Структура и динамика аутсорсинга в регионах Восточной Сибири и ДФО (в период 2016–2021 гг.)
Авторы
Кригер Александра Борисовна
кандидат физико-математических наук, доцент департамента управления на основе данных
Россия, Дальневосточный федеральный университет, Школа экономики и менеджмента
[email protected]
Ивин Вячеслав Вадимович
кандидат экономических наук, доцент департамента управления на основе данных
Россия, Дальневосточный федеральный университет, Школа экономики и менеджмента
[email protected]
Аннотация
В статье представлены результаты анализа закономерностей развития аутсорсинга в регионах Дальневосточного федерального округа и Восточной Сибири, полученные на основе эмпирических данных. Проведён сравнительный анализ результатов моделирования для данных 2016 и 2021 гг. На основе результатов анализа структурного состава предприятий и методов корреляционно-регрессионного анализа установлено, что за прошедший период времени произошли существенные изменения как в структуре рынка аутсорсинга, так и в закономерностях развития. Авторами подтверждён вывод, о том, что использование аутсорсинга в производственной деятельности не оказывает влияния на уровень ВРП и объёмов инвестиций в основной капитал. В то же время, вывод о связи развития аутсорсинга с инвестиционной привлекательностью региона на новых данных не подтвердился. Полученные результаты указывают не только на слабое внедрение аутсорсинга в деятельность предприятий и организаций В ДФО, но и существенные изменения в предпринимательской среде в условиях глобальной пандемии.
Ключевые слова
аутсорсинг, прикладной статистический анализ, инвестиционная привлекательность региона.
Категории статьи:
Читайте также
Статья также доступна (this article also available):
Рекомендуемая ссылка
В наших исследованиях (данной работе и более ранних публикациях) под аутсорсингом понимается передача компанией-заказчиком на исполнение к внешней компании вспомогательных бизнес-процессов, отдельных не профильных бизнес-процессов, функций и операций.
Цель данной статьи – провести анализ динамики аутсорсинга в регионах Дальневосточного федерального округа; проверить устойчивость закономерностей развития, выявленных в исследованиях авторов в 2016–2019 гг. Основой исследования являются эмпирические данные.
Изучение динамики показателей в традиционном понимании, не представляется возможным, в силу особенности регистрации и представления данных органами государственной статистики. В «Единый реестр субъектов малого и среднего предпринимательства» [3] содержатся лишь данные о фактически зарегистрированных (на определенную дату) предприятиях нарастающим итогом. Располагаемые массивы данных не отражают динамику функционирования предприятий, и достаточно инерционны. Вследствие этого мы оцениваем динамику численности за интервал времени в 5 лет (между двумя исследованиями).
Актуальность текущего исследования аутсорсинга связана с существенными изменениями в предпринимательской среде (речь идёт о малых и средних предприятиях) в условиях глобальной пандемии.
Основные наши гипотезы состоят в предположении существенных изменений в структуре рынка услуг, передаваемых на аутсорсинг и изменении степени влияния на макроэкономические показатели региона.
В данном исследовании мы проверяем собственные гипотезы, изложенные в работах [4; 5; 14], и решаем следующие задачи:
Решение указанных задач позволяет выявить изменения в сфере предоставления услуг на условиях аутсорсинга. влияние развития аутсорсинга на условиях ведения бизнеса (в том числе, в ситуации жёстких санитарных ограничений). Полученные результаты позволят точнее определить меры поддержке малого и среднего бизнеса в регионах.
Учитывая, что данное исследование является продолжением ряда наших работ [4; 5; 14], авторы посчитали необходимым указать основные отличия текущего исследования от предыдущих.
Наше исследование, как и ранее, построено на открытых общедоступных данных. Источниками данных являются «Единый реестр субъектов малого и среднего предпринимательства», размещённый на сайте МНС РФ [3], сайт государственного комитета статистики [7; 8; 9; 11], сайты аналитических компаний [10].
