Инновации и кластеризация как факторы повышения эффективности транспортно‐логистической системы страны

Abstract

В условиях нестабильности транспортных потоков, возрастающих требований к качеству и скорости перевозок, усложнения логистических цепочек транспортно‐логистическая система страны неизбежно трансформируется за счет внедрения инновационных технологий и реструктуризации. Это определяет актуальность проблематики формирования новых подходов к организации взаимодействия субъектов транспорта и логистики, которые обеспечат необходимый темп развития транспортно‐логистической системы страны в соответствии с ее стратегическими приоритетами и глобальными экономическими вызовами. Одним из таких подходов является кластеризация и стимулирование инновационной деятельности в сфере транспорта и логистики. Однако, несмотря на возрастающий научный интерес к данным вопросам, до сих пор не сформирован методический инструментарий для эффективного управления процессом кластеризации и инновационного развития транспортно‐логистической системы страны. Цель: выявление основных факторов, которые взаимосвязаны с эффективностью транспортно‐логистической системы, выраженной через индекс эффективности логистики LPI за 2023 г. Результаты: в рамках исследования с применением методов формальной логики и балльной оценки, горизонтального, структурно‐долевого и многофакторного корреляционного анализа были определены и изучены основные характеристики системы транспортно‐логистических кластеров Европы; сформирована система показателей для оценки факторов, которые могут оказывать влияние на эффективность транспортно‐логистической системы страны; установлена взаимосвязь между показателями и индексом LPI высокой и средней степени силы. Кроме того, автором конкретизировано понятие транспортно‐ логистического кластера с учетом рассмотренных характеристик. Выводы: эффективность транспортно‐ логистической системы в большей степени связана с такими характеристиками кластеризации, как инновационность, структура участников и зрелость кластеров. Дальнейшее направление исследования предполагает проведение регрессионного анализа рассматриваемых факторов с целью построения модели кластеризации в сфере транспорта и логистики

In the conditions of unstable transport flows, increasing requirements for the quality and speed of transportation, and the complication of logistics chains, the country transport and logistics system is inevitably transformed through the introduction of innovative technologies and restructuring. This determines the relevance of the problem of forming new approaches to organizing the interaction of transport and logistics entities, which will ensure the necessary pace of development of the country transport and logistics system in accordance with its strategic priorities and global economic challenges. One of these approaches is clustering and stimulation of innovative activities in the field of transport and logistics. However, despite the growing scientific interest in these issues, a methodological toolkit for the effective management of clustering and innovative development of the country transport and logistics system has not yet been formed. Aim. To identify the main factors that are interconnected with the efficiency of the transport and logistics system, expressed through the logistics performance index for 2023. Methods. Methods of formal logic and point assessment, horizontal, structural‐share and multi‐factor correlation analysis. Results. Using these methods the author has identified and studied the main characteristics of the system of transport and logistics clusters of Europe formed, a system of indicators for assessing the factors that can influence the efficiency of the transport and logistics system of the country and established the relationship of high and medium strength between the logistics performance index indicators. In addition, the author specified the concept of a transport and logistics cluster taking into account the characteristics considered. It was revealed that the efficiency of the transport and logistics system is largely associated with such clustering characteristics as innovativeness, structure of participants and maturity of clusters. The further direction of the study involves conducting a multi‐factor regression analysis of the factors under consideration in order to build a clustering model in the field of transport and logistics