Оценка компетентностного обеспечения промышленных кластеров

Размещено на http://www.allbest.ru/

Уфимского государственного авиационного технического университета

Оценка компетентностного обеспечения промышленных кластеров

Фатхуллина Л.З.

Одной из проблем, препятствующих эффективному применению кластерных технологий является отсутствие эффективной методологической базы, обеспечивающей ее применение. Результаты многочисленных исследований показывают, что кластеры стимулируют значительное повышение производительности и внедрение инноваций.

Участниками кластеров являются производители и поставщики, инжиниринговые и консалтинговые фирмы, научно-исследовательские организации и ВУЗы, кредитные организации и банки, инфраструктура, администрации регионов, профессиональные и общественные организации. Постоянное взаимодействие способствует формальному и неформальному обмену знаниями, сотрудничеству между организациями с взаимодополняющими активами и профессиональными навыками. Применение компетентностного подхода, при формировании кластеров является актуальным.

Предлагается при построении кластеров использовать систему принципов (табл. 1).

Таблица 1 Основные принципы построения кластеров

Применение компетентностного подхода при формировании промышленных кластеров

Достижение более сложных конкурентных преимуществ и конкуренция в передовых сегментах и новых отраслях требуют людских ресурсов, обладающих все более высоким уровнем квалификации и способностей. Для эффективного функционирования промышленных кластеров целесообразно использовать компетентностные преимущества трудовых ресурсов.

Компетентностный подход в управлении предприятием и персоналом, признавая важность определенных характеристик личности, смещает акцент на необходимость учета проявлений их в поведении. В такой трактовке человек предстает как субъект, обладающий ценностями, мотивами, знаниями и др., способный демонстрировать поведение, приводящее к эффективному выполнению работы. Поэтому и компетенция представлена как важный поведенческий аспект, который проявляется в эффективном действии.

Компетенции вносят огромный вклад в практику и методику управления человеческими ресурсами. Компетенции, в отличие от других активов организации, не изнашиваются в процессе использования. Напротив, они развиваются, качество их повышается, эффективность использования существенно возрастает - это наиболее износостойкий и долговременный актив организации. К тому же ключевые компетенции уникальны, они не могут быть скопированы, либо использованы конкурентами.

Организация, которая хочет повысить свою конкурентоспособность, должна эффективнее, нежели ее конкуренты использовать компетенции, так как это даст ей больше шансов для перспективного развития и оптимального использования интеллектуальных возможностей.

Общий алгоритм включения компетентностного подхода в кластерный механизм объедения промышленных предприятий предполагает разработку функциональной модели промышленного кластера. Данная модель отражает функциональные взаимосвязи внутри кластера. Она дает представление о том, каким образом соединяются структура кластера, функции, выполняемые участниками промышленного кластера, и компетенции сотрудников предприятий рассматриваемого промышленного кластера (рис. 1).

Рис. 1. Функциональная схема взаимодействия блоков промышленного кластера

где X -блок «Участники кластера»,

Y - блок «Функции участников кластера»,

Z - блок «Компетенции участников кластера»,

Х1…Хn - предприятия, входящие в блок «Участники кластера»,

Y11…Ynm - функции предприятий, входящие в блок «Функции участников кластера»,

Z111…Znmp - компетенции, необходимые для выполнения функций предприятий, входящие в блок «Компетенции участников кластера»

Данную модель можно проанализировать следующим образом: структуру промышленного кластера составляют предприятия Х1…Хn. Предприятие Х1, например, выполняет функции Y11…Y1m. Для эффективного выполнения данных функций сотрудники данного предприятия Х1 должны обладать такими группами компетенций, как Z111…Z11p. Далее должно идти подробное описание тех компетенций, которые составляют каждую из групп Z111…Z11p.
Для создания функциональной модели используется универсальная классификация компетенций. В рассматриваемой структуре компетенций выделены 4 группы. промышленный кластер инновационный компетенция

Профессиональные (предметные) компетенции предполагают комбинацию понимания, восприимчивости и знаний, которые позволяют индивиду видеть части целого в их связи и единстве, а также владение знаниями, теоретическими основами, моделями и методами, необходимого для эффективной работы индивидуума.