Для анализа динамики и закономерностей в работе использовались следующие эмпирические данные:
Сводная таблица с рейтингами (макроэкономическими и инвестиционными) регионов ДФО и Восточной Сибири представлена в таблице 1.
Таблица 1 – Рейтинги регионов ДФО и Восточной Сибири
Регион | Численность населения | ВРП (2019), тыс. руб. | Инвестиции в ОК | Рейтинг инвестиционной привлекательности |
03 – Республика Бурятия | 986 | 226135 | 71128 | 3C1 |
14 – Республика Саха (Якутия) | 972 | 1084556 | 3811477 | 3B1 |
25 – Приморский край | 1896 | 834023 | 179356 | 3B1 |
27 – Хабаровский край | 1316 | 710640 | 161488 | 3B1 |
28 – Амурская область | 790 | 301069 | 339934 | 3B2 |
41 – Камчатский край | 313 | 236484 | 47241 | 3B2 |
49 – Магаданская область | 140 | 170723 | 35797 | 3B2 |
65 – Сахалинская область | 488 | 1179669 | 231701 | 3B1 |
75 – Забайкальский край | 1060 | 326866 | 86667 | 3C1 |
79 – Еврейская автономная область | 158 | 55809 | 15490 | 3C2 |
87 – Чукотский автономный округ | 50 | 78143 | 25906 | 3C2 |
В соответствии с традиционными представлениями [1; 2], мы полагаем, что на аутсорсинг могут быть переданы функции и операции, относящиеся к выполнению вспомогательных рабочих процессов и административных процессов, задачи хозяйственной деятельности. Таким образом, были выделены виды деятельности, потенциально передаваемые внешнему исполнителю (здесь и далее мы используем классификацию из «Реестра малых и средних предприятий» [9]):
1. 69.20 Деятельность по оказанию услуг в области бухгалтерского учёта, по проведению финансового аудита, по налоговому консультированию;
2. 81.10 Деятельность по комплексному обслуживанию помещений;
3. 81.21 Деятельность по общей уборке зданий;
4. 81.22 Деятельность по чистке и уборке жилых зданий и нежилых помещений прочая;
5. 81.29 Деятельность по чистке и уборке прочая;
6. 81.30 Деятельность по благоустройству ландшафта;
7. 82.11 Деятельность административно-хозяйственная комплексная по обеспечению работы организации;
8. 82.19 Деятельность по фотокопированию и подготовке документов и прочая специализированная вспомогательная деятельность по обеспечению деятельности офиса;
9. 82.20 Деятельность центров обработки телефонных вызовов;
10. 82.30 Деятельность по организации конференций и выставок;
11. 82.91 Деятельность агентств по сбору платежей и бюро кредитной информации;
12. 82.92 Деятельность по упаковыванию товаров;
13. 82.99 Деятельность по предоставлению прочих вспомогательных услуг для бизнеса, не включённая в другие группировки;
14. 84.21 Деятельность международная;
15. 84.22 Деятельность, связанная с обеспечением военной безопасности;
16. 84.24 Деятельность по обеспечению общественного порядка и безопасности;
17. 84.25 Деятельность по обеспечению безопасности в чрезвычайных ситуациях; деятельность по обеспечению безопасности в области использования атомной энергии.
Выделенные виды деятельности, как полагают авторы очевидны, и наиболее востребованы в условиях жёстких санитарных ограничений и требований по соблюдению социальной дистанции в период пандемии. Данные виды деятельности не связаны с основной деятельностью производственных предприятий или предприятий, предоставляющих услуги конечному потребителю. Кроме того, мы предположили, что на региональном уровне перечисленные виды деятельности выполняются средними или малыми предприятиями.
Ниже представлены результаты предварительной обработки и анализа данных, которые, позволяют сделать выводы относительно динамики изменения структуры и состава предприятий на рынке аутсорсинга. Следует отметить существенное изменение структуры аутсорсинга в ДФО (рисунок 1 и 2).
