Статья: Цифровая трансформация промышленных предприятий: тренды и стратегии (2025)

Цель исследования – разработка и апробация методики оценки цифрового развития региональных рынков персональных услуг на основе расчета «цифрового» индекса.

Методы. Методологической основой работы послужили теория региональных рынков и теория цифровизации. В основе исследования лежит системный методологический подход и методы пространственного анализа, позволяющие идентифицировать региональные рынки цифровых персональных услуг как компоненты регионального потребительского рынка в целом и регионального рынка услуг в частности. Работа базируется на применении общенаучных методов – анализа, синтеза, сравнения, а также методов экономико-статистического анализа динамики и группировок, обработки аналитических данных, аналогий, научных обобщений, монографического анализа.

Результаты работы. Предложена и апробирована методика оценки цифрового развития региональных рынков персональных услуг на основе расчета «цифрового» индекса с опорой на показатели государственной и ведомственной статистики. Представлен анализ показателей, характеризующих спрос и предложение на региональных рынках персональных услуг, отражающих процессы цифровизации. Проведена оценка доступности сферы цифровых персональных услуг для населения. Обоснована целесообразность использования «цифрового» индекса региональных рынков персональных услуг в процессах стратегического и программно-целевого планирования развития субъектов Российской Федерации.

Выводы. Цифровизация оказывает существенное влияние на региональные рынки персональных услуг, приводит к появлению новых видов услуг. Предложенная в статье методика позволила рассчитать «цифровой» индекс и выявить тенденции цифрового развития региональных рынков персональных услуг, что в совокупности дало возможность разработать рекомендации для органов регионального управления в сфере регулирования потребительских рынков. Полученные результаты могут быть использованы при разработке стратегий и программ развития сферы услуг и потребительских рынков на региональном уровне.

Цель статьи – выявление ключевых детерминант повышения инновационного потенциала человеческого капитала регионов Юга России.

Методы. В исследовании использованы системный подход, методы статистического анализа, табличного и графического представления данных.

Результаты работы. Проведен сравнительный анализ социально-экономического положения регионов Юга России – Южного федерального округа (ЮФО) и Северо-Кавказского федерального округа (СКФО), который выявил отстающую позицию СКФО по темпам развития, особенно в инновационном плане. Рассмотрение структуры занятого населения по уровню образования в экономике регионов показало, что число занятых с высшим образованием в ЮФО меньше, чем в СКФО. В то же время, по итогам сравнения округов по соотношению уровня образования и ВРП на душу населения выявлено, что ЮФО создает больше добавленной стоимости. При прочих равных условиях одной из причин этого является недостаточный уровень подготовки специалистов в системе высшего образования. Кроме того, на процесс создания добавленной стоимости оказывают влияние различные факторы, и в данном случае объяснение лежит в плоскости различия уровня инновационного потенциала человеческого капитала исследуемых регионов. Определены основные критерии требований, которые предъявляются к инновационному потенциалу человеческого капитала в современных экономических условиях. Выделен ряд приоритетных компетенций, которыми должны обладать специалисты в условиях цифровой экономики.

Выводы. Для регионов Юга России, которые на сегодняшний день отличаются низкими темпами экономического развития, важнейшей задачей является повышение эффективности управления человеческим потенциалом. Повышение инновационного потенциала человеческого капитала, в том числе путем использования соответствующих методов и инструментов, направленных на подготовку специалистов с востребованными временем инновационными компетенциями, позволит этим регионам стабилизировать социально-экономическое положение и встать на путь устойчивого развития.

Цель статьи – представить авторскую модель взаимосвязи видов организационных структур управления компаниями, определяющих их факторов и характеризующих их параметров.

Методы. В процессе исследования нашли применение следующие методы научного исследования: системный подход, анализ и синтез, аналогия, индукция, сравнительный анализ. При ранжировании воздействия факторов на изменение структур управления и при разработке модели использовались методы экспертных оценок.

Результаты работы. Выявлены, упорядочены и проранжированы факторы, обусловливающие выбор вида организационной структуры управления и направления ее совершенствования. В ходе систематизации факторы были объединены в 5 групп: 1) общего характера, непосредственно влияющие на изменение структур управления; 2) обусловленные изменениями в производственной структуре компании; 3) связанные с изменением системы управления; 4) хоть и влияющие на изменение структуры, но и сами определяемые ею; 5) обусловленные изменением внешнего бизнес-окружения. Для обоснования выбора и совершенствования организационных структур управления компаниями разработана нейросетевая модель взаимосвязи видов организационных структур с определяющими их факторами и характеризующими параметрами.

