Rozdział 1: Współpraca instytucjonalnych sfer potrójnej helisy w koncepcji klastra
1.3. Podstawowe zagadnienia koncepcji klastra
1.3.4. Identyfikacja klastrów
W literaturze przedmiotu podkreśla się, że nie istnieje jedna i powszechnie akcep-towana metoda identyfikacji klastrów. Natomiast badacze zgadzają się, że identyfikacja klastra sprowadza się do jego demarkacji na płaszczyźnie przestrzennej i funkcjonalnej [Jankowska 2012, s. 120]. W odniesieniu do wymiaru przestrzennego istnieje kilka metod ilościowych, bazujących na twardych danych. Dane takie są jednak czasem bardzo trudne do pozyskania. Analizy na nich oparte także nie są wystarczające, ponieważ nie uwzględ-niają one czynników niemierzalnych, znaczących zwłaszcza w przypadku identyfikacji interakcji w środowisku klastrowym, czyli drugiego bardzo istotnego kryterium, a więc demarkacji klastra w płaszczyźnie funkcjonalnej. Brak jednoznacznych kryteriów, a także mnogość definicji klastra dostępnych w literaturze i dodatkowo, rozbieżności w definiowa-niu tego zjawiska gospodarczego, co zostało pokazane w poprzedniej części tego rozdziału, spowodowały, że metod identyfikacji klastrów jest także bardzo dużo i są często tworzone na użytek konkretnego badania. Przegląd tych metod, zaproponowany poniżej, opiera się na wskazaniach opisanych przez Gorynię i Jankowską [2008, s. 48-50], Skawińską i Za-lewskiego [2009, s. 188-204], Jankowską [2012, s. 120-125] oraz Kowalskiego [2013, s. 45-50] oraz na źródłach podanych w tej literaturze. Autorzy podkreślają, że zarówno wy-bór metody jak i przeprowadzenie badania jest bardzo trudnym zadaniem badawczym.
Na płaszczyźnie funkcjonalnej dostępne są jedynie metody eksperckie, to znaczy takie, które opierają się na informacjach pozyskanych w środowisku klastrowym od istot-nych aktorów klastra oraz kompilacji tych informacji przez ekspertów, którzy formułują subiektywne wnioski o istnieniu interakcji o wystarczająco dużym natężeniu, pozwalają-cym potwierdzić hipotezę o istnieniu klastra. Identyfikacja powiązań ma jednak sens
dopie-ro wtedy, gdy nie ma wątpliwości o istnieniu skupiska, czyli o ponadnormatywnej koncen-tracji przedsiębiorstw wybranego sektora w badanej lokalizacji.
Jankowska [2012, s. 120] zauważa, że przestrzenne (geograficzne) kryteria delimi-tacji klastra są coraz trudniejsze do zdefiniowania, gdyż ze względu na globalizację, klastry zmieniają swoje granice. Ważnym kryterium koncentracji przestrzennej jest oszacowanie względnej liczby miejsc pracy w badanym obszarze. Pozwala to rozstrzygnąć o spełnieniu warunku osiągnięcia przez klaster masy krytycznej, co jest jednym z ważnych atrybutów klastra. Jankowska wymienia kilka służących takiemu badaniu miar:
• współczynnik lokalizacji zaproponowany przez Hoovera [1937: za Jankowska 2012, s. 120] i zmodyfikowany przez Kima [1995: za Jankowska 2012, s. 120],
• współczynnik lokalizacji Giniego opracowany przez Krugmana [1991: za Jankowska 2012, s. 120],
• indeks Ellisona i Glaesera [1997: za Jankowska 2012, s. 120], • indeks Maurela i Sedillot [1999: za Jankowska 2012, s. 120],
• indeksy bardzo podobne do ujęcia Ellisona i Glaesera zaproponowali Devereux, Grif-fith i Simpson [1999: za Jankowska 2012, s. 120].
