Статистика инноваций в Томской области. Развитие инновационных кластеров

Представленная работа продолжает цикл статей, посвященных статистическому сопровождению развития научной и инновационной деятельности организаций Томкой области. Она раскрывает основную информацию по формированию и развитию региональных инновационных кластеров.

Коротко изложим основные предпосылки данного цикла работ. Более подробно они изложены в статьях "Статистика инноваций в Томской области. Научный потенциал" и "Статистика инноваций в Томской области. Инновационный потенциал" [1, 2].

Стратегия инновационного развития Российской Федерации на период до 2020 г. (утверждена Распоряжением Правительства Российской Федерации от 8 декабря 2011 г. № 2227-р) [3] определяет основные направления плана работ Федеральной службы государственной статистики и ее территориальных органов в области статистики науки и инноваций [4].

Основными источниками информации о состоянии науки и инноваций в РФ являются формы федерального статистического наблюдения № 2-наука "Сведения о выполнении научных исследований и разработок", № 4-инновация "Сведения об инновационной деятельности организации", № 1-технология "Сведения о разработке и использовании передовых производственных технологий", № 1-НК "Сведения о работе аспирантуры и докторантуры", № 2-МП инновация "Сведения о технологических инновациях малого предприятия" и частично Форма № МП-сп "Сведения об основных показателях деятельности малого предприятия", которую во время сплошных обследований заполняют микропредприятия.

Федеральное статистическое наблюдение позволяет исследовать состояние инновационного сектора в целом, проводить межстрановые и межрегиональные сравнения, то есть то, что определяется с помощью "валовых" показателей крупных и средних предприятий, университетов и научно-исследовательских институтов, но не позволяет исследовать процессы развития инновационной экономики, в первую очередь процессы генерации и развития малых и микропредприятий.

Ограничения федерального статистического наблюдения связаны с различной периодичностью и глубиной статистических работ для предприятий разного масштаба.

Именно поэтому статистические исследования региональных инновационных кластеров (regional innovation clusters) в России затруднены.

Редко, но бывает, что статистическое наблюдение инновационной деятельности крупных и средних (КиС), малых (МП) и микропредприятий (Ми) происходит за один отчетный год. Так случилось в 2015 году, когда ежегодное статнаблюдение КиС совпало со статнаблюдением малых и микропредприятий (МиМ) (раз в два года) и со сплошным статнаблюдением малых и микропредприятий (раз в 5 лет). В таких случаях проблемой анализа становится принципиальное различие объемов и содержания вопросов соответствующих статистических форм. По специальным запросам в территориальный орган Федеральной службы государственной статистики можно получить обобщенную информацию по перечню предприятий инновационного кластера, но как ее корректно интерпретировать?

Актуальность настоящей работы определяется необходимостью анализа процессов развития региональных инновационных кластеров с использованием разнородных данных федеральной и региональной статистики.

Целью данного исследования является описание и анализ состояния и динамики развития регионального инновационного кластера "Smart Technologies Tomsk" на основе данных федерального наблюдения в региональном разрезе и регионального статистического наблюдения.

Задачами представленного исследования являются:

1. Формирование видения процесса развития кластера "Smart Technologies Tomsk" на основе комплексной модели региональной инновационной системы, включающей в себя кластерные структуры.

2. Проведение анализа на основе обобщенных данных федерального статистического наблюдения предприятий кластера "Smart Technologies Tomsk" по формам № 4-инновация "Сведения об инновационной деятельности организации" за 2015 год; № 2-МП инновация "Сведения о технологических инновациях малого предприятия" за 2015 г.; № МП-сп "Сведения об основных показателях деятельности малого предприятия" за 2015 г.

3. Проведение анализа данных регионального статистического наблюдения предприятий кластера "Smart Technologies Tomsk" на основе регионального приложения к форме № 4-инновация "Сведения об инновационной деятельности организации" за 2016 г. и регионального приложения к форме № 2-МП инновация "Сведения о технологических инновациях малого предприятия" за 2016 г.

Источниками информации являются статистические формы:

• № 4-инновация "Сведения об инновационной деятельности организации" за 2015 и 2016 гг.;

• № 2-МП инновация "Сведения о технологических инновациях малого предприятия" за 2015 г.;

• № МП-сп "Сведения об основных показателях деятельности малого предприятия" за 2015 г.;

• региональное приложение к форме № 4-инновация "Сведения об инновационной деятельности организации" за 2016 г.;

• региональное приложение к форме № 2-МП инновация "Сведения о технологических инновациях малого предприятия" за 2016 г.

