Особенности оценки экономической эффективности инновационных проектов в высшей школе

Размещено на http://www.allbest.ru/

Особенности оценки экономической эффективности инновационных проектов в высшей школе

Даниил Кимович Абрашин

Аннотация

В статье рассматривается формирование модели для оценки экономической эффективности реализации инновационных проектов в высшей школе. Представлена оригинальная классификация из шести интегральных показателей оценки, в которую вошли инвестиционная привлекательность, потенциал коммерциализации, маркетинг, юнит-экономика, ресурсы и команда проекта. Рассмотрена степень влияния каждого показателя в зависимости от отрасли, в которой реализуется проект. На основании степени влияния и результатов оценки предложено размещать каждый из показателей в одной из четырех категорий в зависимости от отрасли: хорошие результаты - сильное влияние, плохие результаты - сильное влияние, хорошие результаты - слабое влияние, плохие результаты - слабое влияние. В дальнейшем возможно использование подобной классификации в системах поддержки принятия решений для студенческих инновационных проектов.

Ключевые слова: классификация стартапов, поддержка стартапов, инновации, оценка инновационных проектов, системы поддержки принятия решений, управление проектами, модели оценки проектов, проектный менеджмент.

Abstract

Peculiarities of Assessing the Cost-Effectiveness of Innovative Projects in Higher Education

Daniil K. Abrashin

The article examines the formation of a model for assessing the cost-effectiveness of innovation projects in higher education. The original classification of six integral evaluation indicators, which included: investment attractiveness, commercialization potential, marketing, unit economy, resources and project team, is presented. The degree of influence of each indicator depending on the industry in which the project is being implemented is considered. Based on the degree of influence and evaluation results, it is suggested that each of the indicators be placed in one of four categories depending on the industry: good results - strong influence, poor results - strong influence, good results - weak influence, poor results - weak influence. In the future, it is possible to use such classification in decision support systems for student innovation projects.

Keywords: start-up classification, start-up support, innovation, innovation project evaluation, decision support systems, project management, project evaluation models, project management.

Согласно модели «тройной спирали» (Triple Helix) Г. Ицковица, создание инновационного продукта происходит при взаимодействии государства, университетов и бизнеса. На начальном этапе университеты при государственной поддержке проводят фундаментальные исследования, после этого материалы фундаментальных исследований используются для прикладных НИОКР, где университеты сотрудничают с бизнесом, а конечный продукт выводится на рынок благодаря сотрудничеству бизнеса с государством (Cai, Amaral, 2021).

Малые инновационные компании (МИПы) при вузах, студенческие стартапы и инновационные проекты являются связующим звеном в этой цепи, поскольку они отвечают за прикладные исследования и способствуют выводу конечного продукта на рынок.

Однако, по данным международной консалтинговой компании Startup Genome, 90 % стартапов терпит неудачу, причем 10 % из них прекращает деятельность в первый год своего существования About Startup Genome and Global Entrepreneurship Network [Электронный ресурс] // Startup Genome. URL: https://startupgenome.com/report/gser2020 (дата обращения: 10.12.2022).. Многие молодые инновационные компании, которые дошли до этапа готовности технологии TRL4 (окончание лабораторных работ) и пытаются выйти на предпроизводственный уровень готовности TRL7, не переживают период, когда операционные затраты превышают возможности. Этот период получил название «Долина смерти» (Value of death) (Gbadegeshin et al., 2022).

Многие компании прекращают свою деятельность из-за ошибок менеджмента, которые, в свою очередь, вызваны отсутствием опыта у молодых предпринимателей. Для решения этих проблем необходимы модели оценки экономической эффективности инновационных проектов, которые учитывали бы специфику этих проектов, но не требовали наличия специальных знаний у руководителей стартапов, которые будут эти модели применять. Это предполагает автоматизацию большинства расчетов и возможное применение искусственного интеллекта для прогнозирования финансовых показателей стартапа.

