Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Цифровые инновации совершенствования контрактной системы закупок. Монография
.pdf
2.4. Эффективность цифровой трансформации контрактной системы
71
Анализ методик, применяемых такими организациями и ин-
ститутами, как Организация экономического сотрудничества и
развития (OECD), Мировой банк (The World Bank), Сеть государственных закупок (PPN) и Европейский банк реконструкции и
развития (EBRD), а также разными странами, показал, что многие из них фокусируются не столько на оценке управляющей подсистемы в целом, сколько на анализе конкретных ее компонентов,
включая элементы внешнего регулирования системы государственных закупок. Это указывает на отсутствие полноты в их подходах к оценке89.
Как показано выше, базовым показателем оценки эффективно-
сти публичных закупок выступает относительная экономия бюджетных средств. Исходя из этого, исследование экономических
эффектов цифровизации нацелено и ориентировано на оценку
ее влияния на динамику этого показателя по состоявшимся конкурентным процедурам посредством разработки модели множественной регрессии.
Для построения модели взяты следующие показатели:
зависимая переменная – экономия по состоявшимся конку-
–
рентным процедурам (%);
регрессоры:
–
а) объем рынка IT (IT market size);
б) наличие сервиса предоставления информации о закупках,
таких как ЕИС (ePublishing);
в) наличие выгрузки планов закупок в сервисы предоставле-
ния информации (eProcurement plan);
г) наличие автоматизированных информационных техно-
логий управления закупочной деятельностью (eContract
Management);
д) наличие автоматизированных информационных техно-
логий управления поставщиками, таких как мониторинг
поставщиков, реестр недобросовестных поставщиков и
др. (Vendor Management);
е) применение электронных аукционов (eReverse Auctions);
89
Методология оценки закупочных систем (MAPS). [Electronic resource]. URL:
https://www.oecd.org/governance/ethics/ (accessed: 01.10.2024).
Глава 2. Инновационные технологии в национальной системе закупок…
72
ж) применение электронных тендеров и запросов котировок
(eTendering/eQuotation);
з) наличие электронных каталогов товаров, единых спра-
вочников номенклатуры, и пр. (eCatologues);
и) возможность автоматизированного взаимодействия с орга-
нами контроля, электронная подача жалоб (eComplaints);
к) наличие электронных магазинов в сфере контрактной си-
стемы по типу ЕАТ (ePurchasing/P2P).
Анализ проводился по данным 98 стран, внедривших электронно-цифровые технологии в национальную систему закупок
на 2022 г. Источником данных является Мировой банк. Объем
IT-рынка оценивается в млрд долл., остальные показатели являются фиктивными. Если технология применяется – 1, если отсутствует – 0. Следует отметить, что проект «Globalpublicdata» —
это относительно новый проект, который находился в 2022 г. на
стадии разработки.Открытые данные из этого источника могли
быть неточными, встречались пропуски и ошибки. Поэтому нами
была проведена доработка данных из общедоступных источников.
Часть анализируемых данных, используемых в модели и ранжируемых по относительной экономии в сфере закупок, представлена в Приложении. Поскольку присутствуют неоднородные данные, то после проведения их стандартизации, проанализированы
показатели тесноты связи. Для оценки тесноты связи между переменными составляется и анализируется матрица парных коэффициентов корреляции.
Исходя из данных, представленных в таблице 14, прослеживается высокая взаимосвязь между ePublishing и eProcurement Plan,
что логично, ведь эти электронно-цифровые технологии часто применяются вместе. В странах, которые используют электронные системы мониторинга закупочной деятельности, применяется одновременно и публикация итогов процедуры, и публикация планов
закупок.
Также высокая корреляция наблюдается между объемом ITрынка и ePublishing, eProcurement Plan, eCatalogues. Переменная
«объем IT-рынка» взята для анализа как некий косвенный показатель, отражающий степень технологической развитости страны. Поэтому предполагалось, что у этой переменной будет высокая взаимосвязь с остальными.
