Статья журнала
Подходы к оценке цифровой зрелости региональных экономических систем
Approaches to Assessing the Digital Maturity of Regional Economic Systems
Цитирование
Барингольц И.М. Подходы к оценке цифровой зрелости региональных экономических систем // Управление рисками в АПК. – 2022. – № 3 (45). – С. 9–16. – DOI: 10.53988/24136573-2022-03-01.
Citation
Baringolts I.M. Approaches to Assessing the Digital Maturity of Regional Economic Systems // Agricultural Risk Management. 2022. No. 3 (45). Pp. 9–16. DOI: 10.53988/24136573-2022-03-01.
Аннотация
В статье систематизированы подходы к оценке цифрового развития и цифровой зрелости региональных экономических систем. Показано, что зрелость связана не только с наличием ИКТ, но и со способностью территории использовать технологии, данные, навыки и институты для получения устойчивого результата. Предложена многокомпонентная структура оценки и обоснована частично компенсаторная функция цифровой зрелости.
Ключевые слова
цифровая зрелость, региональная экономическая система, цифровое развитие, электронная готовность, человеческий капитал, региональная дифференциация, цифровая трансформация. Igor M. Baringolts Approaches to Assessing the Digital Maturity of Regional Economic Systems Igor M. Baringolts – Institute of Market Problems of the Russian Academy of Sciences, e-mail: bim1969m@mail.ru. Annotation The article systematizes approaches to assessing digital development and digital maturity of regional economic systems. It distinguishes infrastructure readiness from the ability to use technologies, data, human capital and institutions to generate sustainable results, and proposes a multi-component assessment logic. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 10
Keywords
digital maturity, regional economic system, digital development, e-readiness, human capital, regional differentiation, digital transformation. Введение Цифровая трансформация регионов сопровождается устойчивой территориальной неоднородностью. Различия в инфраструктуре связи, структуре экономики, кадровом потенциале, плотности расселения и качестве управления приводят к тому, что одинаковые цифровые решения дают различный результат. Поэтому для межрегионального анализа недостаточно фиксировать число подключений, долю пользователей интернета или количество внедренных информационных систем. Необходима категория, отражающая способность региона организованно использовать цифровые ресурсы и получать от них воспроизводимый социально-экономический эффект [1, 2]. Исследования электронной готовности регионов дополнительно показывают устойчивость межтерриториального цифрового разрыва [3]. В российской практике длительное время доминировала логика электронной готовности и информационного общества. Она сыграла важную роль в выявлении цифрового разрыва между субъектами Российской Федерации, однако по мере усложнения цифровой экономики сместился и предмет измерения: от наличия доступа и оборудования — к навыкам, данным, интеграции цифровых технологий и качеству управленческих процессов [3, 4]. Методические подходы к оценке цифровой экономики закрепили переход к управленческой интерпретации цифровой трансформации [5]. Цель настоящей статьи — систематизировать основные подходы к оценке цифрового развития территорий и сформулировать принципы оценки цифровой зрелости региональной экономической системы. От электронной готовности к цифровой зрелости Под электронной готовностью обычно понимается совокупность предпосылок использования ИКТ: наличие телекоммуникационной инфраструктуры, доступность услуг связи, уровень оснащенности организаций и населения, развитие электронных услуг. Серия российских оценок готовности регионов к информационному обществу сформировала сопоставимый территориальный контур и позволила проследить межрегиональные различия [3]. Сильной стороной такого подхода является измеримость, слабой – преимущественная ориентация на входные условия. Понятие цифровой зрелости предполагает более высокий уровень анализа. Для зрелой системы важно не только наличие технологий, но и способность соединять инфраструктуру, данные, компетенции, организационные механизмы и институты в устойчивые процессы принятия решений. В этой логике цифровизация является процессом внедрения