Цифровой разрыв между регионами как фактор инновационного развития

Проникновение цифровых технологий во все сферы экономической и социальной жизни становится одним из ключевых драйверов развития региональных экономик [2]. Однако процессы цифровизации протекают крайне неравномерно как между странами, так и внутри отдельных государств. Феномен «цифрового разрыва» (digital divide), впервые получивший систематическое описание в отчётах национального регулятора США в конце 1990-х годов, сегодня сохраняет свою актуальность для Российской Федерации.

Различие между регионами по уровню развития цифровой инфраструктуры, доступности онлайн-услуг и, что более важно, по цифровым компетенциям населения достигает критических значений. В исследовании Московской школы управления СКОЛКОВО 2020 года (см.:

ГРНТИ 06.52.13

EDN SCUTKR

показано, что значение итогового индекса цифровой жизни городов-лидеров (Краснодар и Екатеринбург) почти в пять раз превышает значение замыкающего города (Магас-Назрань). Указанный разрыв создаёт риски для равномерного социально-экономического развития страны и требует углублённого анализа факторов, его определяющих.

Целью настоящего исследования выступает выявление ключевых факторов цифрового разрыва между российскими регионами на основе методики «цифровой жизни», включающей раздельную оценку спроса и предложения цифровых услуг, а также разработка предложений по направлениям региональной политики для его преодоления.

Материалы и методы исследования

Методологическую основу исследования составляет модель «цифровой жизни», разработанная Московской школой управления СКОЛКОВО в 2014 году и апробированная на российских городах-миллионниках [6, c. 12]. В новой волне исследования выборка была расширена до 91 города, включая все столицы субъектов Российской Федерации и крупные «нестоличные» региональные центры (Волжский, Набережные Челны, Нижний Тагил, Новокузнецк, Сочи, Сургут, Тольятти, Череповец). Расширение выборки позволило провести сравнительный анализ городов, существенно различающихся по численности населения, уровню дохода, структуре экономики и истории развития.

Модель включает семь измерений цифровой жизни: транспорт, финансы, торговля, здравоохранение, образование, медиа и государственное управление (администрация). Для каждого измерения оцениваются две группы показателей. Первая группа характеризует предложение цифровых услуг (наличие электронных расписаний на остановках, количество отделений банков с развитым онлайн-банкин-гом, функционал сайтов городских администраций, количество сетевых СМИ). Вторая группа характеризует спрос на цифровые услуги (частота поисковых запросов по тематическим ключевым словам, активность в социальных сетях, доля населения, зарегистрированная в Единой системе идентификации и аутентификации – ЕСИА).

Все показатели нормализованы с учётом численности населения конкретного города. Итоговый индекс цифровой жизни для каждого города рассчитывался как среднее арифметическое нормализованных значений по всем измерениям. Подробные метрики индекса представлены в приложении к отчёту СКОЛКОВО [5, c. 38–42].

Для выявления факторов, определяющих глубину цифрового разрыва, использовалась регрессионная модель, включающая три группы независимых переменных: уровень дохода (валовой региональный продукт на душу населения), человеческий капитал (численность населения региона, средний возраст, количество и рейтинг университетов), качество региональной политики (качество городской среды, длительность пребывания губернатора на посту, результаты голосования на выборах в Государственную думу 2016 года) [6, c. 41]. Статистическая обработка данных осуществлялась с использованием методов линейной регрессии и корреляционного анализа.

Методика количественной оценки цифровых инноваций

Для количественного измерения цифрового разрыва между регионами предложен интегральный индекс цифровой жизни (Digital Life Index, DLI), агрегирующий данные по семи измерениям с раздельной фиксацией спроса и предложения. Интегральный характер показателя позволяет сжать многомерную информацию о цифровизации городской среды в единую метрику, пригодную для сравнительного анализа. Расчёт индекса цифровой жизни для каждого города осуществляется по следующей зависимости:

^^J^, где DL' - индекс цифровой жизни j-го города; Djk - нормализованное значение цифрового спроса по k-му измерению для j-го города; Sjk – нормализованное значение цифрового предложения по k-му измерению для j-го города.

Дополнительно для анализа структурных особенностей цифрового разрыва рассчитываются отдельные индексы спроса (D j ) и предложения (S j ):

DJ = ty₌₁Dj , SJ=ty₌₁SJk.