Логика, структура и форма изложения материала соответствуют официальным изданиям Томскстата:

• Научный и инновационный потенциал Томской области: Аналитическая записка [5].

• Наука в Томской области. 2017: Статистический сборник [6].

• Инновации в Томской области за 2016 год. Статистический бюллетень [7].

• Анализ развития предприятий кластера "Фармацевтика, медицинская техника и информационные технологии Томской области" за 2015 г. Статистический бюллетень [8].

• Сведения об инновационной деятельности организаций Томской области за 2016 г. Статистический бюллетень [9].

В мировой статистике (Организация экономического сотрудничества и развития (ОЭСР), Европейский союз) региональной статистике уделяется значительное внимание, что находит отражение в соответствующих сборниках и документах. Примерами могут служить бюллетень "Статистика науки и инноваций на региональном уровне" (Research and innovation statistics at regional level) [10], Сборники Евростата по региональной статистике (Eurostat regional yearbook) [11], Региональное инновационное табло (Regional Innovation Scoreboard) [12]. Поскольку международные межрегиональные сравнения выходят на сегодняшний момент за рамки работы, этот аспект проблем статистики науки и инноваций в статье не рассматривается.

Комплексная модель региональной инновационной системы, включающая в себя кластерные структуры

Различные модели инновационных процессов и систем разрабатывались членами коллектива на протяжении ряда лет. С учетом накопленного опыта [13-19] сформируем комплексную модель региональной инновационной системы, включающую в себя кластерные структуры, в логике настоящей работы и "мягкого" системного анализа.

Развитие системного подхода в конце прошлого века постепенно привело к формированию направления "мягкий" системный анализ, т. е. анализ систем, проблемное поле которых слабо структурировано и эти проблемы не имеют однозначных решений. Для подобных проблем Р. Акофф ввел понятие "месиво" (messes) [20], а Х. Риттел и М. Веббер - "трудноразрешимые проблемы" (wickedproblems) [21].

Идентификация жёстких и мягких проблем приведена в работе [22]. Жесткие проблемы обладают рядом характеристик. Такие проблемы имеют ясное решение, которое является однозначным. Четко известно, что представляет собой проблема. Известно, что нужно узнать, а метод решения очевиден. Проблема ясно очерчена и структурирована. Для мягких проблем характерно: отсутствие ясных решений; неизвестно, что представляет собой проблема; неизвестно, что нужно узнать. Для мягких проблем решений может быть несколько, а метод решения не очевиден. Такая проблема не структурирована и не имеет четких границ.

Социально-экономические системы относятся к "мягким" системам. Исследователи сходятся во мнении, что практически все социально-экономические явления развиваются в сложном слабоструктурированном проблемном поле. Безусловно, кластер, формирующийся в региональной инновационной системе, является системой "мягкой", тем более если процесс развития сетевых взаимодействий происходит естественным образом.

Рис. 1. Модель институциональных процессов развития инновационной экономики Fig. 1. Model of institutional processes of development of innovation economy

Анализ проблемного поля и нескольких целей моделирования позволяет выделить необходимые для понимания исследуемого объекта модели по уровню обобщения и по основным характеристикам объекта, требующим отображения. Результаты такого позиционирования моделей объекта анализа позволяют выбрать предпочтительный язык описания. Они могут быть описаны на языке институциональных сфер и процессов или как структурно-функциональные схемы, математические функции и т. п. Далее авторы развивают результаты комплексного моделирования кластерного развития региональной инновационной системы [17]. На высшем уровне обобщения разработана модель (рис. 1) институциональных процессов развития инновационной экономики. Обоснованный выбор трех основных процессов и ряда подпроцессов позволил разработать корректную систему параметров входов, процессоров и выходов. Основным результатом анализа модели методологического уровня явился вывод о необходимости оценки развития инновационной экономики по совокупности параметров как количественных, так и качественных, а также выделения этих параметров. В этой модели процесс развития инновационной экономики представлен тремя основными процессами, реализуемыми в инновационной среде: генерация бизнеса, развитие бизнеса, расширение бизнеса. Научный и образовательный процессы являются обязательными условиями эффективности процессов, протекающих в инновационной среде.

