Диссертация (1152303), страница 37
Текст из файла (страница 37)
Этот показатель отражает выработкусотрудников университета.Показатель «Изменение доходов от НИОКР в расчете на одного НПР, тыс.руб.»показывает«производительность»научно-педагогическихкадрови205реализацию научного задела, а также способность удовлетворять требованиякоммерческого сектора, в том числе с учетом коммерциализации результатовинтеллектуальной деятельности.Факторами, влияющими на изменение доходов от НИОКР в расчете наодного НПР являются:1) стоимость единицы НИОКР, выполняемой НПР по заказам практическогосектора экономики;2) частота заказов НИОКР, выполняемой НПР по заказам практическогосектора экономики;3) способность НПР создавать продукты, востребованные у заказчиков,наличие инфраструктуры взаимодействия с потенциальными заказчиками.Различие в динамике показателей объема НИР в целом и на одного НПР показываетусиление или ослабление синергетического эффекта от инфраструктуры вуза,способствующей формированию и реализации потенциала каждого НПР.Расчет прироста значений показателей «Изменение общего объема НИОКР,тыс.
руб.» и «Изменение доходов от НИОКР в расчете на одного НПР, тыс. руб.»показан в виде Таблицы Б.1 (Приложение Б). Анализ показателей позволяетвыявить разнонаправленные тенденции развития вуза (Рисунок 33; Приложение Б,Таблица Б.2).Анализ состояния экономических вузов показывает, что в «квадрант 1:доходы растут, выработка растет» попали показатели 22 исследуемых вузов (50,0%выборки вузов); в «квадранте 2: доходы падают, выработка растет» – 5 вузов(11,4%); в «квадранте 3: доходы падают, выработка падает» – 6 вузов (13,6%); в«квадранте 4: доходы растут, выработка падает» – 10 вузов (22,7%). Группировказначений приростных показателей с учетом знаков изменений в четыре квадрантапозволила выявить изменения составляющих реализации научного потенциала внаучно-инновационной сфере и на этой основе сформулировать стратегии развитиянаучного потенциала каждого из вузов.
Переход к «Университету 4.0» требуетповышения гибкости управления и увеличения скорости принятия управленческих206Рисунок 33 – Распределение приростных показателей исследуемых вузовИсточник: рассчитано авторомрешений развития вуза. Университет будущего отличается в этом смысле тем, чтоон на основе цифровизации управления способен обрабатывать информацию иготовить управленческие решения на базе качественно новых для вузаматематических моделей и технологий визуализации показателей.Инновационнаястратегияуправлениянаучнымпотенциаломэкономического университета ставит задачу формирования и реализацииуправленческих решений, основанных на воздействии на факторы, определяющиеэффективностьирезультативностьдеятельностивуза.Дляобоснованияуправленческих решений используют обработку большого объема информации осостоянии отдельных аспектов деятельности вуза.207Главной задачей при этом является задание стратегических целейвоспроизводства научного потенциала вуза и их декомпозиция для подразделений,что позволяет выбрать сценарии достижения целей на основе анализа альтернативразвитиявуза.Количествофакторов,влияющихнавыборстратегиивоспроизводства научного потенциала вуза, значительно и их воздействие на вузнеоднозначноичастопротиворечиво,посколькуразличныеаспектывоспроизводства научного потенциала могут иметь различную динамику развития.Интуитивный подход к принятию и реализации стратегии университетовисчерпал в настоящее время свои возможности, поскольку появились современныетехнологии обработки больших объемов информации (технологии big data), чтодает возможность активно использовать математическое моделирование дляподготовки обоснованных решений.Технология больших данных позволяет решить проблемы, связанные свысокой сложностью формализации, недостатком исходных данных и т.п.
