Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

Формирование конкурентных преимуществ компаниями высокотехнологичных отраслей: модель и ее основные компоненты

https://doi.org/10.17747/2078-8886-2017-4-5-88-97

Полный текст:

Аннотация

Цель исследования – создать модель получения конкурентных преимуществ высокотехнологичными компаниями. Выбран метод качественно-сравнительного анализа, который позволяет получить набор успешных и неуспешных конфигураций – комбинации факторов, которые приводят или не приводят к желаемому результату. Модель призвана содействовать формированию устойчивого конкурентного преимущества – стабильного быстрого вывода большого числа качественных и востребованных инноваций на мировой рынок. Выявлено два успешных сценария для компаний сектора «Электроника и техническое обеспечение». Если компания функционирует в различных отраслях, то ей необходимо сконцентрироваться на повышении ликвидности и объединении бизнеса путем приобретения дочерних и создания совместных предприятий в своем макрорегионе. Разработанную модель могут использовать менеджеры высокотехнологичных компаний развитых стран при разработке и корректировке стратегии, а также при принятии управленческих решений. Отдельные указанные факторы и ранее рассматривались в литературе, их объединение в указанные сценарные модели для получения конкурентных преимуществ является новой разработкой.

Для цитирования:


Левина А.М. Формирование конкурентных преимуществ компаниями высокотехнологичных отраслей: модель и ее основные компоненты. Стратегические решения и риск-менеджмент. 2017;(4-5):88-97. https://doi.org/10.17747/2078-8886-2017-4-5-88-97

For citation:


Levina A.M. Getting Competitive Advantages for High-Tech Companies: Model Formation. Strategic decisions and risk management. 2017;(4-5):88-97. (In Russ.) https://doi.org/10.17747/2078-8886-2017-4-5-88-97

Введение

Актуальность темы исследования обусловлена особенностями и растущей значимостью сферы высоких технологий. Отрасль высоких технологий считается относительно молодой, за последние де­сять лет она пережила чрезвычайно быстрый рост и стала оказывать большое влияние на другие от­расли и сферы общественной жизни. Четвертая промышленная революция требует от высоко­технологичных компаний высоких результатов и быстрой реакции на рынке, который не только растет, но и постоянно меняется. И наконец, спо­собность страны конкурировать на рынке высоких технологий важна для развития не только отдель­ных компаний, но и экономики страны в целом, так как способствует развитию передовых практик и вовлечению страны в мировые интеграционные процессы.

Таким образом, тема объединяет в себе сра­зу несколько актуальных вопросов, интересных для исследователей и значимых для отдельных компаний и экономики стран в целом, и направлена на анализ ориентации высокотехнологичных ком­паний на динамичном и растущем рынке.

В качестве информационных источников ис­пользованы данные, опубликованные на официаль­ных сайтах выбранных компаний и данных по ним из системы BloombergProfessional1. Основным ме­тодом исследования выступил качественно-срав­нительный анализ информации, опубликованной компаниями на официальных сайтах.

Цель исследования: формирование модели получения конкурентных преимуществ для вы­сокотехнологичных компаний. Практическая зна­чимость работы заключается в формулировании рекомендаций по управлению элементами модели, которые помогают высокотехнологичным компа­ниям получить устойчивое конкурентное преиму­щество на рынке электроники и технического обе­спечения.

В целях проводимого исследования целесооб­разно обратить внимание на перечисленные ниже основные аспекты развития сферы высоких техно­логий.

Высокотехнологичные компании обеспечива­ют примерно 30% мирового ВВП, являются важ­ным элементом мировой экономики и, более того, драйвером развития, который оказывает значи­тельное влияние на все сферы. На рис. 1 представ­лены результаты выпуска продукции и доля вы­сокотехнологичных отраслей экономики в ВВП в среднем в мире.

В высокотехнологичных компаниях высокий уровень инвестиций в НИОКР сочетается с кор­поративной стратегией, ориентированной на за­щиту интеллектуальной собственности и крайне быстрый рост (Трачук А.В., 2013).

Среди компаний - лидеров в сфере иннова­ций наблюдается тенденция к диверсификации сфер, в которых осуществляются затраты на НИ­ОКР и расширяется портфель технологий (Тра­чук А.В., 2012; Линдер Н.В., 2014). Основными сферами технологических инноваций считаются:

  • полупроводники и батареи;
  • передача информации (включая беспровод­ную передачу данных, видео- и телекомму­никации);
  • обработка данных, включая облачную об­работку данных и электронную торговлю;
  • медицинское оборудование и медицинские препараты.

Анализ портфеля продуктов компаний - лидеров в сфере высоких технологий по вы­деленным сферам показывает, что у многих компаний есть продукты, относящиеся одновре­менно к нескольким сферам. Например, Canon, GeneralElectric и Hitachi инвестируют в меди­цинское оборудование; Google разрабатывает беспилотный автомобиль, a Amazon активно уча­ствует в развитии технологий производства дро- нов. Появление интернета вещей привело к тому, что больше нет однозначного распределения про­дуктов компаний как предназначенных для опре­деленных сфер. Например, часы, помимо своей прямой функции, могут быть фитнесс-трекером, GPS-навигатором, средством связи и т.д. Соот­ветственно, наличие защищенных технологий в различных сферах является преимуществом уже сейчас и будет сохранять конкурентоспособ­ность в будущем.

