UNIVERZA NA PRIMORSKEM FAKULTETA ZA MANAGEMENT

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MANAGEMENT

MAGISTRSKA NALOGA

ŠPELA BOJC

KOPER, 2016

Š P E L A BO JC M A G IS T RS K A N A L O G A 2 0 1 6

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MANAGEMENT

Magistrska naloga

MODELIRANJE OCENJEVANJA SPIN-OFF PODJETIJ NA OSNOVI MEHKE LOGIKE

Špela Bojc

Koper, 2016 Mentor: red. prof. dr. Borut Likar

Somentor: izr. prof. dr. Franci Pušavec

POVZETEK

Cilj magistrskega dela je simbolično formalizirati podatke o obstoječih vzorčnih »spin off«

podjetjih ter z mehkim modeliranjem in inferenčno dekompozicijsko strategijo omogočiti napovedovanje uspešnosti novih »spin off« podjetij, upoštevajoč njihove začetne (vhodne) atribute oziroma ustrezne mehke množice. V ta namen smo s pomočjo odgovorov iz anketnega vprašalnika izbrali vhodne in izhodne atribute »spin off« podjetij, jih simbolično s pomočjo mehke logike klasificirali, nato pa z analizo poznanih »spin off« podjetij določili mehka pravila oziroma mehko implikacijsko preglednico, ki povezuje mehke množice vhodnih atributov z mehkimi množicami izhodnih atributov. Takšna mehka preglednica omogoča mehko sklepanje oziroma napovedovanje uspešnosti novih »spin off« podjetij, upoštevajoč njihove vhodne atribute, kar predstavlja znanstveni doprinos magistrskega dela.

Predstavlja novo metodo dela, ki je primerna za preverjanje in ocenjevanje novih »spin off«

podjetij.

Ključne besede: »spin off«, mehka logika, modeliranje, vhodni atributi, izhodni atributi.

SUMMARY

The goal of the thesis is to simbolicaly formalize data of the existing set of spin off companies and to enble to predict the successfulness of new spin off companies with fuzzy modeling and inference decomposition strategy, by considering their starting (input) attributs or corresponding fuzzy sets. Towards this goal, we used the questionnaire and the chosen input and output attributs from its spin off companies, and classified them with fuzzy logic. Then we made fuzzy implication table with the help of known spin off companies and their attributes. Such table enables fuzzy inference or prediction of the succesfulness of new spin off companies by considering their input attributs, which represents the scientific contribution of our thesis. The new method of evaluation and varification of new companies' succesfulness proved to be efficient.

Keywords: spin off, fuzzy logic, modeling, input attributes, output attributes.

UDK:

005.5:657.92(043.2)

ZAHVALA

Za vso strokovno pomoč in spodbudo pri izdelavi magistrske naloge se zahvaljujem cenjenemu mentorju, red. prof. dr. Borutu Likarju, ter somentorju izr. prof. dr. Franciju Pušavcu.

Posebna zahvala pa gre tudi red. prof. dr. Andreju Dobnikarju s Fakultete za računalništvo in informatiko, saj mi je v okviru njegovega laboratorija omogočil izdelavo raziskovalnega dela naloge.

Zahvaljujem se tudi svoji družini za vsestransko pomoč, neizčrpen navdih in potrpežljivo razumevanje na vsakem koraku moje poti.

VSEBINA

1 Uvod ... 1

1.1 Definicija problema in opis ciljev naloge ... 2

1.2 Opredelitev metodologije raziskave... 4

1.3 Predstavitev empirične raziskave in pričakovanih rezultatov ... 6

1.3.1 Omejitve in predpostavke v postopku mehkega modeliranja ... 7

2 Pregled in analiza literature ... 8

2.1 Lastnosti »start up« in »spin off« podjetij ... 8

2.1.1 Opredelitev »spin off« podjetij ... 8

2.1.2 Pomembnost ustanavljanja »spin off« podjetij ... 10

2.1.3 Pregled razvoja »spin off« podjetij ... 11

2.1.4 Kriteriji uspešnosti poslovanja »spin off« podjetij ... 13

3 Mehko modeliranje ... 16

3.1 Definicija mehke logike ... 17

3.2 Modeliranje z mehko logiko ... 19

4 Empirična raziskava ... 22

4.1 Pridobivanje podatkov ... 22

4.1.1 Koncept raziskave – analiza delovanja vzorčnih »spin off« podjetij ... 22

4.1.2 Opis anketnega vprašalnika in izbor atributov ... 23

4.1.3 Izbor in grafična analiza izbranih atributov ... 24

4.2 Empirična raziskava – uporaba mehkega modela na vzorčnih »spin off« podjetjih ... 30

4.2.1 Določitev mehkih množic za izbrane atribute vzorčnih »spin off« podjetij ... 31

4.2.2 Formiranje mehkih pravil za vzorčne vhodne in izhodne mehke množice ... 40

4.2.3 Implementacija inferenčne dekompozicijske strategije za testna podjetja ... 41

4.2.4 Implementacija ostrenja in prikaz rezultatov ... 42

4.2.5 Prikaz križnega preverjanja ... 44

4.2.6 Primer napovedi uspešnosti novega »spin off« podjetja ... 48

4.2.7 Analiza rezultatov ... 49

5 Interpretacija rezultatov ... 50

5.1 Analiza rezultatov na osnovi vzorčnih podjetij... 50

5.2 Preverjanje hipoteze in odgovor na raziskovalno vprašanje ... 51

5.3 Vrednotenje rezultatov ... 51

6 Zaključek ... 54

6.1 Ocena metode in primerjava z drugimi statističnimi metodami ... 54

6.2 Doprinos magistrskega dela in predlogi za delo v prihodnje ... 55

Literatura ... 57

Priloge ... 63

SLIKE

Slika 1: Graf trde in mehke odločitve, P je prag odločitve ... 18

Slika 2: Primer mehkih množic M, S in V ... 19

Slika 3: Označevanje trikotne oblike mehke množice ... 20

Slika 4: Grafični prikaz mehkih množic M (majhen), S (srednji) in V (velik) pri n = 10 ... 21

Slika 5: Število zaposlenih na dan ustanovitve in po treh letih ... 26

Slika 6: Izobrazba zaposlenih na dan ustanovitve in po treh letih ... 26

Slika 7: Višina subvencije oziroma začetnih sredstev podjetja na dan ustanovitve in po treh letih ... 27

Slika 8: Število patentov in inovacij na dan ustanovitve podjetja in po treh letih ... 27

Slika 9: Število člankov na dan ustanovitve podjetja in po treh letih ... 28

Slika 10: Število povezanih podjetij oziroma sinergijsko vključevanje na dan ustanovitve podjetja in po treh letih ... 28

Slika 11: Promet podjetja po prvem in tretjem letu delovanja ... 29

Slika 12: Dobiček podjetja po prvem in tretjem letu delovanja ... 30

Slika 13: Delež prometa v RR-dejavnosti po prvem in tretjem letu delovanja podjetja ... 30

Slika 14: Mehka množica za V₁ ... 33

Slika 15: Mehka množica za V₂ ... 34

Slika 16: Mehka množica za V3 ... 35

Slika 17: Mehka množica za V4 ... 36

Slika 18: Mehka množica za I₁ ... 37

Slika 19: Mehka množica za I2 ... 38

Slika 20: Mehka množica za I3 ... 39

Slika 21: Grafični prikaz težišča za sestavljeno (šrafirano) mehko množico ... 42

Slika 22: Prikaz postopka križnega preverjanja ... 46

Slika 23: Prikaz združevanja mm z operacijo max ... 47

PREGLEDNICE Preglednica 1: Ostre (numerične) vrednosti atributov za vzorčna podjetja P₁ do P₁₀ (iz ankete) ... 31

Preglednica 2: Mehka preglednica MIS ... 40

Preglednica 3: Preglednica izračunanih vrednosti in napak pri križnem preverjanju ... 43

KRAJŠAVE

EU Evropska unija

JRO Javno raziskovalna organizacija

EC Evropska komisija

BDP Bruto družbeni proizvod ZDA Združene države Amerike

VB Velika Britanija

Ur. l. RS Uradni list Republike Slovenije MIS Mehki implikacijski stroj

IDS Inferenčna dekompozicijska strategija

RR Razvojno-raziskovalen

BISC Berkeley Initiative in Soft Computing MITI Ministry of International Trade and Industry

LIFE Laboratory For International Fuzzy Engeneering Research SOFT Japan Society for Fuzzy Theory and Systems

STA Science and Technology Agency Japan PDNO Popolna disjunktivna normalna oblika