Autor ograniczy się do bliższego omówienia dwóch metod delimitacji klastra w płaszczyźnie przestrzennej – wskazanej powyżej metody Hoovera/Kima oraz indeksu klastra zaproponowanego przez Sternberga i Litzenbergera [2004, s. 767-791]. Metody te są, zdaniem autora, czytelne i zgodne z intuicją wynikającą ze źródłowej definicji klastra. Są także oparte na ogólnie dostępnych danych. Metoda Hoovera/Kima jest nieskompliko-wana merytorycznie, więc łatwo jest interpretować wyniki uzyskane w oparciu o ten wskaźnik. Indeks Sternberga i Litzenbergera wymaga większej liczby danych i bardziej skomplikowanych przekształceń. Są to jednak także proste operacje arytmetyczne, które wobec dostępności metod cyfrowych nie stanowią większej trudności. Uwzględnia on poza liczbą przedsiębiorstw, ilość miejsc pracy w sektorze oraz rozdrobnienie przedsiębiorstw. Interpretacja wyniku indeksu Sternberga i Litzenbergera wymaga nieco głębszych przemy-śleń.
Współczynnik lokalizacji Hoovera/Kima
Próbując ustalić, które regiony charakteryzują się przestrzenną koncentracją branż Hoover [1937] i potem Kim [1995] zalecają wyliczenie współczynnika lokalizacji. Pokazu-je on, czy w danym regionie mamy podobny rozkład zatrudnienia w branżach, jak w skali
kraju czy może rozkład ten się różni i wskazuje na dominację zatrudnienia w pewnej bran-ży w danym regionie. Można stwierdzić, że wskaźnik ten mierzy koncentrację działalności na wybranym obszarze (niższego rzędu – np. gmina, powiat) w odniesieniu do obszaru re-ferencyjnego (wyższego rzędu - np. województwa, kraju).
Współczynnik lokalizacji wylicza się według wzoru (1):
j l j l l k l j j i k i k i z z z z LQ (1) gdzie: k iLQ – współczynnik lokalizacji branży k w regionie i (location quotient),
k i
z – zatrudnienie w branży k w regionie i.
W liczniku jest iloraz ilości zatrudnionych w branży k w regionie i do ilości wszystkich zatrudnionych w regionie i, a w mianowniku iloraz ilości zatrudnionych w branży k w regionie wyższego rzędu stanowiącym obszar referencyjny do ilości wszystkich zatrud-nionych w regionie wyższego rzędu15 w branży k. Jest to więc stosunek względnej koncen-tracji miejsc pracy w danej branży w regionie do względnej koncenkoncen-tracji miejsc pracy w tej branży w regionie wyższego rzędu. k
i
LQ = 1, kiedy region posiada taki sam poziom
za-trudnienia w danym sektorze, jak gospodarka narodowa (gdy za region wyższego rzędu – referencyjny – przyjmie się cały kraj). Gdy LQik > 1,25 przyjmuje się, że określony region specjalizuje się w danym sektorze. Zaletą współczynnika lokalizacji jest łatwy sposób obli-czeń oraz zwykle dostępność niezbędnych danych. Zdaniem wielu badaczy posługiwanie się indeksem lokalizacji pozwala w sposób obiektywny stwierdzić, czy mamy do czynienia z geograficznym skupiskiem firm określonych branż [Feser, Bergman 2000, s 11]. Posługu-jąc się nim trzeba jednak mieć świadomość, że istnieje niebezpieczeństwo wyciągania zbyt daleko posuniętych wniosków. Dlatego współczynnik ten może stanowić co najwyżej pierwszy sygnał o istnieniu klastra, który wymaga jeszcze dalszych badań.
