Оценка эффективности инновационного проекта

Достоинство метода экспертных комиссий заключается в возможности роста информированности экспертов, так как при обсуждении они обмениваются точками зрения, что благоприятно влияет на точность прогноза. К недостаткам можно отнести следующие факторы: 1) группа экспертов в своих суждениях руководствуется логикой компромисса; 2) отсутствие анонимности может привести к тому, что эксперты присоединят свои голоса к более компетентным, авторитетным лицам при своем отличном мнении и в итоге дискуссия может свестись к полемике авторитетов; 3) существенным фактором при выработке коллективного мнения может стать активность некоторых экспертов, которые не являются наиболее компетентными; 4) в результате отсутствия анонимности некоторые эксперты могут не пожелать изменять свое мнение в результате того, что они его уже высказали публично, хотя большинству удалось их переубедить.

Группа методов коллективных экспертных оценок основана на том, что при коллективном мышлении, во-первых, выше точность результата и, во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, могут возникнуть продуктивные идеи.

4.      Методы прогнозной экстраполяции

Методы экстраполяции основываются на подходах математической статистики и теории вероятностей. Данная группа методов получила наиболее широкое и повсеместное распространение, что во многом объясняется достаточно хорошо проработанной теоретической базой.

Процесс прогнозирования, опирающийся на статистические методы, распадается на два этапа:

       обобщение данных и нахождение аналитического выражения модели;

       построение прогноза на основе выявленных закономерностей.

Одним из наиболее распространенных методов прогнозирования является экстраполяция, т.е. продление на перспективу тенденций, наблюдавшихся в прошлом. Экстраполяция базируется на следующих допущениях:

       развитие явления может быть основанием охарактеризовано некоторой тенденцией (трендом);

       общие условия, определяющие тенденцию развития в прошлом, не претерпят существенных изменений в будущем.

Формально экстраполяцию можно представить в виде определения значения функции:

(2.1)

где — экстраполируемое значение уровня;

- уровень, принятый за базу экстраполяции;

- период упреждения прогноза.

Простейшая экстраполяция может быть проведена на основе средних характеристик ряда: среднего уровня, среднего абсолютного прироста и среднего темпа роста. В частности, на предположении о равенстве будущего значения среднему уровню основаны так называемые «наивные» методы прогнозирования.

В случае, если предполагается наличие тенденции (тренда) в исследуемых данных, она может быть оценена и выражена в некоторой аналитической функции, параметры которой оцениваются известными методами (например, методом наименьших квадратов, МНК). Поэтому при построении экстраполяции наблюдается тесное взаимодействие методов регрессионного анализа, вероятностного моделирования, эконометрических подходов и прочих математических моделей. Это еще раз говорит о невозможности создания однозначной и четкой классификации методов прогнозирования.

При анализе временных рядов особое значение имеют адаптивные методы сглаживания и прогнозирования, также основанные на экстраполяции прошлых тенденций в будущее.

Здесь наиболее простым и известным является метод скользящих средних, осуществляющий механическое выравнивание временного ряда. Суть метода заключается в замене фактических уровней ряда расчетными средними, в которых погашаются колебания.

Развитием метода скользящих средних явился метод экспоненциального сглаживания, в котором средний уровень ряда представляет собой линейную комбинацию фактического значения и среднего уровня прошлых наблюдений.

Методы Хольта и Брауна несколько усложнили простое экспоненциальное сглаживание с целью учета тенденции во временном ряде, а модель Винтерса также позволяет оценить влияние сезонных колебаний.

Довольно широкое распространение получили авторегрессионные модели, в частности модели Бокса-Дженкинса (ARIMA), которые также основываются на экстраполяции с учетом наличия взаимной корреляции между уровнями временного ряда.

5.      Методы моделирования

Распространенной методикой описания тех или иных процессов и явлений служит моделирование. Моделирование считается достаточно эффективным средством прогнозирования возможного явления новых или будущих технических средств и решений. Впервые для целей прогнозирования построение операционных моделей было предпринято в экономике. Модель конструируется субъектом исследования так, что­бы операции отображали характеристики объекта (взаимосвязи, структурные и функциональные параметры и т.п.), существенные для цели исследования. Поэтому вопрос о качестве такого отображения - адекватности модели объекту - правомерно решать лишь относительно определенной цели. Конструирование модели на основе предваритель­ного изучения объекта и выделения его существенных характеристик, экспериментальный и теоретический анализ модели, сопоставление результатов с данными объекта, корректировка модели составляют содержание метода моделирования.

Метод моделирования, разработка которого применительно к прогнозированию научно-технического прогресса встреча­ет серьезные трудности, требует к себе особого внимания.

Трудность применения метода моделирования в прогнозировании научно-технического прогресса вызывается сложностью структуры технического развития и поэтому вынуждает пользоваться не единственной моделью, а системой методов и моделей, характеризующейся определенной иерархией и последовательностью.

Под системой моделей прогнозирования научно-технического прогресса следует понимать совокупность методик и моделей, позволяющую дать согласованный и непротиворечивый прогноз научно-тех­нического развития отрасли, основывающийся на изучении складывающихся в текущем и будущих периодах технико-экономических тенденций и закономерностей, на заданных целевых установках, на имеющихся ресурсах, выявленных потребностях народного хозяйства и их динамике.

Такая система предполагает определенную очередность использования моделей для целей составления комплексного прогноза.

Использование математического аппарата для описания моделей (включая алгоритмы и их действия) связано с преимуществами математического подхода к многостадийным процессам обработки информации, использованием идентичных средств формирования задач, поиска методов их решения, фиксации этих методов и их преобразования в программы, рассчитанные на применение средств вычислительной техники.

Разработка системы моделей прогнозирования проходит три этапа.