Методырешения этих проблем с использованием экспертных оценок исчерпали себя поряду причин, не позволяющих применять их для конечных сценариев или вкачестве исходных данных в системах прогнозирования.Областьюиспользованияэкспертныхоценокостаютсяфорсайт-исследования, которые задают вектор развития вуза и используют качественныйанализ, но индивидуальные и групповые экспертные оценки не определяютколичественные значения показателей, поскольку не могут достоверно обработатьзначительныйобъеминформации.Врезультатевузысталкиваютсяснеобходимостью выбора между сложившимися сегодня субъективными, слабоструктурированными решениями либо переходом к адекватным математическиммоделям. Главной трудностью при этом является обоснование выбора сценариевразвития вуза, основанного на прогнозировании состояния вуза, полученном порезультатам форсайт-исследования.Экспертам сложно принимать решения относительно значений конкретныхпоказателей, поскольку переход к университетам будущего только формируется, иу экспертов отсутствуют аналоги для выводов.
Роль экспертов в разработке208стратегии университетов в настоящее время чаще всего заключается в переносе иадаптации опыта лучших университетов к деятельности конкретного вуза.Для университета будущего такой подход неэффективен, поскольку напереломе тенденций еще отсутствует оправдавший себя лучший опыт. Экспертыостаются востребованными в описании целевого состояния университетабудущего, основанном на появлении еще слабых сигналов об изменениях вразвитии университетов. Кроме того, университетам задаются показатели оценкиэффективностиихдеятельности,которыенеобходимоиспользоватьдляпостроения сценариев развития вуза в стратегических планах.Математические модели продолжают форсайт-исследования и позволяютперейти от качественных оценок экспертов к количественным показателямтраектории развития вуза в соответствии с принятым сценарием, что особенноважно в условиях цифровизации университета будущего, поскольку в этом случаеснижается риск неэффективного решения.
Формализация процесса формированиярешений состоит в оперативной обработке текущей информации о состоянииотдельных аспектов деятельности вуза, разработке алгоритмов перехода форсайтисследования в сценарии развития и показатели воспроизводства научногопотенциала.Содержание математической модели инновационной стратегии университетасостоит в прогнозировании прироста обобщающих показателей финансовыхрезультатов деятельности вуза, исходя из оценки последнего состоянияпоказателей вуза, а также в обосновании его перевода в желаемое целевоесостояние с использованием управляемых воздействий на ключевые факторы,влияющие на прирост обобщающих показателей.Вместе тем выбор моделей для математического моделирования трендовразличных показателей, которые далее задействуются при формировании целевойфункции выбора управленческих альтернатив, не ограничивается цепями Маркова.Как показал А.В.
Зимин (Таблица 5), использование той или иной модели дляпрогнозирования прироста обобщающих показателей финансовых результатов209Таблица 5 – Целесообразность использования экономико-математических моделейКласс моделейРегрессионные моделиАвторегрессионныемодели ARIMAXАвторегрессионныемодели GARCHМоделиэкспоненциальногосглаживанияНейросетевые моделиМодели на базе цепейМарковаМодели на базеклассификационнорегрессионных деревьевКратко- Средне- ДолгоТолько Трудоемкость ПроверяемостьОпытРейтингсрочный срочный срочный линейныерасчетапоискапрактическогодляпроцессырешенияприменениявыбора0,50,511011510,5010114,510,5010114,50,51000113,5111010151111110,56,51110100,54,5Источник: рассчитано автором по материалам [78, с. 14].209210деятельности определяется ее соответствием поставленным задачам. Используяпредложенный подход, оценим целесообразность применения различных моделейпрогнозирования. Значения в колонках (0; 0,5; 1) указывают на то, что приимеющихся условиях ту или иную модель применять целесообразно (1), применятьограниченно возможно (0,5), применять нецелесообразно (0).Для обоснования стратегии развития вуза возможно использованиематематических моделей прогнозирования на основе цепей Маркова, которыеоснованынаслучайныхпроцессах,имеющихдискретныйхарактерсуправляемыми параметрами.