Управленческие (деловые) компетенции позволяет индивидууму квалифицированно и грамотно действовать. Они затрагивают область специальных знаний и умений.

Функциональные компетенции - это те компетенции, уровень развития которых оказывает непосредственное влияние на эффективное выполнение сотрудником функциональных обязанностей.

Коммуникативные компетенции отвечают за способность адаптироваться, налаживать контакты, находить свое место в группе, высказывать критику адекватно ситуации, умение вести разговор, способность изъясняться, выражать свои знания, мнение и желания, способность слушать, наблюдать за другими индивидуумами, воспринимать события и динамику процесса в ходе работы.

Данная классификация компетенций достаточно полно отражает все стороны трудовой деятельности индивидуума -- от владения навыками, знаниями, умениями в той сфере деятельности, в которой он функционирует, до личностных качеств, позволяющих индивидууму грамотно и адекватно решать рабочие вопросы и позволяет провести оценку инновационного потенциала специалиста.

Инновационный потенциал специалиста - это мера его готовности выполнить задачи, обеспечивающие достижение поставленной инновационной цели, то есть мера готовности к реализации проекта или программы инновационных стратегических изменений. Инновационные потенциалы всех сотрудников предприятия создают инновационный потенциал предприятия. В свою очередь потенциал предприятия имеет две составляющие: готовность его к стабильной производственной деятельности и готовность к инновациям. Таким образом, состояние инновационного потенциал специалистов определит выбор инновационной стратегии, поэтому его оценка - необходимая операция процесса разработки стратегии.

Оценка инновационного потенциала проводится в несколько этапов:

I этап: учитывает специфику деятельности формирующегося промышленного кластера.

II этап: формирование перечня знаний, навыков и умений, наиболее полно отражающих компетенции каждой группы специалистов.

III этап: экспертная оценка (аттестация). Для аттестации можно использовать пятибалльную шкалу оценки компетенции: -2, -1, 0,+1,+2 и десятибалльная шкала важности мнения эксперта: от 0 до 10.

IV этап: на основе выставленных оценок с учетом важности мнения экспертов в той или иной компетенции рассчитывается инновационный потенциал специалиста в данной компетенции:

где IPi -- инновационный потенциал специалиста по i-ой компетенции;

xij -- оценка i-ой компетенции j-м экспертом, yj - значимость оценки j-ого эксперта Определение эффекта использования компетентностного подхода при формировании кластера При проведении отбора участников кластера можно использовать систему критериев:

-- критерий технологической ценности участника (КТЦ ):

где Р - результат производства продукции, которая может быть использована в рамках кластера (выручка от реализации такой продукции) (денежных ед.);

З - затраты на производство продукции, которая может быть использована в рамках кластера (себестоимость) (денежных ед.);

ДТЦ - длительность технологического цикла производства продукции, которая может быть использована в рамках кластера (дн.)

-- критерий эффективности деятельности предприятия - потенциального участника кластера (фондоотдача):

Нечеткие модели анализа эффективности кластера

Действительность такова, что влияние факторов неопределенности при создании кластера приводит к возникновению непредвиденных ситуаций, приводящих к неожиданным потерям, убыткам, даже в тех проектах, которые первоначально признаны экономически целесообразными, поскольку неучтенные негативные сценарии развития событий, пусть и малоожидаемые, тем не менее, могут произойти и сорвать реализацию проекта. Для создания моделей принятия решения недостаточно использовать методы, основанные на точной обработке данных, поскольку необходимо обрабатывать качественные нечеткие оценки. Целесообразно использовать формализмы теории нечетких множеств, позволяющие моделировать плавное изменение свойств объекта, неизвестные функциональные зависимости, выраженные в виде качественных связей.

Нечеткие модели дают возможность производить сравнение значимости факторов внешней и внутренней среды, а также их комбинаций на основании нечетких экспертных суждений и оценок.