Na przykład w badaniach identyfikacyjnych przeprowadzonych na potrzeby tej pra-cy badanym obszarem były regiony Polski wg NUTS-2 (Nomenclature of Units for
15 Jeśli badanie ma na celu wskazanie regionów w kraju, w którym należy zidentyfikować potencjalne klastry, to jako badany region przyjmuje się obszar potencjalnego klastra (to może, ale nie musi być region admini-stracyjny, np. województwo albo powiat), natomiast regionem wyższego rzędu jest cały obszar kraju, w którym badanie jest prowadzone. Taki obszar można nazwać obszarem referencyjnym. W badaniu identy-fikacyjnym poszukiwane są sektory, w których koncentracja badanego sektora wyróżnia się podwyższonym wskaźnikiem w stosunku do obszaru referencyjnego – regionu wyższego rzędu.
rial Statistics), w szczególności region Wielkopolska, a obszarem wyższego rzędu Polska –
rozdział 4, część 4.2.1. Obliczono iloraz liczby zatrudnionych w sektorze klastra do liczby zatrudnionych w Wielkopolsce i podzielono go przez iloraz liczby zatrudnionych w sekto-rze klastra w Polsce do liczby zatrudnionych w Polsce. W rozdziale 3, w części 3.1, zostały przywołane badania prowadzone w regionach europejskich NUTS-2, lecz jako obszar wyż-szego rzędu przyjęto całą Unię Europejską.
Indeks Klastra
Do współczynnika lokalizacji odwołuje się zaproponowany przez Sternberga i Litzenbergera [2004] indeks klastra dla sektora klastra k w regionie i oznaczany k
i CI (ang.
Cluster-Index). Wyliczając indeks klastra uwzględnia się względną koncentrację przemysłu
k i
ID (niem. Industriedichte), względną gęstość zatrudnienia w sektorze k i
IB (niem.
Indu-striebesatz) oraz względną wielkość przedsiębiorstw k i
BG (niem. Betriebsgröße). Wzór indeksu klastra jest następujący:
k i k i k i k i BG IB ID CI 1
Przy czym względną koncentrację przemysłu k i ID , względną gęstość zatrudnienia k i IB oraz względną wielkość przedsiębiorstw k i
BG wyraża się wzorami:
l l l k l i k i k i a e a e ID , k i l j j l l k l j j i k i k i LQ e e e e IB
,
l k l l k l k i k i k i b e b e BG . gdzie: i a – powierzchnia regionu i,
l la – łączna powierzchnia wszystkich regionów,k i
b – liczba przedsiębiorstw w sektorze k w regionie i,
l k lb – łączna liczba przedsiębiorstw w sektorze k we wszystkich regionach (zsumowano po regionach),
k i
e – liczba zatrudnionych w sektorze k w regionie i,
l k le – łączna liczba zatrudnionych w sektorze k we wszystkich regionach (zsumowano po regionach),
j j ie – łączna liczba zatrudnionych w regionie i we wszystkich sektorach (zsumowano po sektorach),
l j j le – łączna liczba zatrudnionych (zsumowano po regionach i po sektorach).
Czynnik k i
ID to iloraz wielkości zatrudnienia w sektorze k przypadającej na km2 i wielkości zatrudnienia w regionie wyższego rzędu w sektorze k na km2. Jeśli k
i
ID >1, to liczba pracowników sektora k przypadająca na jednostkę powierzchni jest większa w badanym regionie niż w regionie wyższego rzędu.
Czynnik k
i k
i LQ
IB , to znany nam już współczynnik lokalizacji, czyli iloraz względnego (w stosunku do liczby zatrudnionych we wszystkich sektorach w badanym regionie) zatrudnienia w sektorze k oraz względnego zatrudnienia w sektorze k w regionie wyższego rzędu.
Czynnik trzeci, to odwrotność względnej wielkości przedsiębiorstw k i
BG aktyw-nych w sektorze k znajdujących się w regionie i. k
i
BG jest to iloraz wielkości średniego przedsiębiorstwa (liczonej ilością pracowników) sektora k w badanym regionie oraz wiel-kości średniego przedsiębiorstwa sektora k w regionie wyższego rzędu. Jeśli k
i
BG >1, to firmy sektora k są w badanym regionie średnio większe niż firmy tego sektora w regionie wyższego rzędu. Wraz ze wzrostem tego wskaźnika maleje indeks klastra. Oznacza to, że dla indeksu korzystne jest, aby firmy miały mniejsze średnie zatrudnienie. Dużo małych firm wpływa korzystnie na indeks, a wzrost liczby dużych obniża jego wartość.
