Публикации автора

Цифровые интеллектуальные активы (ЦИА) формируют добавленную стоимость бизнеса, способствуют интеллектуализации производства и в конечном итоге достижению промышленным предприятием технологического лидерства и конкурентных преимуществ высокого порядка. Цель настоящего исследования заключается в выявлении специфики ЦИА как инструментария «умного» производства и определении на ее основе моделей и принципов коммерциализации данных активов. Методологической базой послужили методы классификации, сравнительного анализа, обобщения и систематизации. В результате работы определены критерии различия цифровых технологий и цифровых интеллектуальных активов; охарактеризованы отличительные особенности ресурсной, инновационной, платформенной, инвестиционной и экосистемной концепций коммерциализации ЦИА; проведена сравнительная характеристика традиционных и цифровых моделей коммерциализации ЦИА с указанием их преимуществ и недостатков. Сделан вывод о том, что выбор концепции и модели зависит от зрелости конкретного вида ЦИА, уровня цифровизации предприятия и рыночной среды; предложена авторская классификация принципов коммерциализации ЦИА. Полученные результаты могут быть полезны руководителям компаний из разных секторов экономики при разработке собственных стратегий коммерциализации цифровых интеллектуальных активов.

Интеллектуальное промышленное производство является будущим мировой индустрии и входит в число национальных приоритетов, поскольку обеспечивает достижение конкурентных преимуществ высокого порядка, основанных на эффективном задействовании всех компонентов интеллектуального капитала и использовании новых видов активов, возникающих в результате внедрения цифровых технологий — цифровых интеллектуальных активов (ЦИА). Цель настоящего исследования заключается в выявлении видов ЦИА, возможностей, эффектов и условий их применения в промышленности. Методологической основой стали методы классификации, сравнительного и нормативно-правового анализа, обобщения и систематизации. В качестве результатов представлена классификация ЦИА по гражданско-правовому статусу; определены преимущества их применения как инструментария интеллектуализации промышленных компаний различной отраслевой принадлежности; выявлены экономические и социальные эффекты внедрения данных активов в контексте элементов интеллектуального капитала (человеческого, организационного и рыночного); обозначены требуемые условия для их достижения. Итоги работы и сделанные выводы могут быть полезны руководству российских промышленных компаний для разработки и совершенствования стратегий цифровизации с целью повышения своей конкурентоспособности и технологической независимости.

Цель исследования – алгоритмическое моделирование коммерциализации цифровых интеллектуальных активов (ЦИА) с учетом факторов ценообразования, риска и уровня коммерческого потенциала, на основе идентификации ЦИА и определения их специфики.

Методы. В работе использованы общенаучные методы сравнительного анализа, систематизации и обобщения для выделения отличительных признаков и ценообразующих факторов, учитывающих специфику объектов исследования. Для формирования модели коммерциализации цифровых интеллектуальных активов применялись алгоритмический подход, метод экспертных оценок при расчете показателя коммерческого потенциала, подходы и методы стоимостной оценки при определении первоначальной стоимости активов.

Результаты работы. Автором сформулировано определение цифрового интеллектуального актива, установлены его взаимоотношения со смежными категориями активов, выделены две категории ЦИА с указанием общих и отличительных свойств. По итогам идентификации ЦИА определены факторы, влияющие на ценность и коммерческий потенциал различного вида изучаемых активов. Предложен способ расчета показателя коммерческого потенциала, учитывающий рассмотренные факторы. Раскрыты инструменты коммерциализации, а также подходы и методы оценки первоначальной стоимости к различным категориям ЦИА. Построена алгоритмическая модель коммерциализации цифровых интеллектуальных активов.

Выводы. Предложенная в статье алгоритмическая модель коммерциализации новых видов активов, цифровых интеллектуальных активов, учитывает их специфику и факторы, влияющие на первоначальную стоимость и коммерческий потенциал. Модель может использоваться российскими компаниями для повышения своей конкурентоспособности в условиях развития рынка цифровых прав и технологий. Дальнейшие исследования должны быть посвящены конкретизации алгоритма коммерциализации для отдельных категорий ЦИА: 1) объектов интеллектуальной собственности в цифровой форме; 2) цифровых (цифровых утилитарных) прав на такие объекты и их использование, реализующихся исключительно по правилам информационной системы (инвестиционной платформы).

Развитие регионов на основе механизмов реализации инвестиционных проектов с участием государства в рамках концессионных соглашений приобретает особую значимость в условиях масштабных санкционных ограничений, требующих ужесточения контроля за эффективностью использования бюджетных средств с целью повышения отдачи от вложенных инвестиций и минимизации рисков их ненадлежащего освоения. В статье рассматривается построение классификационных моделей оценки таких проектов, позволяющих выявить концессионные соглашения повышенного риска, что позволит государственному заказчику принимать обоснованные решения при выборе исполнителя проекта и обеспечить эффективность управления государственным имуществом. Особенностью предложенного подхода к построению классификационных моделей является использование скрининг-моделей и встроенных инструментов информационно-аналитической системы СПАРК для объективной оценки добросовестности концессионеров на основе финансовых и иных факторов, а также методов дискриптивного анализа больших данных, машинного обучения и метода ближайших соседей при кластеризации региональных инвестиционных проектов по уровню риска ненадлежащего исполнения концессионных соглашений. Подход апробирован на выборке из 1248 региональных инвестиционных проектов, реализуемых в рамках концессионных соглашений. В итоге выделены два кластера проектов с низким и высоким уровнем риска ненадлежащего исполнения концессионером своих обязательств перед государством объемом 83,8 % и 16,2 % соответственно. Для оценки точности и чувствительности к выбросам полученной классификационной модели применялись матрица ошибок и метрика Спирмена, которая показала достаточно высокую точность полученной классификации. Применение построенных моделей возможно как на этапе отбора региональных инвестиционных проектов, так и на этапе мониторинга уже реализуемых проектов для выявления потенциальных рисков их незавершения и своевременного принятия государственным заказчиком необходимых мер реагирования.