Выводы. Исследование позволило выявить достаточно полный комплекс определяющих организационные структуры управления факторов и характеризующих их параметров. Было установлено, что наиболее существенные из них: размеры, сложность и масштаб деятельности хозяйствующего субъекта; цели, стратегии, принципы его функционирования; вид деятельности и уровень ее специализации. Благодаря представленной модели становится возможным дать детальную характеристику каждому из видов структур управления и определить пути их совершенствования в условиях трансформирующегося бизнес-окружения. Разработанная модель создает условия для принятия менеджерами адекватных решений по модификации отдельных элементов и параметров структуры управления для дальнейшего успешного развития компании.

Цель статьи – оценка влияния санкций ЕС на динамику инфляции в РФ в 2022–2023 гг., обусловленную в том числе ростом цен на газ населению в условиях сокращения выручки от продажи газа ПАО «Газпром» в контексте снижения экспорта природного газа России в Европу.

Методы. В рамках исследования использовались статистический анализ, сравнительный анализ, финансовый анализ компании, синтез, дедукция, графический метод, эконометрическое моделирование.

Результаты работы. Оценены структура и динамика экспорта природного газа России. Проведен финансовый анализ ПАО «Газпром». Выполнены оценка динамики цен на газ населению и их влияния на ИПЦ, а также сравнительный анализ прогнозных цен на коммунальные услуги, включая цены на газ населению.

Выводы. В условиях диверсий на «Северных потоках», сокращения транзита российского газа через территорию Украины и санкционных шоков в 2022–2023 гг. наблюдается снижение экспорта природного газа РФ, преимущественно трубопроводного, в Европу при частичной переориентации поставок на китайское направление и на внутренний рынок. Это оказывает влияние на динамику чистой прибыли ПАО «Газпром», падение которой частично компенсируется ростом цен на сетевой и сжиженный газ населению с планируемым нарастанием индексации в 2024–2025 гг. В свою очередь, это дополнительно стимулирует рост инфляции, на который в наибольшей мере оказывает влияние ИПЦ на услуги, в условиях привязки индексации тарифов на коммунальные услуги к прогнозной среднегодовой инфляции. Выявление и контроль над эндогенными и управляемыми факторами роста инфляции, к которым относится индексация цен на газ населению, позволят повысить эффективность антиинфляционной политики России в условиях форсирования инфляционного давления на российскую экономику.

Цель работы – представить авторскую методику оценки глобальной конкурентоспособности регионов России на основе ключевых критериев, описывающих производственную специализацию, транспортную инфраструктуру и экспортный потенциал.

Методы. В статье применены метод рейтингования, а также расчет индексов специализации, Херфиндаля-Хиршмана, экспортоемкости, открытости экономики, коэффициента Успенского.

Результаты работы. Предложено определение глобальной конкурентоспособности региона. Разработана и апробирована методика, включающая построение рейтинга и трехмерную типологизацию регионов по уровню глобальной конкурентоспособности по комплексному критерию «производственная специализация – транспортная обеспеченность – реализация экспортных возможностей» и учитывающая дефицит статистических данных после 2022 г. Выявлены «перекосы» в развитии регионов и предложены направления адаптации стратегий для укрепления конкурентоспособности.

Выводы. Глобальная конкурентоспособность регионов определяется тремя ключевыми факторами: производственной специализацией, транспортной обеспеченностью и реализацией экспортных возможностей. Наиболее успешны регионы с диверсифицированной промышленностью и развитой инфраструктурой. Типология регионов выявила значительные диспропорции: лишь 25 % субъектов РФ полностью реализует свои экспортные возможности, в то время как 34 % имеет слабую инфраструктуру, что ограничивает глобальную конкурентоспособность. Санкции 2022–2023 гг. не привели к радикальным изменениям в структуре экспорта России, но обострили проблемы дефицита данных и геополитических рисков, особенно для регионов западной части страны. Для долгосрочной конкурентоспособности на глобальном рынке необходимы инвестиции в инфраструктуру, инновации и диверсификация производства. Предложенная методика, включающая двухэтапный анализ с использованием специальных индексов и коэффициентов, позволила преодолеть нехватку статистики и актуализировать стратегическое планирование.

Цель исследования – определение влияния российских цифровых платформ и экосистем на процессы инновационного развития и кластеризации экономики российских регионов.