Описание методологии исследования

Основным методом исследования был выбран качественный сравнительный анализ (КСА), ко­торый входит в группу комбинаторных методов исследования.

Метод был разработан американским со­циологом Ч. Рагиным (Ragin Ch., 1987). В даль­нейшем проводились исследования с целью усовершенствовать и популяризировать его, из­учить методологические и методические особен­ности применения (Ragin Ch., DeMeur G., 2006; Berg-Schlosser D., DeMeur G., 2009; Fiss PC., Sharapov D., Cronqvist L., 2013; Schneider С., Wagemann С., 2010; Vis В., 2012 и др.). Кроме тога, ассоциация COMPASSS (COMPArative Methods for Systematic cross-caSe analySis) использует данный метод на практике и регулярно проводит встречи и конференции по результатам исследо­ваний.

 

Рис 1. Результаты выпуска продукции и доля высокотехнологичных отраслей в ВВП в мире, 2014 год (Science, 2016)

Теория множеств показывает, что в современ­ной экономике казуальная симметрия не работает в большинстве случаев. Если событие А вызы­вает событие В, это не означает, что событие В может вызывать А, а присутствие или отсутствие одного фактора редко объясняется лишь присут­ствием или отсутствием другого. Такие допуще­ния очень важны для текущего исследования, так как высокотехнологичные компании функциони­руют в сложной изменчивой глобальной среде, где вряд ли возможна универсальная модель по­лучения конкурентных преимуществ. Вероятнее всего, модель должна обладать способностью варьировать в зависимости от характеристик ком­паний или особенностей среды.

Методология KCA выявляет специфические казуальные отношения и основана на нескольких статистических аксиомах:

  • переменные действуют в комбинации друг с другом;
  • существуют неоднородности причинно- следственных связей (согласно КСА, в од­ной комбинации условие может содей­ствовать наступлению результата, в другой - препятствовать);
  • имеет место казуальная асимметрия.

В основном KCA ищет сложные причины, кото­рые представляют собой сочетание отдельных условий и рассматриваются в составе конфигураций. Конфигурация - это заданная комбинация причин (условий), которая связана с заданным результатом.

KCA оперирует множествами, а не числами, по­этому в его основе лежит булева алгебра, которая отвечает на вопрос не «Какому числу равняется не­известное X?», а «Верно ли высказывание, обозна­ченное X?». Таким образом, любое высказывание может быть только истинным «ДА» (I) или лож­ным «НЕТ» (0). Другие промежуточные положе­ния, как и в теории вероятностей, не учитываются.

Одна из ключевых процедур в основе KCA - булева минимизация: сведение сложных выра­жений к более простому виду согласно формуле «если два булевых выражения, отличающих­ся только одним условием, приводят к одному и тому же значению результата, это условие мо­жет быть признано нерелевантным и для просто­ты опущено из выражения». Рассмотрим несколь­ко основных операторов булевой алгебры:

  • [*] (умножение) - логическое «И»;
  • [+] (дополнение) - логическое «ИЛИ»;
  • [—>] - выражение связи условия и след­ствия.

Главная цель исследователя, использующего КСА, - найти наиболее простые сочетания сре­ди всех условий, описывающих интересующий результат, так чтобы сочетания отражали общие закономерности данных.

Применяя KCA для разработки модели полу­чения конкурентных преимуществ высокотехно­логичными компаниями, мы получим несколько вариантов комбинаций факторов, которые при­водят к успеху или к потере конкурентоспособ­ности на рынке высоких технологий, и обоснуем их отличия в зависимости от характеристик вну­тренней и внешней среды компаний.

Формирование выборки и модели исследования

Метод KCA основан на булевой дихотомиза- ции и предполагает положительный или отри­цательный исход для каждого рассмотренного случая. При выборе компаний для анализа нам необходимо определить требования к результиру­ющему показателю.

Ключевым конкурентным преимуществом высокотехнологичных компаний является успеш­ное формирование и быстрый вывод на рынок большого количества востребованных иннова­ций. Если компании удается делать это регулярно, она стабильно сохраняет конкурентное преиму­щество. Итак, успешным результатом считается стабильное формирование и выведение на рынок успешных инноваций. Однако сфера высоких технологий является очень сложной, динамичной и охватывает несколько отраслей, а значит, изме­рить выбранный результирующий показатель не­просто.

Для решения поставленной задачи было ре­шено использовать экспертную оценку компа­нии Clarivate Analytics. Ранее она называлась Intellectml Property (IP) & Science Business и была дочерним предприятием фирмы Thomson Reuters, пока в июле 2016 года ее не продали крупному инвестиционному фонду OnexCorporate и фирме Baring Private Equity Russia. Заказчиками обыч­но выступают правительства различных стран, научное сообщество, издательские организации или корпорации. Основная цель - выявление, за­щита и коммерциализация новых идей и брендов. Компании принадлежат бренды Web of Science, Thomson CompuMark, Thomson Innovation, MarkMonitor, Thomson Reuters Cortellis и Thomson IP Manager. Clarivate Analytics предоставляет ком­плексную научную информацию и данные об ин­теллектуальной собственности, осуществляет разработку инструментов и услуг для поддержки принятия решений, обеспечивающих жизненный цикл инноваций. Благодаря качественному ком­плексному подходу к оценке инновационности Clarivate Analytics приобрела хорошую репутацию в науке, она использует информацию, которой нет в открытом доступе. Компания видит свою мис­сию в ускорении развития инноваций, которые являются основной движущей силой экономиче­ского благосостояния, конкурентоспособности и успеха (Тор 100 Global Innovators Report, 2016).