Нормализация показателей выполнена методом линейного масштабирования относительно максимального значения по всей выборке. Такой подход позволяет интерпретировать значения индексов в диапазоне от 0 до 1, где 1 соответствует максимальному уровню развития цифровой жизни среди всех городов выборки. Разрыв между лидирующими и отстающими городами оценивается как отношение максимального значения индекса к минимальному. Дополнительно для выявления структурных диспропорций анализируются коэффициенты корреляции между спросом и предложением по отдельным измерениям цифровой жизни, а также между различными измерениями внутри групп спроса и предложения.

Результаты исследования: общая характеристика цифрового разрыва

В таблице 1 представлены обобщённые результаты расчёта индекса цифровой жизни по группам городов, выделенным по численности населения. Данные основаны на результатах исследования СКОЛКОВО 2020 года [6, c. 14–20].

Таблица 1

Индекс цифровой жизни российских городов в зависимости от численности населения

Группа городов по численности населения	Количество городов в выборке	Индекс цифровой жизни (среднее значение)	Диапазон значений (min – max)
Свыше 1 млн жителей	15	0,49	0,39 – 0,64
500 тыс. – 1 млн жителей	10	0,42	0,34 – 0,55
200 тыс. – 500 тыс. жителей	28	0,38	0,24 – 0,56
100 тыс. – 200 тыс. жителей	20	0,35	0,24 – 0,49
Менее 100 тыс. жителей	18	0,36	0,13 – 0,52

Составлено автором по данным исследования СКОЛКОВО [6, c. 15].

Анализ данных, представленных в таблице 1, позволяет выявить несколько значимых закономерностей в распределении индекса цифровой жизни по группам городов. Наиболее высокое среднее значение индекса (0,49) зафиксировано в группе крупнейших городов с численностью населения свыше одного миллиона жителей. В указанную группу входят Москва, Санкт-Петербург, Новосибирск, Екатеринбург, Казань, Нижний Новгород и другие административные центры, обладающие развитой цифровой инфраструктурой и высоким платежеспособным спросом на цифровые услуги.

В то же время, результаты исследования демонстрируют нелинейный характер связи между размером города и уровнем его цифровизации. Малые города с населением менее 100 тысяч человек показывают среднее значение индекса цифровой жизни на уровне 0,36, что превышает аналогичный показатель для городов с населением от 100 до 200 тысяч жителей (0,35). Данный факт опровергает интуитивно ожидаемую линейную зависимость, согласно которой увеличение численности населения автоматически влечёт за собой повышение уровня цифровизации. Полученная закономерность свидетельствует о наличии специфических факторов, благоприятствующих цифровому развитию компактных городских сред. К числу таких факторов могут относиться более высокая плотность социальных связей, ускоренная диффузия инноваций в условиях ограниченного социального пространства, а также более эффективное управление на локальном уровне.

Наиболее существенным результатом анализа представляется оценка абсолютной величины цифрового разрыва между городами-лидерами и городами-аутсайдерами. Города Краснодар и Екатеринбург демонстрируют максимальное значение интегрального индекса цифровой жизни, равное 0,64. В противоположном полюсе находится город Магас (совместно с городом Назрань как единая агломерация), для которого значение индекса составляет 0,13. Разрыв между лидирующими и замыкающим городом достигает 4,9 раза, что свидетельствует о глубокой дифференциации российских регионов по уровню цифрового развития.

Важным уточнением выступает тот факт, что распределение индекса цифрового предложения (доступность и качество цифровых сервисов) является существенно более равномерным по сравнению с распределением индекса цифрового спроса. Разница между городом с максимальным значением цифрового предложения и городом с минимальным значением составляет примерно 3 раза [5]. Указанная закономерность позволяет сделать вывод о том, что инфраструктурная составляющая цифрового разрыва постепенно сокращается, тогда как разрыв в цифровых компетенциях населения остаётся острым и трудно преодолимым барьером. Иными словами, основная проблема цифровой трансформации реги- онов сегодня лежит не в плоскости отсутствия технологических возможностей, а в плоскости недостаточного уровня цифровой грамотности и мотивации населения к использованию существующих цифровых сервисов [6].

На рисунке 1 представлены значения индексов цифрового спроса и предложения в разрезе семи измерений цифровой жизни для городов-лидеров и городов-аутсайдеров. Данные позволяют оценить, в каких сферах разрыв между регионами проявляется наиболее остро. Данные подтверждают, что разрывы в цифровом спросе на порядок превышают разрывы в цифровом предложении по большинству измерений. Наибольшая дифференциация спроса зафиксирована в сфере медиа (159,15 раза) и торговли (144,95 раза). Наименьшая дифференциация спроса наблюдается в сферах образования (15,94 раза) и администрации (15,54 раза) – областях, где активную роль играют государственные органы.

