Диссертация (1152740), страница 25
Текст из файла (страница 25)
(млн руб.)479 8572 023 7263 814 0714 692 3071 801 199 12 811 159Объем реализации в 2015 г. (млн руб.)452 8771 841 8113 501 2684 425 2671 485 074 11 706 296Темп прироста реализации продукции (%)Чистая прибыль в 2016 г. (млн руб.)Рентабельность реализации продукции (%)*Производительность труда (тыс. чел./ млн руб.)*106%110%109%106%121%109%-12 061176 022481 400412 490209 0111 266 8612,7%5,7%11,1%6,5%13,4%8,9%0,810,92,50,65,119,8675472349200Количество компаний в кластере* средние значенияДоля кластера по объему реализации3,7%15,8%29,8%36,6%14,1%100,0%Доля кластера по количеству компаний3,0%37,5%23,5%11,5%24,5%100,0%Источник: рассчитано автором по данным Приложения Е127Полученная в результате построения карт Т.
Кохонена группировкарезультатов пяти групп потенциальных кластеров позволяет проанализироватьэкономические характеристики полученных кластеров.Кластер 1. В данной группе наименьшее количество предприятий выборки,всего 6 предприятий из 200 анализируемых, среди них основная доля приходитсяна машиностроение (74%) и добычу и реализацию нефтепродуктов (11%).Предприятия группы расположены в 4 регионах и заняты в 5 отраслях. По даннойгруппе наблюдаются отрицательные объемы чистой прибыли, полученныепредприятиями за 2016 г. (-12,1 млрд руб.) и наименьшие показателирентабельности реализации продукции (в среднем по группе 2,7%).
В основном засчет снижением темпов прироста от реализации АО "НефтеХимСервис" на -15,4%задействованного в отрасли по добыче сырой нефти и природного газа.Кластер 2. В данный кластер входят 75 предприятий, распределившихсяна 29 регионов и занятых в 16 отраслях промышленности. Несмотря на то, что этосамая крупная по количеству предприятий группа, в ней наблюдаются низкиеобъемы чистой прибыли за 2016 г. (176,0 млрд руб.).
При этом данная группанаходится на 2 месте по темпам прироста объемов реализации продукции (110%).Кластер 3. Объединяет 47 промышленных предприятий использованнойвыборки в 20 регионах России по 15 отраслям промышленности. Совокупныйобъем реализованной продукции составляет более 3,8 трлн руб., из которыхосновная доля (21%) приходится на пищевую промышленность 798,4 млрд руб.Кластер 4. В состав группы входит 23 предприятия, 12 регионов и 8 отраслейпромышленности.Даннуюгруппуотличаетнаибольшаядоляобъемовреализованной продукции 36,6% или 4,7 трлн руб., с темпом прироста реализации106%.
В этой группе 55% предприятий ориентированных на добычу и реализациюполезных ископаемых (нефти, угля, драгоценных металлов и алмазов).Кластер 5. В данной группе 49 предприятий из 22 регионов занятыхв 14 отраслях промышленности. По группе самые высокие темпы приростаобъемовреализациипродукции(121%),рентабельности(13,4%)128и производительности труда на 1 человека (в среднем по группе более5 млн на одного сотрудника).Каждый кластер характеризуется определенным уровнем воздействиярезультатов его деятельности на развитие региона. По скоплению промышленныхпредприятий выборки в регионе можно судить о целесообразности объединенияпредприятий в кластер как способа взаимовыгодного развития регионаот географического соседства (Таблица 34).Таблица 34 – Распределение 200 промышленных предприятийпо регионам РоссииРегионКол-вопотенциальныхпредприятий*Объем реализации в201 г.
(млрд руб.)Наличие кластераРегионКол-вопотенциальныхпредприятий*Объем реализации в2016 г. (млрд руб.)Наличие кластераРегионКол-вопотенциальныхпредприятий*Объем реализации в2016 г. (млрд руб.)Наличие кластераРеспубСанкт- Челяби МосковСвердлоСахали Республ НижегоКалини КрасноСамарс Т юменсИркутсликаМосква Петерб нскаяскаявскаянская ика Саха родскаянградск дарскийкая обл. кая обл.кая обл.Т атарстургобл.обл.обл.обл.
(Якутия) обл.ая обл.крайан46189101010772154363 6921 481751685612505415409351317300299266260++-++++---+---РеспубКрасноКемеро Белгор ЛенингНовгор Новосиб ВладимРеспубКалужсРостовс Т ульска Т омскалика Пермскярскийвская одская радскаяодская ирская ирскаяликакая обл.кая обл. я обл. я обл.ийкрайБашкоркрайобл.обл.обл.обл.обл.обл.Комитостан42866531132221244239229224191190155122898582715955+++-+--+-+-++-УдмуртРеспублВолгогВолого Вороне Ярослав АрхангПриморСтавро ЗабайкаКурганЛипецкАмурскОмскаяскаяикарадскаядскаяжскаяская ельскаяскийпольски льскийскаяая обл. Респубая обл.обл.Марийобл.обл.обл.обл.обл.крайй крайкрайобл.ликаЭл221111111111114743413736343030272524212019-++---+-------* сортировка+- присутствие кластера в регионе-- отсутствие кластера в регионеИсточник: рассчитано автором по данным Приложения ЕВ итоге стало возможным визуализировать места скопления анализируемыхпредприятий выборки на географической плоскости (Рисунок 27).129Свердловская область*10 предприятий с оборотом в 505 млрд руб.Кластер 2ПАО "МЗ им.
