Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

Обучающие эффекты экспорта в российской софтверной индустрии

https://doi.org/10.17747/2078-8886-2018-2-38-49

Полный текст:

Аннотация

Существование обучающих эффектов экспорта обусловлено характером создания, накопления, трансфера знаний, а также абсорбционной способностью компаний аккумулировать и адаптировать внутри организации лучший опыт, компетенции, позаимствованные из‑за рубежа. Протяженность и направленность экспорта оказывают значительное влияние на инновационную деятельность организаций, при этом новации не всегда подталкивают руководителей ИТ-компаний инициировать экспортную деятельность.
В ходе эмпирических исследований нами были выявлены следующие закономерности в отношении российских ИТ-компаний:
1) У новых ИТ-экспортеров нет видимой связи между внедрением новых продуктов, технологий и началом экспорта. Вложения в исследования и разработки, которые, возможно, были инициированы после выхода на зарубежные рынки или одновременно с ним, пока что не принесли результатов.
2) Стабильная экспортная деятельность стимулирует ИТ-компании применять новые технологические, процессные и маркетинговые инновации, которые ранее не входили в планы фирмы, намного чаще по сравнению с фирмами на локальном рынке.
3) Влияние внешних эффектов знаний на производительность ИТ-компаний зависит от географического направления экспорта: рынки ближнего зарубежья (страны СНГ) и непосредственно сама Россия; рынки дальнего зарубежья.
4) Вложения в исследования и разработки, маркетинг и выпуск новой продукции больше характерны для столичных компаний. Взаимосвязь наличия международного офиса и внедрения новаций, напротив, не была доказана. Размер компаний повлиял лишь на продуцирование новых технологий: если компания относится к типу среднего предприятия или является более крупной, то вероятность изобрести новации повышается на 22%.
5) Чем меньше фирма, тем ниже ее стремление к принятию участия в обширных инновационных сетях, повышению числа и многообразия внешних связей. Размер компании предопределяет уровень влияния кооперации с другими участниками рынка на ее внутренний инновационный процесс.
В статье рассматриваются классификация спилловер-эффектов знаний, методология их исследования, проводится анализ экономического эффекта процесса «перетока» в результате выхода на внешние рынки. Акцент сделан на оценке способностей реципиентов аккумулировать новые знания в ходе ведения экспортной деятельности для извлечения преимуществ в плане будущего развития: повышения инновационной активности и, соответственно, привлекательности, выливающихся в увеличение производственной эффективности.

Для цитирования:


Божева Е.О. Обучающие эффекты экспорта в российской софтверной индустрии. Стратегические решения и риск-менеджмент. 2018;(2):38-49. https://doi.org/10.17747/2078-8886-2018-2-38-49

For citation:


Bozheva E.O. Learning-by-export effects in the russian software industry. Strategic decisions and risk management. 2018;(2):38-49. (In Russ.) https://doi.org/10.17747/2078-8886-2018-2-38-49

ВВЕДЕНИЕ

Знание - это ресурс, специфический ак­тив, способный порождать обширные внеш­ние эффекты, выражающиеся в накоплении знания и непрекращающемся производстве новых знаний на основе полученных компе­тенций, навыков, опыта. В научной литера­туре внешние эффекты принято рассматри­вать в основном как негативный результат деятельности промышленных предприятий, выражающийся в ухудшении экологической обстановки. «Обучающие» же эффекты, как правило, оцениваются положительно, поскольку способствуют расширению дея­тельности компаний.

Понятие «трансфер знаний» (спилло- вер-эффекг) возникло в начале 1990-х годов. Трансфер как процесс, в рамках которого одна организацион­ная единица (к примеру, группа, департамент или дивизион) зависит от опыта, исполнительности, знаний другой струк­турной единицы [Argote L.; IngramP., 2000; Курятников А.Б., Линдер Н.В., 2015]. Национальная инновационная система (НИС), которую составляют государство (различные инсти­туты), наука (научные сообщества), предприятия (формиру­ющие спрос на инновации), инновационная инфраструктура (инвесторы, бизнес-инкубаторы, технопарки), играет огром­ную роль в процессе развития технологического прогресса путем создания и распространения научных знаний [Тра- чук А.В., 2012]. Скорость распространения знаний между научно-исследовательскими организациями предопределяет тот или иной вектор развития экономики [The knowledge- based economy, 1996, p. 24]. Эффективный переток знаний за­висит от инвестирования в навыки и умения по нахождению и адаптации нужных, полезных знаний для их дальнейшего эффективного использования и преодоления отсталости раз­вивающихся бизнес-единиц, т.е. для решения накопившихся проблем [Трачук А.В., Линдер Н.В., 2017а].

В узком смысле переток знаний означает обмен идеями среди индивидуумов [Carlino G. А., 2001]. На уровне фирмы переток описывается следующим образом:

  • компании могут добыть информацию, созданную дру­гими фирмами, «бесплатно»;
  • у создателей (или текущих владельцев) информации нет эффективного механизма, для того чтобы пред­отвратить использование этой информации другими экономическими агентами в рамках текущего законо­дательства [GrossmanG.М., Helpman E., 1992].

В широком же смысле переток определяется как про­цесс, порождающий обширные спилловер-эффекгы (экс­терналии), или «воздействие рыночных транзакций на тре­тьих лиц, не опосредованное рынком» [Экстерналия, [б.г.]], некомпенсируемые воздействия одной стороны на другую. Мы же будем понимать спилловер-эффекгы как «измене­ния в инновационном поведении фирм» [Трачук А.В., Лин­дер Н.В., 2016в], выраженные в трансформации бизнес-мо­дели, корпоративной культуры, поведения сотрудников и прочих внутрифирменных видоизменений.

В научных сообществах экономистов не прекращаются споры о том, действительно ли существуют спилловер-эф- фекты знаний, влияющие в значительной степени на эффек­тивность деятельности хозяйствующих субъектов, или же это закономерность, обусловленная влиянием множества других факторов [TrachukA., LinderN., 2018b]. В силу спорности во­проса мы решили проанализировать базу данных российских высокотехнологичных компаний с целью доказать существо­вание эффектов, рассмотрев переток знаний как фактор ин­новаций в процессе выхода компаний на зарубежные рынки.

Для начала приведем краткий обзор нынешнего состо­яния структуры экспорта России. Темпы роста объемов экспорта невелики: в 1990-2000 годах в среднем за год 0,8%, в 2001-2015 годах - 4,4% [World Development, [s.а.]], но есть небольшое улучшение экспортного потенциала РФ (рис. I). Для сравнения: в 2000-2015 годах темп прироста импорта 10,3% в среднем за год, в 1990-2000 годах - 6,1%.

Так или иначе, наблюдается положительное сальдо тор­говых отношений в течение всего периода, а значит, Россия относительно независима от других государств. Вместе с тем бытует мнение о том, что Россия до сих пор не слезла с нефтяной иглы и единственный шанс перестать быть за­висимой от внешнего мира - развивать и модернизировать промышленность, начинать экспортировать высокотехно­логичную продукцию вместо торговли сырьем, материала­ми и полуфабрикатами без наращенной добавленной стои­мости. Чтобы проанализировать развитость отраслей в РФ, необходимо провести детальный анализ структуры экспорта.

 

Рис. 1. Экспорт и импорт товаров и услуг, млрд долл. (в ценах 2010 года), поданным Всемирного банка

Мы поставили перед собой цель проанализировать вли­яние спилловер-эффектов экспорта на инновационную ре­зультативность именно высокотехнологичных компаний, за­нимающихся разработкой программного обеспечения (ДО), ИТ -технологий.