M Majhen

MS Majhno-srednji

S Srednji

SV Srednje velik

V Velik

Max Maksimalna

Min Minimalna

Mm Mehka množica

1 UVOD

Izobraževanje in raziskovanje sta dolga leta veljali za glavni dejavnosti javnega akademskega sektorja (Vidonja in Černe 2009). K razvoju tretje glavne dejavnosti akademske sfere, tj.

komercializacije znanja,¹ pa je pripomoglo dejstvo, da rezultati akademskih in raziskovalnih dejavnosti niso neposredno uporabljeni v praksi (Ruzzier idr. 2011). Prav s komercializacijo znanja pa želimo ustvarjati ekonomske koristi, ki pospešujejo gospodarsko rast. Filipič (1996, 15) poudarja, da je gospodarska rast vsakega gospodarstva odvisna od njegove konkurenčnosti. Konkurenčne prednosti gospodarstva so določene s stopnjo tehnološkega razvoja, torej s tehniko (tehnologijo), ki v danem trenutku omogoča ustrezno produktivnost dela in s tem tudi učinkovitost gospodarstva (Antonič 2005; Antonič idr. 2002). Raziskave kot pomemben vir znanja so premalo izkoriščene v prid gospodarskemu razvoju. Treba je zagotoviti čimprejšnjo in dolgotrajno vzpostavitev temeljev za pospeševanje prenosa znanja in tehnologij iz akademskih inštitucij v visoko tehnološko naravnana podjetja (Istenič Starčič in Šubic Kovač 2009; Banović in Jazbec 2004).

Rauter in Vorbach (2011) poudarjata, da se prenos znanja nanaša na problemsko orientirane celovite rešitve. Prenos znanja in tehnologij, ki odpira nova delovna mesta, ustvarja nova podjetja, razvija nove izdelke in jih implementira na trg, pospešeno dviguje konkurenčnost gospodarstva in pri tem vzpostavlja dvosmernen pretok informacij (Bešter in Murovec 2010).

Za doseganje tega cilja je bila oblikovana tudi lizbonska strategija, ki predstavlja za države članice EU temeljno usmeritev za delovanje na številnih področjih s ciljem dviga konkurenčnosti EU na svetovnem trgu, zagotavljanja boljših delovnih mest in trajnostnega razvoja (Fontaine 2004). Tudi Prašnikar (2004) ugotavlja, da sta konkurenčnost podjetij in doseganje vzdrževane gospodarske rasti v zadnjem času v središču razprav EU. Tako lizbonska strategija namenja ključno vlogo povečanju javnih in zasebnih izdatkov za raziskave in razvoj (RR) ter razvoju inovativne klime in podjetništva.

Nadvse pomembno je, da so raziskovalci že v zgodnji fazi svojega akademskega ustvarjanja vključeni v gospodarstvo, da z bogatenjem svojega znanja in s svojimi neposrednimi izkušnjami močno prispevajo k dvigu ekonomske vrednosti, ki se kaže predvsem v uporabnosti in praktični realizaciji znanja v tržnem okolju (Antonič 2005). To pa se lahko vzpostavi le z sinergijo in kontinuiranim prenosom znanja in izkušenj med akademsko sfero in gospodarstvom ter z razvojem podpornega okolja, ki skrbi za nemoten pretok informacij.

Likar (2002, 95; 1998, 155) poudarja, da je bil z razvojem podpornega okolja storjen velik korak k ustvarjanju pogojev za povezavo funkcij intelektualnega, industrijskega in raziskovalno-razvojnega okolja ter njihovih kapacitet in rezultatov. Raziskovalno-razvojna funkcija (Ivanko idr. 1990) je sinteza raziskovanja in razvijanja novosti.

1 Prenos znanja in tehnologij.

V raziskovalno-razvojnem procesu se ustvarja znanje (CPT 2011). Prenos znanja,² kakršnega si v Sloveniji želimo, žal premalo izkoriščamo, saj primanjkuje podjetniške mentalitete, ki bi obogatila ter izkoristila potencial slovenske povezanosti med akademsko in gospodarsko sfero. Žal ne cenimo in ne znamo izkoristiti znanja, ki smo si ga pridobili v času šolanja in tranzicije države od osamosvojitve. Tudi Stanovnik in Kavaš (2002) ugotavljata, da izboljšanje inovacijskega sistema kaže iskati prav v spodbujanju različnih oblik medsebojnega sodelovanja javnega (univerze, raziskovalnih zavodov) in zasebnega (podjetniškega) sektorja ter v mednarodnih mrežnih povezavah. Koschatzky (2002) in Lerner (2005) poudarjata, da imajo univerze ključno vlogo pri izboljšanju okolja s prenosom znanja v gospodarska podjetja, kjer načeloma prek »spin off« podjetij izboljšujejo odnose z gospodarskim sektorjem. Le trajni sinergijski učinki predstavljajo konkurenčno prednost in visoko gospodarsko rast (Zahra in Covin 1993; Ušaj Hvalič, Markač Hleb in Jarc 2011).

Zelo jasna priporočila o ureditvi tega področja daje tudi Evropska komisija (EC b. l.), ki v enajstih točkah med drugim predlaga, da v državah članicah vse javne raziskovalne organizacije (v nadaljevanju JRO) opredelijo prenos znanja kot svoje strateško poslanstvo in sprejmejo ukrepe in postopke za upravljanje z intelektualno lastnino (Oblak 2012). Po Likarju (2002, 175) je intelektualna lastnina oznaka za ustvarjanje aktivnosti človeka na industrijskem, znanstvenem in umetniškem področju. Intelektualni napori so povezani z moralnimi in ekonomskimi vidiki. Po eni strani gre za avtorske pravice ustvarjalca nad njegovo stvaritvijo, po drugi pa za korist od rezultatov in gospodarskega izkoriščanja ter splošni družbeni razvoj in napredek, ki ga intelektualni napori prinašajo.

Nadalje Evropska komisija v priporočilih predlaga (EC b. l.), naj raziskovalne organizacije oblikujejo in objavijo politiko ter postopke za ustanavljanje »spin off« podjetij in tako omogočijo ter spodbudijo zaposlene v raziskovalnih inštitucijah k ustanavljanju »spin off«

podjetij, kjer je to primerno. Evropska komisija raziskovalnim organizacijam predlaga tudi, naj opredelijo dolgoročne odnose s »spin off« podjetji (Oblak 2012).

1.1 Definicija problema in opis ciljev naloge

Namen magistrskega dela je z uporabo domače in tuje strokovne literature ter ustrezno analizo anketnega vprašalnika ugotoviti, ali je mogoče in kako razviti model, ki bo ob poznanih atributih ter s pomočjo modeliranja na osnovi mehke logike opisal in nato še napovedal oziroma ocenil uspešnost novih »spin off« podjetij. Nadalje nas zanima, v kolikšni meri bi bil ta model zanesljiv ter kakšno vlogo ima pri tem izbor vhodnih in izhodnih atributov. V

2 »Znanje se lahko prenaša neposredno med ljudmi ali fizičnimi osebami, npr. s spremljanjem znanstvenih in strokovnih publikacij in patentov, s predavanji, z udeležbami na znanstvenih kongresih itd. Lahko pa se prenaša tudi med podjetji (tudi pri tem sodelujejo ljudje, toda v interesu podjetja in ne v osebnem interesu). V teh primerih gre predvsem za prenos industrijskega, gospodarsko- uporabljivega znanja« (Mulej 1987).

raziskovalno-empiričnem delu magistrskega dela želimo preveriti hipotezo, ki pravi, da je s pomočjo mehke implikacijske logike mogoče formalizirati oziroma simbolično opisati razvoj

»spin off« podjetij od začetnih vhodnih pa do končnih izhodnih atributov ter s pomočjo inferenčne dekompozicijske strategije napovedovati uspešnost novih »spin off« podjetij.

Magistrsko delo je sestavljeno iz šestih poglavij. Tematika je dodatno razdelana v podpoglavjih. V uvodnem poglavju smo podali definicijo problema, ciljev naloge, metodologije in pričakovanih rezultatov. V drugem poglavju sta prikazana pregled in analiza literature, opredelitev definicij in različnih pojmovanj »spin off« podjetij, pomembnost ustanavljanja in pregled razvoja teh podjetij, predstavljeni so tudi kriteriji oziroma kazalci uspešnosti poslovanja »spin off« podjetij. Opisani so pomembni vzroki za odločitev za mehko modeliranje. Sledi kratek opis empirične raziskave. Teoretično ozadje mehkega modeliranja je zajeto v tretjem poglavju, kjer so podane definicije mehke logike in osnove mehkega modeliranja. V četrtem poglavju je opisano raziskovalno delo, ki je razdeljeno na dva dela: v fazo pridobivanja podatkov in fazo empirične raziskave. Opisana je anketa, s katero smo pridobili podatke za empirično raziskavo, in prikazana osrednja empirična raziskava na osnovi mehke logike. Sledi interpertacija rezultatov, ki je zajeta v petem poglavju. Magistrsko delo končujemo z oceno metode, primerjavo z drugimi statističnimi metodami ter doprinosom magistrskega dela in s predlogi za delo v prihodnje.

