 2
Белгородская область 1,73 1 0,05 0 0,093 1 2
Камчатский край 1,65 1 0,04 0 0,098 1 2
Воронежская область 1,63 1 0,028 0 0,097 1 2
Алтайский край 1,57 1 0,026 1 0,093 0 2
Курская область 1,54 1 0,021 0 0,092 1 2
Ростовская область 1,53 1 0,019 1 0,091 0 2
Липецкая область 1,44 1 0,013 0 0,086 1 2
Брянская область 1,25 0 0,013 0 0,075 1 1
Источник: разработано авторами
Для дальнейшего сравнения из рейтинга таблицы 1 были выбраны два региона - самый лучший, в соответствии с рассчитанными показателями, а также регион базового месторасположения. Поскольку Нижний Новгород, в котором располагается явный кластер, а также республика Татарстан со своим пищевым кластером не попали в топ 10 самых привлекательных регионов, для выявления неявных кластеров были выбраны республика Дагестан и город расположения планируемой реализации продукта - Ставропольский край.
Для дальнейшего анализа двух регионов, которые имеют разные географически особенности и специфику экономики, были взяты 3 критерия по работе предприятий кластеров: величина выручки за отчётный период, величина прибыли (убытка), а также доля прибыли в выручке во временном интервале 2017-2022 гг.
Данные регионы соответствуют разным бизнес-стратегиям: республика Дагестан располагается ближе к месту сырья, в то время как Ставропольский край расположен ближе к месту сбыта продукции. Для расчётов были использованы показатели в сельскохозяйственном секторе регионов.
Ниже приведены таблицы с расчётами показателей эффективности пищевых кластеров выбранных регионов.
Таблица 2 - Данные выру чки пищевых кластеров по регионам с 2017 по 2022 год
Выручка за отчётный период, млн. руб.
2017 2018 2019 2020 2021 2022
Республика Дагестан н/д 6 546,43 6 391,65 6 421,84 7 752,24 6 933,86
Ставропольский край н/д 13 5496,11 12 1425,57 16 8687,18 18 5707,8 19 5783,6
Источник: разработано авторами
Анализ показывает, что выручка в пищевом кластере Ставропольского края значительно превышает выручку данных предприятий Республики Дагестан. В тоже время темп прироста в Ставрополье значительно выше, чем в Дагестане по пищевым кластерам.
Таблица 3 - Динамика чистой прибыли по регионам с 2017 г. по 2022 г.
Чистая прибыль (убыток), млн. руб.
2017 2018 2019 2020 2021 2022
Республика Дагестан 673,2 682,74 1 749,19 1 986,6 1 978,96 2 335,75
Ставропольский край 17 293 17 547,41 19 894,66 72 727,84 59 40,37 36094,02
Источник: разработано авторами
В результате того, что выручка по пищевому кластеру значительно выше в Ставропольском крае, чистая прибыль также имеет более высокие значения и динамику в том регионе. Однако в 2022 году в Республике Дагестан имел место прирост чистой прибыли по кластеру, в то время как в Ставропольском крае она уменьшилась в отношении предыдущих лет.
В таблице 4 приведены показатели долей выручки пищевых кластеров по выбранным регионам.
Таблица 4 - Доля прибыли в выру чке по регионам с 2017 г. по 2022 г.
Доля прибыли в выручке
2017 2018 2019 2020 2021 2022
Республика Дагестан н/д 0,1 0,27 0,31 0,26 0,34
Ставропольский край н/д 0,13 0,16 0,43 0,32 0,18
Источник: разработано авторами
В результате сравнения можно сделать вывод, что доля прибыли в выручке у республики Дагестан до пандемии, была выше, чем в Ставропольском крае, однако во время пандемии доля прибыли в Ставрополье стала выше. Тем не менее, в 2022 году снова сложилась противоположная ситуация: в республике Дагестан показатель доли прибыли в выручке выше.
Далее приведены показатели рентабельности продукции пищевых кластеров в регионах (таблица 5).