решений, а цифровая зрелость — характеристикой сформированности способности эффективно ими пользоваться. Такой переход сближает оценку цифрового развития с задачами регионального управления и анализа результативности [4, 5]. Международная рамка DESI подтверждает многокомпонентность оценки цифрового развития [7], Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 11 а методология электронного правительства ООН — значимость сочетания онлайн-сервисов, инфраструктуры и человеческого капитала [8]. Сопоставление основных подходов Сравнение российских и международных рамок показывает, что различия между ними связаны прежде всего с объектом оценки, составом компонентов и тем, учитывается ли фактический результат использования цифровых ресурсов. Для целей регионального анализа наиболее значимы подходы, которые одновременно сохраняют территориальную сопоставимость и выходят за пределы инфраструктурного измерения. Предлагаемая структура оценки Для региональной экономической системы целесообразно использовать многоблочную архитектуру. Первый блок – инфраструктурный – характеризует доступность инфраструктуры, качество связи, использование информационных систем, наличие и качество данных. Второй – управленческо-процессный – отражает степень интеграции цифровых инструментов в процессы планирования, мониторинга, оказания услуг и взаимодействия субъектов экономики. Третий – институционально-кадровый – характеризует человеческий капитал, цифровые компетенции, организационную готовность и устойчивость институтов. Четвертый – результативно-адаптационный – показывает, преобразуются ли цифровые возможности в повышение качества управления, снижение транзакционных издержек, устойчивость и доступность услуг, возможность управления рисками на нижним микроэкономическом уровне []. Принципиально важно разделять два контура: условия и способности, с одной стороны, и фактические результаты – с другой. Такое разграничение снижает риск методологической ошибки, когда высокий уровень оснащенности автоматически трактуется как высокая зрелость. Регион может иметь развитую инфраструктуру, но слабую межведомственную интеграцию и дефицит компетенций, обратная ситуация также возможна, когда ограниченная инфраструктурная база используется организационно более эффективно. Для сопоставимости регионов набор показателей должен отвечать требованиям доступности данных, воспроизводимости расчета, устойчивости к единичным выбросам и содержательной интерпретируемости. Весовые коэффициенты и правила агрегирования не должны превращать итоговый показатель в «черный ящик»: каждый вклад в интегральную оценку должен быть объясним и проверяем. Компенсаторная функция цифровой зрелости В условиях пространственной неоднородности цифровая зрелость может выполнять частично компенсаторную функцию. Речь не идет о том, что цифровые технологии способны заменить демографические, ресурсные или инфраструктурные предпосылки развития. Более корректно рассматривать их как средство более эффективного использования имеющихся ресурсов: Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 12 ускорения доступа к знаниям и услугам, повышения качества координации, сокращения транзакционных издержек и повышения прозрачности процессов. Следовательно, одна и та же интенсивность цифровизации может иметь разную экономическую отдачу в зависимости от управленческой, кадровой и институциональной зрелости региона. Введение результативно- адаптационного блока позволяет эмпирически отделить простое наличие цифровых решений от способности территории преобразовывать их в устойчивые эффекты. Предлагаемая компонентная модель не задает единственного универсального интегрального индекса. На первом этапе она выполняет функцию аналитической рамки, позволяющей сопоставлять регионы по отдельным сторонам зрелости и выявлять дисбалансы. Интегральная оценка становится оправданной только после проверки сопоставимости исходных показателей и обоснования весов. Для прикладного управления особенно важна не итоговая позиция в рейтинге, а профиль региона: сочетание сильных и слабых компонентов, которое определяет приоритеты дальнейшей цифровой трансформации. Для регионов с выраженными структурными ограничениями отдельного анализа требует компенсаторная функция цифровых решений. Она