Glede na namen magistrske naloge želimo doseči teoretične in aplikativne cilje, navedene v nadaljevanju.

Teoretični cilji:

- opisati izhodišča raziskave;

- predstaviti značilnosti vhodnih (ustanovitvenih) in izhodnih (ekonomskih) atributov, zajetih v anketi;

- prikazati metodologijo obdelave podatkov (mehčanje) z mehko logiko;

- določiti mehko implikacijo nad atributi;

- predstaviti postopek mehkega sklepanja za napovedovanje uspešnosti novih podjetij;

- opisati postopek ostrenje podatkov;

- analizirati dobljene rezultate empirične raziskave.

Aplikativni cilji:

- proučiti vpliv povezave vhodnih (ustanovitvenih) atributov z izhodnimi (ekonomskimi) atributi;

- izbrati tiste vhodne (ustanovitvene) in izhodne (ekonomske) atribute na osnovi odgovorov iz ankete, ki so primerni za nadaljnjo empirično raziskavo z metodologijo ostrenja;

- izvesti mehčanje izbranih atributov;

- implementirati mehko implikacijsko preglednico;

- realizirati mehko sklepanje za nova podjetja;

- določiti ostrenje mehkih množic iz napovedi;

- ovrednotiti rezultate;

- odgovoriti na raziskovalno vprašanje;

- preveriti hipotezo.

1.2 Opredelitev metodologije raziskave

Za potrebe izdelave magistrske naloge smo vključili teoretični in empirični pristop raziskovanja.

V prvem delu (podpoglavje 3.1), kjer smo se ukvarjali s pridobivanjem podatkov, smo na osnovi razpoložljive strokovne literature ter drugih virov podatkov izdelali anketni vprašalnik in ga poslali približno 100 »start up« in »spin off« podjetjem. Vprašalnik je sestavljen iz sklopov za pridobitev vhodnih (ustanovitvenih) in izhodnih (ekonomskih) podatkov (tj.

podatkov o uspešnosti poslovanja po treh letih). Z metodo analize primarnega vira, pridobljenega z anketnim vprašalnikom, smo opisno in grafično opredelili vpliv vhodnih (vzročnih) atributov na izhodne (posledične) atribute.

Vprašanja v anketi so zastavljena na osnovi teoretičnih izhodišč, upoštevajoč obstoječo literaturo. V ta namen smo izvedli več intervjujev na vzorcu iz populacije domačih »spin off«

podjetij, pri čemer pod populacijo razumemo vsa slovenska »spin off« podjetja (definirana v poglavju 1), pod vzorcem pa tista podjetja, od katerih smo dobili v celoti izpolnjene anketne vprašalnike. Pridobili smo deset vzorčnih podjetij z različnih strokovnih področij, pretežno s tehnološko najsodobnejših, npr. s področja informacijskih tehnologij.

Iz nabora podatkov, zbranih z anketo, smo definirali spremenljivke oziroma atribute in jih razdelili v dve skupini:

- vhodni atributi, ki opisujejo začetne podatke ob nastanku podjetja. Ti atributi so pomembni predvsem s stališča razumevanja, kaj je tipično za ustanovitev »spin off« ali

»start up« podjetja, kateri kriteriji igrajo odločilno vlogo pri njihovem začetnemu zagonu oziroma kaj potrebujemo, če želimo ustanoviti novo podjetje;

- izhodni atributi, ki podajajo rezultate poslovanja po določenem času (v naši anketi tri leta). Na osnovi teh podatkov si lahko ustvarimo sliko oziroma ekonomsko podlago za oceno uspešnosti »spin off« ali »start up« podjetja.

Nadaljevanje (podpoglavje 3.2) pa opisuje empirično raziskavo, ki temelji na uporabi mehke logike. Z mehčanjem atributov, ki so bili pridobljeni z anketo, smo vpliv ustanovitvenih oziroma vhodnih atributov na ekonomske oziroma izhodne atribute prevedli v mehko implikacijsko preglednico oziroma stroj (MIS). Nato smo z mehkim sklepanjem inferenčne dekompozicijske strategije (IDS) prišli do sekundarnih podatkov, tj. do izhodnih atributov za

nova »start up« ali »spin off« podjetja. S tem smo napovedali uspešnost podjetij, za katera poznamo le začetne (ustanovitvene) atribute. S postopkom ostrenja smo napoved izhodnih mehkih množic prevedli v ostre vrednosti izhodnih atributov.

Vpeljava mehkih množic nad atributi pomeni definiranje pripadnostnih funkcij,³ ki za posamezne numerične ostre vrednosti atributov določajo stopnjo pripadnosti (med 0 in 1; pri čemer pomeni 0 nepripadnost, 1 pripadnost) mehkim množicam (Thrift 1991). Običajno se uporabljajo trikotne, trapezne ali normalne (Gaussove)⁴ oblike mehkih množic. V primeru poznane ostre numerične vrednosti atributa je pripadnost mehki množici enaka vrednosti pripadnostne funkcije na ustreznem mestu atributa.

Mehki implikacijski stroj (MIS) dobimo z uporabo preglednice ostrih vrednosti atributov in njihovih mehkih množic. Pri tem izbira mehkih množic sledi največjim pripadnostnim funkcijam za posamezne ostre vrednosti atributov.

Vpliv numerične vrednosti vhodnega atributa na izhodnega zahteva najprej določitev pripadnosti vhodni mehki množici iz mehke preglednice, ta pa vpliva na modifikacijo izhodnih mehkih množic iz mehke preglednice za vsak izhodni atribut. Postopek ostrenja modificiranih izhodnih mehkih množic omogoča določitev numeričnih vrednosti vseh izhodnih atributov. Po Dobnikarju (2008) je postopek transformacije numeričnih vrednostih vhodnih atributov v mehke vrednosti izhodnih atributov določen s t. i. inferenčno dekompozicijsko strategijo IDS, z nadaljnim ostrenjem pa v ostre vrednosti izhodnih atributov.

Hipoteza

Hipoteza⁵ empirične raziskave je v oceni, da je s pomočjo mehkega modeliranja mogoče formalizirati oziroma simbolično opisati razvoj »spin off« podjetij od začetnih vhodnih atributov pa do končnih izhodnih atributov ter da je mogoče s pomočjo mehkega sklepanja napovedovati uspešnost novih podjetij na osnovi njihovih vhodnih atributov in poznanih podjetij (učna množica).

3 Angl. membership.

4 Normalna porazdelitev (tudi Gaussova porazdelitev) je verjetnostna porazdelitev vrednosti statističnih enot v statistični populaciji, ki je v grafični predstavitvi oblikovana v obliki zvona oziroma normalne krivulje.

5 Toš in Hafner-Fink (1998, 61) poudarjata, da hipoteza vzpostavlja in izraža razmerje med predmetom in ciljem raziskave.

Raziskovalno vprašanje

Raziskovalno vprašanje, ki smo si ga v nalogi zastavili, je, kako s pomočjo mehke logike opišemo delovanje »spin off« podjetij in kako napovedati obnašanje novih »spin off« podjetij, za katera poznamo le začetne (ustanovitvene) atribute.

Celotna raziskovalna metodologija v nalogi poteka po korakih na naslednji način:

- uvod;

- pregled in analiza literature;

- idejni načrt raziskave;

- pripravljalna faza (priprava podatkov):

- formiranje vprašalnika;

- verifikacija odgovorov ob sodelovanju ustreznih strokovnjakov;

- izbor podjetij in atributov na osnovi njihovih odgovorov;

- empirična raziskava:

- opis mehke logike in njenih značilnosti;

- mehčanje atributov in njihovo povezovanje v mehka pravila;

- določitev mehkega implikacijskega stroja (MIS);

- izvedba inferenčne dekompozicijske strategije (IDS) v križnem preverjanju;

- ostrenje rezultatov;

- analiza rezultatov;

- zaključek.

