Статья: Классификация стран Европы по уровню цифровизации

Классификация стран Европы по уровню цифровизации

Бакуменко Л.П.

д.э.н., профессор, зав. кафедрой прикладной статистики и информатики, Марийский государственный университет

Минина Е.А.

студент Марийского государственного университета

Ключевые слова: цифровизация, ИКТ, кластеры, кластерный анализ, дискриминантный анализ.

Keywords: digitalization, ICT, clusters, e-commerce, cluster analysis, discriminant analysis.

В последнее время цифровая экономика становится все более актуальной, она все сильнее влияет на жизнь каждого человека, на домашние хозяйства и предприятия. Ежедневная деятельность человека не мыслима без компьютера. В рабочей среде он значительно упрощает деятельность сотрудников, выполняя сложные задачи и решая бизнес-процессы за короткий промежуток времени. Современные технологии связи помогают работать с коллегами по всему миру, а с помощью Интернета предприятия могут получать заказы, решать проблемы с потребителем и контрагентом, проводить маркетинговые кампании. Для повышения своей конкурентоспособности организации вынуждены обучать работников ИКТ, а некоторые из них для оперативной обработки заказов предоставляют сотрудникам устройства с выходом в Интернет. Что касается индивидуального использования Интернета, люди активно применяют его не только на ПК, но и на мобильных телефонах и планшетах. Участвуют в различных онлайн-мероприятиях - потребляют контент, общаются, продают, покупают, используют онлайн-банкинг и др.

Цифровизация происходит по всему миру довольно быстрыми темпами. Mastercard и Школа права и дипломатии им. Флетчера Университета Тафтса представили рейтинг Digital Evolution Index 2017, в первую десятку которого вошли страны с передовой цифровой экономикой, шесть из которых европейские: Норвегия, Швеция, Швейцария, Дания, Финляндия, Великобритания [1].

В данной статье проведен анализ развития цифровизации в странах Европы. Анализ проводился с использованием методов многомерного статистического анализа. Для характеристики состояния, развития и применение цифровой экономики были рассмотрены данные 29 стран Европы. Использованы статистические данные, взятые с сайта Евростата [2].

Были рассмотрены следующие показатели: доля предприятий, получившие заказы через компьютерные сети, % - ; доля предприятий, которые используют специалистов в области ИКТ,% - ; доля предприятий, которые проводили обучение по разработке/повышению квалификации ИКТ для своего персонала, % - ; доля лиц, имеющих базовые или выше базовых общие навыки в сфере ИКТ, % - ; стоимость продаж электронной коммерции (общий оборот компаний с электронной коммерцией), % оборота - ; использование мобильных подключений к Интернету сотрудниками (доля наемных работников, которым предоставлено портативное устройство, с мобильным подключением к Интернету для использования в бизнесе), % от общей занятости - ; использование социальных сетей для разработки имиджа или рыночной продукции предприятия, % - ; использование социальных сетей для привлечения клиентов к разработке или инновации товаров или услуг, % - ; использование социальных сетей для сотрудничества с деловыми партнерами (поставщиками) и др. компаниями или другими организациями (государственными органами, неправительственными организациями и т.д.),% - ; интеграция внутренних процессов (доля предприятий, имеющих программный пакет ERP для обмена информацией между различными функциональными областями), % - ;процент лиц, использующих Интернет на настольном компьютере, % - ; процент лиц, использующих Интернет на ноутбуке или нетбуке, % - ; процент лиц, использующих Интернет на мобильном телефоне или смартфоне, % - ; процент лиц, использующих Интернет на интеллектуальном телевизоре (напрямую подключенном к Интернету),% - ; доля лиц, совершавших Интернет-покупки, % - ; доля домашних хозяйств с доступом к Интернету дома, % - ;доля лиц, с индивидуальным использование облачных сервисов, % - ; процент использования Интернета за последний год, % - ; процент использования компьютеров за последний год, % - . цифровизация европа статистический экономика