На первом этапе разработки локальных методик прогнозирования прорабатываются отдельные модели и подсистемы мо­делей прогнозирования. Разработанные модели должны быть взаимно увязаны и составлять единую систему для целей прогнозирования, обеспечивающую взаимодействие отдельных моделей в соответствии с определенными требованиями. Такие требования будут зафиксированы в программе исследований по проблеме в целом.

На втором этапе разработки локальных методик прогнозирования научно-технического прогресса создается система взаимодействующих моделей прогнозирования, уточняются и согласовываются подсистемы моделей, проверяется их взаимодействие, определяется последовательность использования отдельных моделей, а также приемов оценки и методов проверки получаемых комплексных прогнозов. На этом этапе также должны быть составлены соответствующие программы для решения задач на электронных вычислительных машинах.

Третий этап создания системы моделей прогнозирования в основном связан с уточнением и развитием отдельных локальных систем и методик в ходе практического их использования для целей комплексного прогнозирования научно-технического прогресса.

При составлении детальных программ исследований для первого и второго этапов необходимо учитывать, что задачи методики и круг проблем и показателей, разрабатываемых при прогнозировании, существенным образом зависят от сроков прогнозов. С увеличением дея­тельности прогнозируемого периода происходит укрупнение показателей, уменьшается количество имеющейся и доступной информации всех видов; этому соответствует использование укрупненных (агрегированных) моделей, рассмотрение более крупных синтетических проблем развития народного хозяйства. При этом необходимо выявить показа­тели, которые связаны устойчивыми функциональными связями, как между собой, так и с показателями прогнозов на менее длительный период и которые существенно влияют на динамику показателей для периода в целом и отдельных его частей (принцип отбора существенной и устойчивой информации).

Требования, предъявляемые к отдельным моделям и системе моделей прогнозирования, предопределяют методы, с помощью которых эти модели могут и должны разрабатываться, а также методы и средства осуществления расчетов по ним. Эти требования сводятся главным образом к следующим положениям:

       методика должна давать четкое описание последовательности правил (алгоритма), позволяющее составить отдельный прогноз при достаточно широких предположениях о характере и значениях исходной для данного прогноза информации определенной структуры;

       методика должна использовать методы и технические средства, позволяющие проводить расчеты своевременно и многократно, исходя, как правило, из неоднородной и большой по объему, меняющейся по вариантам прогноза информации;

       в подобных методиках должны учитываться сложные, многофакторные связи прогнозируемых процессов и показателей. Необходимо обеспечить выявление в этих условиях важнейших и устойчивых закономерностей и тенденций. Такое выявление необходимо как на исходном материале, так и в процессе анализа результатов, получаемых по данной методике, и их расчетов по комплексу связанных с ней моделей;

       необходимо системное согласование отдельных прогнозов, которое должно обеспечить непротиворечивость и взаимную корректировку последних.

Применение математических методов является необходимым условием для разработки и использования моделей прогнозирования, обеспечивающим высокие требования к обоснованности, действенности и своевременности прогнозов научно-технического прогресса.

6.      Перспективные направления развития научно-технического развития

В развитых странах большое внимание уделяется прогнозированию инновационного развития, в рамках которого ставится задача выявления емких кластеров, перспективных с точки зрения решения важнейших задач социального развития и многообещающих в коммерческом плане. Одним из удачных примеров таких прогнозов является исследование «Глобальная технологическая революция: 2020», выполненное компанией РЭНД. В нем перспективы развития мирового сообщества до 2020 г. оценивались как в научно-техническом, так и в социально-экономическом плане. Были проанализированы движущие силы современного инновационного процесса и препятствия на его пути, обсуждался вопрос о том, какие страны и в каких конкретных областях будут выступать в качестве лидеров.

Работа представляет собой обобщение результатов отдельных обследований основных областей мирового научно-технического развития на основе анализа информации из научной периодики и монографий, опубликованных наиболее авторитетными издательствами.

Утверждается, что «глобальная технологическая революция» проявит себя наиболее существенным образом в четырех базовых областях научно-технологического прогресса, а именно, в сфере био- и нанотехнологий, в области новых материалов и в процессах информатизации. Этот вывод конкретизируется перечнем из 16 технологий, которые уже в ближайшей перспективе будут оказывать глубокое и многостороннее влияние на формирование нового качества жизни – как ее материального уклада, так и социокультурного процесса:

       системы использования солнечной энергии;

       беспроводные средства подключения к телефонным линиям и Интернету,

       техника доступа ко всем видам информации вне зависимости от места и времени,             

       генетически модифицированные сельскохозяйственные культуры,

       техника биологического экспресс-анализа,

       фильтры и катализаторы для очистки и обеззараживания воды,

       адресная доставка лекарств в опухолевые и патогенные зоны,

       недорогие жилища с автономным жизнеобеспечением,

       экологически чистые производственные процессы,

       радиочастотные методы определения местонахождения любых перемещающихся объектов,

       транспортные средства с гибридными двигателями,

       сенсорная техника широкомасштабного применения,

       биоинженерные тканевые технологии,

       диагностические и хирургические методы нового поколения,

       сверхпортативные компьютеры,

       квантовая криптография.

Следует отметить, что практически все технологии этого перечня находятся на стыке базовых научно-технологических областей.

Кроме того, отмечается важность таких технологий, как «продвинутые» схемы компьютерного интерфейса и передачи информации, особенно, конфиденциальной, квантовые компьютеры, смарт-материалы, новые методы диагностики и лечения (иммунотерапия, ксенотрансплантация, генетические карты, стволовые клетки, трансплантация чипов в мозг), создание генетически модифицированных организмов, искусственных мышц и тканей, нетрадиционные виды транспорта, в том числе, на водородном горючем, роботы для самого широкого применения и др.