1.3 Predstavitev empirične raziskave in pričakovanih rezultatov

V nadaljevanju bo podrobneje podan empirični del raziskave, v katerem smo uporabili podatke o atributih med »spin off« oziroma »start up« podjetji iz ankete. Na osnovi podanih ostrih vrednosti atributov smo najprej določili zanje pripadajoče mehke množice, jih povezali v mehki implikacijski stroj (MIS), nato pa s postopkom križnega preverjanja in ob uporabi inferenčne dekompozicijske strategije (IDS) poiskali napake v napovedovanju izhodnih atributov. V nadaljevanju je postopek podrobno opisan in ilustriran. Križno preverjanje je bilo uporabljeno zaradi relativno majhnega števila podjetij, ki so se odzvala na anketo. Kasneje je opisan tudi postopek napovedovanja izhodnih atributov za novo (v našem primeru izmišljeno) podjetje z znanimi vhodnimi atributi.

V empirično raziskavo so bila vključena vzorčna »spin off« podjetja iz ankete. Podjetja so bila izbrana s visokotehnoloških področij. Bistveni koraki raziskave so naslednji:

- simbolično (mehko) modeliranje izbranih vhodnih in izhodnih atributov;

- formiranje MIS oziroma mehke preglednice za povezovanje vhodnih mehkih atributov z izhodnimi mehkimi atributi na osnovi implikacije tipa: IF A THEN B oziroma njene mehke implementacije;

- formiranje IDS na osnovi MIS vzorčnih (učnih) podjetij in poznanih vhodnih numeričnih atributov novih (testnih) podjetij;

- prikaz rezultatov MIS in IDS ob uporabi križnega preverjanja⁶ in ostrenja izhodnih mehkih atributov, ki kažejo rezultate;

- razlaga rezultatov;

- zaključki z napovedjo možnih izboljšav na osnovi dobljenih rezultatov in opis predvidenega nadaljnjega dela.

V predlagani mehki metodologiji gre v osnovi za kvalitativni pristop, katerega rezultate pa je mogoče iz mehke oblike (iz mehkih atributov) prevesti v (ostre) numerične podatke z metodo ostrenja.⁷ Uporabljena metoda ostrenja z imenom center gravitacije torej vključuje tudi kvantitativni pristop k raziskovanju.

1.3.1 Omejitve in predpostavke v postopku mehkega modeliranja

Postopek mehkega modeliranja potrebuje dovolj ustreznih podatkov o znanih »spin off«

podjetjih in rezultatih njihovega večletnega delovanja. Ustrezni atributi morajo biti med seboj kompatibilni, tj. za vsa vzorčna podjetja morajo biti na razpolago podatki o istih atributih.

Prav tako morajo biti izbrani atributi verodostojni, kar pomeni, da so glede na strokovne kriterije smiselni. Pri testnih podjetjih mora to veljati za vhodne atribute.

Pri izboru podjetij oziroma njihovih atributov praktično ni omejitev, kar se tiče mehke metodologije, ob omenjenih predpostavkah. Na osnovi rezultatov križnega preverjanja napovedi v primeru desetih vzorčnih podjetij ocenjujemo, da model omogoča precej zanesljivo sklepanje o uspešnosti novih (testnih) podjetij, saj se napaka giblje med 5 % in 7 % glede na izbrane izhodne atribute, kar je podrobneje razloženo v nadaljevanju.

6 Angl. cross validation.

7 Angl. defuzzification.

2 PREGLED IN ANALIZA LITERATURE

V nadaljevanju bomo na osnovi teoretičnih izhodišč podali definicije.in predstavili posamezne pojme.

2.1 Lastnosti »start up« in »spin off« podjetij

V tem poglavju opredelimo pojem »spin off« podjetja, nakažemo na pomembnost ustanavljanja »spin off« podjetij, prikažemo pregled razvoja »spin off« podjetij skozi različna časovna obdobja ter ob koncu opredelimo ključne kriterije oziroma kazalce, ki so potrebni za uspešno dolgoročno poslovanje »spin off« podjetja.

2.1.1 Opredelitev »spin off« podjetij

Danes poznamo več oblik izvajanja komercializacije znanja: prodajo patentov, licenciranje tehnologij, prodajo ur raziskovalcev v obliki skupnih raziskovalnih projektov akademske sfere. Vedno pogosteje se v zadnjem času komercializacija znanja izvaja tudi v obliki ustanavljanja novih podjetij, bodisi »start up« ali pa »spin-of« podjetij (Oblak 2012). Tudi Mali (2002) ugotavlja, da različne oblike sodelovanja med akademsko znanostjo oziroma univerzo in industrijo segajo od občasne svetovalne aktivnosti univerzitetnih raziskovalcev industriji prek raznik oblik »know howa« do obsežnih in dolgoročno zasnovanih projektov, ki se nanašajo na skupni zagon inkubacijskih oziroma »spin off« podjetij. Te oblike sodelovanja izhajajo iz različne stopnje formalizacije vzpostavljenih stikov, kar vpliva na prenos implicitnih form znanja v industrijsko prakso.

V nadaljevanju povzamemo in navedemo definicije »spin off« podjetij različnih avtorjev ter ob tem dodamo lastne ugotovitve in nakažemo problematiko dejanskega stanja pri ustanavljanju »spin off« podjetij.

Izraz »spin off« se uporablja za odcepljena podjetja, ki se opredeljujejo kot »nova podjetja«, ki so ustanovljena z namenom komercialnega izkoriščanja nekaterih znanj, tehnologij in rezultatov raziskav, razvitih/nastalih v okviru univerze (Stres 2010).

Termin »spin off« je opredeljen s štirimi ključnimi elementi (Oblak 2012):

- zahteva se novo podjetje (avtonomno in neodvisno od univerze);

- podjetje nastane na univerzi (ne kot posledica vladnih raziskovalnih laboratorijev ali tehničnih šol);

- izkorišča se akademsko znanje;

- deluje kot podjetje, torej je v ospredju dobiček.

Odcepljena podjetja⁸ so poleg licenciranja, pogodbenih raziskav⁹ in skupnih raziskav z industrijo¹⁰ eden od glavnih načinov prenosa tehnologij in znanja v praktično uporabo (Oblak 2012).

Pri novonastalih visokotehnoloških podjetjih se pogostokrat zamenjujeta pojma »spin off« in

»spin out« podjetje, zato v magistrskem delu najprej razjasnimo to dilemo. Stres (2010) ugotavlja, da obe obliki podjetij nastaneta iz javne raziskovalne inštitucije. »Spin off« ali hčerinsko podjetje ustanovi eden ali več raziskovalcev, ki so zaposleni v tej raziskovalni inštituciji, ta pa si s pravico do intelektualne lastnine, ki jo za dobiček izkoriščajo v novonastalem »spin off« podjetju, zagotovi delež v družbi. Pri »spin out« ali odcepljenem podjetju pa si raziskovalna inštitucija s pravico do intelektualne lastnine ne zagotovi lastniškega vložka v podjetju, temveč z družbeniki sklene licenčno pogodbo.

Po Stanovniku in Kavašu (2002, 169) podjetja, osnovana na novih tehnologijah, pogosto nastanejo z odcepitvijo manjše skupine ljudi iz univerze (univerzitetni spin off)¹¹ oziroma iz podjetja (podjetniški spin off).¹² Univerzitetno odcepljeno podjetje je »spin off« podjetje, ki ga raziskovalci ustanovijo za izboljšanje rezultatov lastne raziskovalne dejavnosti in znanstvenih dognanj, v katerih univerza deluje kot partner. Podjetniško odcepljeno podjetje, poznano tudi kot »spin out« podjetje, pa se sklicuje na vrsto dejavnosti podjetja, kjer se družba razdeli kot ločeno podjetje.

»Spin off« oziroma odcepljeno podjetje je torej tisto podjetje, katerega dejavnost temelji na uporabi in izkoriščanju znanja, ustvarjenega v matični organizaciji, in ne spada med osnovne dejavnosti matične organizacije. Namen ustanavljanja odcepljenih podjetij je ustvarjanje večje koristi tako za matično organizacijo kot za odcepljeno podjetje. To podjetje ima praviloma v začetku pri matični organizaciji oziroma JRO podporo pri strokovnih in pravnih nasvetih ter druge ugodnosti. Obseg ugodnosti, ki ga odcepljeno podjetje dobi v matični organizaciji, z leti upada, in namen je, da se v nekaj letih utrdi kot samostojno podjetje (Oblak 2012). Tovrstna visokotehnološka podjetja namreč pogosto potrebujejo več let za svoj zagon. Ries (2011, 256) poudarja, da je poleg tega pomembna osredotočenost na vzpostavitev temeljnih pravil, pod okriljem katerih posamezna »start up« ali »spin off« podjetja delujejo: kako zaščititi matično organizacijo, kako vzdrževati odgovornost podjetniškega vodstva in kako naj se inovacija vnovič vključi nazaj v matično organizacijo, če je uspešena.