Проблемы при оценке инновационных проектов также вызваны их индивидуальными особенностями, «такими как наличие НИОКР, интеллектуальной собственности, инновационным характером получаемого продукта. С одной стороны, это усложняет работу экспертов, которые вынуждены давать обратную связь по каждому этапу проекта, с другой - затрудняет принятие решений руководителями, увеличивает неопределенность при планировании и риски при реализации инновационных проектов» (Абрашин, 2022а). Кроме того, это вызывает трудности при их сопоставлении.

Оценка подобных проектов обычными методами (NPV, IRR, DPP и др. (Kapelyuk, 2020)) не учитывает три важных фактора: инновационную составляющую проекта, выраженную, например, в необходимости делать поправку прогнозных показателей на диффузию инноваций; отсутствие операционной деятельности у недавно созданного студенческого предприятия и его особенности, что не дает возможности делать прогнозы на основе ретроспективного анализа или сравнения с уже работающими компаниями; возможное отсутствие необходимых компетенций и опыта у руководителей, что затрудняет принятие ими финансовых решений.

Первым этапом построения модели, которая могла бы использоваться для оценки студенческих стартапов, является определение параметров, влияющих на экономическую эффективность инновационного проекта. На основании анализа российских и международных стандартов по управлению проектами, таких как QMS, PMBOK, PRINCE2, ГОСТ Р 54869-2011 (Проектный менеджмент. Требования к управлению проектом) и др., можно выделить шесть интегральных показателей, которые наиболее часто встречаются при оценке экономической эффективности инновационных проектов (Абрашин, 2022б). Приведем их в табл. 1.

Таблица 1 - Интегральные показатели оценки экономической эффективности реализации инновационных проектов в высшей школе

Для удобства оценки каждый показатель внутри группы может быть оценен по шкале от 0 до 3, где 0 - полное несоответствие ожиданиям, 1 - соответствие до 50 %, 2 - соответствие более 50 %, 3 - полное соответствие. Интегральный показатель в этом случае будет представлять собой простое среднее, полученное по формуле 1:

где N - интегральный показатель;

n - конкретный показатель оценки определенного параметра внутри группы; инвестиционный коммерциализация экономика

Qn - общее количество показателей n.

Рассмотрим эту модель применительно к оценке стартапов. Технологические стартапы могут быть разделены на 9 отраслей (табл. 2).

Таблица 2 - Классификация технологических стартапов по отраслям

В силу специфики каждой отрасли критерии оценки, представленные в табл. 1, будут оказывать различное влияние на тот или иной проект. Например, стартап в области медицины развивается дольше, чем стартап в области IT, поскольку нуждается в большем количестве исследований и получении разрешительных документов, которые не требуются IT-проекту. Поэтому фактор времени оказывает на эти стартапы разное влияние, что должно быть учтено при оценке.

Поскольку стартапы предполагают наличие индивидуальных особенностей, модели должны быть достаточно гибкими, чтобы адаптироваться под конкретно взятое предприятие. Для этих целей можно использовать математический аппарат нечеткой логики (fuzzy logic). Нечеткая логика подразумевает наличие нечетких множеств, т. е. если классическая булева алгебра предполагает, что элемент принадлежит (1) или не принадлежит (0) некоему множеству, то в нечетком множестве элементы могут принадлежать ему не целиком, имея степень принадлежности между 0 и 1 включительно.

Для определения степени влияния каждого интегрального показателя использовались данные агрегатора студенческих инновационных проектов и инициатив ITMO.FUTURE¹. На основании данных портала можно определить, какие параметры учитываются экспертами и инвесторами в первую очередь в зависимости от отрасли, к которой можно отнести проект.

Расчет осуществлялся с помощью функции softmax (формула 2), которая превращает наборы данных в вероятности:

где softmax(zi) - значение функции для вектора zi;

exp(zi) - стандартная экспоненциальная функция, применяемая к каждому элементу входного вектора;

К - общее количество классов (интегральных показателей);

- общая сумма значений вектора.

Следует отметить, что на портале размещено около 200 студенческих проектов, что не является достаточным для формирования полноценного датасета. В дальнейшем выборка будет дополняться, что может привести к изменению данных. Коэффициент влияния каждого критерия из табл.