Для подготовки отчета Тор 100 Global Innovators сформирована методика оценки инно­вационности на основе оценки патентов. Патенты принимаются за ключевое измерение инноваци­онности, так как правительство, научное сообще­ство и компании используют их для принятия политических решений, отслеживания трендов и сбора технологической и коммерческой ин­формации. Подсчет количества патентов дает лишь частичное представление об инновацион­ности компании. Запатентованное изобретение или технология должны обладать определенной ценностью: иметь высокое качество, быть широ­ко представленным на мировом рынке и заклады­вать основу для дальнейших разработок и усовер­шенствований.

Для начала мы проанализировали, в каких странах зарегистрированы компании-лидеры (рис. 2). Они расположены в 12 странах на трех континентах. 73% компаний сосредоточено в США и Японии, которые являются мировыми центрами инноваций. В 2016 году отчет Тор 100 Global Innovators продемонстрировал новое от­раслевое деление: проведено объединение некоторых отраслей в более широкие группы (сегмен­ты) для удобства сравнения (рис. 3).

Для анализа мы выбрали сектор «Электрони­ка и техническое обеспечение» в силу следующих причин:

  • наибольшее количество компаний сектора в рейтинге и репрезентативность для анализа;
  • самые высокие темпы роста;
  • ключевая роль и значительное влияние на другие секторы благодаря производству полупроводников и разнообразной вы­числительной техники, которые находят применение в интернета вещей и других набирающих популярность высоких техно­логиях.

Компаниям, которые стабильно входят в рей­тинг на протяжении шести лет его формирования, мы присвоили признак I (положительный резуль­тат). Выборку с положительным результатом составили: Advanced Micro Devices, Broadcom, Emerson Electric, Eloneywell International, Intel, Qualcomm, General Electric (США), Canon, Fujitsu, Elitachi, NEC, Seiko Epson, Toshiba (Япония), Samsung Electronics (Южная Корея), TE Connectivity (Швейцария) (Top 100 Global Innovators, 2016).

Перед тем как определить случаи, которым будет присвоен признак 0 (отрицательный резуль­тат), необходимо уточнить период, на котором будет сфокусировано исследование факторов. На основании ретроспективного анализа данных компаний был выбран трехлетний период ана­лиза. Елавным образом, учитывалась значитель­ная динамичность высокотехнологичной сферы, слишком большое количество макропараметров, которые могли оказать влияние на результат в бо­лее долгосрочном периоде. В дальнейшем вы­бранные факторы будут проанализированы за по­следние три года, с 2014 по 2016 год. В качестве отрицательных случаев должны быть выбраны компании, которые до 2014 года стабильно вхо­дили в рейтинг Тор 100 Global Innovators, а затем потеряли устойчивое конкурентное преимуще­ство и перестали быть инновационными лидера­ми в 2014-2016 годах. В секторе «Электроника и техническое обслуживание» данному условию удовлетворяют: Hewlett Packard, IBM, SanDisk, Texas Instruments (США), Brother Industries, Ricoh, Semiconductor Manufacturing International, Sharp, TDK (Япония), Siemens (Еермания), STMicroelectronics (Швейцария).

Таким образом, KCA выбранных компаний поможет нам выявить, какие факторы помогли успешным компаниям сохранить устойчивое конкурентное преимущество на рынке высоких технологий. Для анализа выбранных компаний будет использовано специальное программное обеспечение TOSMANA, разработанное для ра­боты с данными с помощью KCA и используемое ассоциацией COMPASSS (COMPASSS, [б. д.]).

 

Рис 2. Региональное распределение кампаний рейпишга Тор 100 Global Innovators, 2016 год

Рис 3. Рейтинг компаний Тор 100 Globallnno\’ators в отраслевом разрезе

К факторам, которые будут использованы для КСА, предъявляются следующие требования:

  • возможность объективной и точной оценки;
  • наличие опубликованных данных;
  • фактор по своей сущности является драйве­ром создания инновации2.

Нa основании изученной информации и с уче­том критериев для KCA были выбраны пять фак­торов, которые разбиты на три группы в соот­ветствии с теориями получения конкурентных преимуществ (табл. 1).

 

Таблица 1

Факторы для качественно-фавншпельного анализа

Фактор

Группа

Валовая маржа (gross margin, GM)

Внутренние факторы

Коэффициент абсолютной ликвидности (absoluteliquidity, ABSLIQUID)

Региональное распределение продаж, отражающее долю выручки в том или ином регионе присутствия ((globalmarket, GLBLMARKET)

Рыночные стратегии

Конгломерат (conglomerate, CONG)

Дочерние и совместные компании (subsidiaries and joint ventures, SUBS&JV)

Сетевые эффекты

Устойчивое конкурентное преимущество (sustainable competitive advantage, SUSTCOMPAD)

Результирующий показатель

Показатель валовой маржи, или процент вы­ручки, который остается предприятию после по­крытия себестоимости выпускаемой продукции, большинство предприятий выборки указывают как стратегический в презентациях для инвесто­ров (Трачук А., Тарасов П., 2015). Кроме того, он объединяет индикатор роста выручки при сниже­нии себестоимости и показывает, сколько средств остается у компании на развитие инноваций, то есть на заработную плату научным сотрудни­кам и исследователям, расходы на обучение, НИ­ОКР, инвестиционную деятельность и т.д. (Тра­чук А. В., Линдер Н.В., 2016а).