Рисунок 1 – Распределение предприятий‑аутсорсеров по регионам ДФО, 2016 г.
Рисунок 2 – Распределение предприятий‑аутсорсеров по регионам ДФО, 2021 г.
Таблица 2 – Отклонение в структуре предприятий‑аутсорсеров по правовой форме за период 2016–2021 гг.
Регион | Юридическое лицо | Индивидуальный предприниматель | Итого по субъекту |
03 – Республика Бурятия | 28,49% | –29,68% | 1,00% |
14 – Республика Саха (Якутия) | 96,60% | 98,56% | 97,41% |
25 – Приморский край | –38,91% | –37,23% | –37,99% |
27 – Хабаровский край | 98,70% | 99,80% | 99,13% |
28 – Амурская область | 77,82% | 29,05% | 58,64% |
41 – Камчатский край | 65,81% | 30,20% | 46,90% |
49 – Магаданская область | 53,33% | -83,72% | –27,40% |
65 – Сахалинская область | 65,24% | 21,02% | 43,61% |
75 – Забайкальский край | 98,10% | 98,96% | 98,48% |
79 – Еврейская автономная область | 92,59% | 100,00% | 96,83% |
87 – Чукотский автономный округ | 95,83% | 100,00% | 97,37% |
Итого по ДФО | 71,96% | 42,14% | 58,81% |
По масштабу – в подавляющем большинстве случаев это, как и в 2016 г., микропредприятия (71,96%). А по правовой форме по сравнению с предыдущим исследованием ситуация кардинально изменилась – теперь преобладают индивидуальные предприниматели (61,93%). Структурный состав предприятий-аутсорсеров в регионах представлен в форме диаграмм на рисунках 2 и 3.
Рисунок 3 – Структурный состав предприятий- аутсорсеров ДФО по масштабу, 2021 г.
Рисунок 4 – Структурный состав предприятий-аутсорсеров ДФО по правовой форме, 2021 г.
Представленная выше инфографика, позволяет сделать вывод о резких изменениях как в численном распределении аутсорсинга по регионам, так и структурном составе предприятий (по масштабу и правовой форме). Причиной таких изменений может быть как резкое изменений предпринимательской среды (что объективно связано с глобальной пандемией), так и с кризисными явлениями (что требует подтверждения). Таким образом, полученные результаты предварительной обработки указывают на необходимость провести изучение глубинных причин изменений на рынке аутсорсинга. Подобные исследования могут потребовать как дополнительной верификации исходных данных, так и привлечение дополнительных детализированных показателей.
Для анализа закономерностей на рынке аутсорсинга использованы классические методы прикладной статистики – корреляционный и регрессионный анализ [6; 12; 13; 15; 16; 17]. Инструментальным средством визуализации является MS Excel, проведения расчётов (и частично визуализации) является RStudio [12; 16; 17].
Полученные массивы данные анализировались классическими статистическими методами (корреляционный анализ, дисперсионный анализ, регрессионный анализ). Очевидным достоинством указанных методов, является возможность выявлять закономерности в развития аутсорсинга и взаимосвязи с уровнем экономического развития территории даже в отсутствии детализированной информации [12].
Оценки уровень корреляционной связи между общим числом предприятий-аутсорсеров с макроэкономическими показателями региона (численность населения, валовый региональный продукт – ВРП, инвестиции в основной капитал (ОК)) представлены в таблице 3. Расчётные значения коэффициентов корреляции статистически не значимы.
Таблица 3 – Расчётные значения коэффициентов корреляции
Все предприятия | Численность населения | ВРП | Инвестиции в ОК | |
Все предприятия | 1.0000000 | 0.5869426 | 0.2058394 | 0.2304421 |
Численность населения | 0.5869426 | 1.0000000 | 0.5136552 | 0.4344205 |
ВРП | 0.2058394 | 0.5136552 | 1.0000000 | 0.7161197 |
Инвестиции в ОК | 0.2304421 | 0.4344205 | 0.7161197 | 1.0000000 |
Полученная оценка подтвердила нашу гипотезу (см. предыдущие работы авторов) об отсутствии связи численности предприятий, работающих на условии аутсорсинга в ДФО с экономическими показателями регионов.
