Экономико-математическое моделирование эффективности функционирования инновационной экосистемы университета
Аннотация
Происходящий в настоящее время динамичный процесс преобразования социально-экономических систем, обусловленный переходом на новый технологический уклад, ставит перед управленцами качественно новые проблемы, еще не имеющие стандартных решений. Особенно это значимо для уникальных, крупных систем с большой инерцией, функционирование которых определяет эффективность социального и технологического развития регионов РФ на стратегическом уровне. Именно такими системами являются отечественные федеральные университеты и, в частности, УрФУ.
Решение задач управления для объектов такого уровня сопряжено со значительными рисками и неопределенностями. В тоже время в полном соответствии с реалиями формирующейся цифровой экономики деятельность крупного университета создает очень значительный объем больших данных. Формируются принципиально недоступные ранее возможности применения цифровых технологий для анализа, опережающего моделирования и формирования систем поддержки принимаемых решений.
Цели и задачи научной квалификационной работы.
Целью данной работы является разработка экономико-математической модели эффективности функционирования инновационной экосистемы университета.
Для достижения данной цели в работе решены следующие задачи:
1. классификация университетов на базе методов машинного обучения на основе статей их доходов на образовательные, исследовательские, предпринимательские;
2. описание процесса коммерциализации результатов инновационной деятельности университетов;
3. разработка математической модели процесса коммерциализации университета;
4. моделирование показателей эффективности процесса коммерциализации;
5. создание и адаптация экономико-математической модели эффективности функционирования инновационной экосистемы университета.
Научный доклад содержит следующие элементы научной новизны:
• Предложен новый подход по применению комплекса методов машинного обучения для анализа финансовой информации зарубежных университетов. Определена структура информационной базы и сравнительная эффективность методов, таких как самоорганизующиеся карты, k-средние и Варда, для классификации существующих университетов. Представленная технология количественного анализа позволит для существующих университетов провести сопоставление с типологией: образовательные, исследовательские, предпринимательские.
• Разработана экономико-математическая модель процесса коммерциализации результатов научно-исследовательской деятельности университета на основе методов имитационного моделирования, позволяющая оптимизировать сроки реализации инновационных проектов.
• Предложена система индикаторов эффективности и математическая модель оценки эффективности инновационной экосистемы университета как системы массового обслуживания, на основе которой можно осуществлять стратегическое и оперативное планирование инновационной деятельности университета.
Практическая и теоретическая значимость полученных результатов исследования.
Использование предложенных в работе методов для классификации университетов является важным инструментом для правительства, корпораций и широкой общественности. Применение этих инструментов позволит определить тип университета и ключевые задачи в направлении его стратегии.
В работе разработана модель оценки эффективности функционирования инновационной экосистемы университета как системы массового обслуживания; разработаны показатели эффективности процесса коммерциализации в терминах системы массового обслуживания; создана экономико-математической модели имитационного моделирования процесса коммерциализации.
Разработанная модель принята к использованию при поддержке управленческих решений в инновационной инфраструктуре Уральского федерального университета. Результаты исследования могут быть применены для моделирования процессов в инновационных структурах других университетов предпринимательского типа.
Методология и методы исследования.
Созданная методика структурного анализа основана на методологии анализа социальных сетей (SNA- методологии), объединяющей методы алгебры отношений, теории графов и социометрии. В работе разработаны технологии применения методов машинного обучения, теории массового обслуживания и имитационного моделирования для конструктивной оценки эффективности функционирования инновационной экосистемы университета. Разработанная технология формирования показателей эффективности процесса коммерциализации в терминах системы массового обслуживания может рассматриваться как типовая для переноса на другие бизнес-процессы университета.
Апробация результатов. Основные результаты работы были представлены на международных и всероссийских конференциях: International Conference on Sustainable Cities, ICSC 2016, Yekaterinburg; Big Data Conference, 2017, Moscow; Big Data Conference, 2018, Moscow; Всероссийская конференция с приглашением международных участников «Менеджмент качества, транспортная и информационная безопасность, информационные технологии» (IT&MQ&IS–2016), п. Эльбрус; ХI Международная конференция «Российские регионы в фокусе перемен, Екатеринбург; Международная конференция студентов и молодых ученых «Весенние дни науки ВШЭМ», Екатеринбург.