На экономическую эффективность стартапа в зависимости от отрасли представлен в табл. 3.

Таблица 3 - Влияние показателей экономической эффективности технологических стартапов в зависимости от отрасли

¹ ITMO.FUTURE [Электронный ресурс]. URL: https://future.itmo.ru/ (дата обращения: 10.12.2022).

Можно заметить, что в стартапах в области ИКТ на первый план выходят вопросы инвестиционной и коммерческой эффективности; проекты в области медицины, «чистых» технологий, транспорта и космической отрасли больше зависят от квалификации команды и доступа к ресурсам, а на креативные индустрии сильно влияет маркетинг и рыночная конъюнктура.

Теперь на основании информации о влиянии этих показателей на проект в зависимости от отрасли интегральные показатели можно разбить на четыре категории: хорошие результаты - сильное влияние - эта группа показателей характеризует наиболее важные положительные показатели проекта; плохие результаты - сильное влияние - это те параметры проекта, корректировать которые нужно в первую очередь, иначе проект может стать неэффективным; хорошие результаты - слабое влияние - эта группа положительных показателей, которые не являются ключевыми для проекта; плохие результаты - слабое влияние - корректировка этих показателей не является приоритетной.

В заключение обратим внимание, что в статье представлена авторская классификация показателей оценки студенческих инновационных проектов, определено влияние этих показателей на проекты различных отраслей и предложена модель распределения показателей в зависимости от отрасли проекта. В дальнейшем возможно применение подобных методов при создании автоматизированных систем оценки студенческих стартапов.

Список источников

1. Абрашин Д.К. Инвестиционная привлекательность как один из критериев оценки инновационных проектов в высшей школе // Дневник науки. 2022а. № 3 (63). С. 1-10.

2. Абрашин Д.К. Инструменты оценки экономической эффективности реализации инновационных проектов в образовательных организациях // Теория и практика общественного развития. 2022б. № 5. С. 35-38. https://doi.Org/10.24158/tipor.2022.5.5.

3. Cai Yu., Amaral M. The Triple Helix Model and the Future of Innovation: A Reflection on the Triple Helix Research Agenda // Triple Helix. 2021. Vol. 8. P. 217-229. https://doi.org/10.1163/21971927-12340004.

4. Kapelyuk Z. Labour Productivity: Myths and Realities // Revista Inclusiones. 2020. Vol. 7: Num. Esp. P. 574-586.

5. Gbadegeshin S.A., Natsheh A.A., Ghafel K., Mohammed O., Koskela A., Rimpilainen A. et al. Overcoming The Valley of Death: A New Model for High Technology Startups // Sustainable Futures. 2022. Vol. 4. Р. 100077. https://doi.org/10.1016/j.sftr.2022.100077.

References

1. Abrashin, D. K. (2022) Investment Attractiveness as One of the Criteria for Evaluating Innovative Projects in Higher Education. Dnevnik nauki. (3 (63)), 1-10. (In Russian).

2. Abrashin, D. K. (2022) Tools for Assessing the Economic Efficiency of Innovative Projects in Educational Organizations. Theory and Practice of Social Development. (5), 35-38. Available from: doi:10.24158/tipor.2022.5.5. (In Russian).

3. Cai, Yu. & Amaral, M. (2021) The Triple Helix Model and the Future of Innovation: A Reflection on the Triple Helix Research Agenda. Triple Helix. 8, 217-229. Available from: doi:10.1163/21971927-12340004.

4. Gbadegeshin, S. A., Natsheh, A. A., Ghafel, K., Mohammed, O., Koskela, A. & Rimpilainen, A. et al. (2022) Overcoming the Valley of Death: A New Model for High Technology Startups. Sustainable Futures. 4, 100077. Available from: doi:10.1016/j.sftr.2022.100077. Kapelyuk, Z. (2020) Labour Productivity: Myths and Realities. Revista Inclusiones. 7 (Num. Esp.), 574-586.

Размещено на Allbest.ru