Коэффициент абсолютной ликвидности, или коэффициент обеспеченности компании де­нежными средствами, во многом обеспечивает скорость реакции на изменения на рынке, и по­казывает, насколько свободно компании могут использовать ресурсы. Благодаря оперативному реагированию высокотехнологичная компания успешно ориентируется на рынке высоких техно­логий и предлагает потребителю востребованные инновационные продукты.

Глобальность продаж показывает, ориен­тирована ли компания на свой макрорегион или на глобальный рынок. Выручка компаний была сгруппирована по трем основным регионам: Америка (страны Северной, Центральной и Юж­ной Америки), Европа, Ближний Восток и Афри­ка, Азиатско-Тихоокеанский регион. Разделение по регионам используют крупнейшие аналити­ческие агентства, например Bloomberg. Согласно проведенному анализу, глобальные компании, которые реализуют продукцию во всех трех реги­онах, имеют больше возможностей для развития и создания новых технологий.

Кроме тога, глобальность патентов является одним из компонентов оценки результирующе­го показателя. Данный фактор также указывает­ся в качестве влияющего на создание инноваций (Линдер Н. В., Арсенова E. В., 2016; KaragozogluN., 1993; Prahalad С. К., Hamel G., 1990).

Фактор конгломерата означает, что компания выпускает разнородную продукцию, ориентиро­ванную на потребителей в разных секторах эко­номики, а значит, может войти в новые для себя сферы и получить потенциал для создания новых патентов. Актуальность данного фактора под­тверждается в литературе (Трачук А. В., Лин­дер Н.В., 2016 б; Clarivate Analytics, 2016; PwC, 2016).

Значимость активного приобретения дочер­них и зависимых компаний неоднократно упо­минается в консалтинговых отчетах как один из источников получения крупными компаниями новых перспективных идей, которые затем можно будет успешно реализовать и вывести на рынок. Аналогичные выводы сделаны и в исследованиях (Трачук А.В., Линдер Н.В., 2016 в; Baptista R., Swann Р., 1998; Zawislak PA., Schaeffer PR., 2015).

В анализ могли бы быть включены важные показатели, характеризующие человеческий капитал: средняя заработная плата на одного сотрудника, расходы на обучение сотрудника или структурный анализ персонала по должности или возрасту. Однако компании не раскрывают достаточного количества данных ни по одному из этих показателей.

В процессе анализа были выявлены признаки, которые мы считаем значимыми для получения конкурентных преимуществ в сфере высоких технологий, но которые справедливы для всех компаний выборки и, следовательно, не влияют на устойчивость конкурентного преимущества. В рамках KCA такие факторы были бы миними­зированы. К ним относятся:

  • размер: все компании выборки относятся к крупному бизнесу;
  • компания зарегистрирована в странах, по­литика и экономика которых ориентирована на развитие высоких технологий;
  • стратегические альянсы (Bercovitz J.E. L., Feldman M.R, 2007; OECD White Paper, 2016): все компании выборки входят в не­сколько стратегических альянсов, предла­гают индивидуальные программы сотруд­ничества с ними (так, в альянс WdFIAlliance входят все компании выборки (WdFI Alliance, [s.а.]));
  • использование наиболее перспективных стратегических высоких технологий (ин­тернет вещей, искусственный интеллект, продвинутая робототехника, промышлен­ные портативные электронные устройства, облачное хранение данных и пр.).

Формулирование гипотез и проведение качественно­сравнительного анализа

На основании проведенного выше анализа и выбранных факторов были сформулированы три основные гипотезы исследования.

  • Гипотеза 1 Наличие внутренних ресурсов, характеризующихся показателями вало­вой маржи и абсолютной ликвидности, по­зволяет высокотехнологичным компаниям быстро реагировать на возникающие по­требности и использовать рыночные воз­можности.
  • Гипотеза 2 Диверсифицированная деятель­ность (распространение в различных сфе­рах и присутствие во всех макрорегионах) позволяет компаниям увеличивать свою долю на динамичном растущем рынке.
  • Гипотеза 3 Активное взаимодействие с другими участниками рынка посредством приобретения дочерних и создания совмест­ных предприятий запускает сетевые эффек­ты и предоставляет потенциал для создания большого количества инноваций.

Необходимо проверить уравнение:

SUSTCOMPAD→GM*ABSLIQUID*GLBLMAR KET*CONG*SUBS&JV                             (1)

Дихотомизация, то есть присвоение тому или иному фактору значения I или 0, была прове­дена на основании нескольких принципов, исполь­зование которых допускает выбранный метод:

Валовая маржа. Порог был выбран на осно­вании медианы: компании, которые по уровню маржи на протяжении трех лет находятся в груп­пе лидеров, получают оценку I; те, у которых маржа ниже медианы, - оценку 0. Пример уста­новки порога дихотомизации приведен на рис. 4.

Коэффициент абсолютной ликвидности. Порог был установлен аналогичным способом на уровне медианы.

Доля выручки в регионе. Порог был установ­лен на уровне 33% из расчета, что в случае гло­бальности компания присутствует на всех макро­рынках в равной степени. Если в среднем за три года доля продаж в своем макрорегионе состав­ляла 33% или менее, фактору присваивалось зна­чение I (компания считается глобальной). Если компания продает в своем макрорегионе более трети продукции, то ей присваивается значение 0.