Второй шаг - это разработка модели системного уровня. На рис. 2 приведена структурно-функциональная модель состава. Анализ взаимосвязей между элементами и наложение на эту модель процессов, реализующих функции институтов развития [23], позволяет выделить ядро региональной инновационной системы (РИС), в которое входят кластерные образования. В данной модели системного уровня дифференцированы три уровня: уровень основной деятельности, уровень обеспечения основной деятельности и уровень управления/регулирования. Ядро региональной инновационной системы включает в себя те элементы, которые наиболее активно реализуют себя в инновационной деятельности региона - образование, фундаментальная и прикладная наука, малый бизнес, инновационно-технологические кластеры на разных стадиях развития и отраслевые кластерные структуры (элементы 5, 6а, 6b, 7, 8, 10 на рис. 2).

Рис. 2. Состав структурно-функциональной модели региональной инновационной системы (РИС)

Fig. 2. Composition of structural-functional model of a regional innovation system (RIS)

Анализ результатов моделирования на системном уровне позволяет "привязать" разработанную систему оцениваемых параметров к конкретным элементам РИС. На этом этапе моделирования становится очевидным, что существующая федеральная статистика не может обеспечить необходимый для оценок объем информации.

Модель практического уровня всегда конкретна. На рис. 3 показана структура взаимосвязей кластера информационных технологий и электроники, естественным образом сформировавшегося вокруг Томского университета систем управления и радиоэлектроники (ТУСУР) за 20 лет.

Рис. 3. Структура взаимосвязей кластера, сформировавшегося вокруг Томского государственного университета систем управления и радиоэлектроники

Fig. 3. Interactions of the cluster which was formed around Tomsk State University of control Systems and Radioelectronics

На рис. 3 показаны взаимосвязи между организациями по информационным потокам с функциональной декомпозицией организаций - участников кластера (образование, наука, инновационная инфраструктура, бизнес), а также декомпозицией компаний - участников кластера по размеру (крупные, средние, малые и микропредприятия). Источниками данных были ведомственная отчетность, региональное статистическое наблюдение, результаты анкетирования и факторного анализа, интервью [24-26].

Применение комплексного моделирования, совместный анализ разработанных моделей позволяют как более глубоко разобраться в процессах кластерного развития региона, так и предложить конкретные действия для обеспечения процесса сбалансированного развития инновационной экономики.

В то же время становятся очевидными серьезные ограничения существующей системы федеральной статистики, не ориентированной на обеспечение развития экономических систем мезоуровня.

Анализ обобщенных данных федерального статистического наблюдения по перечню предприятий кластера "Smart Technologies Tomsk"

Этот анализ проведен по формам № 4-инновация "Сведения об инновационной деятельности организации" за 2015 г.; № 2-МП инновация "Сведения о технологических инновациях малого предприятия" за 2015 г.; № МП-сп "Сведения об основных показателях деятельности малого предприятия" за 2015 г.

В инновационный территориальный кластер "Smart Technologies Tomsk" (до 2017 г. - "Фармацевтика, медицинская техника и информационные технологии Томской области") входят 137 малых предприятий и микропредприятий (далее - МиМ), 15 крупных и средних предприятий (далее - КиС), 8 федеральных научноисследовательских институтов и некоммерческих организаций.

На протяжении последних десятилетий в Томской области формировалась региональная инновационная система. Генерация высокотехнологичного бизнеса шла вокруг университетов и научно-исследовательских институтов. В результате длительных (15-20 лет) процессов сформировались устойчивые группы компаний [26] по направлениям "Информационные технологии", "Электроника", "Фармацевтика", "Медицинская техника", "Материаловедение" и др. Кластерные инициативы государства 2010-х годов оказались достаточно близки интересам бизнеса. По крайней мере, на первых этапах. Поэтому процесс формализации кластера "Smart Technologies Tomsk" прошел достаточно успешно. Однако под одно название собрали очень разные предприятия по различным продуктовым направлениям. Да и декларации поддержки оказались больше декларациями, чем поддержкой. Но тем не менее естественные сетевые взаимодействия присутствуют в каждой из составных частей (реальных кластерах) официально провозглашенной структуры. Они охватывают не все предприятия, само- идентифицирующие себя участниками кластеров. Но это позволяет корректно выделить две группы предприятий, анализировать процессы их развития и сравнивать их между собой.