Так как показателей, характеризующих электронную торговлю западных стран, достаточно много и они характеризуют различные сферы использования Интернет и ИКТ, было решено провести кластерный анализ всех переменных, представленных в исследовании. Наличие множества исходных признаков, характеризующих процесс функционирования объектов, заставляет отбирать из них наиболее существенные и изучать меньший набор показателей. В качестве методов кластерного анализа были использованы как иерархические процедуры, которые используются при небольших объемах наборов данных (в нашем исследовании задействованы 29 стран Европы), так и метод k-средних. При использовании иерархических процедур для объединения стран в кластеры применены различные методы объединения, но наилучшее разбиение показал метод Варда. В этом методе в качестве целевой функции применяют внутригрупповую сумму квадратов отклонений. С использованием данного метода классификации были получены четыре группы, на которые были разбиты все показатели (рис.1).

Рисунок 1. Вертикальная дендрограмма разделения признаков.

После проведения классификации все участвующие в анализе признаки были разбиты на четыре группы. В первую группу вошли показатели:;; ; ; ; Во вторую группу вошли признаки: ; ; . В третью группу вошли показатели: ; ; . Четвертую группы сформировали показатели: ; ; ; ; ; ; .

Классификация переменных методом k-средних также разбила все переменные на четыре группы. Результат качества кластеризации методом k-средних можно проверить (т.е. оценить, насколько кластеры отличаются друг от друга), рассчитав средние значения для каждого кластера. При хорошей кластеризации должны быть получены сильно отличающиеся средние для всех измерений или хотя бы большей их части. В таблице 1 представлены данные средних значений по кластерам, проведенным методом k-средних.

Таблица 1 Средние значения по кластерам

При классификации переменных, проведенных методом k-средних, получилась практически такая же классификация. Однако показатель при разбиении первым (иерархические процедуры, метод Варда) способом оказался в первой группе, а при классификации вторым методом (методом k-средних) в четвертой группе.

Для проверки качества классификации и уточнения попадания переменной в свою (правильную) группу были использованы некоторые меры проверки качества классификации, в частности функционалы или критерии качества. Наилучшим по выбранному функционалу считают такое разбиение, при котором достигается экстремальное (min или max) значение целевой функции - функционала качества. Были использованы три вида функционалов. В качестве первого рассматривался алгоритм, при котором сумма квадратов расстояний до центров классов была бы минимальной:

, где l - номер кластера (l=1,2,…,k), - центр l-го класса, -вектор значений переменных для i-го объекта, входящего в l-й кластер, - расстояние между i-м объектом и центром l-го кластера.

По данному алгоритму были получены следующие значения функционалов. Для разбиения методом Варда значение функционала 33637,4, для разбиения методом k- средних - 31333,9.

В качестве второго алгоритма качества разбиения использовалась сумма внутриклассовых расстояний между объектами - . В этом случае наилучшим следует считать такое разбиение, при котором достигается минимальное значение F₂>min, т.е. получены кластеры большой «плотности». Для разбиения методом Варда значение функционала 18874, для разбиения методом k- средних - 184882.

В качестве третьего алгоритма использовалась суммарная внутриклассовая дисперсия - , где - дисперсия j-й переменной в кластере S_l. В разбиениях, при которых сумма внутриклассовых (внутригрупповых) дисперсий будет минимальной считают оптимальными. F₃>min. Для разбиения методом Варда значение функционала 6025,0, для разбиения методом k- средних - 5865,4.

Таким образом, в трех из трех функционалах качества подтверждается разбиение методом k-средних, то есть элемент Х₆ следует отнести к четвертому кластеру.

Проанализируем полученные кластеры по содержанию сформировавших их переменных.