2.4. Эффективность цифровой трансформации контрактной системы
73
Variable ePub-
ePublishing
eProcurement
Plan
eContract
Management
Vendor
management
eTendering/
eQuotation
IT market size
eCatalogues
lish-
ing
1,000 0.893965 0.372204 0.385882 0.683077 0.77558 0.3411
0.894 1.000000 0.518921 0.457073 0.442318 0.80473 0.2556
0.372 0.518921 1.000000 0,532913 0.485723 0.65412 0.3585
0.385 0.457073 0.532913 1,000000 0.497718 0.50285 0.4543
0.683 0.442318 0.485723 0.497718 1.000000 0.63430 0.4864
0.776 0.804728 0.654120 0.502847 0.634298 1.00000 0.7083
0.341 0.255614 0.358503 0.454326 0.486350 0.70828 1.0000
Показатели тесноты связи
eProcure-
ment
Plan
eContract
Manage-
ment
Vendor
manage-
ment
eTender-
ing/eQuo-
tation
IT market size
Таблица 14
eCatalogues
Далее необходимо рассмотреть представленные в таблице 15
показатели множественной регрессии. Прежде всего коэффициент множественной корреляции R=0,646, что отражает среднюю
степень тесноты связи между зависимой переменной «экономия
по состоявшимся конкурентным процедурам, %» и анализируемыми регрессорами.
Таблица 15
Рассчитанные показатели модели множественной регрессии
Statistic Value
Multiple R 0,646706621
Multiple R2 0,417316006
Adjusted R2 0,372501928
Глава 2. Инновационные технологии в национальной системе закупок…
74
Окончание табл. 15
Statistic Value
F(10,262) 6,69798749
P 0,0412415406
Std.Err. of Estimate 0,487411121
Полученное значение коэффициента множественной детерминации R2=0,417 свидетельствует о том, что 41,7% вариации полученной относительной экономии бюджетных средств по состоявшимся конкурентным закупкам зависит от анализируемых в
данной модели регрессоров. Конечно, величина независимой переменной находится под воздействием ряда не входящих в модель
факторов. Значение коэффициента множественной детерминации
41,7% достаточно высоко, следовательно, более 40% экономического эффекта обусловлено цифровой трансформацией национальных систем публичных закупок.
Оценка величины скорректированного коэффициента детерминации Adjusted R2=0,372 позволяет сделать вывод о недостаточно
достоверном описании разработанной моделью взаимосвязи между зависимой переменной и регрессорами.
Далее рассчитываются показатели регрессии по анализируемым переменным (табл. 16). Величина критерия Стьюдента характеризует статистическую значимость коэффициентов регрессии. В данной модели статистически значимыми по критерию
Стьюдента и значению p-value являются 4 переменные.
Таблица 16
Основные показатели регрессии по переменным
N=98 b* Std.Err.
Intercept 0.195439 0.059761 0.000530 0.432121
ePublishing 0.223711 0,082877 0.223711 0.082877 4.286100 0.004502
eProcurement
Plan
eContract
Management
0.079688 0.084167 0.079688 0.084167 0.946780 0.144623
0.120604 0.083113 0,120604 0.083113 1.451080 0.147955
of b*
b Std.Err.
of b
t(97) p-value
2.4. Эффективность цифровой трансформации контрактной системы
75
Окончание табл. 16
N=98 b* Std.Err.
Vendor management
eTendering/
eQuotation
It market size 0 050194 0.086864 0.150194 0.086864 3.577850 0.005639
eCatalogues 0.029131 0.076469 0.029131 0.076469 0.380960 0.070354
eReverse
Auctions
eComplaints 0.248364 0.085201 0.248364 0.085201 2.915040 0.000386
ePurchasing/
P2P
-0.044620 0.081230 0.044620 0.081230 0.549310 0.583262
0.079596 0.101817 0.079596 0.101817 0.781750 0.435066
0.082389 0.082129 0.082389 0,082129 1.003160 0.316708
0.342734 0.070608 0.092734 0.070608 2.605230 0.005501
of b*
b Std.Err.
of b
t(97) p-value
В таблице 17 представлены данные о качестве модели. Его мож-
но оценить на основе критерия Фишера. В данном случае его величина составляет F (10,98) = 11,697, т. е. выше табличного значения
2,03 для разработанной модели. Поскольку р=0,000012<0,05, следовательно, статистически значим, то разработанную модель следует охарактеризовать как корректную и статистически значимую.
