- •3. Функции инноваций.
- •4. Основные свойства инноваций.
- •6.Группы инновационных продуктов.
- •7.Классификация Шумпетера.
- •8.Классификация инноваций на продукты «вталкиваемые» и «втягиваемые».
- •9.Классификация фирмы «Артур д.Литтл».
- •10.Классификация Шоффрэ и Доре.
- •11.Классификация Мура.
- •12.Классификация Кристенсена.
- •13.Классификация инноваций по предмету осуществления (продуктовые и процессные инновации).
- •14.Классификация инноваций по степени радикальности новизны.
- •16.Обзор развития инновационной деятельности.
- •17. Международная инновационная деятельность.
- •18.Особенности государственной инновационной политики некоторых промышленно развитых стран.
- •19.Главные задачи инновационного развития России.
- •20.Основные преграды для успешного венчурного бизнеса в России.
- •2.Отсутствие квалифицированных кадров и хорошо проработанных проектов
- •4. Недостаток вложений в венчурные проекты в России
- •5. Отсутствие льготного налогообложения
- •21.Российская венчурная компания.
- •22.Основные элементы инфраструктуры инновационной деятельности.
- •23.Управление персоналом в инновационной деятельности.
- •24.Специфика управления персоналом в инновационных компаниях.
- •25.Кадровые проблемы инноватики
- •26.Формирование конкурентной среды и понятие риска в инновационной деятельности.
- •27.Понятие риска в инноватике.
- •28.Экономика, основанная на знаниях: особенности.
- •29.Научные парки: понятия и основные черты.
- •30.Технополисы.
- •31.Технопарки: основные элементы.
- •32.Понятие рынка инноваций и условия его возникновения.
- •33.Функции и роль рынка инноваций.
- •34.Особенности российского рынка инноваций.
- •35.Виды рынков инноваций.
- •36.Классификация и характеристика видов рисков, возникающих в инновационной сфере.
- •37.Методы оценки риска в инновационной деятельности.
- •38.Способы снижения рисков в инновационной деятельности.
- •39.Информационные технологии в инноватике: информационные технологии управления инновационными проектами.
- •40. Информационные технологии в инноватике: информационные технологии управления созданием инноваций.
- •41. Информационные технологии в инноватике: информационные технологии анализа оценки эффективности инновационных проектов.
- •42. Информационные технологии в инноватике: информационные технологии интеллектуального анализа данных инновационных проектов.
- •Сферы применения систем интеллектуального анализа данных
- •43.Теория длинных волн Кондратьева.
- •44. Вклад й. Шумпетера в теорию инноваций.
- •45. Трехцикличная схема развития экономики Шумпетера.
- •46.Теория инноваций с.Кузнеца.
- •47.Модель Харода.
- •48.Теория инноваций м.Калецки.
- •49.Теория инноваций Шмуклера.
- •50.Малые инновационные компании.
- •51.Бизнесс-инкубаторы.
- •52.Жци, жцп и процесс создания новой техники.
- •Стадии процесса создания и освоения новой техники:
- •Жизненный цикл товара, зоны инноваций.
- •Жизненный цикл инноваций.
- •Зарождение инновационной идеи и инновационного проекта.
- •Создание новшества.
- •Распространение новшества.
- •Потребление новшества.
- •53.Классификация предприятий по их роли в инновационном процессе (Раменского).
- •54.Классификация предприятий по их роли в инновационном процессе (Фризевинкеля).
- •55.Классификация предприятий по их роли в инновационном процессе (Майлса и Сноу).
- •56.Варианты инновационной политики государств.
- •57.Инновационная роль виолентов, патиентов, эксплерентов, коммутантов. Инновационная роль виолентов.
- •Инновационная роль патиентов.
- •Инновационная роль эксплерентов.
- •Инновационная роль коммутантов.
- •58.Государственная поддержка инновационной деятельности.
41. Информационные технологии в инноватике: информационные технологии анализа оценки эффективности инновационных проектов.
Для оценки инвестиционной привлекательности тех или иных инновационных проектов, как правило, требуется группа экспертов, обладающих специальными знаниями в различных областях экономики (маркетинг, финансовый и управленческий учет, инвестиции, налоговое планирование и т.д.). Такими кадрами обладают консалтинговые фирмы, которые оказывают такого рода услуги компаниям. Однако стоимость этих услуг сегодня многим предприятиям недоступна. Поэтому единственной возможностью, самостоятельно, рассчитать и проанализировать инновационный проект, является использование специальных компьютерных программ, которые в той или иной степени помогают решить поставленные задачи. Основные требования, которые предъявляются к компьютерным программам такого класса:
проводить расчет и всесторонний анализ бизнес-плана инновационного проекта;
оценивать влияние внешних факторов и внутренних параметров на общую эффективность проекта;
проводить сравнительную оценку для отбора наиболее перспективного варианта проекта;
быстро выполнять все рутинные вычислительные операции;
на основании расчета и анализа подготавливать документацию по проекту для представления ее потенциальному инвестору или кредитору.
Сегодня на российском рынке существует около десятка компьютерных программ для расчета и сравнительного анализа инновационных проектов, как отечественных, так и зарубежных. Среди отечественных можно назвать – «Project Expert» фирмы «Про-Инвест», «Инвестор» фирмы «ИНЭК», «Альт-Инвест» фирмы «Альт», FOCCAL фирмы «ЦентрИнвестСофт», «ТЭО-ИНВЕСТ» Института проблем управления РАН; среди зарубежных - COMFAR (Computer Model for Feasibility Analysis and Reporting) и PROPSPIN (Project Profile Screening and Pre-appraisal Information system), созданные в UNIDO.
42. Информационные технологии в инноватике: информационные технологии интеллектуального анализа данных инновационных проектов.
Системы интеллектуального анализа данных (Data Mining) – подкласс систем поддержки принятия решений, задачей которых является поиск скрытых, нетривиальных, содержательных закономерностей в больших объемах разнородных, сложно структурированных данных, накопленных в хранилищах и базах данных. Такие системы основаны на совокупности методов и технологий из различных областей знания, включая методы машинного обучения, искусственного интеллекта, информационного поиска, статистического анализа, технологии построения и организации хранилищ данных.
Примерами систем интеллектуального анализа данных являются: SAS Enterprise Miner, PolyAnalyst, STATISTICA Data Miner, Deductor, Oracle Data Mining.
Сферы применения систем интеллектуального анализа данных
Сфера применения Data Mining ничем не ограничена - она везде, где имеются какие-либо данные. Но в первую очередь методы Data Mining интересуют коммерческие и инновационные компании, развертывающие проекты на основе информационных хранилищ данных (Data Warehousing). Опыт многих таких предприятий показывает, что отдача от использования Data Mining может достигать 1000%.
Data Mining представляют большую ценность для руководителей и аналитиков инновационных компаний в их повседневной деятельности. Деловые люди осознали, что с помощью методов Data Mining они могут получить ощутимые преимущества в конкурентной борьбе.