Дополнительно, были исследованы зависимости уровня ВРП в регионах от числа предприятий (по видам деятельности). Для данной цели были простроены парные модели регрессии (объясняемый показатель ВРП, объясняющий – численность предприятий по конкретному виду деятельности). Использование парной модели вызвано двумя причинами:
Расчётные значения параметров моделей представлены в таблице 3. Показатели, представленные в таблице 4 (аналогично в таблице 5): coef – оценка коэффициента модели, p-value – статистическая значимость предиктора, R2 – коэффициент детерминации парной модели, Fstat – F‑статистика.
Таблица 4 – Результат оценок моделей регрессии уровня «ВРП» на число предприятий-аутсорсеров (по видам деятельности)
Вид деятельности (код) | coef | p-value | R2 | Fstat |
69.20 | 583.3215 | 0.4776434 | 0.057485073 | 0.5489203822 |
69.20.1 | 4075.8755 | 0.6933168 | 0.018097506 | 0.1658795564 |
69.20.2 | 1153.0031 | 0.5556517 | 0.039959133 | 0.3746009273 |
69.20.3 | 37852.5080 | 0.5946831 | 0.032695781 | 0.3042083587 |
81.10 | 5221.4709 | 0.3284092 | 0.106061342 | 1.0678049027 |
81.21 | 807.0857 | 0.9005660 | 0.001831816 | 0.0165165995 |
81.22 | 1573.5852 | 0.5575391 | 0.039586441 | 0.3709630742 |
81.29 | 9458.6964 | 0.6113638 | 0.029864173 | 0.2770514706 |
81.29.1 | 6191.9478 | 0.2710769 | 0.132519434 | 1.3748721897 |
81.29.2 | –20481.7824 | 0.7954487 | 0.007861700 | 0.0713159645 |
81.29.9 | 3898.2404 | 0.6152159 | 0.029232417 | 0.2710141519 |
81.30 | 14466.0520 | 0.2253132 | 0.158462174 | 1.6947064311 |
82.11 | 8202.5609 | 0.2838993 | 0.126089784 | 1.2985407797 |
82.19 | 3562.4276 | 0.8469127 | 0.004367743 | 0.0394821320 |
82.20 | 19187.8216 | 0.6504490 | 0.023824374 | 0.2196524458 |
82.30 | 16969.1268 | 0.2913546 | 0.122497104 | 1.2563764056 |
82.91 | 15097.0236 | 0.7248236 | 0.014447163 | 0.1319304848 |
82.92 | 6063.5483 | 0.8154762 | 0.006375503 | 0.0577476969 |
82.99 | 264.1607 | 0.7618844 | 0.010724570 | 0.0975674994 |
84.21 | 69639.1944 | 0.8394068 | 0.004811517 | 0.0435130179 |
84.22 | –5762.0167 | 0.9866381 | 0.000032940 | 0.0002964698 |
84.24 | 185602.3675 | 0.0476981 | 0.368358596 | 5.2485909540 |
84.25 | 69394.9702 | 0.2352918 | 0.152359639 | 1.6177105455 |
84.25.1 | 48453.8060 | 0.1789130 | 0.191004766 | 2.1249110292 |
84.25.9 | 113557.5239 | 0.5946831 | 0.032695781 | 0.3042083587 |
Все предприятия | 138.9109 | 0.5437107 | 0.042369869 | 0.3982005270 |
Практически все модели (и предикторы) оказались статистически не значимыми, коэффициент детерминации не отличим от нуля. Исключение составляет единственный вид деятельности с кодом «84.24» (обеспечение общественного порядка) для которого значимость подтверждена на уровне 5%. Полученные оценки подтверждают нашу прежнюю гипотезу об отсутствии влияния предприятий-аутсорсеров на валовый региональный продукт в регионах, и, следовательно, весьма слабое развитие аутсорсинга. Динамических изменений по данному показателю не наблюдается.