В первую группу вошли предприятия, осуществляющие деятельность по направлению "Информационные технологии" - кластер ИТ, включающий крупные и средние предприятия (6 организаций, из них 2 - с видом экономической деятельности (ВЭД) "Научные исследования и разработки"), а также 62 микропредприятия.

Во вторую группу вошли предприятия, осуществляющие деятельность по направлению "Фармацевтика и медицинская техника" - фармкластер, включающий крупные и средние предприятия (11 организаций, из них 5 - ВЭД "Научные исследования и разработки"), 8 малых предприятий и 51 микропредприятие.

По крупным и средним предприятиям обощенные статистические данные из формы № 4-Инновации получены по специальному запросу в Томскстат.

Кластеры "Информационные технологии" и "Фармацевтика и медицинская техника": крупные и средние предприятия

Для кластера ИТ среди факторов, существенно препятствующих инновациям, выделяются основные экономические факторы, а также фактор "Неразвитость кооперационных связей". Технологии, как правило, приобретаются в виде покупки (продажи) оборудования, а также целенаправленный прием (переход) на работу квалифицированных специалистов. Целями/результатами инновационной деятельности в первую очередь являются: "Расширение ассортимента товаров, работ, услуг", "Сохранение традиционных рынков сбыта", "Расширение рынков сбыта в России и в странах СНГ", "Улучшение качества товаров, работ, услуг", "Замена снятой с производства устаревшей продукции" и далее по всему списку, за исключением "Сокращение затрат на заработную плату".

Для фармкластера факторы, существенно препятствующие инновациям, - экономические. Целями/результатами инновационной деятельности в первую очередь являются: "Расширение ассортимента товаров, работ, услуг", "Сохранение традиционных рынков сбыта", "Расширение рынков сбыта в России", "Улучшение качества товаров, работ, услуг".

В табл. 1 представлена общая характеристика экономических показателей по крупным и средним предприятиям кластеров "Информационные технологии" и "Фармацевтика и медицинская техника".

Таблица 1. Общие экономические показатели двух кластеров по крупным и средним предприятиям

Table 1. General economic indicators of two clusters (large and medium-sized businesses)

Одной из существенных характеристик кластерных взаимодействий является количество совместных проектов по выполнению исследований и разработок, в которых участвует организация, и типы партнеров совместных проектов (табл. 2).

Для кластера "Информационные технологии" проекты с другими странами составляют 11 % от всех проектов. Форма сотрудничества, которая характерна для компаний кластера, - как правило, "Кооперация в рамках конкретного проекта", хотя явно выражена и постоянная кооперация. Для кластера "Фармацевтика и медицинская техника" проекты с другими странами - единичны. Форма сотрудничества, как правило, "Кооперация в рамках конкретного проекта". Защита интеллектуальной собственности в кластере ИТ ведется в первую очередь всеми формальными методами: "Патентование изобретений, промышленных образцов, полезных моделей (в отчетном году)", "Поддержание действующих патентов (полученных до отчетного года), "Регистрация товарного знака", "Охрана авторских прав", а также всеми неформальными методами. Защита интеллектуальной собственности в фармкластере ведется в первую очередь следующими методами: "Поддержание действующих патентов (полученных до отчетного года), "Охрана авторских прав", "Обеспечение коммерческой тайны (включая соглашения о конфиденциальности), ноу-хау". Технологии, как правило, приобретаются в виде прав на патенты, лицензии на использование изобретений, промышленных образцов, полезных моделей, а передаются в виде результатов исследований и разработок.

Таблица 2. Число совместных проектов по выполнению исследований и разработок, в которых участвует организация. Типы совместных проектов Table 2. Number of collaborative research and development projects with the participation of organization. Types of joint projects

Кластер "Фармацевтика и медицинская техника": малые предприятия

Кластер "Фармацевтика и медицинская техника" представлен в статобследовани- ях 8 малыми предприятиями (табл. 3). По малым предприятиям обобщенные статистические данные из форм № 2-МП получены по специальному запросу в Томскстат.