Большинство российских ИТ-компаний занимаются соз­данием решений для наиболее перспективных сегментов ИТ (большие данные, машинное обучение, искусственный интеллект, дополненная и виртуальныя реальность, нейро- подобные структуры, мобильность, когнитивные, биометри­ческие технологии, безопасность киберфизических систем и прочее). В этих сегментах разворачивается конкурентная борьба за глобальные рынки, закладываются основы лидер­ства на тот период, когда мировая экономика приобретет новый уклад. ИТ-индустрия не замыкается в себе, она пол­ностью открыта миру: компании активно используют воз­можности сотрудничества с мировыми технологическиими вендорами, не боятся выходить на ранее незнакомые им рын­ки и вступают в жесткую конкуренцию с преуспевающими мировыми производителями.

По мнению экспертов ассоциации «Руссофт», в 2016— 2017 годах имели место следующие основные тенденции:

  • с 2014 года наблюдается стабильный рост доходов оте­чественных разработчиков ПО от экспорта (в сред­нем на 11-13%), лишь в 2016 году продажи внутри страны, исчисленные в долларах, стали обеспечивать существенный прирост доходов многих предприятий отрасли;
  • продажи ПО в 2016 году выросли примерно на 21% по сравнению с результатами 2015 года (в 2016 году выручка - не менее 4,4 млрд долл.).

Необходимо различать термины «экспорт» и «зарубеж­ные продажи» ПО: не всегда продажи на внешних рынках ведут к прямому притоку валюты в РФ (если рассматривать термин с позиций юридических лиц), часть денежных средств остается в иностранных компаниях-дочках, создан­ных российскими фирмами согласно мировой практике ве­дения зарубежного бизнеса. Деньги, как правило, направля­ются на развитие иностранных центров разработки, офисов продаж, маркетинга (валютная выручка не поступает на сче­та в России) и вплоть до 7 мая 2006 года на частичную обя­зательную продажу валютной выручки в РФ [Федеральный закон, 2003].

Таким образом, существует три показателя, характеризу­ющих внешнеэкономическую деятельность разработчиков ПО:

  • совокупные зарубежные продажи по итогам 2016 года - 7,6 млрд долл. (расчет «Руссофта»);
  • приток валюты в Россию от зарубежных продаж в 2016 году - 4,8-5,0 млрд долл. (экспертная оценка «Руссофта»);
  • экспорт ИТ-услуг -2,7 млрд долл. [Статистика, [б.г]].

В данной статье поставлены цели:

  • проанализировать эффективность современных рос­сийских и зарубежных компаний в том, что касается влияния «обучающих» спилловер-эффекгов экспорта на их деятельность;
  • доказать существование причинно-следственной связи между эффектами экспорта знаний и инновационно­стью российских ИТ-компаний.

Научная новизна заключается в том, что объектами ис­следования стали предприятия отрасли высоких техноло­гий, а не промышленного производства, сформированы новые подходы к пониманию понятия «обучающие спил- ловеры». Сравнительный анализ опыта зарубежных и рос­сийских компаний в области измерения процессов перетока и адаптации знаний посредством участия во внешнеторго­вой деятельности использован для того, чтобы предложить и обосновать собственный инструментарий оценки спилло­вер-эффекгов экспорта. Также подготовлены рекомендации, как стимулировать ИТ-компании выходить на зарубежные рынки для расширения деятельности и наращивания обо­ротов, как оценить активность в области инноваций до и после начала экспортной деятельности.

 

Таблица 1

Основные экономические показатели разработчиков ПО в РФ, 2013-2017 годы, по данным «Руссофта» по итогам 2016 года [2]

Параметр

2013*

2014

2015

2016

2017**

Совокупный оборот разра­ботчиков ПО: абс., млрд долл. отн. прирост, %

Более 11

12

10,34

-10

12

+16

13,6

+13

Объем зарубежных продаж: абс., млрд долл. отн. прирост, %

5,4

+17

6,0

+11

6,7

+12

7,6

13

8,6

13

Доля зарубежных продаж в совокупном обороте, %

49

50

65

63

63

Объем продаж на внутрен­нем рынке: абс., млрд долл. отн. прирост, %

5,0

6,0

+7

3,64

-39

4,4

+21

5,0

+14

* До 2013 года компания «Руссофт» не определяла размер совокупного оборота, поэтому нет данных по росту оборота по сравнению с 2012 годом.

** Прогноз на 2017 год.

КОНЦЕПЦИЯ СПИАДОВЕР-ЭФФЕКТОВ ЗНАНИЙ: АНАЛИЗ ЛИТЕРАТУРЫ

Если знание создает один экономический субъект (будь то индивид или целая организация), то со вре­менем оно окажется доступным другим субъектам. Такой феномен можно охарактеризовать как транс­фер знаний. Для отсталых участников рынка с не­развитой технологической, интеллектуальной базой процесс трансфера знаний служит «свежим глотком воздуха», позволяющим хотя бы немного развиваться дальше [Трачук А.В., 2013].

В теории внешние эффекты могут быть классифи­цированы следующим образом:

  • внутренние: результат обмена информацией, опы­том, знаниями между сотрудниками одной организа­ции или технологиями, оборудованием, кадрами в пре­делах подразделений одной компании;
  • внешние: результат взаимодействия компании с внеш­ней средой;
  • положительный: улучшение продукта, процесса, тех­нологии в результате имитации, заимствования;
  • отрицательный: кража конфиденциальной информа­ции, секретов производства, нанесение урона другому предприятию;
  • горизонтальные: результат взаимодействия между фирмами, находящимися на смежных этапах произ­водственной цепочки;
  • вертикальные: результат взаимодействия между фир­мами, находящимися во взаимоотношениях «постав­щик/продавец - потребитель» (сильная диверсифика­ция знания, концентрированного в комплементарных секторах):
  • прямые (прямые зарубежные): результат зарубежных инвестиций: когда национальные фирмы получают доступ к менее дорогим или новым промежуточным ресурсам;
  • обратные: эффекты распространения новейших тех­нологий посредством цепочки поставок от компаний с иностранным капиталом к местным, отечественным поставщикам;
  • прямые: знание не опосредовано рыночными сделка­ми, торговлей, приводит к улучшению структурных элементов производства (материальный результат на выходе);
  • косвенные (монетарные): результат зависимости от стратегий, ценовых политик;
  • временные: воздействие на следующие поколения, на­пример в результате научно-технического прогресса, развития альтернативных источников энергии (модели П. Дэвида, Д. Розеггера, П. Стоунмана);
  • пространственные: воздействие на агентов, находя­щихся в одном экономическом пространстве (теория диффузии инноваций Т. Хэгерстренда, теория предпринимательства Д. Аудретча, новая экономическая география П. Кругмана);

о спилловер-эффекгы знаний, инновационные спил­ловер-эффекгы, технологические спилловер-эффек- ты - типы спилловер-эффекгов, сопровождающих диффузию инноваций, или процесс распростране­ния инноваций посредством различных коммуника­ционных каналов;

о спилловер-эффекгы (знаний): передача знаний вне намеченной границы, определенного круга лиц, ор­ганизаций (в отличие от обмена знаниями);

о инновационные эффекты: производные от экстерна­лий знаний, возникающие в результате непреднаме­ренного использования обмененного знания;

о технологические эффекты возникают при диффузии технологий с той лишь разницей, что распростране­ние происходит неконтролируемо и без какой-либо платы за технологию; знание преобразуется в одном из факторов производства; применение технологий в различных секторах экономики;

  • спилловер-эффекгы Маршалла - Эрроу - Ромера, Пор­тера, Джейкобса классифицируются по признаку от­раслевой географической концентрации:

о спилловер-эффекгы Маршалла - Эрроу - Ромера возникают среди фирм одной отрасли, географиче­ски близко расположенных. Знания, накопленные одной фирмой, так или иначе помогают развитию технологически близких фирм [Jaffe А.В., 1986];

о спилловер-эффекгы Портера возникают в компани­ях, сконцентрированных географически и конкури­рующих друг с другом;

о спилловер-эффекгы Джейкобса возникают среди фирм разных отраслей, географически близко рас­положенных.