По теме диссертации автором опубликовано 8 работ, из них 3 статьи опубликована в журналах из списка ВАК; 2 работы – в трудах и материалах международных конференций; 3 работы индексировано в научных базах Scopus и Web of Science.
Решение задач управления для объектов такого уровня сопряжено со значительными рисками и неопределенностями. В тоже время в полном соответствии с реалиями формирующейся цифровой экономики деятельность крупного университета создает очень значительный объем больших данных. Формируются принципиально недоступные ранее возможности применения цифровых технологий для анализа, опережающего моделирования и формирования систем поддержки принимаемых решений.
Цели и задачи научной квалификационной работы.
Целью данной работы является разработка экономико-математической модели эффективности функционирования инновационной экосистемы университета.
Для достижения данной цели в работе решены следующие задачи:
1. классификация университетов на базе методов машинного обучения на основе статей их доходов на образовательные, исследовательские, предпринимательские;
2. описание процесса коммерциализации результатов инновационной деятельности университетов;
3. разработка математической модели процесса коммерциализации университета;
4. моделирование показателей эффективности процесса коммерциализации;
5. создание и адаптация экономико-математической модели эффективности функционирования инновационной экосистемы университета.
Научный доклад содержит следующие элементы научной новизны:
• Предложен новый подход по применению комплекса методов машинного обучения для анализа финансовой информации зарубежных университетов. Определена структура информационной базы и сравнительная эффективность методов, таких как самоорганизующиеся карты, k-средние и Варда, для классификации существующих университетов. Представленная технология количественного анализа позволит для существующих университетов провести сопоставление с типологией: образовательные, исследовательские, предпринимательские.
• Разработана экономико-математическая модель процесса коммерциализации результатов научно-исследовательской деятельности университета на основе методов имитационного моделирования, позволяющая оптимизировать сроки реализации инновационных проектов.
• Предложена система индикаторов эффективности и математическая модель оценки эффективности инновационной экосистемы университета как системы массового обслуживания, на основе которой можно осуществлять стратегическое и оперативное планирование инновационной деятельности университета.
Практическая и теоретическая значимость полученных результатов исследования.
Использование предложенных в работе методов для классификации университетов является важным инструментом для правительства, корпораций и широкой общественности. Применение этих инструментов позволит определить тип университета и ключевые задачи в направлении его стратегии.
В работе разработана модель оценки эффективности функционирования инновационной экосистемы университета как системы массового обслуживания; разработаны показатели эффективности процесса коммерциализации в терминах системы массового обслуживания; создана экономико-математической модели имитационного моделирования процесса коммерциализации.
Разработанная модель принята к использованию при поддержке управленческих решений в инновационной инфраструктуре Уральского федерального университета. Результаты исследования могут быть применены для моделирования процессов в инновационных структурах других университетов предпринимательского типа.
Методология и методы исследования.
Созданная методика структурного анализа основана на методологии анализа социальных сетей (SNA- методологии), объединяющей методы алгебры отношений, теории графов и социометрии. В работе разработаны технологии применения методов машинного обучения, теории массового обслуживания и имитационного моделирования для конструктивной оценки эффективности функционирования инновационной экосистемы университета. Разработанная технология формирования показателей эффективности процесса коммерциализации в терминах системы массового обслуживания может рассматриваться как типовая для переноса на другие бизнес-процессы университета.
Апробация результатов. Основные результаты работы были представлены на международных и всероссийских конференциях: International Conference on Sustainable Cities, ICSC 2016, Yekaterinburg; Big Data Conference, 2017, Moscow; Big Data Conference, 2018, Moscow; Всероссийская конференция с приглашением международных участников «Менеджмент качества, транспортная и информационная безопасность, информационные технологии» (IT&MQ&IS–2016), п. Эльбрус; ХI Международная конференция «Российские регионы в фокусе перемен, Екатеринбург; Международная конференция студентов и молодых ученых «Весенние дни науки ВШЭМ», Екатеринбург.
По теме диссертации автором опубликовано 8 работ, из них 3 статьи опубликована в журналах из списка ВАК; 2 работы – в трудах и материалах международных конференций; 3 работы индексировано в научных базах Scopus и Web of Science.