Методы. Основу исследования составляют научные концепции и модели в рамках теорий кластерного развития и цифровой трансформации экономики, в частности модель развития территориальных инновационных кластеров. Применялись следующие методы статистического исследования: сводка и группировка статистической информации, выборочное наблюдение, корреляционный анализ.

Результаты работы. Выделены атрибутивные признаки экономических экосистем, к которым отнесены инновационные кластеры, цифровые платформы и экосистемы. Обобщены теоретические подходы к определению цифровой экосистемы, даны авторские определения следующих понятий: цифровая платформа, цифровая экосистема, цифровой сервис, инновационный кластер, промышленный кластер, инновационные бизнес-сети и др. Определены характерные для цифровых экосистем признаки, на основании которых выделены 12 российских экосистем. Систематизированы модели развития, уточнены критерии классификации и виды цифровых платформ. Рассмотрены современные тенденции развития цифровых платформ и экосистем, дана оценка уровню развития российских экосистем. Проведен анализ использования цифровых платформ и других современных информационных технологий в российских регионах, рассмотрено влияние использования цифровых платформ на процессы инновационного развития и кластеризации субъектов инновационной деятельности на региональном уровне.

Выводы. Развитие в рамках российских цифровых экосистем инновационных и гибридных (инновационно-транзакционных) платформ, а также их интеграция с инновационными кластерами рассматриваются в качестве фактора цифровой трансформации экономики российских регионов. В качестве новой организационной формы данной интеграции предлагается авторская модель инновационного гиперкластера, представляющего собой развивающийся на основе цифровых платформ тип инновационных кластеров. Особенностями модели инновационного гиперкластера являются мультиотраслевая специализация, трансрегиональный характер экономической деятельности и многоядерность структуры сетевых взаимодействий участников.

Цель статьи заключается в разработке модели для оценки и анализа системной сбалансированности региональной экономики на основе методологии байесовских интеллектуальных измерений в рамках пространственно-временной классификации экономических систем.

Методы. В работе использовались методы системного анализа, корреляционного анализа и методология байесовских интеллектуальных измерений, применяемая в условиях неопределенности, неточности и неполноты данных.

Результаты работы. Разработана расширяемая иерархическая информационная модель региональной экономики, предоставляющая возможность оценить уровень сбалансированности экономических подсистем, составляющими которых являются элементы, характеризуемые результативными признаками – объемами валового регионального продукта по видам экономической деятельности. Применена методика определения норм для результативных признаков в трех вариантах: по среднему, с учетом влияющих факторов и с учетом взвешенных (посредством оценки корреляционных зависимостей) влияющих факторов, характеризующих условия функционирования элементов экономической системы и их неопределенность. Системная сбалансированность определяется посредством коэффициента гармоничности для экономических подсистем 4-х типов с лингвистическими представлениями. На основе данных за 2017–2022 гг. построены модели для 17-ти областей Центрального федерального округа, каждая из которых включает 19 частных и 5 интегральных результативных признаков, а также 55 факторных признаков. Оценены и проанализированы системные сбалансированности региональных экономик областей Центрального федерального округа.

Выводы. Предложенная модель и методика оценки системной сбалансированности региональной экономики дают возможность адекватно оценить и проанализировать ее состояние в условиях неопределенности и неполноты данных для субъектов Российской Федерации. Выявлено, что при общем снижении некоторых результативных признаков за последний период оценки экономика областей находится в сбалансированном и близком к нормам состоянии, хотя риск потери такого положения достаточно велик.

Цель данной статьи заключается в обосновании аналитической структуры (фреймворка) архетипов промышленных бизнес-моделей в контексте Четвертой промышленной революции (Индустрии 4.0).

Методы. В исследовании использованы методы системного анализа, сравнительного исследования и структурного моделирования. Применены подходы к оценке технологических трендов, анализу архитектуры бизнес-моделей и выявлению факторов, влияющих на их эволюцию.

Результаты работы. Анализ ключевых тенденций Индустрии 4.0 показал, что в высокотехнологичном производстве формирование факторов конкурентоспособности промышленных бизнес-моделей при их проектировании стали столь же важными элементами стратегии развития компании, как и совершенствование конкурентных преимуществ продукции и технологии. Причем основной проблемой при внедрении инноваций на рынок становится вопрос формирования оптимальной промышленной бизнес-модели, которая должна дополнительно включать три ключевых компонента: фреймворк TVP, обеспечивающий связь между технологией, ценностью и продуктом; форкастинг эволюции жизненного цикла технологии, запускающий процесс реинкарнации инновации, который позволяет интегрировать технологии в различные рыночные сценарии, продлевая их жизненный цикл; включение в стейкхолдер-анализ целевой группы субъектов, заинтересованных в технологическом обмене и развитии цепочки ценности инновации. Представлены успешные практики применения данных инструментов в высокотехнологичных компаниях.