Впервые эконометрическая модель «Измерение влияния эффекта инвестиций в R&D на запас знаний и экономический рост» была представлена 3. Гриличесом [Griliches Z., 1992]. А. Б. Джефф [Jaffe А. В., 1986] доказал взаимосвязь на основе того, что совокупная деятельность фирм, влияющих на инно­вации одной конкретной фирмы, может быть представлена в качестве взвешенной суммы инвестиций в НИОКР с уче­том технологической близости компаний к единственной рас­сматриваемой фирме. В 1989 году автор исследовал схожую модель с целью измерить географические спилловеры меж­ду соседствующими фирмами и университетами, где штаты принимались за кластерные единицы.

Исследователями также была оценена патентная ак­тивность в соседних регионах Франции и ее соотношение с уровнем корпоративных и университетских расходов на ис­следования и разработки (ИиР) [Malerba F., Mancusi М. L., Montobbio F., 2004]. Измерено, как географическая дистан­ция между фирмами влияет на их участие в программе инно­вационного исследования малого бизнеса, в рамках которой предоставляются гранты [Kesidou E., Szirmai А., 2007]. До­казано, что кластеризация напрямую влияет на инновацион­ные результаты и рост в американской индустрии программ­ного обеспечения [Breschi S., Lissoni F., 2001].

Эффективность различных каналов спилловер-эффекгов ИиР была изучена посредством опроса 358 швейцарских руководителей департаментов исследований и разработок, представителей 127 различных направлений бизнеса. В ка­честве возможных каналов перетока знаний рассматривались инновационная активность, расширение вложений в иссле­дования ИиР, инженерный анализ (способность к проектиро­ванию), публикации, патенты, технические встречи/обсуж- дения, внутрифирменные коммуникации. Возникновению спилловеров способствовали прежде всего собственные ин­вестиции в НИОКР [Keller W., 2004].

Другая группа исследований посвящена расследованию связей между спилловер-эффектами и инновациями. С це­лью показать локальный характер спилловеров явных зна­ний сравнивали географическое расположение компаний, публикующих патенты и цитирующих патенты [Jaffe А. В., 1986]. Стоит принимать во внимание важность влияния на инновации и неявного знания, которое, к сожалению, не поддается измерению. Co ставлен добротный обзор лите­ратуры по спилловер-эффекгам знаний и инновациям в тех­нологических кластерах [FallahFl., Ibrahim S.,2004].

Эффекты Портера образуются в среде конкурирующих, географически специализированных компаний; по своей природе они близки к концепции эффектов Маршалла — Эрроу — Ромера, которая воспринимает соперничество препятствием на пути к инновациям. Американский эконо­мист Майкл Портер настаивает на том, что локальная кон­куренция способствует погоне за знаниями, инновациями и их быстрой адаптации компаниями. Казалось бы, стрем­ление к успешному созданию инноваций должно выступать первопричиной поведения организаций извлекать сверхнор­мативную ренту, однако, по мнению экономиста, именно конкурентное давление заставляет менеджеров действовать новаторски для выживания, выдвижения на первые позиции и максимизации прибыли. В качестве примера приведена итальянская ювелирная индустрия, где множество мелких локальных компаний свирепо конкурируют в погоне за ин­новациями и прорывными технологиями.

Межотраслевые эффекты Джейкобса являются результа­том перетока знаний, который происходит между смежными отраслями промышленности или поставщиками и клиента­ми. He кластеризация, а многообразие индустрий выступа­ет триггером спилловеров взаимного обогащения. Переток идей, знаний, техник, инструментов в другие отрасли приво­дит к их совершенно новому применению и, соответственно, к другому конечному продукту.

Спилловер-эффекгы знаний систематизированы по при­знаку «нахождение внутри/вне отрасли», по горизонтали показаны два основных типа рыночных структур по степе­ни конкуренции (конкурентная и монополистическая среда), а по вертикали - отраслевые характеристики географической концентрации фирм (кластерный тип, диверсифицированная отраслевая база) (табл. 2).

 

Таблица 2 

Классификация спилловер-эффектов знаний по признаку отраслевой географической концентрации

 

Конкурентная среда

Монополистиче­ская среда

Технологический кластер

Многообразие отраслей

Эффекты Портера

Эффекты Джей­кобса

Эффекты Мар­шалла - Эрроу - Ромера

Вышеуказанные теории динамических спилловер-эф- фекгов дают основания предложить своего рода гипотезу о природе отраслевой базы, диверсифицированной и кон­центрированной, а также о том, какая из них с большей ве­роятностью подвержена процессу перетока знания и наиско­рейшему росту.

Роль экспорта как фактора, провоцирующего рост в це­лом и производительность в частности, была эмпирически доказана с использованием агрегированных межстрановых и межотраслевых данных во времени уже достаточно давно (макроуровень). Лишь недавно исследователи решили сде­лать то же самое на межфирменном уровне (микро- и мезо- уровень) с целью определить, насколько отличаются по эф­фективности экспортеры и компании, работающие только на внутреннем рынке.

Одной из самых известных, цитируемых работ, посвя­щенных исследованию данного феномена на микроуровне, является автореферат профессора Дж. Вагнера «Экспорт и продуктивность», написанный в 2007 году. В основу ра­боты исследования на микроуровне [Wagner J., 2007] легли 45 небольших эконометрических моделей, построенных на базе данных компаний из 33 стран и опубликованных в 1995-2004 годах. Тогда были сделаны выводы:

  • фирмы-экспортеры оказались более эффективными, инновационными по сравнению с неэкспортерами;
  • в результате эффекта самоотбора более продуктив­ные фирмы склонны выходить на зарубежные рынки, в то время как экспортная деятельность не обязательно приводит к улучшению результативности.

Первый факт подтвержден в работах, где утверждает­ся, что именно расширение границ присутствия компании, рынка сбыта провоцирует руководителей к внедрению ин­новаций и различных улучшений, являющихся результатом повышения эффективности и устойчивого роста [Narula R., Marin А., 2003; Трачук А.В., Линдер Н.В., 2016а]. Второй факт проверен на теоретическом и эмпирическом уровнях: инновационная активность, осуществление исследований создают конкурентное преимущество для компании, веду­щее к росту продуктивности, повышающей вероятность стать экспортером и укрепиться не только на национальном рынке, но и на международном [Bernard А.В., Jensen J.B., 1999; Cassiman В., Golovko E., Martinez-Ros E., 2010]. Ин­туитивное предположение о взаимозависимости инноваций и экспорта не раз подтверждалось экспертами, однако связь между этими процессами неоднозначна и подлежит более детальному изучению на материалах разных отраслей, ком­паний и научных институтов.