Таблица 5 - Рентабельность проданных товаров и продукции в пищевых кластерах регионов
Рентабельность проданных товаров, продукции (работ, услуг)
2017 2018 2019 2020 2021 2022
Республика Дагестан 6 14,88 9,27 12,11 22,45 34,22
Ставропольский край 23 26,51 25,62 57,46 71,76 40,89
Источник: разработано авторами
Видно, что в 2022 году рентабельность кластера в Ставропольском крае несколько выше, чем в Республике Дагестан.
Однако если в Дагестане имел место прирост данного показатели, то в Ставропольском кране, он существенно снизился в отношении 2021 года. Далее приведены показатели рентабельности активов пищевых кластеров исследуемых регионов (таблица 6).
Таблица 6 - Рентабельность активов по регионам с 2017 г. по 2022 г.
Рентабельность активов
2017 2018 2019 2020 2021 2022
Республика Дагестан 2 -0,49 2,48 29,25 5,6 13,8
Ставропольский край 6 7,33 6,27 19,65 19,16 9,65
Источник: разработано авторами
Наиболее эффективно активы использовались в Республике Дагестане, где имел место прирост их рентабельности. В Ставропольском крае данный показатель снизился в отношении предыдущих периодов, что говорит о снижении эффективности использования активов предприятиями кластера в целом.
Стоит основных производственных фондов по предприятия пищевых кластеров выбранных регионов приведена в таблице 7.
Таблица 7 - Величина основных производственных фондов
ОПФ, млн. руб.
2017 2018 2019 2020 2021 2022
Республика Дагестан 118 635 126 076 133 426 111 202 129 574 125 565
Ставропольский край 185 734 211 535 186 496 190 014 207 250 216 696
Источник: разработано авторами
По показателю величины основных производственных фондов в Ставропольском крае в 2019 году наблюдался спад на 12 % по сравнению с показателем 2018 года, а в республике Дагестан значение постоянно показывало рост, однако уже в 2020 году случилась обратная ситуация: в республике Дагестан имел место спад на 37 % по сравнению с 2019 годом, в то время как показатель Ставропольском крае наблюдался прирост показателя.
Из приведённых выше таблиц видно, что по показателю рентабельности проданных товаров, продукции (работ, услуг) в Ставропольском крае:
- в 2017 году значение практически в 4 раза выше, чем в Дагестане;
- в 2018 году значение в 1,8 раза выше, чем в Дагестане;
- в 2019 году значение в 2,8 раза выше, чем в Дагестане;
- в 2020 году значение в уже 4,7 раз выше, чем в Дагестане;
- в 2021 году разница по сравнению с Дагестаном сократилась и составила 3,2 раза;
- в 2022 году значение практически сравнялось с показателем в республике Дагестан, а разница составила всего 1,2.
То есть в Ставропольском крае был постоянный рост показателя до 2022 года, потом он резко сократился практически в половину по сравнению с предшествующим 2021 годом.
В республике Дагестан наблюдался также постоянный рост за исключением 2019 года, когда показатель сократился на 48% в 2019 году по сравнению с 2018.
По показателю рентабельности проданных товаров, продукции (работ, услуг) в Ставропольском крае наблюдается волнообразная тенденция:
- в 2017 году значение в 3 раза выше, чем в Дагестане;
- в 2018 году показатель продолжал рост. Однако в Дагестане он, наоборот, сократился практически в 2, раза;
- в 2019 году значение в 2,5 раза выше, чем в Дагестане;
- в 2020 году, однако, значение оказалось в 1,5 раза меньше (на 33 %), чем в Дагестане;
- в 2021 году ситуация поменялась: в Ставропольском крае показатель сократился на 37 % по сравнению с 2020 годом и в результате составил на 30 % меньше, чем в Дагестане, т.е. в 3,4 раза показатель в Ставропольском крае выше, чем в Дагестане;
- в 2022 году ситуация снова изменилась: показатель оказался выше в 1,4 раза уже в республике Дагестан по сравнению со Ставропольским краем.
