Цифровизация экономики набирает обороты в мире. Она тесно связана с государственной поддержкой инноваций, трансформацией государственного управления экономикой в целом, отдельными отраслями, предприятиями, комплексами, в том числе в сфере железнодорожного транспорта.
Цифровой этап развития железнодорожной отрасли обусловлен реформированием системы управления, стремительным развитием информационно-коммуникационных технологий, которое открывает новые возможности для совершенствования и служит причиной новых ожиданий (как правило, завышенных) со стороны потребителей транспортных услуг. Поддержка инноваций является не только государственной, но и корпоративной задачей. В связи с этим необходимо формирование такой организационной структуры компаний и организаций, входящих в холдинг «РЖД», которая бы обеспечивала им высокий уровень восприимчивости к инновациям, что, в свою очередь, обеспечит высокую конкурентоспособность на рынке транспортных услуг.
Восприимчивость к инновациям можно представить как функцию следующих параметров: характеристики организационной структуры; личностно-психологические характеристики персонала; характеристики внешнего окружения (наличие конкурентов и определённость информации о конкурентах; степень производственной кооперации; размеры региона, обслуживаемого компанией; миграционная способность населения и его состав; противоречивость внешних условий – контекста).
К внешнему контексту можно отнести особенности налоговой системы, правовой базы, юридических основ регулирования прав собственности, системы ценообразования и т.д. На начальном этапе разработки модели восприимчивости к инновациям внешний контекст может учитываться ситуационно: внешнее окружение создаёт давление, обеспечивающее проникновение инноваций в компанию. Если это давление слабое, то и скорость внедрения инноваций небольшая.
Что касается влияния организационной структуры на восприимчивость компании к нововведениям, то до настоящего времени нет однозначного решения этой задачи. Одни исследователи считают, что лучше воспринимает инновационные нововведения органическая структура с высокой степенью децентрализации принятия решений, низкой степенью регламентации работ, развитыми внешней и внутренней сетями коммуникаций. Другие отмечают позитивную связь между высокой степенью централизации, регламентации и способностью к восприятию инноваций.
В действительности восприимчивость инноваций зависит от внешнего окружения компании и стадии инновационного процесса нововведения, а также от характеристик персонала. Например, если компания функционирует в нестабильных и непредсказуемых условиях, то более восприимчивой к инновациям она становится при высокой степени децентрализации, которая позволяет повысить восприимчивость к сигналам рынка, к поиску новых инвестиций и новых поставщиков.
При позитивных сдвигах в макроэкономической ситуации увеличивается степень централизации и регламентирования – происходит возврат к упорядоченным иерархическим структурам управления.
Как правило, компании и их руководство интуитивно находят структуру управления, которая, по их представлениям, наилучшим образом соответствует конкретным производственным условиям.
На разных стадиях инновационного процесса эффективны разные организационные структуры. Поэтому для повышения восприимчивости компании к нововведениям необходимо снабдить её механизмом, который бы позволял оптимизировать структуру управления в зависимости от фазы инновационного цикла с использованием математических методов. Для их реализации должна быть разработана математическая модель организационной структуры.
Одним из наиболее распространённых в настоящее время способов построения моделей, описывающих влияние структуры компании на скорость распространения в ней инноваций, является способ Стэнли Милграма (наряду со способами Клайнберга, Ватса, Строгатца и других исследователей). Основными характеристиками и компонентами модели, обеспечивающими её адекватность организационной структуре компании, являются:
1) множество агентов, каждый из которых представляет собой подразделение компании или агрегат из её нескольких подразделений;
2) топология путей, которые обеспечивают распространение инноваций по организационной структуре (при этом считаем, что обмен происходит только дискретными объёмами информации, передаваемыми через коммуникационные каналы);
3) индивидуальная восприимчивость агента к инновациям.
Для разработки модели организационной структуры, которая требует оптимизации, представим процессы внутрифирменного управления и отношений компании с внешней средой как процессы обработки и передачи информации. Структура компании предстанет в виде совокупности подразделений-агентов, между которыми происходит информационный обмен (он представлен сетью связанных точек, рис. 1).
Понятно, что разным организационным структурам соответствуют разные графы. Возможна организационная структура, когда каждый агент связан с остальными (полная взаимосвязанность). Другие варианты – все агенты подотчётны центральному администратору (механистическая структура), либо это иерархическая структура, когда каждый уровень управления является управляющим для всех агентов, лежащих по дереву структуры ниже него, и управляемым – для более высоких уровней управления.