Поставленные выше вопросы также освещены в ста­тье о самоотборе предприятий и об обучающем эффекте экспорта с помощью пробит-модели и системы рекурсивных одновременных уравнений [Архипова М.Ю., Александро­ва Е.А., 2014],. Эффект самоотбора анализируется по со­бранным данным с добавлением таможенной статистики [Kozlov Κ., Wilhelmsson F., 2007]. Имеющийся опыт работы на иностранном рынке служит залогом успеха в дальней­шем. Влобализация ведет к приросту инновационной ак­тивности [Gorodnichenko Y., Schnitzer М., 2010]. Еипотезы об инновационных стимулах предприятий обрабатывающей промышленности, когда они выходят на зарубежный ры­нок (панельные данные 2005 и 2009 годов получены в ходе двух опросов) проверены на микро- и макроуровне [Еолико- ва В. В., Еончар К.R Кузнецов Б. В., 2011].

РАЗРАБОТКА МОДЕЛИ И ГИПОТЕЗ ИССЛЕДОВАНИЯ

Эмпирические исследования, использующие вариа­ции подхода А. Бернарда и Д. Дженсена, сосредоточенные на одной отрасли, также представляют интерес для изучения схожестей и различий между компаниями, которые явля­ются экпортерами или нет. Изучены различия между фир­мами на основании того, в какие страны, развитые или раз­вивающиеся, начинается экспорт [Damijan J., Polanec S., Prasnikar J., 2004]. В развивающихся странах иностранные компании имеют более значительную прибыль по сравне­нию с национальными, обратный эффект наблюдается в раз­витых странах.

Гипотеза I. Инновационные фирмы чаще становят­ся экспортерами по сравнению с фирмами, отдаленными от инноваций. Основной вопрос формулируется так: «Дей­ствительно ли организации выходят на глобальные рынки в результате самоотбора, согласующегося с индивидуальны­ми характеристиками каждой конкретной компании?»

Гипотеза 2. Экспортирующие компании с большей ве­роятностью внедряют инновации (в том числе организа­ционные), нежели фирмы, ориентирующиеся на локальный рынок (положительный эффект обучения от международ­ного взаимодействия). При этом экспортная деятельность не является залогом роста продуктивности компании. Еипотеза отражает роль обучающих эффектов экспорта: экспортирующие компании являются более эффективны­ми по сравнению с компаниями, присутствующими лишь на национальном рынке. Потоки знаний между зарубеж­ными покупателями, поставщиками и конкурентами помо­гают экспортерам-новичкам совершенствовать свою дея­тельность, перенимать позитивный опыт ведения бизнеса [GrossmanG. М., HelpmanE., 1992], быстрее продвигать про­дукты и услуги, «внедрять технологические новинки для со­хранения завоеванной ниши и расширения зоны влияния» [Greenaway D., Kneller R., 2007]. Фирмы, выходящие на ино­странные рынки, оказываются в условиях более интенсив­ной и жесткой конкуренции и обязаны развиваться быстрее, чтобы выжить.

Ориентация на экспорт и инновации - альтернативные, конкурирующие друг с другом инвестиционные проекты. Возможно, фирмы, которые уже вышли на иностранный рынок, не нуждаются в дополнительном инвестировании средств в развитие инноваций, раз они и так заимствуют все лучшее, новое из-за рубежа? Для ответа на этот вопрос была сформулирована вторая гипотеза.

Вышеупомянутые гипотезы ни в коем случае не являют­ся противоречащими друг другу и взаимоисключающими. Наоборот, они служат доказательством существования дву­сторонней связи между экспортной деятельностью, инно­вационностью и результативностью [Wagner J., 2007]. В ре­зультате внедрения инноваций более сильные, выносливые компании приступают к экспорту собственной продукции, что делает их еще конкурентоспособнее и продуктивнее бла­годаря «обучающему эффекту экспорта».

МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ

Ответы на поставленные вопросы должно дать эконо­метрическое моделирование на основе реальных данных, полученных в ходе интервьюирования, консолидации ин­формации по компаниям из различных баз данных, стати­стического мониторинга с целью проверить гипотезы. Мы считаем, что недостаточно комплексных исследований, где были бы комплексно проанализированы взаимосвязи экспорта, инноваций и эффективности. В своем исследова­нии мы рассматривали фирмы из наиболее динамично раз­вивающейся отрасли высоких технологий, взяв в качестве ключевого ориентира методологии работ [WagnerJ., 2007; Го­ликова В.В., Гончар К.Р., Кузнецов Б.В., 2011; Трачук А.В., Линдер Н.В., 20176].

Эмпирический анализ проведен на основе перекрестных данных российских ИТ-компаний. Стратифицированная выборка 152 предприятий индустрии высоких технологий в целом может считаться репрезентативной для совокупно­сти компаний, занимающихся разработкой ПО и различны­ми услугами в сфере ИТ. Выборку характеризует неполно­та (расширение выборки планируется в дальнейшем, более детальном исследовании), приоритетное включение компа­ний, расположенных в крупнейших городах РФ и доступных для привлечения к опросу, и возможности самих фирм за­ниматься производством и экспортом высокотехнологичных инноваций.

В целом за пределами двух мегаполисов России функ­ционирует примерно половина компаний, создающих ПО для корпоративных заказчиков. В Москве средний размер компаний выше в разы, нежели в других городах (даже по сравнению с Санкт-Петербургом в среднем на 80-90%). У петербургских компаний средний оборот и объем экспорта схожи с показателями среднестатистических ИТ-компаний по всей России. Столичные компании обеспечивают порядка 60-70% экспорта В2В-решений благодаря регионам, где рас­положены центры разработки, принадлежащие московским и петербургским материнским компаниям.

Инструментарий позволяет интерпретировать экспорт услуг и технологий с точки зрения его наличия (осущест­вление/отсутствие экспортной деятельности), масштабов (доля экспорта, точнее, зарубежных продаж, в общих про­дажах фирмы), структуры (технологические услуги, готовая продукция) и направленности экспорта (ближнее и дальнее зарубежье).

Для оценки обучающих эффектов экспорта были ис­пользованы различные показатели уровней экспортной дея­тельности; эффективности и производительности компаний (индикатор - финансовые показатели отчетностей по РСБУ и МСФО); технологические, продуктовые, организацион­но-управленческие инновации, включая затраты на проведе­ние НИОКР (статистическая форма № 4 - «Инновации»). Ос­новной массив данных был взят из системы по контрагентам SPARK и из анкет, расположенных на сайте аналитического интернет-портала TAdviser.

Влияние на инновационные процессы «обучения», разви­тие оказывает влияние не только экспорт, но и другие факто­ры. В частности, «на склонность к инновациям и внедрению новых управленческих технологий могут воздействовать отраслевая принадлежность предприятия и его размер» [Трачук А.В., Линдер Н.В., 2016в]. Также инновационная активность предприятий может быть связана с возрастом фирмы и характеристикой собственника (принадлежность к иностранному холдингу). Перечень зависимых перемен­ных и регрессоров представлен в табл. 3, 4.

Если обучающие спилловер-эффекты присутствуют при экспорте, то какова их природа? Возможно, это всего лишь некие закономерности: тот, кто выходит на внешний рынок (в результате самоотбора), изначально более произво­дителен, организован, больше тяготеет к новациям? На осно­ве анализа работ, ставящих во главу угла рассмотрение фено­мена внешних эффектов знаний и вопроса их существования как такового, мы построили регрессионную модель для эм­пирической оценки воздействия эффектов на производитель­ность:

где у1- один из индикаторов инновационного поведения (табл. 3); bx - коэффициенты при объясняющих переменных из табл. 4.