Также следует ответить, что в республике Дагестан больше распространено традиционное земледелие, всё делается своими руками. В Ставропольском крае традиционного земледелия не так много, в большей степени используется машинная техника нежели ручной труд, агрессивные удобрения и т.п., что позволяет получать более высокие объемы производства.
К этому анализу логично заметить, что чем качественнее продукты, тем в меньших объёмах они производятся. Невозможно производить очень натуральный и качественный продукт в огромных объёмах.
По рассчитанным показателям возможно определить коэффициент кластеризации и интегральный показатель эффективности функционирования кластеров выбранных регионов. Оценка этого показателя приведена в звездах и представлена в таблице 8.
Таблица 8 - Расчет коэффициента кластеризации пищевых кластеров в регионах в 2022 году
Показатель для расчета Республика Дагестан Ставропольский край
Выручка предприятий кластера 1 3
Численность занятых сотрудников в кластере 1 3
Выработка продукции в среднем по кластеру 3 2
Чистая прибыль по кластеру 3 2
Рентабельность продаж 2 1
Всего 10 11
Источник: разработано авторами
Оба региона получили примерно равное количество звезд по всем параметрам оценки пищевых кластеров, однако Ставропольский край получил более высокую оценку. Для определения коэффициента кластеризации пищевых кластеров необходимо соотнести полученные значения с максимально возможным. Коэффициент по Республике Дагестан составит: 10/15 = 0,67
Коэффициент по Ставропольскому краю: 11/15 = 0,73
Коэффициент кластеризации по Ставропольскому краю выше, чем у республики Дагестан. Это позволяет оценить функционирование пищевого кластера более эффективно. Для расчёта интегрального показателя эффективности кластера необходимо соотнести коэффициент кластеризации с выбранными для ранжирования регионов показателей, именно количеству звёзд по показателям «коэффициент локализации», «размер кластера», «фокус». Расчёт приведён в таблице 9.
Таблица 9 - Расчет интегрального показатели эффективности пищевых кластеров регионов
Показатель для расчета Республика Дагестан Ставропольский край
Коэффициент кластеризации 0,67 0,73
Коэффициент локализации 2,27 1,95
Размер кластера 0,05 0,048
Фокус 0,135 0,116
Интегральный показатель 0,78 0,71
Источник: разработано авторами
По представленным расчётам у республики Дагестан интегральный показатель имеет более высокое значение. То есть, исходя из выбранных параметров кластер в Дагестане функционирует более эффективно, чем в Ставропольском крае.
Однако существует множество других факторов и параметров, которые целесообразно учитывать при оценке эффективности кластеров. Например, в отношении пищевых кластеров это может быть использование новых технологий, уровень «здоровых» пищевых технологий в общем производстве АПК, здоровье населения и другие. В других кластерах целесообразно использовать свойственные специфике отраслей критерии.
Заключение
В статье представлена модель оценки эффективности кластеров, которая апробирована на примере АПК республики Дагестан и Ставропольского края. Предложенная модель позволила не только оценить эффективность функционирования предприятий кластера, но и определить его качественные показатели. Также модель позволяет выявить недостатки в деятельности предприятий кластеров, и определить возможности для их устранения в будущем.
Таким образом кластерный анализ дает возможность сформулировать набор направлений для развития агропромышленной отрасли регионов и страны в целом, которые заключаются в использовании новых технологий производства пищевой продукции, развитии тренда на выпуске продукции, включенной в группу «здоровое» питание, снижение себестоимости посредством применения новой техники, управленческих методик, включая «бережливое производство», развитие кластеров и кластерной политики в наиболее привлекательных для развития пищевой промышленности в регионах.