Aby uzyskać ostateczną formułę na obliczanie indeksu klastra należy wykonać po-niższe obliczenie:
l l i l k l k i l j j l j j i l k l k i l k l l k l k i k i l j j l l k l j j i k i l l l k l i k i k i k i k i k i a a b b e e e e b e b e e e e e a e a e BG IB ID CI 1 : ,stąd ostateczny wzór na indeks klastra k i CI ma postać:
l l i l k l k i l j j l j j i l k l k i k i a a b b e e e e CI .Zaletami współczynnika Cluster-Index są przede wszystkim jego elastyczność, ła-twy sposób kalkulacji oraz na ogół dostępność niezbędnych danych. Badacz musi jednak pozyskać znacznie więcej danych niż potrzeba do obliczenia współczynnika lokalizacji. Podobnie jak w przypadku współczynnika lokalizacji, wartością krytyczną indeksu klastra jest 1. Obszar, dla którego ten parametr jest większy od jedności, charakteryzuje się więk-szą koncentracją przedsiębiorstw badanego sektora oraz większym zatrudnieniem w sekto-rze. Trzeci czynnik – zależny od rozdrobnienia przedsiębiorstw – pozwala na uniknięcie błędu polegającego np. na zidentyfikowaniu jako klastra jednego dużego przedsiębiorstwa, które zdominowało lokalny rynek pracy.
Przestrzenna demarkacja klastra jest precyzyjna, ponieważ opiera się na danych obiektywnych, jednak pod warunkiem, że tak zdefiniowane współczynniki rzeczywiście identyfikują ponadnormatywną koncentrację sektora w przestrzeni. Pomimo że zostały one określone arbitralnie, wydają się zgodne z definicją klastra i z jej intuicją. Kompleksowe badanie identyfikacyjne powinno jednak obejmować także kryteria funkcjonalne. Można wykorzystać np. poniżej opisane dwie metody.
Metoda zaproponowana przez van Dijk i Sverisson
Gorynia i Jankowska przedstawiają propozycje van Dijk i Sverisson oraz Rosenfel-da, nie odwołujące się do danych mierzalnych. Zdaniem van Dijk i Sverisson [2003] o tym, czy przedsiębiorstwa rzeczywiście tworzą klaster świadczy:
• prowadzenie przez nie działalności w geograficznej bliskości,16 • duże natężenie aktywności gospodarczej w danej lokalizacji,
• obecność licznych firm zajmujących się taką samą, podobną lub substytucyjną dziedziną działalności,
• powiązania między firmami wynikające z subcontractingu i różnych form koo-peracji,
• występowanie pewnego poziomu specjalizacji.
To cechy, które wynikają bezpośrednio z definicji Portera. W cytowanej powyżej definicji klastra, zaproponowanej przez tych samych badaczy, zabrakło bezpośredniego wskazania specjalizacji, jednak wśród powyżej wskazanych cech klastra, w drugim i czwartym punk-cie, wskazana jest specjalizacja gospodarcza badanego środowiska. Tym niemniej o
16 To może być stwierdzone w oparciu o powyżej opisane metody ilościowe identyfikujące klaster w płaszczyźnie przestrzennej.
żej wskazanych kryteriach nie można powiedzieć, że są precyzyjne. Ani bliskość geogra-ficzna, ani określenie „duże natężenie” czy „obecność licznych firm” nie dają ewentualne-mu badaczowi narzędzi do identyfikacji klastra.