Аналогично, проведены исследования зависимости Объёма инвестиций в основной капитал от числа предприятий, работающих в регионах на условиях аутсорсинга (таблица 5).
Таблица 5 – Результат оценок моделей регрессии «Объёма инвестиций в основной капитал» на число предприятий-аутсорсеров (по видам деятельности)
Вид деятельности (код) | coef | p-value | R2 | Fstat |
69.20 | 160.004708 | 0.5382749 | 4.349800e-02 | 4.092851e-01 |
69.20.1 | 1822.925116 | 0.5741261 | 3.640653e-02 | 3.400384e-01 |
69.20.2 | 411.544790 | 0.5034763 | 5.119812e-02 | 4.856473e-01 |
69.20.3 | 4.891304 | 0.9998275 | 5.490558e-09 | 4.941502e-08 |
81.10 | 1248.400663 | 0.4641643 | 6.097392e-02 | 5.843983e-01 |
81.21 | 1397.582693 | 0.4866251 | 5.524109e-02 | 5.262399e-01 |
81.22 | 434.705521 | 0.6082413 | 3.038232e-02 | 2.820090e-01 |
81.29 | 818.726552 | 0.8898467 | 2.250248e-03 | 2.029791e-02 |
81.29.1 | 941.817248 | 0.6055486 | 3.083351e-02 | 2.863302e-01 |
81.29.2 | 4437.288235 | 0.8587841 | 3.710915e-03 | 3.352263e-02 |
81.29.9 | 717.793725 | 0.7702392 | 9.967621e-03 | 9.061177e-02 |
81.30 | 4793.816130 | 0.2003856 | 1.750060e-01 | 1.909171e+00 |
82.11 | 1703.050559 | 0.4889769 | 5.466392e-02 | 5.204237e-01 |
82.19 | 2445.546445 | 0.6729899 | 2.070053e-02 | 1.902429e-01 |
82.20 | 13867.957411 | 0.2858116 | 1.251584e-01 | 1.287576e+00 |
82.30 | 3644.926406 | 0.4802021 | 5.683935e-02 | 5.423828e-01 |
82.91 | 1618.557391 | 0.9050409 | 1.670017e-03 | 1.505529e-02 |
82.92 | 7872.412587 | 0.3235801 | 1.080790e-01 | 1.090579e+00 |
82.99 | 213.058745 | 0.4311886 | 7.016279e-02 | 6.791137e-01 |
84.21 | -22021.444444 | 0.8389585 | 4.838724e-03 | 4.376026e-02 |
84.22 | -32940.777778 | 0.7607787 | 1.082697e-02 | 9.850930e-02 |
84.24 | 17751.329897 | 0.5879333 | 3.388678e-02 | 3.156783e-01 |
84.25 | 25996.609756 | 0.1508178 | 2.150365e-01 | 2.465501e+00 |
84.25.1 | 3423.620596 | 0.7745330 | 9.590128e-03 | 8.714690e-02 |
84.25.9 | 14.673913 | 0.9998275 | 5.490558e-09 | 4.941502e-08 |
Все предприятия | 49.038489 | 0.4954232 | 5.310355e-02 | 5.047352e-01 |
Все модели, без исключения, оказались статистически не значимыми. Таким образом, гипотезу об отсутствии влияния развития аутсорсинга на объёмы инвестиций можно считать доказанной.
Для проверки гипотезы о существовании закономерности, связывающей численность предприятий аутсорсеров с рейтингом инвестиционной привлекательности региона, использовали модель регрессии специального вида – logit-модель. Модель данного типа ещё называют моделью вероятности.