Источники:
1. Белышкина Марина Евгеньевна. Перспективы продовольственной безопасности в евроазиатском экономическом пространстве // Бабич С.В., Доленина О.Е., Селеменева Е.А. / Известия Санкт-Петербургского государственного экономического университета. -2022. - №6 - Режим доступа: https://roscongress.org/materials/perspektivy-prodovolstvennoy-bezopasnosti-v-evroaziatskom-ekonomicheskom-prostranstve-/?ysclid=lpfrr3cwvv982823086 (дата обращения: 26.11.2023).
2. Л. М. Гохберг, М. П. Кирпичников. Прогноз научно-технологического развития России: 2030 // Биотехнологии. National Research University Higher School of Economics. - March 2014. - Режим доступа: https://www.researchgate.net/publication/301338874_ Prognoz_naucno-tehnologiceskogo_razvitia_Rossii_2030_Biotehnologii.
3. Кудрявцева Т.Ю. Теория, методология и инструментарий кластерной промышленной политики: институциональные и региональные аспекты монография / Т.Ю. Кудрявцева. - Санкт-Петербург: Астерион, 2017. - 242 с.
4. Постановление Правительства РФ от 28 января 2016 г. № 41 «Об утверждении Правил предоставления из федерального бюджета субсидий участникам промышленных кластеров на возмещение части затрат при реализации совместных проектов по производству промышленной продукции кластера в целях импортозамещения» (с изменениями и дополнениями)// https://base.garant.ru/ 71314830/?ysclid=lz6pqr3s1i20515488.
5. Бурук Анна Филипповна, Котёлкин Дмитрий Дмитриевич, Марков Леонид Сергеевич Кластерный проект: понятия, типология, подходы к моделированию // Мир экономики и управления. 2017. №3. URL: https://cyberleninka.ru/article/n/klastemyy-proekt-ponyatiya-tipologiya-podhody-k-modelirovaniyu (дата обращения: 29.07.2024).
6. Агропромышленные кластеры: зарубежный опыт и российские практики Евгений Куценко, Сергей Артемов, Василий Абашкин, Екатерина Исланкина // Российская кластерная обсерватория ИСИЭЗ НИУ ВШЭ.
7. Капнинова О.С., Павлова А.В., Полянин А.В. Кластеризация сельскохозяйственного производства и пищевой промышленности // Вестник Академии знаний. 2019. №4 (33). URL: https://cyberleninka.ru/article/n/klasterizatsiya-selskohozyaystvennogo-proizvodstva-i-pischevoy-promyshlennosti (дата обращения: 29.07.2024).
8. Стратегия развития пищевого кластера республики Татарстан на 2018-2021 годы / Утверждена распоряжением Кабинета Министров Республики Татарстан от 6 марта 2018 г. N° 478-р.
9. Боброва Е.А. Целевые установки развития агропромышленного комплекса на региональном уровне / Боброва Е.А., Лытнева Н.А., Парушина Н.В., Сучкова Н.А. // Вестник ОрелГИЭТ. 2018. № 2 (44). С. 7-11.
10. Бабкин А.В., Кудрявцева Т.Ю., Бахмутская А.В. Проблемы и направления формирования промышленной политики региона (на примере Санкт-Петербурга) // Известия Санкт-Петербургского университета экономики и финансов. 2011. № 4 (70). С. 27-33.
11. Федеральная служба государственной статистики: Региональная статистика// https://rosstat.gov.ru/regional_statistics (дата обращения: 29.07.2024).
12. Бабкин А.В., Ноговицына О.С. Научно-методические аспекты оценки эффективности инновационной инфраструктуры промышленного комплекса региона // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2012. № 1 (139). С. 56-61.
13. Инновационные кластеры цифровой экономики: теория и практика //Алетдинова А.А., Андреев В.В., и др. Монография. - Санкт-Петербург, Издательство СПбПУ, 2018.
14. Бабкин А.В., Новиков А.О. Кластер как субъект экономики: сущность, современное состояние, развитие // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2016. № 1 (235). С. 9-29.