Марковские цепи позволят прогнозировать приростобобщающих показателей финансовых результатов деятельности вуза исходя изпоследнего состояния вуза.При использовании экономико-математических методов оценки будущегосостояния вуза мы исходим из того, что при всех факторах случайности развитиеобладает свойством статической устойчивости. Это означает, что будущиесостояния при воздействии всех случайных факторов подчиняются определеннымстатистическим закономерностям, которые приводят к устойчивому развитию вуза.Такой подход позволяет использовать в процессе принятия решения о стратегииразвития вуза теорию Марковских процессов. Это означает, что развитие вузарассматривает процесс, имеющий последовательность состояний во времени,которые соответствуют случайному Марковскому процессу с дискретнымвременем, а также обладающий возможностью до определенной степени управлятьзначениями переходных вероятностей.Действительно, прирост значений показателей, характеризующих потенциалвуза, зависит от усилий по воспроизводству составляющих потенциала – качестваППС, результатов научной деятельности, задела научных исследований,развитости инфраструктуры и т.п.
В результате функционирование вуза каксоциально-экономической системы представляет процесс смены состояний подвоздействием факторов, изменяющих его потенциал.Например, процесс увеличения объемов НИОКР отражает процессвоспроизводства научного потенциала и характеризуется тем, что в каждый момент211времени задействованы те или иные стадии жизненного цикла создания научногопродукта – от фундаментальных исследований до тиражирования инновационныхпродуктов и услуг.Процесс движения научного продукта по стадиям его создания можнорассматривать как процесс перехода научного потенциала из одного состояния вдругое, при этом в каждый момент времени некоторые стадии дают ожидаемыйрезультат и показывают результативность, а другие стадии функционируютнеэффективно и требуют реорганизации или настройки на общий результат.Есликаждомувозможномумножествуработоспособных(илиотказывающих) этапов создания научного продукта поставить в соответствиимножества состояний научного потенциала, то состояния каждого этапа(работоспособность или отказ и восстановление) будут отражаться переходомнаучного потенциала вуза из одного состояния в другое.4.2 Математическая модель выбора сценариев развития университетаПод математическим моделированием будущего состояния вуза будемпонимать построение вероятностной модели его развития, характеризующейсяслучайными процессами.
Рассмотрим содержание вероятностной модели процессаоценки будущего состояния вуза более подробно.Марковские процессы оперируют случайными функциями, то есть такими,значение которых при различных значениях аргумента является случайнойвеличиной.Различаютслучайныепроцессы(СП)сдискретнымиилинепрерывными состояниями. В нашем случае рейтинг вуза по заданнымпоказателям будет относиться к СП с дискретными состояниями и дискретнымвременем, где t1 t2 – годы составления рейтинга вуза.Для моделирования стратегии с использованием Марковских цепей важнознать, что связь между состояниями вуза является СП без последействия, то естьвероятность перехода системы в каждое последующее состояние зависит только от212предыдущего состояния (переходной вероятности):Pi / i 1 f Si , Si 1 , Si 2 .(1)Второй принцип применения Марковских цепей к стратегии вуза –необходимость, чтобы цепь Маркова была заданной, для чего необходимоиспользовать следующие два условия.1.
Переходные вероятности можно представить в виде переходной матрицы(матрицы перехода), которая описывает вероятности перехода из i-го в j-есостояние за один шаг процесса:P11Pn 21...Pn1P12P22...Pn 2... P1n... P2 n.... ...... Pnn(2)2. Известен (задан) вектор начальных вероятностей, который характеризуетначальное состояние вуза, от которого формируется его стратегия:P0n P01 , P02 , ..., P0n ,…(3)Переходная матрица (2) обладает следующими свойствами:a) Pij 0 ,(3а)nб)Pi 1ij 1.Развитие вуза, представленное в виде состояний Марковской цепи,классифицируетсясучетомстратегииегодальнейшегоповеденияихарактеризуется невозвратным множеством, то есть вуз, переходя в новое213состояние уже не может стать прежним.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