4,00

8,04

10,36

2,00

9,50

47,77

4,00

• ■ Предложение, разница между лидером и аутсайдером (раз)

• □ Спрос, разница между лидером и аутсайдером (раз)

129,59

90,95

144,95

58,98

15,94

159,15

15,54

Составлено автором по данным исследования СКОЛКОВО [5, c. 23].

Рис. 1. Разница в цифровом спросе и предложении между городами-лидерами и городами-аутсайдерами по измерениям цифровой жизни

Разрывы в предложении существенно скромнее: максимальное значение зафиксировано в сфере медиа (47,77 раза), минимальное — в здравоохранении (2,00 раза) и транспорте (4,00 раза). Относительно низкий разрыв в предложении в сфере здравоохранения объясняется реализацией национальных проектов по цифровизации медицинских услуг, обеспечивших базовый уровень онлайн-сервисов во всех регионах страны [3, c. 109].

Корреляционный анализ спроса и предложения

В таблице 2 представлены коэффициенты корреляции между цифровым спросом и предложением по отдельным измерениям цифровой жизни. Расчёт выполнен с использованием коэффициента корреляции Пирсона на основе данных по 91 городу.

Таблица 2

Корреляция между цифровым спросом и предложением по измерениям цифровой жизни

Измерение цифровой жизни	Коэффициент корреляции (r)
Транспорт	0,36
Финансы	–0,36
Торговля	0,37
Здравоохранение	–0,10
Образование	–0,01
Медиа	–0,01
Администрация	0,29

Рассчитано автором по данным исследования СКОЛКОВО [6, c. 23].

Данные таблицы 2 демонстрируют, что только в трёх измерениях из семи наблюдается положительная корреляция между спросом и предложением (транспорт, торговля, администрация). В сфере администрации по сравнению с исследованиями 2014–2015 годов зафиксирован существенный прогресс – коэффициент корреляции вырос с практически нулевого значения до 0,29 [6, c. 24]. Указанная динамика объясняется как развитием компетенций граждан в использовании портала «Госуслуги» , так и повышением качества пользовательских интерфейсов региональных административных платформ.

В двух измерениях (образование и медиа) корреляция практически отсутствует (значения близки к нулю). В сфере финансов зафиксирована отрицательная корреляция (–0,36), что свидетельствует о создании значительного задела невостребованных цифровых финансовых технологий. Иными словами, предложение цифровых финансовых услуг существенно опережает спрос на них со стороны населения.

В таблицах 3 и 4 представлены результаты корреляционного анализа между различными измерениями внутри группы цифрового предложения и внутри группы цифрового спроса, соответственно. Данные таблицы 3 показывают, что развитие цифрового предложения в различных сферах происходит независимо друг от друга. Большинство коэффициентов корреляции близки к нулю. Лишь в отдельных случаях наблюдаются значимые положительные связи (финансы и торговля, транспорт и администрация, СМИ и администрация). Некоторые отрицательные корреляции (транспорт и здравоохранение, образование и СМИ), вероятно, носят случайный характер.

Таблица 3

Корреляция между измерениями цифрового предложения (значимые коэффициенты выделены)

Пара измерений	Коэффициент корреляции (r)
Финансы – Торговля	0,32
Транспорт – Администрация	0,23
СМИ – Администрация	0,24
Транспорт – Здравоохранение	–0,24
Образование – СМИ	–0,29

Рассчитано автором по данным исследования СКОЛКОВО [6, c. 24].

Таблица 4

Корреляция между измерениями цифрового спроса (значимые коэффициенты выделены)

Пара измерений	Коэффициент корреляции (r)
Транспорт – Торговля	0,54
Транспорт – Здравоохранение	0,62
Торговля – Здравоохранение	0,65
Транспорт – СМИ	0,40
Торговля – СМИ	0,40
Здравоохранение – СМИ	0,56
Финансы – СМИ	0,40

Рассчитано автором по данным исследования СКОЛКОВО [5, c. 25].