Особенность логистической модели регрессии (logit-модели) состоит в том, что зависимая переменная является не числовой, приводится к бинарному виду (принимает либо значение 1, либо значение 0), функция вероятности – логистическая. В нашем случае к бинарному виду преобразованы рейтинги инвестиционной привлекательности регионов восточной Сибири и Дальнего востока. Учитывая, что в целом уровни регионов в рейтинге инвестиционной привлекательности достаточно низкие, в бинарном варианте значения рейтинга ниже 3B1 приняты за ноль.
Расчётные значения параметров моделей представлены в таблице 3. Показатели, представленные в таблице 6: TRUE reit (sensitivity) – доля случаев верной классификации высокого инвестиционного потенциала; Accuracy pred – аккуратность классификации по всем показателям.
Таблица 6 – Результаты оценки логистической модели
Вид деятельности (код) | TRUE reit | Accuracy pred | aic | p-value |
69.20 | 0.25 | 0.7272727 | 17.73579 | 0.4260463 |
69.20.1 | 0.25 | 0.7272727 | 18.12779 | 0.5911359 |
69.20.2 | 0.25 | 0.7272727 | 18.02768 | 0.5355662 |
69.20.3 | 0.25 | 0.6363636 | 17.59347 | 0.3909492 |
81.10 | 0.25 | 0.6363636 | 17.11880 | 0.3001127 |
81.21 | 0.00 | 0.6363636 | 18.41174 | 0.9248591 |
81.22 | 0.25 | 0.7272727 | 18.02393 | 0.5319245 |
81.29 | 0.25 | 0.7272727 | 18.18977 | 0.6321856 |
81.29.1 | 0.50 | 0.8181818 | 15.51178 | 0.4075190 |
81.29.2 | 0.00 | 0.6363636 | 18.03815 | 0.5454932 |
81.29.9 | 0.25 | 0.7272727 | 18.16380 | 0.6145583 |
81.30 | 0.50 | 0.7272727 | 16.85687 | 0.2490562 |
82.11 | 0.25 | 0.7272727 | 17.01841 | 0.2908153 |
82.19 | 0.00 | 0.6363636 | 18.41658 | 0.9494091 |
82.20 | 0.00 | 0.6363636 | 18.23133 | 0.6630307 |
82.30 | 0.25 | 0.7272727 | 16.49543 | 0.3121526 |
82.91 | 0.25 | 0.7272727 | 18.15885 | 0.6103395 |
82.92 | 0.00 | 0.6363636 | 18.40558 | 0.9022216 |
82.99 | 0.00 | 0.6363636 | 18.33186 | 0.7650414 |
84.21 | 0.25 | 0.6363636 | 18.22984 | 0.6611074 |
84.22 | 0.25 | 0.6363636 | 18.22984 | 0.6611074 |
84.24 | 0.50 | 0.7272727 | 15.70493 | 0.1561882 |
84.25 | 0.25 | 0.6363636 | 17.17673 | 0.3040835 |
84.25.1 | 0.50 | 0.8181818 | 15.24636 | 0.2949465 |
84.25.9 | 0.25 | 0.6363636 | 17.59347 | 0.3909492 |
Как видно из результатов моделирования, все показатели по численности предприятий-аутсорсеров оказались статистически не значимыми при построении logit-регрессий с одной переменной. Таким образом¸ наш более ранний вывод о связи развития аутсорсинга с инвестиционной привлекательностью региона не подтвердился на новых данных.
Результаты анализа структурного состава предприятий и методов корреляционно-регрессионного анализа установлено, что за прошедший период времени произошли существенные изменения как в структуре рынка аутсорсинга, так и в закономерностях развития. Авторами подтверждён вывод предыдущих исследований, о том, что использование аутсорсинга в производственной деятельности не оказывает влияния на уровень ВРП и объёмов инвестиций в основной капитал. В то же время, вывод о связи развития аутсорсинга с инвестиционной привлекательностью региона на новых данных не подтвердился. Результаты моделирования указывают не только на слабое внедрение аутсорсинга в деятельность предприятий и организаций В ДФО, но и позволяют выдвинуть гипотезу о существенных изменениях в предпринимательской среде в условиях глобальной пандемии.
Библиографический список