проявляется тогда, когда использование данных, дистанционных сервисов и цифровых каналов кооперации позволяет сократить издержки расстояния, дефицит отдельных компетенций или ограниченность локальной инфраструктуры. Такая компенсация не отменяет объективных ограничений территории, но способна повысить эффективность использования имеющейся ресурсной базы и расширить доступ к внешним знаниям и рынкам. Предлагаемые блоки связывают инфраструктурные условия, организационную способность и получаемые результаты в единой структуре оценки (таблица 1). Таблица 1 – Блоки оценки цифровой зрелости региональной экономической системы Блок Содержание Пример результата Связь, платформы, качество Доступность цифрового Инфраструктурный данных контура Сокращение транзакционных Управленческо-процессный Интеграция ИС в процессы издержек Способность развивать Институционально-кадровый Навыки, НИОКР, институты решения Экономические и социальные Результативно-адаптационный Устойчивость и адаптация эффекты Источник: составлено автором. Методические принципы региональной оценки Оценка цифровой зрелости региональной экономической системы должна строиться на принципе разделения предпосылок, организационной способности и результативности научно-технического развития [12]. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 13 Инфраструктурные показатели характеризуют возможность подключения и доступа к цифровым сервисам, однако сами по себе не показывают, насколько регион способен преобразовать эту возможность в устойчивый экономический результат. Поэтому наряду с доступностью сетей и цифровых ресурсов необходимо учитывать использование данных, кадровый потенциал, организацию межведомственного и межсекторного взаимодействия, а также воспроизводимость получаемых эффектов. Вторым принципом является регионализация показателей. Один и тот же уровень технологической оснащенности имеет различное значение для территорий с разной плотностью населения, отраслевой специализацией и структурой расселения [10]. Для аграрных и удаленных территорий цифровой канал может частично компенсировать пространственную удаленность, тогда как для крупнейших агломераций основным ограничением становится не физический доступ, а качество интеграции систем и управленческих процессов. Следовательно, интерпретация показателя должна учитывать экономическую структуру территории, в том числе геопространственные характеристики [10]. Третий принцип — сочетание ресурсного и результативного контуров. Ресурсный контур показывает наличие инфраструктуры, кадров, данных и организационных механизмов. Результативный контур должен отражать фактическое использование цифровых решений в хозяйственной деятельности [13], доступность электронных сервисов, скорость управленческих процессов [14], снижение транзакционных издержек и появление новых форм кооперации [15]. Разрыв между двумя контурами представляет самостоятельный диагностический результат: он показывает наличие цифровых ресурсов, которые не превращаются в экономический эффект. Компонентная модель конкретизирует переход от общего понятия зрелости к измеримому профилю региональной экономической системы (таблица 2). Таблица 2 – Компонентная модель цифровой зрелости региона Компонент Содержание оценки Диагностический смысл Связность, вычислительные Базовая техническая Инфраструктурный ресурсы, доступ к цифровым возможность цифрового сервисам взаимодействия Доступность, качество, Способность переходить от Данные и аналитика интеграция и повторное учета к аналитическому использование данных управлению Цифровые навыки, ИТ-кадры, Способность поддерживать и Кадровый подготовка и повышение развивать цифровые решения квалификации Цифровизация процессов, Организационная способность Управленческий межведомственная использовать технологии интеграция, обратная связь Экономические и социальные Фактическая отдача от Результативный эффекты, устойчивость сформированных цифровых сервисов возможностей Источник: составлено автором. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 14 Компонентная модель цифровой зрелости региона Критерии отбора, нормирования и агрегирования показателей Переход от перечня цифровых показателей к оценке зрелости требует последовательного решения трех задач: отбора наблюдаемых признаков, приведения их к сопоставимому виду и объединения в интерпретируемую систему. На этапе отбора показатель должен иметь содержательную связь с определенной способностью региональной экономической системы, устойчиво наблюдаться для сопоставляемых субъектов и допускать однозначное толкование. В противном случае интегральная оценка будет отражать не зрелость, а особенности доступности статистики или произвольный состав исходных данных [3]. Показатели целесообразно разделять на ресурсно-инфраструктурные, процессно-управленческие и результативные. Первая группа описывает доступность связи, вычислительных ресурсов и данных, вторая — способность органов управления, организаций и населения использовать цифровые инструменты, третья — устойчивые изменения качества услуг, производительности, связанности и адаптивности территории. Такое разделение предотвращает смешение предпосылок и результатов: высокая обеспеченность инфраструктурой не должна автоматически интерпретироваться как высокий уровень зрелости, если цифровые ресурсы не встроены в процессы управления и хозяйственной деятельности [6]. Для сопоставления разноразмерных показателей необходимо нормирование. Выбор способа нормирования должен учитывать направление влияния показателя, наличие выбросов и устойчивость границ шкалы во времени. Минимально-максимальное преобразование удобно для наглядного представления, но чувствительно к экстремальным значениям, стандартизация относительно среднего и стандартного отклонения лучше отражает положение региона внутри выборки, однако усложняет содержательную интерпретацию. Поэтому методика должна заранее фиксировать выбранную процедуру и предусматривать проверку устойчивости итогов к альтернативному способу преобразования. Веса компонент не могут определяться только удобством расчета. Равные веса обеспечивают прозрачность, но предполагают одинаковую значимость всех блоков. Экспертные веса позволяют учитывать предметную специфику, однако требуют документированной процедуры согласования. Статистические методы дают возможность опираться на структуру вариации данных, но не гарантируют соответствия весов исследовательскому смыслу. Рациональным решением является сочетание содержательного обоснования и анализа чувствительности: итоговый рейтинг должен сохранять основные выводы при допустимом изменении весов. Агрегирование следует проводить поэтапно: сначала внутри однородных компонент, затем между компонентами. Наряду с интегральным значением необходимо сохранять профиль региона, поскольку одинаковый итоговый индекс может складываться из принципиально разных комбинаций сильных и Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 15 слабых сторон. Компонентный профиль показывает, за счет чего достигнут результат и где находятся ограничения, а интегральная оценка обеспечивает межрегиональное сопоставление. Совместное использование двух форм представления повышает управленческую полезность методики [7]. Ограничения рейтинговой интерпретации и требования к верификации Рейтинг цифровой зрелости не является непосредственной оценкой качества региональной политики. На положение субъекта влияют унаследованная структура экономики, плотность расселения, наличие крупных компаний, научно-образовательная база и федеральные инфраструктурные решения. Поэтому сравнительный результат должен сопровождаться контекстной интерпретацией, отделяющей управляемые факторы от структурных условий. Особую проблему создают временные лаги. Инвестиции в инфраструктуру и обучение могут не давать немедленного результата, тогда как отдельные высокие показатели использования цифровых сервисов способны быть следствием ранее накопленного потенциала. Для оценки зрелости необходимо анализировать не только одномоментный срез, но и направление изменения компонент. Устойчивое улучшение нескольких взаимосвязанных блоков более содержательно, чем разовый рост одной переменной. Верификация методики должна включать проверку полноты данных, устойчивости к исключению отдельных показателей, анализ чувствительности к весам и сопоставление результатов с независимыми признаками цифрового развития. Если изменение одной технической переменной радикально перестраивает рейтинг, методика обладает недостаточной устойчивостью. Если интегральный результат