Teorija in podatki iz prakse kažejo, da »spin off« podjetja proizvajajo nove izdelke, prispevajo k odpiranju novih delovnih mest, pospešujejo zaposlovanje visoko izobraženih strokovnjakov in s svojim doprinosom k bruto domačemu proizvodu (BDP) prispevajo k

8 Angl. spin off ali tudi spin out.

9 Angl. contract research.

10 Angl. collaborative research.

11 Angl. university spin off.

12 Angl. corporate spin off.

hitrejšemu gospodarskemu razvoju in blaginji (Achim, Aurer in Ritter 2006). Lockett idr.

(2005, 982) ugotavljajo, da je ustanavljanje odcepljenih podjetij pomembna in premalo izkoriščena možnost prenosa tehnologij.

Zaradi slabega odziva na anketo, ki je dala osnovne podatke za raziskovalno delo, smo povpraševanje razširili še na »start up« podjetja. »Start up« podjetje ali zagonsko podjetje ustanovijo ljudje, ki želijo spreminjati svet oziroma stvari okoli sebe. V zadnjem času je še posebej veliko »start up« podjetij, ki se ukvarjajo z novimi tehnologijami, ki so trenutno v trendu – splet, geolokacije, mobilne aplikacije (Kordiš 2011).

»Start up« podjetje je novonastalo podjetje, namen katerega je razvoj novega, običajno inovativnega proizvoda ali storitve v negotovih okoliščinah (Rebernik in Jaklič 2014; Adams 1996). Vendar delovanje »start up« podjetje ni omejeno le s to kategorijo – v Republiki Sloveniji so odlični »start up« predstavniki na področju biologije, kemije, izdelave pametnih stikal itd. Vsem tem predstavnikom je skupno to, da verjamejo v svojo idejo in okoli sebe zberejo sodelavce s podobnimi nazori. Ljudje, ki so pripravljeni investirati svoj čas in svoj denar in ne denar, ki ga namenja država, saj je država na tem področju zelo skopa in ga v začetnih fazah, ko bi podjetje najbolj potrebovalo denar, od države ne more pridobiti. Takšno podjetje lahko sicer pridobi denar iz razpisa P2 – Zagon inovativnih, tehnološko naravnanih podjetij, vendar je ta razpis objavljen enkrat letno, tako da podjetje lahko pridobi 70.000 evrov v treh letih (Krivec in Holobar 2015).

2.1.2 Pomembnost ustanavljanja »spin off« podjetij

Rebernik, Tominc in Pušnik (2010, 21) navajajo pomembnost razvoja gospodarstva, ki omogoča generiranje nove tehnologije in inovativnih panog, ki temeljijo na znanosti in znanju ter omogočajo razvoj novih tehnologij. Zahra in Covin (1993) poudarjata, da morajo države težiti k ustvarjanju inovacijskih gospodarstev in spodbujati inovativnost, vlaganja v znanost in razvoj, razvoj človeškega kapitala in trg kapitala za razvoj sistemskih dejavnikov za nastajanje visokotehnoloških podjetij. Vsekakor pa je treba spodbujati raziskovalno-razvojni potencial, ki ga imamo v Sloveniji veliko.

Prednosti in možnosti slovenskega raziskovalno-razvojnega potenciala je mogoče izkoristiti le, če je vzpostavljeno tesno sodelovanje med gospodarstvom, znanostjo in šolstvom. K večji izkoriščenosti neposrednega pretoka znanja ter strokovnjakov med naštetimi sferami lahko veliko prispeva povečanje deleža inovativnih podjetij, povečanje investicij v tehnološki razvoj, opremo in laboratorije, povezovanje in sodelovanje v okviru evropskih in drugih mednarodnih projektov ter višja dodana vrednost visokotehnoloških izdelkov (Hočevar, Jaklič in Zagoršek 2003). Obsežne spremembe, ki potekajo v Evropski uniji na področju raziskav in razvoja, lahko izkoristimo tudi za preoblikovanje naših inštitucij v odprte, razvojno naravnane, konkurenčne in evropsko primerljive ustanove, kje se bodo rojevale in

uresničevale nove in drzne ideje, kar je tudi pogoj za ustanovitev »spin off« podjetij (Bešter idr. 2005).

Pri ustanavljanju novih »spin off« podjetij je pomembno, da poznamo lastnosti uspešnih dosedanjih »spin off« podjetij, saj te lahko vplivajo na nastajanje uspešnih novih. Tako imenovana »spin off« podjetja s svojo visokotehnološko dejavnostjo pospešeno odpirajo nova delovna mesta, dvigujejo konkurenčnost gospodarstva, ustvarjajo nova podjetja, implementirajo nove izdelke na trg in vzpostavljajo dvosmeren pretok informacij za izvajanje različnih oblik komercializacije znanja. Lahko rečemo, da iz matičnih inštitucij rastejo ustvarjalna podjetja. Ustvarjalno podjetje (Mayer 1994) omogoča posamezniku dostop do trga, idej in aktualnega znanja, obenem pa ga spodbuja h kreiranju lastnega znanja.

2.1.3 Pregled razvoja »spin off« podjetij

Proces ustanavljanja odcepljenih podjetij se je začel v Silicijevi dolini¹³ (Sukič 2011; Gallo 2011) v Združenih državah Amerike (v nadaljevanju ZDA) v petdesetih letih 20. stoletja.

Praviloma je šlo za visokotehnološko podjetništvo. Sodelavci, ki so sodelovali pri razvojnih projektih v velikih podjetjih ali JRO, so ugotovili, da v matični organizaciji svoje ideje ne morejo uresničiti, zato so jih poskusili uresničiti v novem podjetju. Po sprejemu Bayh- Dolejevega¹⁴ zakona leta 1980, ki je uredil področje prenosa lastništva intelektualne lastnine iz javno financiranih agencij na inštitucije znanja, se je ustanavljanje odcepljenih podjetij še pospešilo (Oblak 2012).

V tujini so različne oblike sodelovanja med akademsko in raziskovalno sfero ter industrijo v zadnjem času v porastu, je pa tudi res, da je akademsko raziskovanje v tujini mnogo bolj cenjeno in plačano kot pri nas. Pod pojmom akademsko raziskovanje razumemo predvsem tisto vrsto raziskovalne dejavnosti, ki poteka v okviru javnih raziskovalnih inštitucij: univerz, vladnih raziskovalnih inštitutov in agencij, medtem ko se pojem raziskovanje (Mihelič 2002) definira kot zavestno usmerjeno iskanje za pridobitev novega znanja.

Uspeh ZDA in drugih razvitih držav pri prenosu novih raziskovalnih rezultatov na trg je spodbudil številne države po svetu k sprejemu političnih ukrepov, katerih cilj je spodbujanje inštitucij znanja za podporo in vzpostavitev potrebne infrastrukture za komercializacijo raziskav (Senor in Singer 2015). V tujini je znanih več pravnih modelov ustanavljanja odcepljenih podjetij: matična organizacija lahko pridobi lastniški delež v novem podjetju ali pa svoje znanje odproda oziroma z novim podjetjem sklene licenčno pogodbo. To velja zlasti

13 Angl. Silicon Valley v Kaliforniji (ZDA), kjer domuje veliko največjih tehnoloških podjetij na svetu in tudi nekaj manjših inovativnih podjetij. Zaradi velike proizvodnje silicijevih čipov, ki se uporabljajo v visokotehnoloških elektronskih napravah, je dolina dobila vzdevek »Silicijeva dolina«.

14 Bayh-Dole je univerzam omogočil patentiranje rezultatov raziskav, ki so bile financirane z javnimi sredstvi.

v ZDA, VB, Finski in nekaterih drugih državah, kjer t. i. »uradi za povezovanje z industrijo«¹⁵ praktično delujejo znotraj vsake univerze. Zlasti opazna je njihova vloga, ko gre za različne oblike pomoči (pravne, tehnične itd.) raziskovalcem oziroma raziskovalnim skupinam pri urejanju medsebojnih odnosov z industrijskimi partnerji. Ker v tovrstnih uradih vedno obstaja nevarnost, da čezmerno administriranje in kontroliranje vodi k nasprotnim učinkom, je izredno pomembno, kako so opredeljene naloge teh služb, kakšen je profil zaposlenih in seveda tudi njihovo število. Na angleških univerzah je v teh uradih v povprečju zaposlenih šest strokovnjakov (Mali 2002).

Ustanavljanje odcepljenih podjetij iz JRO je v Sloveniji na relativno nizki ravni (TP b. l.; LUI b. l.). Ne več kot 100 »spin off« podjetij pomeni, da sta potencial in visokotehnološko znanje, ki ga v Sloveniji premoremo, žal premalo izkoriščena za ustvarjanje in komercializacijo znanja na svetovnih trgih. To v veliki meri otežuje tudi slovenska zakonodaja, ki je na tem področju nejasna in dvoumna.