Таблица 17
Критерий Фишера и p-value
Effect Sums of
Squares
Regress. 16,5551 10 12,655505 11,697987 0,000012
Residual 97,4449 98 0,974981
Total 113,9999
df Mean
Squares
F p-value
Далее необходимо провести анализ остатков. Для этого сначала нужно прологарифмировать данные. Как видно на рисунке 6,
остатки имеют нормальное распределение, нет систематического
отклонения значений. Остатки не зависят от предсказанных по
уравнению регрессии значений отклика.
Проведенный анализ разработанной модели множественной
корреляции позволил получить ряд выводов:
Глава 2. Инновационные технологии в национальной системе закупок…
76
Ðèñ. 6. Нормально-вероятностный график, частотная гистограмма и диаграмма рассеяния
2.5. Роль цифровизации контрактной системы в локализации проблемных зон…
независимая переменная «экономия бюджетных средств, %»
–
испытывает максимальное влияние фактора «информационные система контроля» из всех регрессоров, включенных в
модель;
все априорные предположения подтвердились;
–
почти наполовину (41,7%) вариация объясняемой перемен-
–
ной «экономия» обусловлена вариацией включенных в модель регрессоров;
объясняемая переменная находится в тесной связи со всеми
–
факторами, анализируемыми в модели.
Таким образом, цифровизация контрактной системы закупок
достаточно существенно способствует росту экономии бюджетных
средств по конкурентным закупкам, но, как и следовало предположить, в меньшей степени, чем транспарентности и доступности информации о закупках государства для бизнес-структур.
Поэтому для роста экономии финансовых ресурсов государства
целесообразно внедрять новационные интеллектуальные системы
управления закупками, обеспечивающие более эффективный государственный и общественный контроль закупочной деятельности субъектов общественного сектора.
Что касается целесообразности применения цифровых технологий в сфере публичных закупок, то, очевидно, необходимо формирование в целом интеллектуальной контрактной системы. Затраты на цифровые инновации окупаются достаточно быстро и
являются универсальными, позволяющими создать экосистему
государства, что в значительной мере повысит эффективность как
сферы публичных закупок, так и других сфер экономической деятельности государства.
Основным направлением совершенствования контрактной системы является ее дебюрократизация за счет использования интеллектуальных цифровых технологий. В настоящее время предлагаются решения, способные кардинально изменить всю систему
закупок и включающие использование:
77
Глава 2. Инновационные технологии в национальной системе закупок…
78
технологии блокчейн;
–
технологии больших данных;
–
искусственного интеллета
–
90
.
Наиболее перспективным, находящимся в русле глобального
тренда, является применение технологии блокчейн (система распределенного реестра), которая позволяет децентрализовать функции органов власти и распределить их между всеми членами общества, повысив доверие граждан к государственному аппарату.
Алгоритм фукционирования блокчейна отражен на рис. 7.
Ðèñ. 7. Алгоритм фукционирования блокчейна91
В сети блокчейн третьим лицом, верифицирующим транзакции, является сам алгоритм и пользователи сети. Так исключается любая возможность влияния на закупочную процедуру. Следующим преимуществом системы является абсолютная открытость
информации, так как для совершения любой транзакции, то есть
любой передачи информации, денежных средств, необходимо ее
подтверждение всеми пользователями сети, и только после этого транзакция заносится в общий публичный реестр. Тем самым
90
Шмелева М. В. Цифровая трансформация системы государственных и муни-
ципальных закупок // Юрист. 2021. № 11. – С. 8–15.
91
Что такое смарт-контракты? //Habr Blockchain Publishing LTD [Электрон-
ный ресурс]. URL: https:habr.com/ru/post/448056/ (дата обращения: 13.04.2024).