Metoda zaproponowana przez Rosenfelda
Rosenfeld [1997] formułuje 12 pytań umożliwiających weryfikację hipotezy o istnieniu klastra:
1. B&R – czy istnieje dostęp do podmiotów związanych ze sferą B&R w zakresie branż tworzących klaster?
2. Wiedza i umiejętności – czy wiedza i umiejętności siły roboczej są dopasowane do potrzeb klastra, czy poza wiedzą techniczną siła robocza posiada wiedzę i umie-jętności z zakresu specyfiki branży i przedsiębiorczości?
3. Rozwój zasobów ludzkich – czy istnieją możliwości dokształcania pracowników i przygotowywania ich do zmian technologicznych i organizacyjnych?
4. Bliskość dostawców – czy oferenci materiałów i komponentów do produkcji są zlo-kalizowani w pobliżu, na ile mają miejsce interakcje z dostawcami?
5. Dostępność kapitału – czy banki regionalne rozumieją potrzeby firm z klastra i czy jest dostępny kapitał, potrzebny do wykorzystywania szans rynkowych?
6. Dostęp do wyspecjalizowanych usług – czy istnieją instytucje publiczne działające jako centra rozwoju technologii, centra rozwoju MŚP, organizacje publiczne oferują-ce wsparcie w działalności eksportowej; czy są dostępne usługi świadczone przez projektantów, prawników, księgowych?
7. Producenci maszyn i urządzeń – czy w pobliżu funkcjonują firmy, które zajmują się produkcją maszyn, urządzeń, oprogramowania, wykorzystywanego przez uczestni-ków klastera, czy pomiędzy producentami maszyn a firmami z branży tworzącej rdzeń klastera występują dobre relacje, które sprzyjają ulepszeniom w obu grupach firm?
8. Siła powiązań – czy firmy kooperują i jak duże jest natężenie tych działań, czy firmy dzielą się zasobami, informacją, jak często razem rozwiązują problemy?
9. Instytucje społeczne – czy funkcjonują zrzeszenia, stowarzyszenia branżowe w regionie, ile mają członków, czy aktywnie prowadzą działalność?
10. Przedsiębiorczość – ile powstaje nowych firm w klastrze, czy klaster przyciąga nowe firmy?
11. Innowacje – jak szybko rozwija się i adoptuje nowe technologie, jak szybko pojawia-ją się produkty bazupojawia-jące na tych technologiach?
12. Wspólna wizja i przywództwo – czy firmy zdają sobie sprawę, że funkcjonują jako system i mają wspólną wizję przyszłości oraz lidera?
W powyższych pytaniach dominują pytania zamknięte wynikające z analizy jako-ściowej.
Pytanie 8. – jak duże jest natężenie działań kooperacyjnych? jak często firmy razem rozwiązują problemy? Tych pytań nie da się już zastąpić zamkniętymi. Jaką jednak miarą mierzyć natężenie działań? Pytanie jak często razem rozwiązują problemy jest niemożliwe do zoperacjonalizowania bez wiedzy o tym jak często takie problemy się zdarzają.
Pytanie 9. – ile mają członków? Czy 10 to dużo? A może 100 to mało?
Pytanie 10. – ile powstaje firm w klastrze?
Zdobycie tej liczby nie jest zadaniem łatwym do wykonania.
Pytanie 11. – Szybkość rozwijania się i adoptowania nowych technologii jest raczej wielkością określaną arbitralnie. Można przyjąć, że jest to np. czas „od pomysłu do produk-tu” na rynku.
Mając na uwadze zasygnalizowane trudności, trzeba stwierdzić, że takie badanie byłoby arbitralne. Wobec braku standardów, te cztery pytania także nie mają charakteru ilościowego. Aby wykonać badania metodami zaproponowanymi przez van Dijk i Sveris-son oraz Rosenfelda, potrzebna jest bardzo dobra znajomość środowiska gospodarczego, w którym klaster miałby być zidentyfikowany.