EDN: WYRZAY
А.В. Бабкин - к.т.н., д.э.н., профессор Высшей инженерно-экономической школы, заведующий научно-исследовательской лабораторией «Цифровая экономика промышленности», Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия,
A.V. Babkin - Candidate of Technical Sciences, Doctor of Economics, Professor of the Higher School of Engineering and Economics, Head of the research laboratory "Digital Economy of Industry", St Petersburg Polytechnic University of Peter the Great, St Petersburg, Russia;
П.А Михайлов - аспирант, Высшая инженерно-экономическая школа, Институт промышленного менеджмента, экономики и торговли, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия,
P.A Mikhailov - graduate student, Higher School of Engineering and Economics, Institute of Industrial Management, Economics and Trade, St Petersburg Polytechnic University of Peter the Great, St Petersburg, Russia;
Л.В. Ташенова - к.э.н., ассоциированный профессор кафедры маркетинга, директор Института исследований цифровой экономики Карагандинского государственного университета имени Е.А. Букетова (Казахстан), исполнитель гранта РНФ в СПбПУ, Санкт-Петербург, Россия,
L.V. Tashenova - candidate of economic sciences, Associate Professor, Department of Marketing, Director of the Institute for Digital Economics Research, Karaganda State University named after E.A Buketov (Kazakhstan), Executive of the RNF grant in SPbPU, St Petersburg, Russia.
СИСТЕМА ПОКАЗАТЕЛЕЙ ДЛЯ ОЦЕНКИ ЦИФРОВОГО КОЭВОЛЮЦИОННОГО ПОТЕНЦИАЛА СИСТЕМООБРАЗУЮЩЕГО ИННОВАЦИОННО-АКТИВНОГО ПРОМЫШЛЕННОГО КЛАСТЕРА A SYSTEM OF INDICATORS FOR ASSESSING THE DIGITAL COEVOLUTIONARY POTENTIAL OF AN SYSTEM EDUCATION INNOVATIVE AND ACTIVE INDUSTRIAL CLUSTER
Аннотация. В статье рассмотрены понятия цифровой экономики, цифрового коэволюционного потенциала, ряд этапов развития промышленных кластеров с точки зрения уровня внедрения цифровых технологий в бизнес-процессы, начиная с их полного отсутствия и заканчивая полной цифровой трансформацией. Изучены основные особенности и преимущества цифровой экономики, которая позволяет кластерам получать дополнительные конкурентные преимущества за счет внедрения цифровых технологий. В ходе исследования уточнено понятие цифрового коэволюционного потенциала системообразующего инновационно-активного промышленного кластера. Представлены субпотенциалы, позволяющих оценить цифровой коэволюционный потенциал инновационно-активных кластеров, а также предложены показатели для оценки каждого из них.
Abstract. The article examines the concepts of the digital economy, digital co-evolutionary potential, and a number of stages of enterprise development in terms of the level of implementation of digital technologies in business processes, starting with their complete absence and ending with complete digital transformation. The main features and advantages of the digital economy have been studied, which allows enterprises to gain additional competitive advantages through the introduction of digital technologies. The study clarified the concept of the digital coevolutionary potential of the system-forming innovation-active industrial cluster. Subpotentials are presented, to assess the digital co-evolutionary potential of innovation-active clusters, and also proposed indicators for the evaluation of each of them.
Ключевые слова: цифровой потенциал, цифровая трансформация, цифровизация, цифровая экономика, Индустрия 4.0/5.0, цифровые технологии.
Keywords: digital potential, digital transformation, digitalization, digital economy, Industry 4.0/5.0, digital technologies.
Благодарности. Исследование выполнено за счет средств гранта Российского научного фонда № 23-28-01316, https://rscf.en/project/23-28-01316/.
Acknowledgments. The study was carried out at the expense of a grant from the Russian Science Foundation No. 23-28-01316, https://rscf.en/project/23-28-01316/.
Введение
На сегодняшний день происходит активный рост масштабных коммуникаций благодаря социальным сетям, повышается скорость, качество и многообразие обмена информацией за счет применения современных
