На сегодняшний день в экономической литературе представлено множество классификаций методов применяемых при оценке уровня инновационного потенциала. Это во многом вызвано тем, что существует также ряд подходов к пониманию структуры исследуемого явления, и, следовательно, невозможно однозначное деление его на независимые элементы. Таким образом, налицо задача классификации методов, выступающих базовыми для оценки экономических систем независимо от их степени сложности и являющихся платформой для формирования существующих методик, применяющихся в практической деятельности хозяйствующих субъектов.
Необходимость решения сложноформализуемых задач предопределило совершенствование математических инструментов и привело к появлению математической статистики и теории вероятностей помимо классических аналитических методов. Также для работы с задачами, характеризующимися высоким уровнем неопределенности, используются теория графов, математическая лингвистика, теория множеств.
По итогам проведенного исследования существующих методик оценки уровня инновационного потенциала можно сделать вывод о том, что на сегодняшний день, с одной стороны, накоплен немалый опыт практического приложения различных математических и структурно-лингвистических методик в данной области, с другой – не существует не только определенного метода, считаемого современной экономической наукой наиболее адекватным для применения в изучаемом случае, но и не сформирована даже группа таких методик, обладающая некими общими признаками. Безусловными отличительными чертами исследуемого явления, оказывающими значительное влияния на выбор аппарата для оценки, следует считать:
-
сложность и многогранность данного явления;
-
отсутствие единого понимания структуры инновационного потенциала, множественность подходов к ее формированию и зависимость этого от характера дальнейших практических задач конкретного исследования
-
множество качественных показателей, влияющих на конечный уровень инновационного потенциала. Следовательно, налицо необходимость учета различного рода неопределенности, в том числе выраженной в виде лингвистических оценок экспертов. Также к этой группе проблем следует отнести и необходимость итоговой качественной трактовки выходных показателей системы оценки, представленных так или иначе числовым образом, но с учетом лингвистических качественных оценок.
В основе любой технологии оценки лежит система показателей. Принятие адекватного управленческого решения на основе данных о состоянии инновационного потенциала системы невозможно без сформированной на научной основе системы оценочных показателей.
В этой связи формирование системы показателей является одной из ключевых проблем научно-методического сопровождения оценки инновационного потенциала. Такая система показателей должна обеспечить лицо, принимающее решения достаточно полной и достоверной информацией об уровне, структуре и состоянии инновационного потенциала, а также о возможностях и перспективах его развития. Также в ней необходимо предусмотреть возможность оценки изменения уровня инновационного потенциала вследствие реализации инновационных проектов и возможность выбора оптимального проекта по принципу максимизации уровня инновационного потенциала, поскольку описанная ситуации наиболее часто встречается в деятельности предприятия, а значит, наиболее актуальна и несет наибольшую практическую ценность.
Необходимо отметить, что исходя из изложенных в работе данных и вследствие того, что инновационный потенциал является сложной и многогранной категорией, можно сделать вывод, что любая система показателей и оценочная модель не способна абсолютно точно отразить данное понятие. Соответственно, для решения конкретной прикладной задачи целесообразно рассмотреть его в определенном «разрезе», позволяющем построить максимально эффективную в данном случае модель, которая, возможно, не будет учитывать полностью все «стороны» инновационного потенциала, но будет максимально адаптирована для решения конкретных прикладных задач. В случае данного исследования рассматривается изменение уровня инновационного потенциала как фактор выбора наиболее подходящего предприятию для реализации инновационного проекта. Соответственно, необходимо сформировать максимально отвечающую этой задаче систему оценочных показателей, которая, в свою очередь, позволит создать эффективную модель.
В соответствии с этим представим систему показателей инновационного потенциала промышленного предприятия, как объект, имеющий сегментарную структуру. Каждый сегмент также отражает определенный потенциал предприятия как экономической системы. Такой потенциал характеризуется необходимой группой показателей. Фактически, в данном случае авторами в определенной мере поддерживается «ресурсный» подход к пониманию инновационного потенциала. Структурная схема ресурсного блока инновационного потенциала представлена на рисунке 1.
Рис. 1. Структурная схема инновационного потенциала
Каждая составляющая инновационного потенциала оценивается по ряду параметров, которые в силу очевидных причин не рассматриваются в рамках данной работы.
Безусловно, существенная часть показателей, связанная с оценкой каждого из указанных на рисунке 1 структурных элементов, являются качественными. На сегодняшний день основным способом обработки данных такого характера является метод экспертных оценок. Таким образом, налицо проблемы, связанные с эффективным учетом неопределенности [3].
Неопределенности, возникающие при проведении оценок инновационного потенциала, обусловлены как недостаточной надежностью и количеством информации, необходимой для принятия оценочных решений, так и необходимостью применения семантических мер при оценке [2; 32].
Чем выше уровень решаемых задач, тем чаще они принадлежат к сфере подготовки решений качественного характера, тем более им присущ обобщенный взгляд, отсутствие деталей. Процесс принятия управленческих решений всегда осуществляется в условиях неполной информации. Возникающие задачи не могут быть полностью формализованы, однако выполнение их отдельных этапов существенно облегчается использованием математических и инструментальных методов экономики. Однако, эффективность классических методов системного анализа для решения реальных проблем и возможности традиционного математического аппарата в отношении сложных и плохо формализованных задач ограничены [4; 5].
На сегодняшний день, в случае исследования явлений, характеризующихся высокой степенью неопределенности применяется аппарат теории нечетких множеств, являющейся динамично развивающейся областью прикладной математики. Нечеткое моделирование позволяет оперировать, придавая количественный смысл понятиям ( термам) вроде: «существенный» , « незначительный» , «определенно высокий» и т.д.
Данная технология не является полностью самостоятельным методом, а применяется в комплексе с существующими способами оценки для анализа и учета неопределенности. Для исследования экономических явлений теория нечетких множеств применяется совместно с методами экспертных оценок и количественными методами на основе аппарата математической статистики [5].
Характерной особенностью применения теории нечетких множеств является то, что она имеет дело с явлениями, показатели которых не имеют точных границ. Если теория вероятностей связана с экспериментально установленной частотой какого-либо явления, то теория нечетких множеств оперирует возможностью появления события, что является лингвистическим определением, основанном на экспертном мнении, а не фактом математической статистики. Также отличие данных методов заключается в различном происхождении неопределенности. В теории нечетких множеств неопределенность связана с неоднозначностью оценки явления, а в теории вероятностей – со случайностью [1].
Соответственно, для эффективной оценки инновационного потенциала экономической системы, включающей как количественные, так и качественные факторы, максимально эффективна методика, позволяющая, с одной стороны, минимизировать недостаточность данных, используемых для оценки, с другой – учесть долю субъективности оценок экспертов и их ошибки. Таким образом, частичное использование математического аппарата теории нечетких множеств является наиболее адекватным, поскольку это дает возможность экспертам оперировать вербальными категориям, которым поставлены в соответствие определенные числовые промежутки.
Рецензенты:
Аркатов А.Я., д.э.н., профессор, БГТУ им. В.Г. Шухова, г. Белгород;
Щетинина Е.Д., д.э.н., профессор, БГТУ им. В.Г. Шухова, г. Белгород.