Таблица 3. Отгрузка товаров собственного производства, работ и услуг собственными силами, кластер "Фармацевтика и медицинская техника", малые предприятия Table 3. Shipment of goods of own production, works and services in-house "Pharmaceuticals and medical equipment", small businesses

Для малых предприятий кластера "Фармацевтика и медицинская техника" инновационные товары, работы, услуги, вновь внедренные или подвергавшиеся значительным технологическим изменениям в течение последних трех лет (17 700,0 тыс. руб.) являются новыми для рынка сбыта предприятия (16 585,8 тыс. руб.). Среднесписочная численность работников (без внешних совместителей) составляет 328 человек, из них выполнявших научные исследования и разработки - 28. Имеют высшее образование - 202 человека. Основной вывод по представленным в статобследовании малым предприятиям - все малые предприятия показывают ту или иную форму инновационной активности (табл. 4).

Таблица 4. Число действующих охранных документов, кластер "Фармацевтика и медицинская техника", малые предприятия Table 4. Number of valid security documents, cluster "Pharmaceuticals and medical equipment", small businesses

Кластеры "Информационные технологии" и "Фармацевтика и медицинская техника": микропредприятия

По микропредприятиям обобщенные статистические данные из форм № МП-сп получены по запросу в Томскстат. Кластер "Информационные технологии" представлен 62 организациями, не входящими в перечень статнаблюдения по форме № 2-МП. Кластер "Фармацевтика и медицинская техника" представлен 51 организацией, не входящей в перечень статнаблюдения по форме № 2-МП (табл. 7).

Данные, приведенные в табл. 5 и 6, показывают, что в обоих кластерах около 80 % произведенной продукции соответствуют видам деятельности заявленных направлений.

Таблица 5. Структура выручки по "чистым" видам деятельности, кластер "Информационные технологии"

Table 5. Revenue structure by "clean" activities, cluster "Information Technology"

Таблица 6. Структура выручки по "чистым" видам деятельности, кластер "Фармацевтика и медицинская техника"

Table 6. Revenue structure by "narrow" activities, cluster "Pharmaceuticals and~ medical equipment"

Таблица 7. Общие данные о микро предприятиях двух кластеров Table 7. General data on micro-enterprises of two clusters

Для кластера "Информационные технологии" рост численности сотрудников в 2015/2014 составил 131 %, рост выручки 2015/2014 - 158 %. Для кластера "Фармацевтика и медицинская техника" рост численности сотрудников в 2015/2014 - 123 %, рост выручки 2015/2014 - 132 %. Государственную поддержку в 2015 г. (табл. 8) получили более 20 % предприятий.

Таблица 8. Государственная поддержка микропредприятий двух кластеров Table 8. State support of micro businesses of two selected clusters

Анализ данных регионального статистического наблюдения по перечню предприятий кластера "Smart Technologies Tomsk"

Анализ статистических данных проведен по малым предприятиям и микропредприятиям кластера ИТ, фармкластера, а также приведены общие результаты по кластеру "Smart Technologies Tomsk" (табл. 9). Использована информация регионального приложения к форме № 2 МП "Сведения о технологических инновациях малого предприятия". Результаты анализа данных по крупным и средним предприятиям приведены в работе [9].

Рассмотрим заметные различия между двумя составными частями кластера "Smart Technologies Tomsk" (кластерами "Информационные технологии" и "Фармацевтика и медицинская техника"):

1. Средний возраст компаний фармкластера выше, средний объем производства больше, чем у кластера ИТ.

2. Разница в изменении объемов отгрузки товаров, оказания услуг в 2016 г. по отношению к 2015 г. определяется тем, что два крупнейших предприятия фармкластера показали прирост производства на 300 млн руб.

3. Доля затрат на НИОКР в суммарном объеме отгрузки товаров, оказания услуг в фармкластере выше, чем в кластере ИТ.

4. Доля экспортируемой продукции и услуг в кластере ИТ выше за счет большего объема экспорта в дальнее зарубежье (в 7,7 раза по сравнению с фармкластером).

5. Снижение численности персонала в 2016 г. по отношению к 2015 г. в фармкластере вызвано резким сокращением персонала (29 чел.) в одной компании.

6. Среднее количество поддерживаемых патентов в расчете на одну организацию в фармкластере значительно выше.

Таблица 9. Основные показатели малых предприятий и микропредприятий инновационного территориального кластера "Smart Technologies Tomsk" Table 9. The main indicators of small and micro enterprises of the innovative territorial cluster "Smart Technologies Tomsk"

Анализ статистической информации позволил выявить следующие характеристики кластера "Smart Technologies Tomsk" в целом. Приведем их с учетом данных работы [9]:

1. МиМ-предприятия кластера обеспечивают 9 % отгрузки товаров, выполнения работ, оказания услуг от общих объемов производства продукции кластером и 56 % от объемов производства МиМ-предприятий инновационного сектора Томской области.