Для оценки зависимых дамми-переменных мы будем использовать обычную пробит-регрессию зависимости со­ответствующего индикатора в 2017 году от значения этого индикатора в 2015 г, экспортного статуса и иных характе­ристик организации. Для устранения проблем эндогенности, «связанных с различным направлением причинно-следствен­ных связей между показателями размера и параметрами соб­ственности, значения этих предикторов в модели берутся за предшествующий период» [Трачук А. В., Линдер Н. В., 2016в].

 

Таблица 3

Индикаторы зависимых переменных инновационного поведения ИТ-компаний

Номер модели

Зависимая переменная

Индикатор

У1

Затраты на ИиР (RD_ cost, RD)

Наличие затрат на ИиР (принимает значения 1 или 0 для каждого периода)

У2

Новый продукт (NewProduct, NP)

Внедрение фирмой нового продукта, услуги (принимает значения 1 или 0 для каждого периода)

УЗ

Новая технология (NewTech, NT)

Внедрение новой технологии (принимает значения 1 или 0 для каждого периода)

У4

Экспорт (Exp)

Увеличение доли зарубежных продаж (принимает значения 1 в случае увеличения доли экспорта или 0 в случае снижения для каждого периода)

У5

Патенты (Patents, Р)

Наличие патентов (принимает значения 1 или 0 для каждого периода)

У6

Маркетинг (Marketing, М)

Увеличение затрат на маркетинг (принимает значения 1 или 0 для каждого периода)

 

Таблица 4 Предикторы

Зависимая переменная

Предиктор

Экспортный период (Exp_period, ЕР)

Принадлежность организации к одной из четырех групп:

1 - фирмы, экспортировавшие продукцию в 2015-2017 годах;

2  - новые экспортеры, не имевшие экспорта в 2015 году, но занятые экспортом в 2017 году;

3 - бывшие экспортеры, покинувшие экспортные рынки;

4  - фирмы, не имевшие экспорта в периодах наблюдения

Экспортный статус (Exp_status, ES)

Разновидность главного рынка сбыта для ИТ-компании:

1 - локальный (местный, рынок определенного круга покупателей части города, региона и др.);

2  - национальный рынок (Россия и другие страны СНГ);

3 - международный

Регион

(Region)

I - компания расположена в столице (в Москве и Санкт-Петербурге, в Московской и Ленинградской областях); 0 - компания расположена в регионе

Международный офис (Foreign)

Наличие международного офиса и/или головной компании за рубежом (I, иначе 0 - ИТ-компания сугубо российская)

Размер

(Size)

Размер фирмы (логарифм численности занятых)

Возраст

(Age)

Возраст компании (I - созданные до 2003 года; 2 - после 2003 года)

Попытка применить линейную регрессию для прогно­зирования инновационной активности предприятий после выхода на зарубежные рынки не имеет смысла, так как зна­чения линейной формы принадлежат непрерывной количе­ственной шкале, а переменная изменяется дискретно. По­этому для исследования зависимостей между бинарными переменными (индикаторами инновационности) и количе­ственными данными (в нашем случае регрессорами) реко­мендуется строить специальные регрессионные модели.

Существует два подхода, которые позволяют строить такие модели. Первый подразумевает построение линей­ной вероятностной модели (с использованием робастных стандартных ошибок), которая нами не будет использована, второй - построение нелинейных моделей (логит и пробит). В случае построения двух последних моделей устанавли­вается зависимость между переменной и набором данных, а также между вероятностью того, что i-е значение бинарной переменной равно 1 при определенном условии.

 

Рис. 2. Распределение ИТ-компаний по географическому принципу

 

Рис. 3. Распределение компаний выборки по году возникновения

Модель пробит отличается от модели логит только тем, что использует вместо производной логистической кривой:

где Z- аргумент функции стандартного нормального рас­пределения; р - плотность распределения, функцию плотно­сти нормального распределения:

По другим аспектам пробит- и логит-анализ схожи. Их идея состоит в том, что функция правдоподобия макси­мизируется: существует вероятность того, что то, что есть в нашей выборке, будет случайно получено. Практически это означает, что мы больше не обращаем внимания на сум­мы квадратов остатков, нам интересно поведение функции правдоподобия.

Для построения модели нами был проведен необходи­мый анализ данных, собранных по 152 компаниям, разно­плановых по своим характеристикам и структурно напоми­нающих генеральную совокупность, на которую можно бы было экстраполировать наши результаты.

По нашим данным, 55% респондентов расположены в Москве и Санкт-Петербурге и в Московской области (80 компаний - в Москве, Санкт-Петербурге, 5 компаний - в Мо­сковской области), или 53% только в столичных городах. Хо­рошо бы было уменьшить долю респондентов из Санкт-Пе­тербурга до 15% (для соответствия генеральной выборке), но так как данных из регионов оказалось недостаточно, было принято решение оставить 22%.

Большинство опрошенных респондентов (31%) работали в компаниях, образованных до 1999 года; примерно по 20% фирм были основаны в 1999-2003, 2004-2008 и 2009- 2013 годах (порядка 65% в 1999-2013 годах), и всего 5% ре­спондентов работали в новых компаниях.

Для построения пробит-моделей мы разделили компании на те, которые были основаны до и после 2003 года (54,6 и 45,4%, соответственно).

На рис. 7 мы привели распределение компаний в зави­симости от их ключевых направлений деятельности, кото­рыми они занимаются и которые они развивают в большей степени в процентном отношении к другим направлениям. Фирмы выбирали по одному направлению, соответственно, итог по всем позициям составил 100%. Как мы видим, на за­рубежных рынках большим успехом пользуются лишь заказ­ные разработки (39%).

 

Рис. 4. Статус компаний как экспортеров

Рис. 5. Распределение компаний в зависимости от территориального признака рынка сбыта

Рис. 6. Специализация ИТ-компаний выборки (множественный выбор)

Рис. 7. Основная специализация компаний

На рис. 4, 5 представлено распределение опрошенных компаний по статусу и рыночной ориентации. Для разделе­ния новых и традиционных экспортеров мы принимаем в ка­честве рубежа «начало экспорта» 2017 год. Бывшими экс­портерами считаются все те, кто покинул зарубежные рынки в течение рассматриваемого периода. Мы должны понимать, что в 2016-2017 годах на международных рынках присут­ствовало больше отечественных компаний (22%).

На рис. 6 представлено распределение фирм в зависи­мости от их специализаций: каждая компания была вправе выбрать по несколько направлений. Лидирующими разра­ботками явились решения на заказ (68%), создание мобиль­ных приложений (44%), производство тиражируемых систем управления (32%).

Многие компании работают и развиваются по различным направлениям информационных технологий, при этом боль­шинство респондентов (39%) специализируются на заказной разработке ИТ-решений, кастомизированных под нужды конкретного заказчика (рис. 6, I). Были и такие субъекты, кто не смог определить специализацию компании, - 12%.

Распределение компаний по доле экспортной выручки к совокупной выручке (в общем обороте) в 2017 году выгля­дело так: 43% фирм имеют относительную долю экспорта менее 0,10; 13% фирм - от 0,11 до 0,25; 11% фирм - от 0,26 до 0,50; 11% фирм - от 0,51 до 0,75; 22% фирм - более 0,75. Таким образом, примерно пятая часть всех опрошенных фирм получает выручку в основном за счет зарубежных за­казов. Показатель завышен, так как в опросе участвовали лишь крупные экспортеры (бывшие, традиционные, долго присутствующие на внешних рынках, новые).

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

В табл. 5 представлены результаты расчетов зависимости индикаторов инновационного поведения от экспортного ста­туса ИТ-компаний.