V Republiki Sloveniji je veljavna zakonodaja glede ustanavljanja odcepljenih podjetij še precej nedorečena. Veljavni Zakon o raziskovalni in razvojni dejavnosti (Ur. l. RS, št. 22/06, 61/06 – ZDru-1, 112/07, 9/11 in 57/12 – ZPOP-1A), Zakon o zavodih (Ur. l. RS, št. 12/91, 8/96, 36/00 – ZPDZC in 127/06 – ZJZP) in Zakon o visokem šolstvu (Ur. l. RS, št. 67/93, 99/99, 64/01, 100/03, 134/03, 63/04, 100/04, 94/06, 119/06, 64/08, 86/09, 34/11, 78/11, 32/12, 109/12 in 85/14) ne omogočajo, da bi JRO prosto razpolagale s svojim premoženjem oziroma zahtevajo soglasje ustanovitelja, tj. vlade RS, za ustanavljanje odcepljenih podjetij.

Prav tako so nejasne določbe Zakona o javno-zasebnem partnerstvu (Ur. l. RS, št. 127/06), ki dejansko ureja zgolj velike investicijske projekte. Slovenska vlada bi morala veliko več pozornosti nameniti ustreznim zakonskim rešitvam, saj pri nas ni poskrbljeno za oblikovanje tveganega kapitala, s pomočjo katerega bi bilo mogoče ustanavljati »spin off« podjetja.

Predvsem bi se morala država mnogo bolj oprijeti tistih inštrumentov, ki izhajajo iz davčnih olajšav, kar bi vsekakor pripomoglo k vpostavljanju boljših pogojev za sodelovanje med industrijo in univerzami. Država bi se morala tudi bolj posvetiti izgradnji tistih mehanizmov, ki bodo spodbujali prenos znanja iz akademsko raziskovalnih inštitucij v industrijo. Vloga teh

»vmesnih členov« je pri nas še posebej pomembna, ker kader, ki dela v (redkih) industrijskorazvojnih oddelkih, razmišlja in dela drugače kot znanstveniki na univerzah in inštitutih (Mali 2002).

Dodatna težava inštitutov je, da ne razpolagajo z lastnimi osnovnimi sredstvi. Prav tako je sedanji sistem pavšalnega uvrščanja raziskovalcev med državne uradnike, ne glede na vir prihodkov in rezultate dela, skrajno nestimulativen. Raziskava, ki jo je v Sloveniji opravi Mali (2002), nakazuje, da okolje pri nas ni naklonjeno ustanavljanju »spin off« podjetij, saj se podjetniška miselnost na področju znanosti še vedno pogosto povezuje z negativnim

15 Angl. Industrial Liasion Office.

»zasebniškim obnašanjem«, razen tega se v neurejenih pravnih razmerah, kjer pravila igre med matično znanstveno inštitucijo in znanstvenikom-podjetnikom »spin off« podjetja dejansko lahko pojavijo kot negativna oblika »by-passa« matični znanstveni ustanovi. V tem smislu bi predstavljali nelojalno konkurenco matični ustanovi, od katere so se ta podjetja odcepila.

Razvoj »spin off« podjetij je glede na omenjena dejstva v Sloveniji še na relativno nizki ravni, predvsem vprašljivi so razlogi za njihovov nastanek. Ali so številna »spin off« podjetja ustanovljena le z namenom »trenutnega« komercialnega izkoriščanja znanja, ki ga javne inštitucije oblikujejo z namenom izkoriščanja pridobitne dejavnosti, ali pa so »spin off«

podjetja ustanovljena z namenom dolgoročnega izkoriščanja komercializacije znanja, pa je raziskovalno vprašanje magistrskega dela. Nadalje nas zanima tudi, kakšno vlogo imajo kriteriji oziroma kazalci uspešnosti poslovanja »spin off« podjetij ter kako ti vplivajo na napoved nadaljnjega poslovanja v procesu oblikovanja strategije in planiranja.

2.1.4 Kriteriji uspešnosti poslovanja »spin off« podjetij

V nadaljevanju poglavja predstavimo teoretična izhodišča in definicije, ki so povezane z vhodnimi (ustanovitvenimi) in izhodnimi (ekonomskimi) atributi, ki opredeljujejo začetno delovanje ter nadaljnje uspešno poslovanje »spin off« oziroma »start up« podjetja. Začetni ustanovitveni atributi so določeni z ustanovitvenimi pogoji, ki so potrebni za začetek delovanja »spin off« ali »start up« podjetja in se nanašajo predvsem na število in izobrazbeno raven zaposlenih, začetni kapital, število znanstvenih člankov in povezovanje z drugimi podjetji. Poudariti moramo, da razen števila in izobrazbene strukture zaposlenih ter začetnega kapitala, ki so pogoj za ustanovitev »spin off« podjetja, ostali vhodni atributi niso pogojeni z začetkom delovanja podjetja, zato se v nadaljevanju predvsem omejimo na izhodne atribute, ki določajo uspešnost nadaljnjega poslovanja »spin off« oziroma »start up« podjetij.

Kriterije uspešnosti poslovanja podjetij lahko opredelimo kot kazalnike učinkovitosti (Kaplan in Norton 2001; Cokins 2006; Levy in Sarnat 1988), ki so povezani s strateškimi cilji vsakega podjetja, strategija (Adams 1996, 35; Twist 1986; Zirger in Maidique 1990) pa v veliki meri vpliva na dolgoročni uspeh podjetja.

Dobiček

Avtorji (Pučko 2001; Rozman 1993; Bygrave 1994) definirajo poslovni izid ali poslovni rezultat podjetja kot razliko med prihodki oziroma prodajno vrednostjo in med zanjo potrebnimi stroški. Razlika je dobiček, kadar je pozitivna, in izguba, kadar je negativna.

Dobiček omogoča širjenje poslovanja, izguba vodi v njegovo upadanje. Podjetje je uspešno,

če ustvarja dobiček, in neuspešno, če ima izgubo. Večja kot je razlika med prihodki in stroški, bolj je podjetje uspešno.

Melavc (2000, 138) poudarja, da količinski izidi določenega poslovnega sistema niso sami sebi namen. So sredstvo za uresničevanje določenih poslovnih izidov poslovnega sistema in omogočajo uresničitev temeljnega cilja vsakega poslovnega sistema: skozi dobiček večati kapital in zato tudi vrednost poslovnega sistema kot celote. Ob tem pojem poslovanja podjetja (Šubelj 2011; Jus 2000) pomeni opravljati opravila, ki podjetju omogočijo, da podjetje posluje, deluje oziroma živi.

Uspešnost poslovanja (Rozman 1993, 125) pa lahko opredelimo tudi drugače: za koliko smo v določenem obdobju povečali premoženje gospodarske organizacije ali premoženje, s katerim upravljamo in ravnamo. Pravi ekonomski dobiček je merilo uspešnosti poslovanja podjetij (Stern, Shiely in Ross 2001; Jacobson 1991; Griffiths in Wall 2007). Za potrebe merjenja uspešnosti poslovanja podjetja se uporablja kazalnik dobičkonostnosti sredstev. Takrat se dobičku običajno prištejejo še obresti. S tem se izniči vpliv financiranja na uspešnost podjetja.

Velika uporabna vrednost tega kazalnika je v tem, da se lahko razčleni na dobičkonostnost prihodkov in obračanje sredstev (ROI¹⁶ = dobiček/prihodki x prihodki/sredstva) (Pučko 2001).

Inovacija in patent

Pojem inovacija izvira iz latinske besede innovatio in pomeni obnovitev. Za gospodarsko okolje je ta pojem lepo opisal Joseph Schumpeter:¹⁷ inovacija je proces, s pomočjo katerega odkrijemo možnost ekonomske aplikacije invencij. Inovacija je torej vsaka uporabna novost, katere koristnost se je potrdila na trgu (Lester in Piore 2004). Prinaša novo, večjo uporabnost v obliki dviga kakovosti, nižanja stroškov, dviganja ugleda podjetja, omejevanja konkurence itd. Je rezultat razvojno-raziskovalnega dela v kombinaciji z ustvarjalnim razmišljanjem, da je za realizacijo na trgu potreben celovit poslovni pristop (Likar, Križar in Fatur 2006; Pompe 2011, 182).

Pri inovacijah gre za uvajanje novih proizvodov ali tehnoloških procesov v proizvodnjo (Hvalič Ušaj, Markač Hleb in Jarc 2011). To pomeni delati stvari, ki so že narejene, na nov način (Likar 1991, 181). Če podjetje ne bo inovativno, ne bo obstalo na trgu (Kos 1996, 2000). Inovativnost in inovacije imajo torej usoden ekonomski pomen in zato zaslužijo bistveno pozornost managerjev in strokovnjakov vseh vrst, ne samo tehničnih, kajti inovacija je vsaka (!) koristna novost; o tem, kaj je koristno, pa odločajo odjemalci (Likar 2002, 13).