2. МиМ-предприятия кластера показывают значительный рост объемов производства (22,8 %) по сравнению с предыдущим годом.

3. Доля инновационной продукции всех предприятий кластера высока (33,0 %).

4. Доля затрат на технологические инновации предприятий кластера высока (33,6 %).

5. Кластер является наукоемким, так как доля затрат на НИОКР в произведенной продукции превышает применяемые в мире пороговые значения и составляет 18,2 %.

6. МиМ-предприятия превосходят КиС по экспорту продукции за пределы РФ и стран СНГ (163 598,20 и 114 980,80 тыс. руб. соответственно).

7. Доля совместных проектов по выполнению исследований и разработок с научными организациями и университетами Томской области составляет около 30 %.

8. МиМ-предприятия кластера увеличили численность персонала за год на 9,4 %, а КиС уменьшили на 0,3 %.

9. Защита объектов интеллектуальной собственности (ОИС) происходит в кластере и на МиМ-, и на КиС-предприятиях, но число поддерживаемых ОИС на одно КиС в разы больше, чем на одно МиМ-предприятие (15,6 и 2,6 соответственно).

Основные выводы: слабые и сильные стороны статистического анализа процессов развития регионального инновационного кластера "Smart Technologies Tomsk"

Кластер "Smart Technologies Tomsk" в 2018 г. практически прекратил расширение числа участников. По состоянию на сентябрь 2016 г. в нем состояло 170 организаций, из них 152 являлись малыми и микропредприятиями. По состоянию на январь 2019 года в нем состояла 181 организация (из них 154 - малые и микропредприятия).

В настоящее время в кластере сформировались четыре проектных альянса: "Медицина. Фармацевтика" (7 участников); "Техническое зрение: линейка кроссрыночных продуктов для воздушных, наземных и морских беспилотных аппаратов" (7 участников); "Информационно-коммуникационные интегрированные системы для экстремальных природных условий" (7 участников); "Промышленная робототехника" (8 участников). В проектных альянсах кластера "Smart Technologies Tomsk" принимают участие 4 университета (всего в кластере 11 вузов и НИИ), 5 крупных и средних компаний (всего 8 предприятий-участников) и 11 малых и микропредприятия (всего 154 предприя- тий-участников). Из общего количества МиМ-предприятий принимают участие в проектных альянсах около 7 %.

Роль университетов, крупных и средних предприятий в проектных альянсах очень велика, но развитие кластерных взаимодействий во многом определяется МиМ- предприятиями.

И федеральное, и региональное статистическое наблюдение предприятий даже с учетом того, что они объективно не могут обеспечить полный охват микропредприятий кластера, в целом дает другую оценку вовлеченности МиМ-предприятий в процессы сетевых взаимодействий.

Например, государственную поддержку в 2015 г. по итогам сплошного статистического наблюдения малых и микропредприятий кластера получили более 23 % участников, в том числе финансовую - 20 %. В совместных проектах по выполнению исследований и разработок с организациями инновационной и научной инфраструктуры, консалтинговыми, информационными фирмами приняли участие 20 % МиМ- предприятий кластера. По данным регионального статистического наблюдения по итогам 2016 г. 20 % предприятий имеют совместные проекты по выполнению исследований и разработок с другими хозяйствующими субъектами. Возникает предположение, что мониторинг выполнения кластерных проектов не полностью отражает процессы развития кластера в целом.

По итогам проведенного исследования отметим следующее:

1. Федеральное статистическое наблюдение позволяет сформировать представление о результатах деятельности регионального инновационного кластера. Но при нынешней периодичности статнаблюдения крупных и средних, малых и микропредприятий это возможно лишь раз в десять лет. При этом объем и структура запрашиваемой информации значительно отличаются для предприятий разного размера, что затрудняет проведение комплексного анализа.

2. Региональное статистическое наблюдение позволяет проводить комплексный анализ результатов деятельности региональных инновационных кластеров. Но организация такого статнаблюдения полностью зависит от понимания важности этой работы администрацией региона.

3. Статистическое наблюдение результатов деятельности инновационных кластеров должно сопровождать мониторинг выполнения кластерных проектов и реализацию программы государственной поддержки развития кластеров.

Список литературы