Такой индикатор, как патенты, был исключен из рас­смотрения в связи с тем, что в сфере информационных технологий он является «плохим» показателем, по мнению экспертов софтверной индустрии. С одной стороны, некото­рые ИТ-компании просто обязаны регистрировать патенты, т.к. с хорошим продуктом, который несложно скопировать, выходить без юристов самоубийственно: имитаторы укра­дут технологию на вполне законных основаниях. В США, к примеру, таких прецедентов встречается довольно много. С другой стороны, большинство пренебрегает оформлени­ем патентов, так как на это нужно тратить деньги и время. Они рассуждают так: «Украсть у них можно, но повторить на том же уровне и с тем же качеством невозможно». И дей­ствительно, о вышеупомянутых проблемах пока никто не го­ворит.

 

Таблица 5

Результаты регрессионного анализа семи моделей зависимости индикаторов инновационного поведения от различных критериев экспортного статуса ИТ-компаний

Показатель

Исследования и разработки

Выпуск новых продуктов

Изобретение но­вой технологии

Рост

экспорта

Маркетинг

Константа

0.376

(1.107)

0.412

(0.309)

0.267

(0.019)

0.174

(0.157)

0.674

(0.578)

Previous

0.253

(0.118)

0.270**

(0.149)

0.104*

(0.045)

**0.213

(0.182)

0.843*

(0.769)

Exp_period I

0.381***

(0.302)

0.182**

(0.053)

0.081*

(0.043)

0.241**

(0.212)

0.085*

(0.064)

Exp_period2

0.357*

(0.302)

0.157

(0.123)

0.168

(0.125)

0.009

(0.004)

-0.108*

(0.093)

Exp_period3

0.119

(0.081)

-0.327

(0.220)

-0.321

(0.249)

Переменная  не включена

-0.389

(0.274)

Exp status I

0.015

(0.003)

-0.299**

(0.198)

-0.345

(0.275)

0.011

(0.005)

-0.458

(0.376)

Exp status2

0.071

(0.019)

-0.031

(0.023)

-0.124

(0.096)

0.019

(0.013)

0.013

(0.008)

Exp status3

0.236

(0.117)

0.087

(0.047)

Переменная не включена

0.058

(0.027)

0.225

(0.183)

Region

0.102*

(0.081)

0.276*

(0.179)

0.162

(0.124)

0.067

(0.048)

0.018*

(0.004)

Foreign

0.013

(0.007)

-0.292

(0.194)

0.070

(0.018)

0.124

(0.045)

-0.145

(0.098)

Size

0.248

(0.224)

0.330

(0.201)

0.223*

(0.183)

-0.006

(0.001)

0.163*

(0.124)

Age

-0.204

(0.102)

0.352

(0.245)

Переменная не включена

-0.067

(0.031)

0.114

(0.101)

Indl

0.542*

(0.398)

0.384**

(0.361)

0.276

(0.145)

0.240

(0.231)

0.241*

(0.184)

Ind2

-0.382

(0.301)

0.082

(0.059)

0.012

(0.004)

0.175

(0.154)

0.121

(0.102)

Ind3

Переменная не включена

Переменная не включена

0.004

(0.000)

Переменная не включена

-0.167

(0143)

Ind4

-0.289

(0.141)

-1.441

(0.046)

-0.018

(0.012)

0.153

(0.127)

0.007

(0.001)

Ind5

0.102

(0.035)

-0.876*

(0.792)

0.008

(0.002)

0.019

(0.015)

0.124

(0.076)

Ind6

Переменная не включена

Переменная не включена

Переменная не включена

Переменная не включена

Переменная не включена

Ind7

-0.498

(0.278)

-0.636

(0.742)

-0.487

(0.354)

-0.031

(0.019)

-0.453

(0.378)

Ind8

-0.074

(0.004)

-0.096

(0.494)

-0.017

(0.005)

0.021

(0.015)

-0.324

(0.299)

Ind9

-0.480

(0.056)

0.116

(0.797)

0.012

(0.004)

0.046

(0.022)

-1.879

(0.974)

IndlO

0.185**

(0.094)

0.521*

(0.514)

0.121

(0.096)

0.184

(0.145)

-0.127

(0.075)

R-квадрат

Макфаддена

0.217

0.228

0.192

0.267

0.254

Примечание. Станоартные ошибки были рассчитаны на основе Гессиана. ***— значимость на уровне 1%. ** — 5%. * — 10%. Станоартные ошибки указаны в скобках.

КЛЮЧЕВЫЕ ВЫВОДЫ

Выдвинутые нами гипотезы о се­лективности предприятий (самоотборе на внешние рынки), о существовании обу­чающих эффектов экспорта и о влиянии длительности экспорта на усиление обу­чающих эффектов подтвердились (первая гипотеза - частично).

В отличие от традиционных экспор­теров, у новых ИТ-экспортеров нет види­мой связи между внедрением новых про­дуктов, технологий и началом экспорта (значимость коэффициентов не подтвер­дилась, Έ < р, где Έ - уровень значимо­сти, гипотеза об отсутствии зависимостей не отвергается, или Έ = 0). Сами коэффи­циенты проявления инновационного пове­дения намного ниже аналогичных у тра­диционных экспортеров. Вложения в ИиР, которые, возможно, были инициирова­ны после выхода на зарубежные рынки или одновременно с ним, пока что не при­несли результатов. Статус традиционных экспортеров увеличивает вероятность вло­жений в новейшие исследования и разра­ботки на 38%. Предполагаем, что данное утверждение верно и в обратную сторону.

У всех пяти индикаторов инновацион­ного поведения для группы традиционных экспортеров знак в моделях зависимости от регрессоров рассматриваемого нами прошлого периода (2015 года) положите­лен, доказана статистическая значимость (на уровне I, 5 и 10%), что свидетель­ствует о том, что стабильная экспортная деятельность служит стимулом приме­нять новые технологические, процессные и маркетинговые инновации, которые ра­нее не входили в планы фирмы, намного чаще по сравнению с фирмами, не занима­ющимися экспортом.

Доказано, что влияние внешних эф­фектов знаний на производительность ИТ-компаний зависит от географического направления экспорта: рынки ближнего зарубежья (другие страны СНГ) + непо­средственно сама Россия; рынки даль­него зарубежья. При экспорте за рубеж (преимущественно в Западную Европу и Америку) эффекты знаний оказывают значительное положительное влияние: российские софтверные компании начина­ют разрабатывать новейшие технологии, увеличивать затраты на НИОКР и марке­тинг для повышения сбыта софта и ИТ -ус­луг и увеличения доли на международном рынке. Зависимость спилловер-эффекгов и инновационной активности, эффекгивности в целом по отрасли высоких технологий (в нашем случае по индустрии разработки ПО и ИТ-услуг) достаточно большая. Стоит подчеркнуть, что обучение требует специ­альных усилий, способностей к усваиванию знаний и време­ни, поэтому обучающие эффекты проявляются спустя неко­торое время.

Вложения в ИиР, маркетинг и выпуск новой продукции характерны больше для компаний столичных (на уровне значимости - 1%). Взаимосвязь наличия международного офиса и внедрения новаций, напротив, не была доказана. Размер же компаний (по логарифму численности занятых) повлиял лишь на выпуск новых технологий: если компа­ния относится к средним предприятиям (101-250 человек) или является более крупной, то вероятность изобрести нова­ции повышается на 22% (на уровне значимости - 1%).

Влияние обучающих спилловер-эффекгов знаний про­является в организациях как результат изменения их ин­новационного поведения: чем дольше компании работают на иностранных рынках, т.е. чем дольше происходит процесс обучения, перетока знаний, тем заметнее выражена транс­формация инновационного поведения фирм (изменение бизнес-процессов, обновление штата компаний, повышение креативности и квалификации сотрудников (HT-специали­стов), изменение бизнес-модели и прочих индикаторов.