не согласуется с наблюдаемой способностью региона поддерживать цифровые процессы, требуется пересмотр состава или логики агрегирования. Компенсаторная функция цифровой зрелости также нуждается в эмпирической проверке. Теоретически цифровые инструменты могут снижать транзакционные издержки, расширять доступ к знаниям и услугам и повышать качество координации. Однако масштаб такого эффекта зависит от кадровой готовности, институциональной среды и способности территории использовать данные. Поэтому корректная постановка исследования состоит не в утверждении универсальной компенсации, а в выявлении условий, при которых цифровая зрелость частично смягчает конкретные структурные ограничения. Принципы регионализированной оценки Для межрегионального сопоставления показатели должны быть воспроизводимыми, доступными по всем субъектам и содержательно связанными с управленческой способностью региона. Входные условия следует отделять от результативности, чтобы высокий уровень инфраструктуры не автоматически трактовался как высокая зрелость. Практически целесообразно выделять технологико-данный, управленческо- процессный, институционально-кадровый и результативно-адаптационный блоки. Такая структура позволяет анализировать не только средний уровень Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 16 цифровизации, но и то, каким образом регион преобразует ограниченные ресурсы в результат. Заключение Проведенное сопоставление показывает, что эволюция методик идет от оценки электронной готовности к многомерным моделям цифрового развития, включающим человеческий капитал, использование данных, цифровизацию организаций и качество публичных сервисов. Для региональной экономики следующий методологический шаг состоит в оценке не только ресурсов и интенсивности внедрения, но и способности региональной экономической системы превращать цифровые возможности в устойчивые результаты. Предлагаемая четырехконтурная архитектура создает основу для построения прозрачного регионального индекса цифровой зрелости и последующего анализа связи цифровой зрелости с межрегиональной дифференциацией и устойчивостью социально-экономического развития. Источники: 1. Указ Президента Российской Федерации от 9 мая 2017 г. № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017–2030 годы». 2. Распоряжение Правительства Российской Федерации от 28 июля 2017 г. № 1632-р «Об утверждении программы “Цифровая экономика Российской Федерации”». 3. Институт развития информационного общества. Серия исследований готовности регионов России к информационному обществу (2001–2015), включая Index of Russian Regions’ E-Readiness 2013–2014. URL: https://iis.ru/en/projects-en/ 4. Шапошник С. Б. Цифровая трансформация в регионах России: роль человеческого капитала // Информационное общество. – 2017. – № 6. 5. Ершова Т. В., Хохлов Ю. Е., Шапошник С. Б. Методика оценки уровня развития цифровой экономики как инструмент управления процессами цифровой трансформации // Управление развитием крупномасштабных систем (MLSD’2018): материалы XI Международной конференции. – 2018. 6. Шапошник С. Б. Факторы цифрового развития регионов России: статистическое исследование // Информационное общество. – 2022. – № 6. 7. European Commission. Digital Economy and Society Index (DESI) 2022. Brussels, 2022. URL: https://digital-strategy.ec.europa.eu/en/library/digital-economy-and-society-index-desi-2022 8. United Nations. UN E-Government Survey 2022. New York: United Nations, 2022. URL: https://desapublications.un.org/publications/un-e-government-survey-2022. 9. Эльмурзаев, Н. М. Управление рисками на предприятии: понятие, структура, ответственность / Н. М. Эльмурзаев, О. А. Моторин // Управление рисками в АПК. – 2021. – № 2(40). – С. 85-93. – DOI 10.53988/24136573-2021-02-08. 10. Ganieva, I. Digital traceability platforms in the field of creation and promotion of agricultural products as a factor in the competitiveness of agribusinesses / I. Ganieva, O. Motorin, M. Gorbachev // IOP Conference Series: Earth and Environmental Science, Moscow, 24–25 октября 2018 года. Vol. 274. – Moscow: Institute of Physics Publishing, 2019. – P. 012109. – DOI 10.1088/1755-1315/274/1/012109. 