Индикатор конгломерата был проставлен на основании экспертных оценок Brand Finance, в которых публикуется описываемый показатель и в которые входит подавляющее большинство компаний выборки. Для нескольких компаний, которые никогда не входили в указанные рей­тинги, индикатор был проставлен по аналогии на основании анализа публикуемой компаниями информации.

 

Pиc 4. Пример установки порога дихотомиищии для показателя валовой мар­жи в программе TOSMANA

Активное приобретение дочерних и зависи­мых компаний. Для оценки были использованы данные отчета о движении денежных средств сум­марно по строкам «Денежные средства для при­обретения дочерних компаний» и «Денежные средства на совместные предприятия». Значение 1 присваивалось компаниям, которые проявляли активность в сфере слияний и поглощений каждый год в течение исследуемого трехлетнего периода. В остальных случая присваивалось значение 0.

Устойчивое конкурентное преимущество. Значения 1 или 0 результирующего фактора при­своены в соответствии с группами выборки.

После внесения факторов в программу TOSMANA и указания порогов дихотомизации была получена таблица истинности (табл. 2).

Таким образом, 24 из 26 компаний выборки (92%) объединены в девять групп, что говорит о наличии общих тенденций для анализируе­мых случаев. В трех из девяти групп получены противоречивые результаты. В соответствии с методологией KCA случаи из противоречивых групп включаются в анализ и построение модели в качестве потенциально возможных вариантов. После получения и интерпретации результатов указанные группы целесообразно рассмотреть отдельно для выявления специфических особен­ностей, которые могли привести к противоре­чивым результатам. После проведения булевой минимизации мы получим несколько сценариев модели получения положительного и отрицатель­ного результата.

Для получения сценариев модели необходимо устано­вить требуемый результиру­ющий показатель и указать признак включения в анализ случаев с противоречивыми результатами (рис. 5).

 

Таблица 2

Качественно сравнительный анализ кампаний

Индикатор конгломерата

Валовая маржа

Активное приоб­ретение дочерних и зависимых компаний

Доля выручки
компании в регионе присутствия

Коэффициент
абсолюной ликвидности

Устойчивое
конкурентное
преимущество

0

0

0

0

0

0

0

0

0

0

I

0

0

0

I

0

I

0

0

I

0

I

I

0

0

I

I

0

 

0

0

I

I

0

I

I

0

I

I

I

I

I

I

0

I

0

 

0

I

0

I

0

I

I

I

I

I

0

I

I

Описание результатов исследования

В результате анализа были получены модели, при­водящие к формированию устойчивого конкурентного преимущества для высоко­технологичных компаний, и модели, которые не приво­дят к желаемому результату. Модель получения устой­чивого конкурентного пре­имущества для высокотехнологичных компаний описана формулой:

SUSTCOMPAD {1} →CONG {0} * GM {1} * SUBS&JV {1} * ABSLIQUID {1} + (2)

+ CONG {1} * SUBS&JV {1} * GLBLMARKET {0} * ABSLIQUID {1}

 

Рис. 5. Выбор параметров для анализа в програм­ме TOSMANA

В результате проведения KCA анализа можно выделить два следующих сценария, связанных отношениями взаимозаменяемости (НЛИ-ИЛИ).

Сценарий 1. Если компания не является конгло­мератом и не ориентирует­ся на выпуск разнородной продукции в разных отрас­лях, то для успеха на рын­ке высоких технологий ей необходимо иметь внутренние ресурсы, ко­торые позволят быстро приспосабливаться к усло­виям динамичного рынка и проявлять активность в сфере слияний и погло­щений, что дает потенци­ал для создания большого числа инноваций в рамках одного сектора. При этом не имеет значения, ориентируется компания на свой макрорегион или на мировой рынок в це­лом: соблюдение указанных условий позволяет ей оставаться конкурентоспособной и в том и в дру­гом случае. Данная модель справедлива для 40% успешных компаний, в числе которых Broadcom, Emerson Electric, Canon, Intel, Qualcomm, Seiko, Epson. Четыре из шести указанных компаний аме­риканские, остальные две - японские.

Сценарий 2. Если компания является конгло­мератом и ориентирована на проникновение в но­вые сферы и радикальную диверсификацию про­дуктового портфеля, ей стоит сконцентрироваться именно на этом аспекте рыночной диверсифика­ции и реализовывать стратегию на рынке своего макрорегиона. И отраслевая, и региональная ди­версификация одновременно является слишком большим вызовом для компании на столь дина­мичном рынке. Поток информации становится слишком большим, а выстраивание стратегии и контроль за ее реализацией - слишком слож­ным. Для успешной реализации стратегии от­раслевой диверсификации необходим большой запас денежных средств, который обеспечит финансовую устойчивость и возможность до­полнительных вложений, которые могут в любой момент понадобиться, в том числе для приобре­тения перспективных дочерних обществ или соз­дания совместных предприятий в новых сферах. Для данной модели операционная эффективность не столь важна. Как показывает анализ, новые сферы, на которые обычно распространяют свою деятельность компании сектора, обычно вклю­чают медицинское оборудование, авиационную или автомобильную промышленность, то есть продукты для данных сфер могут характеризо­ваться высокой себестоимостью, особенно на на­чальных этапах жизненного цикла инновации. Данная модель справедлива для 34% успешных компаний выборки, в числе которых Hitachi, General Electric, Honeywell International, Samsung Electronics, TE Connectivity. Данная группа более разнородна в региональном разрезе - вошедшие в нее компании зарегистрированы в США, Япо­нии, Южной Корее и Швейцарии.