2.5. Роль цифровизации контрактной системы в локализации проблемных зон…
79
технология блокчейн позволяет значительно снизить коррупционную составляющую закупочной деятельности, так как вся информация обо всех действиях как заказчиков, так и поставщиков становится доступной для контрольных органов и институтов
гражданского общества, в частности для Федеральной антимонопольной службы. При этом для организации контроля со стороны тех или иных федеральных органов в автоматическом режиме
применяются методы взаимодействия с кодом сети блокчейн для
выявления нарушений92.
В целях определения разрешительных возможностей систе-
мы распределенного реестра необходимо выделить основные недостатки и угрозы безопасности сложившейся контрактной системы
(табл. 18).
Таблица 18
Технические недостатки и угрозы текущей контрактной системы
Искусственное ограничение пропускной способности –
сервера, использование уязвимости брандмауэра для
Внутренние недостатки
Внешние угрозы
Иные недостатки системы
ограничения подачи заявок участниками;
Изменения документации системными администрато- –
рами.
Субъективная оценка или коррупционная составляю- –
щая во время оценки предложений;
Утечка конфиденциальной информации. –
Взлом с целью вывести из строя всю систему или по- –
мешать проведению тендера;
Вторжение с целью изменения, удаления файлов или –
изменения времени сервера;
Саботаж аффилированными системными администра- –
торами.
Отсутствие шифрования заявок для гарантированной –
конфиденциальности;
Некорректная функциональность цифровых подпи- –
сей.
93
92
Полупан К. Л., Корягин С. И., Клачек П. М. Развитие методов цифровой эко-
номики на основе гибридного вычислительного интеллекта // Научно-технические
ведомости СПбГПУ. Экономические науки. 2020. Т. 11. № 1. С. 9–18.
93
Is there a role for blockchain for enhancing public procurement integrity?
Global anti-corruption & Integrity forum. 2021. [Electronic resource]. URL: https:
www.oecd.org/corruption/integrity-forum/academic-papers /(accessed: 01.10.2024).
// OECD
Глава 2. Инновационные технологии в национальной системе закупок…
Следует подчеркнуть, что система распределенного реестра
(блокчейн) – это комплексная технология, которая требует выполнения ряда условий для внедрения в контрактную систему:
полная унификация всех типовых форм, справочников, стан-
–
дартов;
полная электронизация всех участвующих хозяйствующих
–
субъектов, отказ от бумажного документооборота;
интеграция со всеми возможными электронными торговыми
–
площадками, ЕИС закупок;
серьезная корректировка законодательной базы, так как
–
система блокчейн предполагает использование смартконтрактов, которые не институциональзированы в законодательстве РФ94.
Умные контракты (смарт-контракты) представляют собой электронный алгоритм, который устанавливает определенные условия, в случае выполнения которых происходит сделка. Алгоритм
работы смарт-контрактов базируется на технологии блокчейн.
В настоящее время Министерство экономического развития РФ
согласно нацпроекту «Цифровая экономика» выделило 50 млрд
руб. на развитие системы распределенного реестра и смарт-контрак тов. В рамках дорожной карты проекта ожидается реализация в 2024 г. следующих ключевых показателей:
не менее 55% юридических и физических лиц обладают циф-
–
ровыми профилями, обмен и хранение которых осуществляется на базе технологии распределенного реестра. Создание
цифровых профилей организаций-заказчиков и поставщиков является неотъемлемой частью перехода контрактной
системы на систему распределенного реестра (блокчейн);
скорость проведения финансовых операций и транзакций
–
увеличена не менее, чем на 40%;
внедрение в систему как отечественных, так и иностранных
–
поставщиков;
создана доверительная среда для участников государствен-
–
ных торгов;
94
Маковлева Е. Е. Инструменты и методы противодействия недобросовестно-
му исполнению государственного контракта // Экономическая политика. 2020.
Т. 13. № 3. С. 62–81.
80
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]