Этап обоснования и выбора математического аппарата, обеспечивающего приемлемую формализацию неопределенности и адекватное решение задач, возникающих при управлении реальными инвестициями, является крайне важным. Необоснованный и как, следствие, неправильный выбор математического аппарата, в основном, приводит к неадекватности созданных математических моделей, получению неверных результатов в процессе их применения и, соответственно, возникает недоверие к полученным результатам, и игнорируются выводы на их основе.

Рассмотрим ситуацию, в которой множество допустимых альтернатив формирования кластеров представляет собой совокупность всевозможных способов использования разных видов ресурсов, которые можно вложить с целью формирования эффективного кластера. Очевидно, что в этом случае нецелесообразно заранее вводить четкую границу для множества допустимых альтернатив (например, четких ограничений на размер финансового, технологического, производственного, кадрового и др. потенциалов предприятий - возможных участников кластера), поскольку может случиться так, что распределения ресурсов, незначительно лежащие за установленной границей (т.е. вне ограничений), дадут эффект, «перевешивающий» меньшую желательность (например, по размеру инвестиционных или временных затрат).

При использовании математического аппарата теории нечетких множеств экспертам необходимо формализовать свои представления о возможных значениях оцениваемого параметра результативности в терминах задания характеристической функции (функции принадлежности) множества значений, которые он может принимать. При этом от экспертов требуется указать множество тех значений, которые, по их мнению, оцениваемая величина не может принять (для них характеристическая функция равна 0), а затем, проранжировать множество возможных значений по степени возможности (принадлежности к данному нечеткому множеству).

Экспертная информация, получаемая в ходе проведения анализа результативности процедуры кластеризации представляется в виде систем нечетких высказываний. Для описания входных и выходных параметров используются лингвистические переменные (пример в табл. 2).

Таблица 2 Инициативы, направленные на повышение эффективности функционирования компании

Следующим этапом является расчет четкого значения выходных переменных («значение возможности (угрозы)», «важность пары») в зависимости от четких значений входных переменных. Для этого используется алгоритм выбора оптимального значения выходного параметра на основе дедуктивного логического вывода.

В результате работы алгоритма можно получить четкое значение выходных переменных (например, в баллах от 0 до 100), несмотря на то, что строгой функциональной зависимости между входными и выходными величинами не существует. Расчет осуществляется на основании функций принадлежности лингвистических переменных. Полученные значения выходных величин используются для ранжирования факторов внешней и внутренней среды и их комбинаций, что дает представление о потенциальном эффекте внедрения кластера и повышает обоснованность управленческих решений при реализации данного подхода.

Применение нечетких лингвистических моделей при разработке стратегии развития кластера позволяет использовать в процессе принятия решений нечеткую, качественную экспертную информацию.

Кроме того, данный подход позволяет использовать всю доступную неоднородную информацию (детерминированную, интервальную, статистическую, лингвистическую), что повышает достоверность и качество принимаемых стратегических решений; формирует полный спектр возможных сценариев развития процесса; позволяет оценить интегральную меру возможности получения отрицательных результатов, т.е. оценить риск неблагоприятных исходов при реализации процесса.

Литература

1. Кофман А., Хил Алуха Х. Введение теории нечетких множеств в управлении предприятиями: Пер. с исп. - Мн.: Вышэйшая школа, 1992. -- 224 с.

2. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. -- СПб.: Типография «Сезам», 2002. - 181 с.

3. Zadeh L.A. Fuzzy Sets // Information and Control, 1965, Vol.8, №3, pp. 338-353.

Аннотация

Статья посвящена развитию методологической базы формирования промышленных кластеров. Обосновывается необходимость при формировании кластера рассматривать качества специалистов - участников кластера и вводится понятие инновационного потенциала специалиста по группам компетенций. Показана необходимость для создания моделей принятия решения при формировании промышленных кластеров использовать формализмы теории нечетких множеств

Ключевые слова: промышленный кластер, компетенция, компетентностный подход, структура компетенции, инновационный потенциал, профиль компетенций, нечеткое множество

Размещено на Allbest.ru