По результатам анализа компаний, которые потеряли устойчивое конкурентное преимуще­ство в сфере высоких технологий и перестали быть инновационными лидерами в рассматрива­емом периоде также можно выделить два сцена­рия. Модель, использование которой однозначно приведет к отрицательному результату, описыва­ется формулой:

SUSTCOMPAD {0} -^CONG {0} * GM {0} * GLBLMARKET {0} * ABSLIQUID {I} + (3)

+ CONG {1} * GM {0} * SUBS&JV {1} * GLBLMARKET {0} * ABSLIQUID {0}

Сценарий 1. Несмотря на то что поддержа­ние высокой ликвидности является неотъемле­мой частью обеих моделей с положительным результатом, ориентация только на этот аспект, игнорирование путей диверсификации и опера­ционная неэффективность приводят к негатив­ному исходу. При таком стечении обстоятельств компаниям можно посоветовать рассмотреть возможные пути диверсификации и направить неиспользуемый запас денежных средств на реа­лизацию обновленной стратегии. Данный сцена­рий справедлив для 25% компаний-аутсайдеров, среди которых Hewlett Packard, Semiconductor Manufacturing International, TDK.

Сценарий 2. Реализация стратегии продукто­вой и отраслевой диверсификации требует на­личия внутренних ресурсов, которых не хватило компании. Компания не ориентировалась на ре­гиональную и на продуктовую диверсификацию одновременно, что подтверждает вывод о слож­ности комбинации этих стратегий в высокотех­нологичных сферах.Неверная стратегия была вы­брана компанией Samsung.

Целесообразно также рассмотреть наиболее многочисленную противоречивую группу, в ко­торую входит три компании с отрицательным значением результирующего показателя и случаи которой составляют 36% негативных исходов. Ре­зультат представлен в формуле:

SUSTCOMPAD {0} -> CONG {0} * GM {1} * SUBS&JV {0} *GLBLMARKET {1} * AB SLIQUID {1} (4)

Данная модель подтверждает теорию сетевых эффектов и сотрудничества конкурирующих ком­паний и показывает, что при наличии внутренних финансовых ресурсов для достижения конку­рентных преимуществ компании ориентируются на внешние рынки и налаживают взаимоотноше­ния с другими участниками рынка. При этом объе­динение продуктовой и региональной диверсифи­кации для данной группы компаний не работает.

В группу компаний, у которых недостаточно высока активность в сфере слияний и поглоще­ний, попали японская Brother Industries, американ­ские SanDisk и Texas Instruments, а также швейцар­ская компания STMicroelectronics: низкий уровень взаимодействия компании с другими участниками рынка не имеет региональных закономерностей.

Американской компании Advanced Micro Devices с аналогичной моделью удалось достичь положительного результата. Если проанализиро­вать сделки по слиянию и поглощению указанной компании, то на протяжении нескольких лет она объявляет о многих сделках по слиянию и погло­щению и планирует их, однако по факту не приоб­ретает дочерних обществ и не создает совместных предприятий. Таким образом, активность в сфере слияний и поглощений может иметь не только прямой эффект, выражающийся в обмене опытом и получении новых технологий за счет приобре­тения перспективных стартапов, но и косвенный, благодаря позитивному информационного фону за счет сообщений о готовности компании к со­трудничеству. Также стоит отметить, что Advanced

MicroDevices является одной из компаний-лидеров в выборке по количеству стратегических альянсов.

На основании полученных конфигураций г и их анализа проведем оценку выдвинутых ранее гипотез:

  • Гипотеза 1 подтвердилась частично. Наибо­лее критичное влияние оказывает уровень ликвидности
  • Гипотеза 2 подтвердилась частично. Ис­пользование обоих путей диверсификации невозможно в рамках одной стратегии.
  • Гипотеза 3 подтвердилась полностью. Кри­тическое значение во всех конфигурациях достигнуто.

На основании проведенного исследования и результатов KCA высокотехнологичным компа­ниям сектора «Электроника и техническое обеспе­чение» предлагается создать систему показателей, которые позволят создать устойчивое конкурент­ное преимущество на рынке, если будут интегри­рованы в действующую стратегию компании.

Ограничения исследования

Сформированная модель может быть обосно­ванно использована для высокотехнологичных компаний из развитых стран, которые привлече­ны для КСА. Использование же модели для вы­сокотехнологичных компаний из развивающихся стран может дать неточные результаты, в связи с чем нуждается в дополнительной проработке.

В процессе анализа факторов для включения в модель было определено, что персонал являет­ся важным внутренним ресурсом, который может оказывать влияние на формирование устойчивого конкурентного преимущества. Однако ни один из показателей, характеризующих данный ресурс (средняя заработная плата, уровень финансовых и /или временных затрат на обучение сотрудника, половозрастной состав, должностное распреде­ление; уровень заработной платы персонала, за­нятого в НИОКР, текучесть кадров и др.), не был раскрыт как минимум 60% компаний выборки. Таким образом, принимая во внимание потен­циально высокую роль данного фактора, в даль­нейшем может быть предпринят поиск путей его оценки и включение в модель.