Nadalje Likar (2002, 15) in Pevcin (2011, 116) ter Dabič in Potočan (2012, 147) ugotavljajo,

16 Angl. return on investment.

17 Joseph Alois Schumpeter (1883-1950) – avstrijski ekonomist in politolog, znan po pojmu

»kreativno rušenje« oziroma »ustvarjalna destrukcija«.

da gre pri inovaciji vsekakor za nekaj »novega«: novi proizvodi, novi procesi, nove prodajne poti, nove pogodbene oblike, novi reklamni izreki. Inovacija je torej bistveno več kot tehnični problem.

Patent predstavlja pogodbo med prijaviteljem in pristojno državno organizacijo, s katero država podeljuje prijavitelju pravice do varovanega izuma. Patent je izključna pravica fizične ali pravne osebe za izum, ki je nov, na inventivni ravni in je industrijsko uporabljiv (Likar 2002, 178). S patentom (Ferš idr. 1990) se torej zavaruje izum, za izume se pa ne štejejo načela, pravila, znanstvena odkritja in računalniški programi.

3 MEHKO MODELIRANJE

V magistrskem delu je uporabljeno mehko modeliranje za prikaz delovanja »spin off«

podjetij, ki temelji na mehkih spremenljivkah¹⁸ oziroma množicah in mehkih relacijah.¹⁹ S pravili (implikacijo tipa IF A then B) povezujemo relacije med mehkimi (lingvističnimi) vhodnimi in izhodnimi množicami in s tem formaliziramo določeno znanje v obliki mehke preglednice (Dobnikar 2008; Harris, Moore in Brown 1993; Kosko 1986a, 1986b). S pomočjo mehkega sklepanja²⁰ pa je mogoče preveriti prihodnjo uspešnost novih »spin off« podjetij.

Skupek postopkov, ki omogoča, da izkustveno znanje, z besedami iz naravnega jezika, zapišemo v simbolični mehki obliki, imenujemo mehko modeliranje, ki izhaja iz mehke logike (Karr 1991; 1997). Osnovo mehke logike predstavlja teorija mehkih množic, ki jo je v šestdesetih letih zasnoval L. Zadeh, najbolj pa se je teorija uveljavila v sedemdesetih letih po zaslugi japonskih raziskovalcev, predvsem na področju telekomunikacij, medicine, procesne kontrole, procesiranja signalov, financ, trgovine in servisiranja.

Virant (2003, 149–150) ugotavlja, da po petdesetih letih obstajanja mehke logike praktično ni področja dela, na katerem ta logika ne bi bila primerno uporabna. Temeljna mehka znanja prihajajo iz Kalifornije (BISC, Berkeley Initiative in Soft Computing, California), kjer je pod Zadehovim vodstvom vzniknila šola za »soft computing«, tehnološke, tehnične in industrijske rešitve pa prihajajo iz Japonske (MITI, Ministry of International Trade and Industry; LIFE, Lab. For International Fuzzy Engeneering Research; SOFT, Japan Society for Fuzzy Theory and Systems, projekti STA, Science and Technology Agency Japan itd.). Iz Japonske se tehnika in industrija z mehkimi izdelki razširjata v Južno Korejo in Kitajsko. Evropa je nekje na sredini med mehkimi znanostmi in mehkimi aplikacijami.

Rezultati mehke logike so danes prisotni v večini sodobnih izdelkov bele tehnike, avdio-video napravah, optičnih in telekomunikacijskih izdelkih, ekonomiji itd. Ta tehnologija se nanaša na inteligentne ali po naše morda bolje pametne izdelke najrazličnejših strok. Pridevnik pametne z drugo besedo pomeni, da je izdelek optimiran ali kako drugače izboljšan na račun mehkih logičnih pravil, mehkega logičnega sklepanja izdelka. Mehka logika, možnostna logika, časovna logika, nevronske mreže itd. že v tem času omogočajo načrtovanje izdelkov z lastnim logičnim sklepanjem, adaptiranjem, učenjem itd. Pameten izdelek je navzven videti povsem enak klasičnemu izdelku, velika razlika pa je v njegovih karakteristikah in funkcionalnih sposobnostih (Virant 2003, 150).

Mehki sistemi omogočajo zapisovanje zapletenih problemov s simboličnimi (lingvističnimi) izrazi oziroma z mehkimi pravili in mehkim sklepanjem, ki predstavljajo nov način reševanja problemov (Karr 1997). Če je okolje ostro, moramo mehki sistem prilagoditi takšnemu okolju

18 Angl. fuzzy sets.

19 Angl. fuzzy relations.

20 Angl. Inference.

s procesom mehčanja.²¹ Ko pridemo v mehkem sistemu do mehkih rezultatov, jih moramo pretvoriti nazaj v ostre s procesom, ki ga imenujemo ostrenje.²² Če je okolje mehko, je delo dosti bolj preprosto, saj v mehkem sistemu preostane le mehko sklepanje. Virant (1998, 2003) ugotavlja, da imamo v najslabšem primeru v mehkem sistemu tri procese: mehčanje, mehko sklepanje in ostrenje, kar je predstavljeno v nadaljevanju.

3.1 Definicija mehke logike

Računalniška implementacija mehke logike je v zadnjem času pomembno vplivala na razvoj številnih t. i. mehkih ekspertnih sistemov, ki so lahko v precejšnjo oporo človeku pri njegovem strokovnem delu, prav tako pa tudi številnim »start up« ter »spin off« podjetjem pri nadaljnjih odločitvah glede vodenja in poslovanja podjetja, ne nazadnje pa tudi pri odločitvah, ali naj matična organizacija ustanovi »spin off« podjetje zaradi rentabilnosti in ekonomičnosti poslovanja, kar je tudi cilj vsakega odcepljenega podjetja. Kadar takšni mehki ekspertni sistemi sodelujejo pri sprejemanju odločitev, jih imenujemo tudi mehki odločitveni sistemi (Patyra in Mlynek 1996). Tudi implementacija MIS in IDS za podporo odločanju, ki je opisana v nadaljevanju, sodi v to skupino.

Mehko teorijo množic je utemeljil L. Zadeh v sredini šestdesetih let, ko je objavil članek z naslovom »Fuzzy Sets« (Zadeh 1965). Namesto binarne karakteristične funkcije x_A(u), ki pove, ali je nek element u iz univerzalne množice U v množici A, A ϵ U ali ne, je Zadeh definiral pripadnostno oziroma člansko²³ funkcijo µA(u), ki lahko za pripadnost elementa u ϵ U množici A uporabi vse vrednosti med 0 in 1 in ne le obe skrajnosti:

µA: U → [ 0, 1]

A = { (µ_A(u)/u) | u ϵ U}

Takšna karakteristična funkcija je zvezna v intervalu [0, 1] in v popolnosti določa množico A, ki ji rečemo tudi mehka množica (mm). Definicijo mehke karakteristične funkcije lahko razširimo na poljubne binarne spremenljivke, ki tako postanejo mehke spremenljivke.

21 Angl. fuzzification.

22 Angl. defuzzification.

23 Angl. membership.

Slika 1: Graf trde in mehke odločitve, P je prag odločitve

Mehko množico, ki zvezno pokriva določeno področje spremenljivke, lahko podajamo tudi kot besedni izraz za lingvistično spremenljivko (Michael in Takagi 1993). Takšna spremenljivka ima lahko v splošnem več izraznih področij oziroma več opisnih možnosti.

Tako lahko npr. spremenljivki velikost podjetja pripišemo lingvistične izraze, kot so mikro, majhno, veliko itd., od katerih vsak predstavlja določeno področje na osi velikosti podjetja.

Pravimo, da vsak izraz, ki pokriva določeno področje spremenljivke, definira ustrezno mehko množico. Od tega, kako dobro opisujemo dejansko stanje spremenljivke pri določenem opisu, je odvisna pripadnostna vrednost uporabljenemu lingvističnemu izrazu ali mehki množici.

Podobno je mogoče definirati tudi mehke logične funkcije, npr. s pomočjo operacij max in min (Dobnikar 2008, 126; Dobnikar 2009, 13):

Binarne logične funkcije: Mehke logične funkcije:

Konjunkcija: xA ˄ xB µAᴜB(X) = min(µA(x),µB(x)) Disjunkcija: xA ˅ xB µAᴜB(X) = max(µA(x),µB(x)) Negacija: xA‘ µA(x)’ = 1 - µA(x)

V zgornjih izrazih smo z min opisali mehki logični produkt namesto binarne konjunkcije in z max mehko logično vsoto namesto binarne disjunkcije. Oznaka 1 - µ_A(x) predstavlja mehki komplement namesto binarne negacije x_A‘.