11. Моторин, О. А. Мониторинг сельскохозяйственных земель в развитии аграрной политики и управления земельным фондом России / О. А. Моторин // Управление рисками в АПК. – 2015. – № 2. – С. 40-57. – DOI 10.53988/24136573-2015-02-04. 12. Принципы управления научно-техническим развитием сельского хозяйства в призме риск-ориентированных подходов / В. Н. Кузьмин, Н. П. Мишуров, О. А. Моторин [и др.] // Управление рисками в АПК. – 2021. – № 3(41). – С. 9-15. – DOI 10.53988/24136573-2021-03-01. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 17 13. Оценка экономической эффективности внедрения информационных технологий в агропромышленном комплексе / И. С. Козубенко, В. И. Балабанов, И. В. Цветков [и др.] // Техника и оборудование для села. – 2017. – № 12. – С. 42-46. 14. Козубенко, И. С. Интеграция IT - решений в сельское хозяйство Российской Федерации / И. С. Козубенко, О. А. Моторин // Управление рисками в АПК. – 2017. – № 6. – С. 52-63. – DOI 10.53988/24136573-2017-06-05. 15. Козубенко, И. С. Электронное сельское хозяйство: использование цифровых технологий для развития устойчивых инклюзивных продовольственных систем и интеграции торговли / И. С. Козубенко, О. А. Моторин, М. И. Горбачев // Управление рисками в АПК. – 2018. – № 3. – С. 126-138. – DOI 10.53988/24136573-2018-03-10. References: 1. Decree of the President of the Russian Federation No. 203 of May 9, 2017 “On the Strategy for the Development of the Information Society in the Russian Federation for 2017–2030”. 2. Order of the Government of the Russian Federation No. 1632-r of July 28, 2017 “Digital Economy of the Russian Federation” program. 3. Institute of the Information Society. Russian Regions’ Information Society Readiness Assessment series (2001–2015), including Index of Russian Regions’ E-Readiness 2013–2014. Available at: https://iis.ru/en/projects-en/ 4. Shaposhnik S.B. Digital transformation in Russian regions: the role of human capital. Information Society, 2017, no. 6. 5. Ershova T.V., Khokhlov Yu.E., Shaposhnik S.B. Methodology for assessing the level of digital economy development as a tool for managing digital transformation processes. MLSD’2018 Proceedings, 2018. 6. Shaposhnik S.B. Factors of digital development of Russian regions: a statistical study. Information Society, 2022, no. 6. 7. European Commission. Digital Economy and Society Index (DESI) 2022. Brussels, 2022. Available at: https://digital-strategy.ec.europa.eu/en/library/digital-economy-and-society- index-desi-2022. 8. United Nations. UN E-Government Survey 2022. New York: United Nations, 2022. Available at: https://desapublications.un.org/publications/un-e-government-survey-2022. 9. Elmurzaev, N. M., & Motorin, O. A. (2021). Risk management in an enterprise: concept, structure, responsibility. Agricultural Risk Management, 2(40), 85–93. doi:10.53988/24136573- 2021-02-08 10. Ganieva, I., Motorin, O., & Gorbachev, M. (2019). Digital traceability platforms in the field of creation and promotion of agricultural products as a factor in the competitiveness of agribusinesses. IOP Conference Series: Earth and Environmental Science, 274, 012109. doi:10.1088/1755-1315/274/1/012109 11. Motorin, O. A. (2015). Monitoring of agricultural lands in the development of agrarian policy and land fund management in Russia. Agricultural Risk Management, (2), 40–57. 12. Kuzmin, V. N., Mishurov, N. P., Motorin, O. A., et al. (2021). Principles of managing scientific and technological development of agriculture through the lens of risk-oriented approaches. Agricultural Risk Management, 3(41), 9–15. doi:10.53988/24136573-2021-03-01 13. Kozubenko, I. S., Balabanov, V. I., Tsvetkov, I. V., et al. (2017). Assessment of economic efficiency of information technology implementation in the agro-industrial complex. Agricultural Machinery and Equipment, (12), 42–46. 14. Kozubenko, I. S., & Motorin, O. A. (2017). Integration of IT solutions into agriculture of the Russian Federation. Agricultural Risk Management, (6), 52–63. 15. Kozubenko, I. S., Motorin, O. A., & Gorbachev, M. I. (2018). Electronic agriculture: the use of digital technologies for the development of sustainable inclusive food systems and trade integration. Agricultural Risk Management, (3), 126–138. doi:10.53988/24136573-2018-03-10. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 18