Powyższe dwie metody należą do grupy badań eksperckich opierających się na po-zyskaniu informacji o środowisku klastrowym i ich interpretacji przez badacza lub zespół, który posiada dobrą znajomość zagadnienia oraz bardzo dobrą znajomość badanego środo-wiska. Pozyskane informacje nawet jeśli są sparametryzowane, to jednak nie są zrelatywi-zowane w stosunku do otoczenia potencjalnego klastra. Nie wskazują więc cech, którymi identyfikowany klaster miałby się wyróżniać. Metody te jednak dobrze opisują jakościowo interakcje występujące pomiędzy podmiotami. Metoda przedstawiona poniżej wymaga rozpoznania środowiska pod względem jakościowym oraz parametrycznego oszacowania koncentracji sektora w badanym obszarze.
Metoda stosowana przez Impresa Inc.
Cortright17 [2006, s. 22] zaproponował procedurę badania klastrów w oparciu o metody mieszane – ilościowe i jakościowe. Przedstawia ją rysunek 5.
Źródło: opracowanie własne na podstawie Cortright [2006, s. 22] oraz Skawińska i Zalewski [2009, s. 189].
Rysunek 5. Procedura identyfikacji klastrów
Schemat badania zawiera 6 bloków zadaniowych: Krok 1. Wybór regionu
Określić obszar geograficzny, dla którego zostanie przeprowadzona analiza. Krok 2. Identyfikacja kluczowych partnerów
Zidentyfikować przedsiębiorstwa należące do badanego sektora – agencje pracy, stowarzyszenia handlu i przemysłu, jednostki badawcze i uniwersytety, lokalnych developerów gospodarczych i innych.
Krok 3. Analiza ilościowa
Użyć danych statystycznych do oszacowania trzech kryteriów: a) Współczynnik lokalizacji LQ > 1,2518,
b) średnia płaca większa o 10% od krajowej, c) stopa wzrostu większa niż krajowa.
17 Autor metody jest szefem amerykańskiej firmy konsultingowej wyspecjalizowanej w analizach klastrów. Wymienione w tym kroku organizacje amerykańskie różnią się od europejskich. W Europie analogiczna gru-pa organizacji określana jest jako ośrodki innowacji.
18 W prezentacji autor nie opisał, który współczynnik należy użyć, jednak z oznaczenia można się domyślić, że chodzi o współczynnik Kima opisany poniżej.
3. Analiza ilościowa
5. Analiza konkurencyjności 4. Analiza jakościowa
Rozróżnienie istniejących i powstających klastrów i przemysłów docelowych
Identyfikacja potencjalnych klastrów
6. Identyfikacja polityki rozwoju gospodarczego oraz działań 2. Identyfikacja kluczowych partnerów
1. Wybór regionu Identyfikacja źródeł danych
Strategia rozwoju gospodarczego bazująca na klastrach sektor
firmy
Krok 4. Analiza jakościowa
Wykonać wywiady lub zogniskowane wywiady grupowe z przedstawicielami przedsiębiorstw. Zebrać dane ogólne o sektorze, o powiązaniach i relacjach w środowisku branży, o „motorach” klastra, o czynnikach wspierających i wyzwa-niach.
Krok 5. Analiza konkurencyjności
Zebrać informacje dodatkowe o szczególnych cechach klastra – patenty, produkty kluczowe, główna koncentracja geograficzna, 10 najważniejszych firm, poziom przedsiębiorczości, konkurenci regionu w sektorze klastra. Wykonać analizę
shift-share19.
Krok 6. Identyfikacja polityki rozwoju gospodarczego oraz działań.
We współpracy z kluczowymi partnerami należy zidentyfikować politykę władz lo-kalnych oraz podjęte działania – uwzględnić skalę stanową, regionalną i lokalną.20 Zidentyfikuj odpowiednie miary i wskaźniki. Zaktualizuj strategie rozwojowe i oceny ich realizacji.
To jest procedura wykonywana przez wyspecjalizowaną w analizach klastrowych w USA firmę consultingową – Impresa, Inc.