Мы предприняли попытку построить линейно-вероят­ностные модели, рассмотрели большое количество вариаций факторов, которые могли бы повлиять на инновационное поведение. Как ни странно, значимыми оказались те же са­мые переменные, что и при анализе пробит-модели. Также мы рассмотрели варианты с логарифмами от множествен­ных переменных статуса, периода экспорта и специализа­ции, что незначительно поменяло ситуацию. Количество корректно предсказанных случаев составляло примерно 118-126 (77,6—82,9%). R-квадрат во всех моделях колебался около 0,20, что не является достаточно высоким результатом для подтверждения выдвинутых нами гипотез. При постро­ении моделей мы также проверяли переменные на мульти­коллинеарность методом инфляционных факторов (табл. 6). Минимальное возможное значение - 1,0, значения больше 10,0 могут указывать на мультиколлинеарность. Коэффи­циент инфляции дисперсии (variance inflation factor, метод инфляционных факторов): ЛF (f) = 1/(1 -R (/') л2), где R (/') - коэффициент множественной корреляции между перемен­ной j и другими независимыми переменными. Все значения коэффициентов менее 10, следовательно, в моделях не суще­ствует сильной корреляции между объясняющими перемен­ными.

 

Таблица 6

Анализ мультиколлинеарности показателей

Параметр

Коэффициент инфляции дисперсии

Возраст

1,549

Регион

1,144

Сектор

1<хi< 2,5

Экспортный статус

1,5 <хi< 3

Экспортный период

6 <хi< 7

Международный офис

1,262

Размер

1,282

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Сегодня лишь немногие инноваторы располагают ресур­сами, достаточными для реализации возможностей в усло­виях глобальной конкуренции, основанной по большей части на знаниях. Поскольку нет требуемых средств для успешно­го старта инновационной, экспортной или иной другой де­ятельности, наметилась тенденция роста доли инноваций, которые образовались вследствие объединения компетенций различных (внутренних и внешних) игроков как в пределах, так и вне цепочки создания ценности.

До 2008 года эксперты активно дискутировали об откры­тых инновациях, преимущественно об их внешних эффектах от международного месторасположения промышленных ИиР. В меньшей степени внимание уделялось разработкам в иных сферах и видам деятельности, не относящимся напрямую к ИиР, спилловерам иного характера (как мы выяснили, их бы­вает довольно много), а также к сетевому взаимодействию между фирмами на различных этапах стоимостной цепочки.

Сейчас все понимают, насколько велика значимость ди­версифицированных отношений для инициации экспортной деятельности или создания успешных инноваций. Такие от­ношения полезны и эффективны лишь при наличии благо­приятных рамочных условий, необходимой инфраструктуры знаний, выстроенной на локальном, национальном и между­народном уровнях. В первую очередь у компании, конечно, должна быть грамотно выстроена инновационная политика, а у государства развиты инструменты и механизмы прямой и косвенной поддержки инноваций в бизнесе. В глобальном смысле процессы открытых инноваций предъявляют требо­вания к синтезу инновационных стратегий фирмы и ее внеш­них партнеров (при согласованной корпоративной стратегии движения на текущий или же на новый рынок).

Касательно наращивания инновационного потенциала и выхода на зарубежные рынки малые и средние компании больше зависят от внешних знаний, источников информа­ции, ноу-хау и технологий, чем крупные предприятия. Неза­висимо от сферы интересов деятельности субъектам малого и среднего предпринимательства нужен прямой или опосре­дованный доступ к авторитетным источникам новых знаний (онлайн-платформам с базами данных, где есть возможность общаться с экспертами, консультироваться в случае спорных вопросов по ведению бизнеса).

Для крупных организаций партнерство означает, как пра­вило, увеличение расходов на инновации, для более мелких - резкое усиление конкуренции с крупными игроками. Не­большие компании ограничены в финансовых и человече­ских ресурсах, ориентированы на более короткую перспек­тиву, не всегда готовы к получению новой информации и ее применению в работе. Они менее рискованны, предпочитают избегать помощи извне, за исключением редких случаев, ког­да необходимо удовлетворить специфические потребности.

Бесспорно, выгоды от сетевого взаимодействия получа­ют все участники, вне зависимости от их вида деятельности и размера. Однако в ходе эмпирических исследований нами были выявлены закономерности в отношении российских ИТ-компаний:

  • У новых ИТ-экспортеров нет видимой связи между внедрением новых продуктов, технологий и началом экспорта. Сами коэффициенты, вероятности проявле­ния исследуемого инновационного поведения, намно­го ниже аналогичных у традиционных экспортеров. Вложения в ИиР, которые, возможно, были иницииро­ваны после выхода на зарубежные рынки или одновре­менно с ним, пока что не принесли результатов. Статус традиционных экспортеров увеличивает вероятность вложений в новейшие исследования и разработки на 38%.
  • Стабильная экспортная деятельность стимулирует ИТ-компании применять новые технологические, про­цессные и маркетинговые инновации, которые ранее не входили в планы фирмы, намного чаще по сравне­нию с фирмами на локальном рынке.
  • Влияние внешних эффектов знаний на производи­тельность ИТ-компаний зависит от географического направления экспорта: рынки ближнего зарубежья (страны СНГ) + непосредственно сама Россия; рынки дальнего зарубежья.
  • Вложения в ИиР, маркетинг и выпуск новой продук­ции больше характерны для столичных компаний. Вза­имосвязь наличия международного офиса и внедрения новаций, напротив, не была доказана. Размер компаний (по логарифму численности занятых) повлиял лишь на продуцирование новых технологий: если компания относится к типу среднего предприятия или является более крупной, то вероятность изобрести новации по­вышается на 22%.
  • Чем меньше фирма, тем ниже ее стремление к приня­тию участия в обширных инновационных сетях, повы­шению числа и многообразия внешних связей. Размер компании предопределяет уровень влияния коопера­ции с другими участниками рынка на ее внутренний инновационный процесс.

Так или иначе исследование показало, что протяжен­ность и направленность экспорта значительно влияют на ин­новационную деятельность организаций, при этом новации не всегда подталкивают руководителей ИТ-компаний при­ступить к экспорту.

Эффекты перераспределения, бесспорно, существуют в рамках парадигмы открытых инноваций, способствую­щих изменениям как структуры географического размеще­ния вложений в ИиР, так и топографии соответствующего перетока знаний. В итоге влияние на все единицы (компа­нии, регионы, страны) со временем становится более сба­лансированным. Степень этого влияния напрямую зависит от наличия критической массы потенциала аккумулировать и применять знания, заимствованные у компаний с развиты­ми зарубежными связями. Спилловер-эффекгы позволяют компаниям обеспечить окупаемость инвестиций в экспорт и инновации на регулярной основе лишь за счет непрекра- щающешся притока комплементарных (взаимодополняю­щих) знаний и опыта от международных партнеров. Однако подобная открытость фирм предусматривает потерю незави­симости, возможность быть поглощенной и необходимость существенного рыночного спроса.

Для многих высокотехнологичных компаний залогом процветания являются вложения в исследования и разработ­ки [Трачук А. В., Линдер Н.В., 20166], благоприятствующие созданию научно-технологических прорывов, распростра­нению спилловер-эффектов знаний. В вопросе опережения конкурентов немаловажной является эффективность, разви­тие поглощающей способности и механизма сотрудничества между компаниями, исследовательскими лабораториями, государственными учреждениями и другими участниками НИС, подверженных перетоку знаний в рамках концепции открытых инноваций.