В первый кластер вошли показатели, отражающие в основном электронную торговлю. Он содержит преимущественно показатели, отражающие продажи и покупки в Интернете, использование социальных сетей для разработки имиджа или рыночной продукции предприятия, программный пакет ERP для обмена информацией между различными функциональными областями. Также нельзя не отметить применение Интернета на настольном компьютере для совершения различных операций: хранения файлов в облачных сервисах, что значительно упрощает работу устройств, экономя память, общения с представителями различных стран, работы и, конечно, для совершения покупок. Электронная торговля в последнее время становится все более актуальной и популярной: все большее число людей совершают покупки онлайн, находясь далеко от стационарных магазинов, так как это удобно, быстро, доступно и легко. Сейчас стало еще проще покупать в Интернете, так как у большинства поставщиков есть не только свои сайты, но и приложения, поэтому покупки можно совершать даже с телефона.

По оценкам eMarketer, в 2015 г. объем технологичного рынка в мире составил 1,8 трлн. долл. При этом доля Интернет-торговли в совокупном объеме розничной торговли постепенно растет, она увеличилась практически в 1,5 раза с 6,5% в 2012 г. до 8,6% в 2015 г [3]. Что касается товарной структуры рынка Интернет-торговли, преимущественный вес имеют электроника, товары для дома, автозапчасти, одежда.

В качестве глобальных Интернет-площадок выступают китайский AliExpress, который за Черную пятницу в 2016 первый миллиард долларов заработал всего за несколько минут после её старта. Большую распространенность имеют Amazon, Ebay, Walmart, H-H-Shop, Asos, M&Co, Yoox и др., занимающиеся продажей электротехники, одежды, обуви, продуктов питания онлайн.

Второй кластер содержит показатели, описывающие людей, имеющих базовые знания в области ИКТ, позволяющие им без труда использовать планшет или телефон. Третий кластер образован по трем признакам, показывающим индивидуальное использование компьютера и Интернета дома. В четвертый кластер вошли показатели, характеризующие деятельность предприятия в информационной сфере.

Рассмотрим, какие страны Европы используют элементы электронной торговли, в разрезе переменных, сформировавших отдельные кластеры, и попробуем определить уровень Интернет-покупок в них. Для этого была проведена дополнительная кластеризация методом k-средних по переменным, сформировавшим первый кластер, а именно, ; ; ; ; Страны были разделены на четыре группы по объединяющим признакам (Таблица 2).

Таблица 2 Страны, составляющие кластеры

В первый кластер вошли всего четыре страны, небольшие по территории, однако преуспевающие по использованию социальных сетей для разработки имиджа или рыночной продукции предприятия. Второй кластер представлен в основном «сердцем Европы» - странами, находящимися по соседству с Чехией. Они отстают по нескольким показателям, но имеют довольно неплохие результаты по количеству людей, использующих Интернет на настольном компьютере. Третья группа в среднем имеет самые низкие результаты по данной классификации, прежде всего, из-за низкой доли Интернет-покупок и использования облачных сервисов. Третий кластер в основном представлен странами, умеренно развивающимися и не претендующими на звание «двигатели экономики», в отличие от стран четвертого кластера, в котором средний уровень превышает другие кластеры по четырем из пяти признаков. Можно сделать вывод, что именно в этих странах, преимущественно Бенилюкса и Скандинавии, сильнее всего развита электронная торговля. Средние значения по кластерам представлены на рисунке 2 и в таблице 3.

Рисунок 2. Средние значения по кластерам.

Таблица 3 Средние значения показателей первой группы по странам Европы

По второй группе (; ; ) показателей, характеризующих уровень подготовленности людей в области ИКТ, позволяющий им без труда использовать планшет или телефон: наличие базовых или выше базовых навыков ИКТ, использование Интернета на ноутбуке, мобильном телефоне. То есть данный кластер в основном представляет общее использование Интернета, преимущественно для создания запросов в поисковых системах и нахождения информации, это моментные операции, не требующие больших затрат времени. Посмотрим, как данные показатели участвуют в цифровой коммерции в разных странах Европы, т.е. определим уровень подготовленности (образованности) европейских людей в сфере ИКТ. Для этого была проведена кластеризация анализируемых стран. Использован метод k-средних (рис. 3), отражающий средние значения кластеров по объединяющим признакам.