Выводы и практическое использование результатов

В настоящей статье мы попытались выявить успешные конфигурации и не являющиеся тако­выми конфигурации, которые приводят к потере устойчивого конкурентного преимущества; сфор­мировать сценарную модель получения конку­рентных преимуществ высокотехнологичными компаниями сектора «Электроника и техническое обеспечение».

Рассматриваемая в исследовании сфера высо­ких технологий является одной из наиболее зна­чимых в современной мировой экономике. Так, в 2014 году доля выпуска высокотехнологичных отраслей промышленного производства и науко­емких услуг составляла в среднем 30% мирового ВВП: около 35% в развитых странах и около 20% - в развивающихся.

Основным конкурентным преимуществом высокотехнологичных компаний является бы­стрый и успешный вывод на мировой рынок ка­чественных и востребованных инноваций. В ходе исследования были подтверждены основопола­гающие факторы, необходимые для получения устойчивого конкурентного преимущества в рас­сматриваемой сфере: фактор размера бизнеса (наиболее преуспевающими являются крупные компании), фактор региональной принадлежно­сти (наиболее успешные компании зарегистри­рованы в развитых странах, уделяющих доста­точное внимание развитию высоких технологий), ориентация на перспективные стратегические высокие технологии.

На основании KCA были получены два сцена­рия модели получения устойчивых конкурентных преимуществ высокотехнологичными компаниями сектора «Электроника и техническое обеспечение»:

  • если компания является конгломератом и стремится к расширению деятельности в различные отрасли, то ей необходимо скон­центрироваться на повышении ликвидности и объединении бизнеса путем приобретения дочерних обществ и создания совместных предприятий в своем макрорегионе;
  • если же компания не ориентируется на от­раслевую диверсификацию деятельности, то помимо указанных элементов ключевым элементом успеха является повышение ва­ловой маржи, допускается широкая глоба­лизация деятельности при равной реализа­ции в трех макрорегионах.

Как влияющие на конкурентоспособность компаний в сфере высоких технологий ранее от­мечены отдельные элементы полученной модели:

  • стратегия отраслевой диверсификации, от­мечают (Трачук А.В., Линдер Н.В., 2017; Clarivate Analytics, 2016; PwC, 2016);
  • работа компании на глобальном рынке (Тра- чук А. В., ЛиндерН. В. ,2014; KaragozogluN., 1993; Prahalad С.К., Hamel G., 1990);
  • активность в объединении бизнеса (Baptista R., SwannP., 1998; Zawislak , Schaeffer PR., 2015; Курятников А.Б., Лин­дер Н.В., 2015).

В своей работе мы впервые объединили их в аналогичную сценарную модель.

Так как целью KCA является поиск закономер­ностей среди отдельных случаев, можно сказать, что модель характеризуется высокой достоверно­стью: указанные выше сценарии используют око­ло 75% успешных компаний выборки.Результаты анализа и разработанные на его основе рекомен­дации могут быть использованы менеджментом в качестве ориентира при построении стратегии для получения устойчивого конкурентного пре­имущества высокотехнологичными компаниями сектора «Электроника и техническое обеспече­ние» в условиях динамичной внешней среды.

Список литературы

1. Курятников А. Б., Линдер Н. В. (2015) Использование парадигмы «открытых инноваций» при построении корпоративных инновационных систем холдинга: эмпирическое исследование // Стратегии бизнеса. № 7 (14). С. 44–51.

2. Линдер Н. В. (2014) Стратегии диверсифицированного роста и определение оптимальных границ крупных промышленных бизнес-групп // Эффективное Антикризисное Управление. № 1. С. 90–99.

3. Линдер Н. В., Арсенова Е. В. (2016) Инструменты стимулирования инновационной активности холдингов в промышленности // Научные труды Вольного экономического общества России. Т. 198. С. 266–274.

4. Трачук А. В. (2012) Инновации как условие долгосрочной устойчивости российской промышленности // Эффективное Антикризисное Управление. 2012. №6 (75). С. 66–71.

5. Трачук А. В. (2013) Формирование инновационной стратегии компании // Управленческие науки. № 3. С. 16–25.

6. Трачук А. В., Линдер Н. В. (2016 а) Влияние ограничений ликвидности на вложения промышленных компаний в исследования и разработки и результативность инновационной деятельности // Эффективное Антикризисное Управление. № 1. С. 80–89.

7. Трачук А. В., Линдер Н. В. (2016 б) Влияние спилловер – эффектов знаний на эффективность компаний обрабатывающей промышленности // Современный менеджмент: проблемы и перспективы: Сб. ст.: В 2 ч. СПб.: СПбГЭУ. С. 261–271.

8. Трачук А. В., Линдер Н. В. (2017) Инновации и производительность российских промышленных компаний // Инновации. № 4 (222). С. 53–65.

9. Трачук А. В., Линдер Н. В. (2016 в) Методика многофакторной оценки инновационной активности холдингов в промышленности // Научные труды Вольного экономического общества России. Т. 198. С. 298–308.

10. Трачук А. В., Линдер Н. В. (2014) Стратегия формирования устойчивых конкурентных преимуществ инновационно-ориентированными промышленными компаниями // Стратегическое планирование и развитие предприятий: Матер. Пятнадцатого всерос. симпозиума / Под ред. Г. Б. Клейнера. М.: ЦЭМИ РАН,2014. С. 181–183.

11. Трачук А., Тарасов И. (2015) Исследование эффективности инновационной деятельности организации на основе процессного подхода // Проблемы теории и практики управления. № 9. С. 52–61.