Каждый агент компании может находиться в двух состояниях, обозначаемых «0» и «1». Этим состояниям соответствует отторжение или принятие выгодного нововведения (инновации). Взаимосвязь между агентами такова: каждый агент видит, в каком состоянии («0» или «1») находятся связанные с ним агенты.
Среди всех агентов выделяем тех, которые инициируют инновацию. Это те агенты, переход которых из состояния «0» в состояние «1» происходит под действием внешней ситуации. Если таких агентов не будет, то система агентов всегда будет находиться в состоянии «0».
Используя способ Милграма, можно построить модель, которая позволит оценить скорость восприятия инноваций в компании. Компонентами этой модели являются:
1) множество агентов-подразделений;
2) топология путей распространения инноваций по организационной структуре компании;
3) функция f индивидуальной восприимчивости агентом-подразделением инноваций.
Дальнейшая разработка модели требует определения природы и, соответственно, вида функции f. По своей природе она является функцией распределения вероятности перехода каждого из агентов из состояния «0» в состояние «1», соответствующее отторжению или принятию инновации. Для этого случая требуется найти модель, которая порождала бы дискретное распределение E (Y | X), зависящее от регрессоров X, и хорошо описывала исходные данные. Классическая модель регрессии не подходит для описания этой ситуации, поскольку предполагает, что зависимая переменная имеет непрерывное распределение.
Поэтому рассматривается логистическая регрессия, которая выражает статистическую связь в виде зависимости P{Y = 1 | X} = f(X), то есть прогнозируется вероятность события {Y = 1}, обусловленная значениями независимых переменных X1,…,Xp. Геометрически суть задачи состоит в том, чтобы найти одну из возможных гиперплоскостей, которая бы в определённом смысле наилучшим образом разделяла две группы наблюдений (соответствующие «0» и «1») в пространстве регрессоров.
Логистическая регрессия определяет вероятность события {Y = 1}, обусловленную значениями независимых переменных X1,…,Xp, в виде формулы:
Такая модель с бинарной зависимой переменной является функцией логистического закона распределения
Здесь
с – параметр масштаба, определяющий крутизну функции распределения f,
a – среднее значение, которое задаёт положение функции распределения на координатной плоскости.
Упорядоченный логит, развивающий пороговую модель, имеет дело с альтернативами, которые можно расположить в определённом порядке. Например, это может быть шкала различных оценок качества инновации и др.
Крутизна функции распределения, как уже отмечалось, измеряется параметром с: чем он выше, тем функция f круче (рис. 2).
Параметр с – это характеристика, отражающая личную восприимчивость к инновациям. С точки зрения математики этот параметр является формальным параметром логистического распределения. Он определяется в несколько этапов с использованием метода экспертных оценок. Алгоритм расчёта приведён в таблице 1.
При реализации пункта 1 представленного выше алгоритма сотрудникам компании предлагается анкета по оценке ряда утверждений, касающихся инновационной стороны деятельности компании. Респонденты должны рассмотреть следующие утверждения и ранжировать свои ответы («абсолютно не согласен», «не согласен», «не уверен», «согласен», «полностью согласен»):
1) я активно участвую в инновационной деятельности компании;
2) я готов к переобучению для последующей работы на новом оборудовании;
3) я готов к переобучению для выпуска более качественной продукции;
4) у меня есть предложения по улучшению деятельности компании;
5) у меня есть предложения по улучшению производственных процессов в компании;
6) наша компания поощряет и вознаграждает инновации и принятие риска;
7) мы рассматриваем неудачи как возможность для обучения.
Далее готовится и заполняется макет опросного листа (таблица 2) по ранжированию утверждений, приведённых в анкете.
Расчёт индекса инновационной восприимчивости производится в табличной форме (таблица 3). Он рассчитывается как отношение суммарной эмпирической оценки к суммарной идеальной: с = Memp/Mideal.
Значение индекса c инновационной восприимчивости ниже 0,5 можно принять за критическое – инновации не будут восприниматься половиной и более работников компании. Но и его высокое значение не всегда означает, что компания является инновационной – творческие и инновационные способности работников, осознание ими необходимости внедрения инноваций на предприятии только создают благоприятную почву для проведения в ней изменений. Понятно, что работники рассматривают изменения как процессы, улучшающие или ухудшающие их позиции, поэтому внедрение инноваций иногда болезненно для персонала. Измерение уровня инновационной восприимчивости в компании логично поручить службе управления персоналом.