Об авторе

Е. О. Божева
АО «Гринатом»
Россия

Экономист АО «Гринатом». Область научных интересов: управление знаниями, управление инновациями и предпринимательство.



Список литературы

1. Архипова М. Ю., Александрова Е. А. (2014) Исследование характера связи инновационной и экспортной активности российских предприятий // Прикладная эконометрика. Т. 38, № 4. С. 88–101.

2. Годовой отчет «Перспективы российских ИТ-разработок на глобальном рынке» (2016) / «Руссофт». М.

3. Голикова В. В., Гончар К. Р., Кузнецов Б. В. (2011) Эмпирические доказательства обучающих эффектов экспорта. Препринт WP1 / 2011 / 2. М.: ИД ВШЭ.

4. 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.

5. Майсснер Д. (2012) Экономические эффекты «Перетока» результатов научно-технической и инновационной деятельности // Форсайт. № 4. URL: http://cyberleninka.ru / article / n / ekonomicheskie-effekty-peretoka-rezultatov-nauchno-tehnicheskoy-i-innovatsionnoy-deyatelnosti.

6. Разработчики ПО в России (2017) // Tadviser. URL: http://www.tadviser.ru / index.php / Статья: Разработчики_ПО_в_России.

7. Статистика ( [б.г.]) // Центральный банк. URL: https://www.cbr.ru / statistics / ?PrtId=macro_itm.

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

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

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

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

12. Трачук А. В., Линдер Н. В. (2016в) Влияние спилловер-эффектов знаний на эффективность компаний обрабатывающей промышленности //Современный менеджмент: проблемы и перспективы: Сб. ст.: В 2 ч. М. С. 261–271. URL: https://elibrary.ru / item.asp?id=25883124.

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

14. Трачук А. В., Линдер Н. В. (2017б) Инновации и производительность: эмпирическое исследование факторов, препятствующих росту методом продольного анализа // Управленческие науки. Т.7, № 3. С. 43–58.

15. Федеральный закон от 10.12.2003 № 173‑ФЗ «О валютном регулировании и валютном контроле» // КонсультантПлюс. URL: http://www.consultant.ru / document / cons_doc_LAW_45458 / .

16. Экстерналия [б.г.] // Википедия. URL: https://ru.wikipedia.org / wiki / Экстерналия.

17. Arnold J. M., Hussinger K. (2005) Export Behavior and Firm Productivity inGerman Manufacturing. A Firm-level Analysis // Review of World Economics. Vol. 141, № 2. P. 219–243.

18. Bernard A. B., Jensen J. B. (1999). Exceptional exporter performance: Cause, effect, or both? // Journal of International Economics. Vol. 47. № 1. P. 1–25.

19. Breschi S., Lissoni F. (2001) Knowledge Spillovers and Local Innovation Systems. A Critical Survey // Liuc Papers № 84. Serie Economia Impresa. Vol. 27. Р. 1–30.

20. Carlino G. A. (2001) Business ReviewKnowledge Spillovers: Cities’ Role in the New Economy // Business Review / Federal Reserve Bank of Philadelphia. Vol. Q4. P. 17–26.

21. Cassiman B., Golovko E., Martinez-Ros E. (2010). Innovation, exports and productivity. // International Journal of Industrial Organization. Vol. 28, № 4. P. 372–376.

22. Damijan J., Polanec S., Prasnikar J. (2004), Self-selection, Export Market Heterogeneity and Productivity Improvements: Firm Level Evidence from Slovenia // LICOS Discussion Papers / LICOS Centre for Institutions and Economic Performance. Leuven.

23. Fallah H., Ibrahim S. (2004) Knowledge spillover and innovation in technological clusters / Stevens Institute of Technology // Journal of International Association for Management of Technology (IAMOT). P. 1–4. URL: http://www.personal. stevens.edu.

24. Argote L., Ingram P. (2000) Knowledge Transfer: A Basis for Competitive Advantage in Firms // Organizational Behavior and Human Decision Processes. Vol. 82, № 1. P. 150–169.

25. Gorodnichenko Y., Schnitzer M. (2010) Financial constraints and innovation: Why poor countries don’t catch up // Working Papers 15792 / National Bureau of Economic Research. P. 14–25.

26. Greenaway D., Kneller R. (2007) Firm Heterogeneity, Exporting and Foreign Direct Investment // Economic Journal. Vol. 117. P. 134–161.

27. Griliches Z. (1992) The search for R&D spillovers // Scandinavian Journal of Economics. Vol. 94. P. 29–48.

28. Grossman G. M., Helpman E. (1992) Innovation and growth in the global economy. Cambridge, MA; London: MIT Press.

29. Jaffe A. B. (1986) Technological opportunity and spillovers from R&D: Evidence from firms’ patents, profits and market value // American Economic Review. Vol. 76, № 5. P. 984–999.

30. Keller W. (2004) International Technology Diffusion // Journal of Economic Literature. Vol. XLII. P. 752–782.

31. Kesidou E., Szirmai A. (2007) Local Knowledge Spillovers, Innovation and Economic Performance in Developing Countries Empirical Evidence from the Uruguay Software Cluster. Maastricht.

32. Kozlov K., Wilhelmsson F. (2007). Exports and productivity of Russian firms: In search of causality // Economic Change. Vol. 40. P. 361–385.

33. Malerba F., Mancusi M. L., Montobbio F. (2004) Innovation and Knowledge Spillovers: Evidence from European Data // AEA 2004 Annual Meeting, January 3–5. San Diego, CA. URL: https://www.researchgate.net / publication / 5127669_Innovation_and_Knowledge_Spillovers_Evidence_from_European_Data.

34. Narula R., Marin A. (2003) FDI Spillovers, Absorptive Capacities and Human Capital Development: Evidence from Argentina // MERIT-Infonomics Research Memorandum Series. Vol. 16. Maastricht.

35. Singh L. (2004) Domestic and International Knowledge Spillovers in Manufacturing Industries in South Korea // Economic and Political Weekly. Vol. 34, № 5. P. 498–505.

36. The knowledge-based economy (1996) / OECD. Paris.

37. Trachuk A., Linder N. (2018a). Innovation and Performance: An Empirical Study of Russian Industrial Companies // International Journal of Innovation and Technology Management. Vol. 15, N 3.

38. Trachuk A., Linder N. (2018b) Learning-by-exporting effects on innovative performance: empiric study results // Knowledge Management Research & Practice. Vol. 16, № 2. P. 220–234.

39. Van Biesebroeck J. (2003) Exporting Raises Productivity in Sub-Saharan African Manufacturing Firms // Working paper N 10020 / National Bureau of Economic Research, Cambridge, MA.

40. Wagner J. (2007) Exports and Productivity: A Survey of the Evidence from Firm-Level Data // The World Economy. Vol. 30, № 1. P. 60–82.

41. World Development Indicators: Growth of consumption, investment and trade [s.a.] // The World Bank. URL: http://wdi.worldbank.org / table / 4.9.


Для цитирования:


Божева Е.О. Обучающие эффекты экспорта в российской софтверной индустрии. Стратегические решения и риск-менеджмент. 2018;(2):38-49. https://doi.org/10.17747/2078-8886-2018-2-38-49

For citation:


Bozheva E.O. Learning-by-export effects in the russian software industry. Strategic decisions and risk management. 2018;(2):38-49. (In Russ.) https://doi.org/10.17747/2078-8886-2018-2-38-49

Просмотров: 261


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