Выводы. Предложенный авторами фреймворк интегрирует технологическую составляющую при проектировании архитектуры промышленной бизнес-модели с процессом создания ценности. Это позволяет глубже понять взаимосвязь между технологическими решениями и экономическими результатами и создает основу для разработки научно обоснованных методов адаптации данных моделей к условиям Индустрии 4.0.

Цель – выявление специфических характеристик предприятий семейного предпринимательства, обусловливающих особенности привлечения ими финансирования на рынках капитала и определяющих перспективы выхода на публичное размещение акций (IPO) на бирже.

Методы. Исследование построено на обработке и анализе данных по выходу компаний малого и среднего предпринимательства на рынок капитала, контентного анализа научных, научно-практических, экспертных, а также нормативно-правовых документов и руководящих принципов биржевых площадок по вопросу выхода компаний на IPO. Применялись методы научного обобщения и классификации, экономического, экспертного и статистического анализа.

Результаты работы. Проведена комплексная диагностика специфических черт семейных компаний, оказывающих влияние на возможности привлечения финансирования, в первую очередь на рынке капитала. Ценностные характеристики семейного предпринимательства рассмотрены в контексте влияния на локальную и региональную экономику. Даны рекомендации по мерам поддержки компаний семейного предпринимательства в целях стимулирования привлечения ими финансирования. Проведена оценка текущей ситуации с использованием семейными предприятиями инструментов краудфинансирования и биржевого финансирования. Определены факторы, способствующие выходу семейных компаний на IPO: длительный срок жизни компании; ценностные ориентиры семейного бизнеса; долгосрочная стратегия развития, основанная на доверии; социальные аспекты деятельности; следование принципам ESG; развитие локальных брендов. Выявлены факторы, препятствующие возможности публичного размещения акций на бирже со стороны семейных компаний: непрозрачность корпоративной структуры; сложность в оформлении прав собственности владельцев бизнеса; нежелание выпускать из-под контроля часть собственности компании.

Выводы. Проведенный анализ свидетельствует о перспективности использования инструмента IPO для привлечения инвестиционного капитала компаниями семейного предпринимательства. Ожидается появление семейных компаний на российском биржевом рынке. Отдельного внимания заслуживает инструмент краудфинансирования для компаний семейного предпринимательства, действующих в сегменте В2С.

Цель. Обоснование стратегических направлений и механизмов формирования межгосударственного кластера в Каспийском регионе на основе комплексной оценки потенциала территорий.

Методы. Проведена оценка 5-ти компонентов потенциала прикаспийских государств, экономического, научно-технологического, человеческого, инфраструктурного и инвестиционного, на основе использования метода нормализации данных. Это позволило провести сравнительный анализ и рассчитать интегральные индексы социально-экономических показателей развития.

Результаты работы. Установлена взаимосвязь между компонентами социально-экономического потенциала прикаспийских государств, что создает базу для определения приоритетных направлений развития межгосударственного взаимодействия в рамках создания нефтегазового высокотехнологичного кластера. На основе компаративного анализа показаны различия в уровнях научно-технологического развития государств Каспийского региона. В ходе исследования предложена трехуровневая классификация прикаспийских государств, основанная на их научно-технологическом потенциале. В результате выявленного дисбаланса между накопленным потенциалом социально-экономического развития и уровнем развития высокотехнологичных отраслей в государствах прикаспийского региона определена необходимость формирования и реализации мер государственной политики, направленных на структурную трансформацию региональных экономических систем.

Выводы. Каспийский регион обладает необходимыми предпосылками для формирования высокотехнологичного нефтегазового кластера благодаря сочетанию ресурсной базы, человеческого капитала и научно-технологического потенциала. Обосновано, что стратегия развития кластера должна быть ориентирована не на получение высоких доходов от сырьевого сектора, а на создание системы перетока доходов в развитие инновационных технологий, обеспечивающих государствам прикаспийского региона лидирующие позиции на евразийском пространстве. Для эффективной организации кластера необходимо руководствоваться принципами создания единой инфраструктуры и институтов, способствующих развитию инновационной активности. Ключевым условием является формирование механизмов межгосударственной координации, включая управление интеллектуальной собственностью, совместное финансирование исследований и стимулирование трансфера технологий.