12. Bercovitz J.E.L., Feldman M. P. (2007) Fishing up stream: Firm innovation strategy and university research alliances // Research Policy. Vol. 36. P. 930–948.

13. Berg-Schlosser D., De Meur G. (2009) Configurational Comparative Methods: Qualitative Comparative Analysis (QCA) and Related Techniques.Thousand Oaks, CA: SAGE Publications Ltd.

14. Baptista R., Swann P. (1998) Do firms in clusters innovate more? // Research Policy. Vol. 27. P. 525–540.

15. Bloomberg Professional Sevices ([s.a.]). URL: https://www.bloomberg.com/professional.

16. Top 100 Global Innovators Report2016 ([s.a.]) //Clarivate Analytics. URL: http://top100innovators.stateofinnovation.com/sites/default/files/content/top100/L178_Cvt_Top_100_Innovators_Report_008.pdf.

17. COMPASSS ([s.a.]). URL: http://www.compasss.org.

18. Tosmana [Version 1.521] / University of Trier ([s.a.]). URL: http://www.tosmana.net.

19. Fiss P. C., Sharapov D., Cronqvist L. (2013) Opposites attract? Opportunities and challenges for integrating large-N QCA and econometric analysis// Political Research Quarterly. Vol. 46. P. 191–198.

20. Karagozoglu N. (1993) Environmental Uncertainty, Strategic Planning, and Technological Competetive Advantage // Technovation. Vol. 13, N 6. P. 335-347

21. Science and Engineering Indicators 2016 // National Science Board Report. URL: https://www.nsf.gov/statistics/2016/nsb20161/#/

22. Organisation for Economic Co-operation and Development (OECD), White Paper, In collaboration with A.T. Kearney, Technology and Innovation for the Future of Production: Accelerating Value Creation. URL: http://www3.weforum.org/docs/WEF_White_Paper_Technology_Innovation_Future_of_Production_2017.pdf

23. Prahalad C. K., Hamel G. (1990) The core competence of the corporation // Harvard Business Review. Vol. 68, N 3. P. 79–91.

24. PwC 2016 Global Innovation 1000 Study Press Release. URL: http://www.pwc.com/us/en/press-releases/2016/pwc-2016-global-innovation-1000-study-press-release.html.

25. Ragin C. (1987) The comparative method. Berkeley: University of California Press.

26. Ragin C., Rihoux B. (2009)Configurational Comparative Methods: QCA And Related Techniques // Applied Social Research Methods Series. Vol. 51. P. 91–114.

27. Rihoux B., De Meur G. (2009) Crisp-Set Qualitative Comparative Analysis (csQCA) // Configurational Comparative Methods. Vol. 75. P. 33–69.

28. SanDisk. Investors Portal. URL: https://www.sandisk.com/about/media-center.

29. Schneider C., Wagemann C. (2010) Standards of Good Practice in Qualitative Comparative Analysis (QCA) and Fuzzy-Sets // Comparative Sociology. Vol. 9. P. 397–418.

30. Thomson Reuters 2015 Top 100 Global Innovators Report. URL: http://static.latribune.fr/521753/classement-entreprises-innovantes.pdf.

31. Thomson Reuters 2014 Top 100 Global Innovators Report. URL: http://www.innovationmanagement.se/downloads/TR-Top-100-Global-Innovators-2014.pdf.

32. Thomson Reuters 2013 Top 100 Global Innovators Report. URL: http://boletin.interesa.es/resolver_adjunto_noticia.ashx?id=_51B19295-63AC-4D48-9069-FB107D01D690_E09078F4-BB4C-4FB1-B1F3-C492DB8F81C2__F7DA52F8-305C-4D35-9BBF-59CA6AD070C8.

33. Thomson Reuters 2012 Top 100 Global Innovators Report. URL: http://innovation.tums.ac.ir/upfiles/127406694.pdf.

34. Thomson Reuters 2011 Top 100 Global Innovators Report. URL: http://www.lemoci.com/media/Top100.pdf.

35. Vis B. (2012) The comparative advantages of fsQCA and regression analysis for moderately large-N analyses // Sociological Methods & Research. Vol.41(1). P. 168–198.

36. WIFI Alliance. Member Companies. ([s.a.]) URL: https://www.wi-fi.org/who-we-are/member-companies

37. Zawislak P. A., Schaeffer P. R. (2015) Innovative Performance and Capabilities of Interacting Firms // IAMOT 2015 Conference. The Westin, CapeTown. P. 386–394.


Об авторе

А. М. Левина
ПАО «СИБУР Холдинг»
Россия

Главный специалист департамента связи с инвесторами ПАО «СИБУР Холдинг». Область научных интересов: стратегический менеджмент, инновации и предпринимательство.



Для цитирования:


Левина А.М. Формирование конкурентных преимуществ компаниями высокотехнологичных отраслей: модель и ее основные компоненты. Стратегические решения и риск-менеджмент. 2017;(4-5):88-97. https://doi.org/10.17747/2078-8886-2017-4-5-88-97

For citation:


Levina A.M. Getting Competitive Advantages for High-Tech Companies: Model Formation. Strategic decisions and risk management. 2017;(4-5):88-97. (In Russ.) https://doi.org/10.17747/2078-8886-2017-4-5-88-97

Просмотров: 1090


ISSN 2618-947X (Print)
ISSN 2618-9984 (Online)