В отличие от предложения, цифровой спрос демонстрирует системный характер. Между большинством измерений наблюдаются значимые положительные корреляции, достигающие 0,65 (торговля и здравоохранение). Указанный результат свидетельствует о том, что цифровые навыки и компетенции населения носят универсальный характер: рост активности в использовании цифровых сервисов в одной сфере сопровождается повышением активности и в других сферах. Исключением из указанной закономерности выступает измерение администрации. Единственная значимая положительная корреляция здесь наблюдается с образованием (0,27). Во всех остальных случаях спрос на цифровые государственные услуги не коррелирует со спросом по другим измерениям цифровой жизни, что может объясняться спецификой мотивации граждан при взаимодействии с государственными органами (вынужденный, а не добровольный характер использования).

Для выявления факторов, влияющих на уровень цифровой жизни в регионах, проведён регрессионный анализ. В таблице 5 представлены стандартизированные коэффициенты регрессии (бета-коэффициенты) для трёх групп факторов. Данные таблицы 5 демонстрируют, что фактор дохода (ВРП на душу населения) оказывает незначительное влияние на уровень цифровой жизни. Определяющую роль играют факторы человеческого капитала (количество и рейтинг университетов, средний возраст населения) и качества региональной политики. Указанные результаты согласуются с выводами международных исследований цифрового разрыва, показывающими, что ключевыми факторами являются человеческий капитал и стимулирующие политики, а не ресурсная обеспеченность [4, c. 184].

Обращает на себя внимание отрицательный коэффициент для переменной «результат партии Единая Россия». Интерпретация данного результата требует осторожности, однако он может свидетельствовать о том, что регионы с более конкурентной политической средой демонстрируют более высокие темпы цифровизации [6, c. 42].

Заключение

Проведённое исследование позволяет сформулировать несколько обобщающих положений о природе цифрового разрыва между российскими регионами.

Основной вклад в общий разрыв вносит дифференциация цифрового спроса, определяемая уровнем цифровых навыков и компетенций населения. Разница между городами-лидерами и городами-аутсайдерами по цифровому спросу достигает 160 раз, тогда как по предложению не превышает 50 раз (за исключением сферы медиа). Указанная асимметрия означает, что проблема цифрового неравенства в России сегодня – это в первую очередь проблема человеческого капитала, а не инфраструктурных ограничений.

Таблица 5

Влияние различных факторов на индекс цифровой жизни (стандартизированные коэффициенты регрессии)

Группа факторов	Конкретная переменная	Бета-коэффициент для общего индекса	Бета-коэффициент для спроса	Бета-коэффициент для предложения
Доход	ВРП на душу населения	0,08	0,07	0,10
Человеческий капитал	Население региона	0,14	0,12	0,15
	Средний возраст населения	0,18	0,21	0,09
	Количество университетов	0,22	0,24	0,18
	Рейтинг университетов	0,19	0,22	0,13
Качество политики	Качество городской среды	0,17	0,15	0,19
	Длительность пребывания губернатора	0,12	0,14	0,08
	Результат партии «Единая Россия»	–0,10	–0,12	–0,06
	Результат партии «Яблоко»	0,21	0,23	0,16

Источник: рассчитано автором по данным исследования СКОЛКОВО [6, c. 41–42]

Положительная корреляция между спросом и предложением зафиксирована лишь в трёх измерениях из семи (транспорт, торговля, администрация). В сфере государственного управления по сравнению с 2014–2015 годами достигнут существенный прогресс. В то же время в сферах финансов, здравоохранения, образования и медиа наблюдается дисбаланс: предложение цифровых услуг опережает спрос, что свидетельствует о недостаточной цифровой грамотности населения.

Регрессионный анализ показал, что уровень доходов региона (ВРП на душу населения) не является определяющим фактором цифрового развития. Ключевую роль играют человеческий капитал (наличие университетов, возрастная структура населения) и качество региональной политики (конкурентность политической среды, качество городской среды). Указанный результат внушает оптимизм, поскольку он означает, что цифровой разрыв может быть преодолён не за счёт ресурсной «накачки» отстающих регионов, а с помощью целенаправленных стратегических действий на местах.

Приоритетными направлениями преодоления цифрового разрыва выступают: развитие цифрового спроса через программы повышения цифровой грамотности населения всех возрастов (с акцентом на старшие поколения, где разрыв в компетенциях максимален); создание открытых цифровых платформ региона с удобным пользовательским интерфейсом, стимулирующих добровольное использование; развитие конкурентной среды на рынке цифровых услуг, поскольку монопольное положение поставщиков снижает стимулы к повышению качества и удобства сервисов; интеграция цифровых компетенций в систему школьного и высшего образования, начиная с младших классов; формирование «цифрового консенсуса» среди региональных элит, включающего понимание приоритетности цифровой трансформации для социально-экономического развития региона.