М.И.Калинина"АО "Каменск-Уральскийметаллургический завод"АО "Энергопромышленнаякомпания"АО "Екатеринбургскийзавод по обработке цветныхметаллов"ООО "Екатеринбургскаяторгово-промышленнаякомпания"Кластер 3АО "Уралвагонзавод"ПАО "Энел Россия"Корпорация ВСМПОАВИСМААО "Русская меднаякомпания"Кластер 5ООО "Уральскиелокомотивы"- Субъекты РФ присутствия 27 кластеров- Субъекты РФ присутствия 11 кластеров-лидеров- Кластер 1- Кластер 2- Кластер 3- Кластер 4- Кластер 5* - На примере Свердловской областиРисунок 27 – Кластерный потенциал России в зависимости от географического положения предприятийИсточник: составлено автором по данным Приложения Е130В итоге, имея карту 200 промышленных предприятий по степени их влиянияна регионы России, определена точность концентрации 200 предприятий выборкивгеографическомпространствепутемналожениякартыТ.
Кохоненана географическую карту России, и определен экономический потенциал регионапо степени скопления предприятий выборки на его территории (Рисунок 27).Использование одновременно карты Т. Кохонена и географической картыпозволило спроецировать многомерные данные на плоскость с сохранениемтопологии многомерного пространства – объекты, «близкие» в многомерномпространстве «близки» и на плоскости.Таким образом, процесс построения самоорганизующихся карт признаковапробирован на примере 200 промышленных предприятий России, что позволило:- идентифицировать группы взаимосвязанных предприятий с цельюпрогнозирования дальнейших сценариев развития существующих кластеров ирешения задач расширения географического присутствия кластеров по регионам.Врезультатеприменениятехнологиисамоорганизующихсякарт200 промышленных предприятий России в зависимости от близости друг к другуи сходства предприятий были распределены на 5 групп кластеров (Таблица 33).В результате кластеризации предприятия со схожими характеристиками вошлив единый кластер, поэтому для них возможно применять одинаковые условияобразования или присоединения к существующим кластерам;- выделитьизвсейсовокупностипредприятия,отличающихсяпо комплексу объективных условий функционирования и осуществить первичнуюдиагностику результатов их деятельности для последующего анализа и сравнениякластеров, в состав которых они вошли.По результатам анализа наиболее перспективными оказались предприятияКластера 4.
Данный кластер отличает наибольшая доля объемов реализованнойпродукции – 36,6% или 4,7 трлн руб. В состав кластера входят 23 предприятия,12 регионов, 8 отраслевых направлений промышленности;- выявитьнаиболееперспективныерегионысо стороны региональных органов власти и управления.поддержкикластеров131В результате проведенного анализа можно констатировать, что наиболееперспективными по количеству предприятий, сконцентрированных на ихтерриториях для образования кластеров являются Москва и Московская область,натерриториикоторыхрасположены56промышленныхпредприятия,потенциальных участников кластеров с объемом реализации продукции в 2016 г.4 377 млрд руб., Санкт-Петербург и Ленинградская область – 24 предприятияс оборотом в 1 671 млрд руб., Республика Татарстан – 10 предприятий с оборотомв 612 млрд руб.
На территории Челябинской области кластерные структурыотсутствуют, при этом в данной области сконцентрированы 9 промышленныхпредприятий выборки, объем реализации продукции которых в 2016 г. составилсвыше 751 млрд руб., что свидетельствует о наличии экономического потенциалапредприятий и перспектив освоения региона в рамках кластерной политики.Аналогичные предпосылки к кластерообразованию наблюдаются в Тюменской,Сахалинской, Иркутской, Калининградской областях.Данноеисследованиеэкономическимпозволилопотенциаломотвыявитьскоплениярегионыснаибольшимпредприятий,объединив200 промышленных предприятий России в потенциальные кластеры.Описаннаятехнологияявляетсяуниверсальнымметодоманализа.С её помощью можно анализировать различные стратегии деятельности,производитьанализрезультатовмаркетинговыхисследований,проверятьконкурентоспособность предприятий и так далее.В заключение стоит отметить, что на современном этапе кластерыобразованы на территориях наибольшего скопления промышленных предприятийРоссии, что подтверждают и результаты проведенного исследования.Дальнейшей целью развития кластеров в России, по нашему мнению,является присоединение «новых» предприятий, выявленных в ходе исследования,тем самым увеличивая масштабы существующих кластеров и образование новыхкластеров в регионах с учетом опыта и ошибок уже созданных кластеров.1323.3ВМоделирование перспектив модернизации кластеров в регионахосновекластерногоразвитиялежитмодернизационныйпроцесс,базирующийся на технологиях и инновациях.
Структурно он охватываетполитическую, экономическую, социальную и технологическую сферы развитиярегиона.По нашему мнению, в перспективах модернизации кластеров лежит создание«когнитивных кластеров» (англ. conscious – сознание)223.Ключевым преимуществом «когнитивного кластера» будет его адаптивностьпод сложившуюся экономику и спрос. Он учтет опыт создания существующихкластеров, будет сконцентрирован на стимулирование внутреннего спросана продукцию отечественных производителей, рост объемов производства во всехкатегориях хозяйств, повышение инвестиционной привлекательности224 регионов.В основе «когнитивного кластера» заложено человеческое сознание, котороестанет такой же производительной силой, какой в свое время стала наука225.Создание «когнитивных кластеров» будет происходить путем развитияорганизаций и внедрения проектов, аккумулирующих использование новейшихтехнологий(шестогобиотехнологии,глобальныхигеннойседьмоготехнологическихинженерии,информационныхсетей,системукладов)искусственногоинтегрированныхвобластиинтеллекта,высокоскоростныхтранспортных систем.С целью моделирования перспектив модернизации кластеров разработаналгоритм построения «когнитивных кластеров» в российских регионах.В исследовании выделены направления формирования «когнитивныхкластеров»223вследующихотраслевыхнаправлениях:социальномChernova Z.