Mehko odločanje

Za funkcijo odločanja je pomembna logična operacija implikacija, ki je v klasični logiki definirana z (Dobnikar 2009, 36):

x → y = x’ ˅ y

in ki jo lahko interpretiramo tudi kot pravilo:

xA → yB = IF x ϵ A THEN y ϵ B, ali kratko: IF A THEN B

V mehki logiki je mehka implikacija ob upoštevanju zgornjih definicij za mehko logično vsoto in komplement podana z (Dobnikar 2008, 129):

µ(x → y) = max((1 - µ(x)),µ(y))

3.2 Modeliranje z mehko logiko

V tem poglavju so najprej na kratko podane značilnosti mehke logike, ki jih v nadaljevanju potrebujemo pri opisavanju delovanja podjetij in pri napovedovanju uspešnosti novih »spin off« ali »start up« podjetij, skupaj z interpretacijo dobljenih rezultatov.

Mehka logika omogoča simbolično opisovanje najrazličnejših atributov (Pedryez 1993). Na primer velikost moškega je lahko podana v centimetrih (npr. 180 cm) ali pa simbolično (npr.

majhen, srednje velik ali velik), kjer si pod posameznimi simboličnimi izrazi predstavljamo določen razpon velikosti. Pod majhen moški (M) na primer razumemo velikosti med 160 in 175 cm, pod srednje (S) visok velikosti od 170 do 185 cm in pod visok (V) moški velikostiod 180 do 195 cm in več.

Takšno simbolično poimenovanje lahko formaliziramo tako, da si predstavljamo na abscisni ali x-osi običajno skalo za atribut (v primeru višine skalo v cm), na ordinatni ali y-osi pa pripadnost posamezni simbolični interpretaciji, ki ji pravimo tudi mehka množica. Na sliki 2 so prikazane razmere za primer atributa velikost moškega.

1

M S V

0

160 170 180 190 200 Slika 2: Primer mehkih množic M, S in V

Posamezni trikotniki, ki »pokrivajo« abscisno os, ustrezajo mehkim množicam, s katerimi lahko simbolično opisujemo atribute. Tako mehka množica M pomeni majhno vrednost, ki

pokriva absciso med 160 cm in 175 cm, vendar najbolje pri 167,5 cm, kjer ji pripada vrednost 1, in najslabše pri 160 cm in 175 cm, kjer ji pripada vrednost 0. Seveda je tudi višina, manjša od 160 cm značilna za manjšega moškega, vendar lahko za takšne višine uporabimo drugačno ime, na primer zelo majhen moški.

Formalno pripadnost mehki množici podajamo s spremenljivko !," mehko množico pa z vrednostmi pripadnosti po celotni domeni abscise. Na splošno je videti zapis mehke množice takole (Michael in Takagi 1993):

FM(u) = (µ1(u1) ,µ2(u2),…,µn(un)),

kjer je F_M(x) oznaka za mehko²⁴ množico z imenom M in atributom u, µ_i(u_i) (i = 1,…,n) pa določa pripadnost µ_i mehki množici M pri vrednosti atributa u_i. Velikost množice n je resolucija in vpliva na natančnost računanja in hitrost procesiranja.

Pri našem empiričnem raziskovalnem delu na osnovi ankete je uporabljena resolucija n = 100, rezultati pa se bistveno ne spremenijo niti (samo za nekaj %), če je n enak 10 ali 1000. Včasih podajamo trikotne oblike mehkih množic kar s tremi vrednostmi abscise (a, b, c), kjer a določa točko na abscisi v trikotniku, kjer je pripadnost 0, a se pričenja s povečanjem abscise dvigovati, b določa točko na abscisi, pri kateri je pripadnost največja, torej 1, c pa točko, ko pripadnost zopet pade na 0.

1

0

a b c

Slika 3: Označevanje trikotne oblike mehke množice

Po Kasabovu (1996) postopku opisa atributov z mehkimi množicami pravimo mehčanje. Pri tem lahko namesto trikotne oblike mehkih množic uporabljamo tudi trapezne, Gaussove itd., vendar oblike ne vplivajo bistveno na rezultate računanja (napovedovanja), zato so v nadaljevanju uporabljeni trikotniki.

V primeru, ko je narava množice takšna, da se z velikostjo pomen ne spremeni, je ena od točk a ali c pomaknjena v neskončnost,²⁵ torej je točka lahko tudi +/- inf. Opis mehke množice M za velikost moškega bi torej lahko bil (-inf, 167,5, 175).

24 Angl. fuzzy.

25 Angl. infinity ali kratko inf.

Grafični prikaz mehke množice (resolucija n =10)

Grafični prikaz mehke množice izkazuje na abscisni osi numerične vrednosti spremenljivke, na ordinatni osi pa stopnje pripadnosti posameznim mehkim množicam, ki so predstavljene s trikotnimi funkcijami.

Slika 4: Grafični prikaz mehkih množic M (majhen), S (srednji) in V (velik) pri n = 10

Numerični prikaz mehke množice

Numerični prikaz predstavlja za vsako mehko množico zapis njene pripadnosti preko celotnega področja spremenljivke. Število zapisov je odvisno od izbora resolucije.

n = 10 = max(10) – min(0) M = (μ_i ( x_i)) , i = 0 , … , 10

M = (1(0), 0.6(1), 0.3(2), 0(3), 0(4), 0(5),0(6), 0(7), 0(8), 0(9), 0(10)) = = (1, 0.6, 0.3, 0, 0,0,0,0, 0, 0, 0)

S = (0(0), 0(1), 0(2), 0.3(3), 0.6(4), 1(5), 0.6(6), 0.3(7),0(8),0(9),0(10)) = = (0, 0,0, 0.3, 0.6, 1,0.6, 0.3, 0,0, 0)

V = (0(0), 0(1), 0(2), 0(3), 0(4), 0(5), 0(6), 0(7), 0.3(8),0.6(9),1(10)) = = (0,0, 0, 0, 0,0, 0,0,0.3, 0.6, 1)

4 EMPIRIČNA RAZISKAVA

V tem poglavju najprej definiramo metodo in tehniko zbiranja podatkov ter način razpošiljanja in obdelave podatkov. Na osnovi teoretičnih izhodišč in strokovne literature določimo vprašalnik za anketo, ki ji sledi analiza odgovorov, nato pa izbor vzorčnih »spin off« podjetij in selekcija vhodnih in izhodnih atributov, s pomočjo katerih v nadaljevanju (podpoglavje 3.2) opišemo rezultate izbrane empirične raziskave.

4.1 Pridobivanje podatkov

Podatke smo pridobili na osnovi anketnega vprašalnika, ki je predstavljen v nadaljevanju naloge.

4.1.1 Koncept raziskave – analiza delovanja vzorčnih »spin off« podjetij

Pri raziskavi najprej opredelimo populacijo in vzorec. Macur (2009, 8) definira populacijo kot skupnost pojavov, ki jih opredelimo zato, da jih proučimo. Medtem ko je populacija statistična množica, je vzorec statistična podmnožica. Vzorec je torej del populacije.

Po zgoraj navedeni definiciji v naši raziskavi pod pojmom populacija razumemo vsa slovenska »spin off« podjetja glede na navedene definicije »spin off« podjetij, ki smo jih zajeli v prvem poglavju, pod vzorcem pa tista podjetja, od katerih smo dobili v celoti izpolnjene anketne vprašalnike.

Inštrument zbiranja podatkov, ki smo ga v našem raziskovanju uporabili, je anketni vprašalnik. Vprašalnik je bil zasnovan s pomočjo strokovne literature ter s pomočjo intervjujev z raziskovanci oziroma direktorji »spin off« podjetij (anketni vprašalnik je priloga magistrskega dela). Anketni vprašalnik smo dopolnili s spremnim dopisom, ki po Lamutu in Macurju (2012) razloži namen raziskave in zagotovi anonimnost anketirancev (spremni dopis je priloga magistrskega dela).

Pri zasnovi anketnega vprašalnika, ki se nanaša na ustanovitvene in ekonomske kriterije delovanja »spin off« oziroma »start up« podjetja, smo se najprej omejili na teoretično pojmovanje in že predstavljene definicije »spin off« podjetij. Pri strukturiranju vprašanj ankete smo se najprej vprašali, kateri ekonomski pokazatelji so tisti, ki v največji meri opredeljuje uspeh poslovanja podjetja (o tem smo že podrobneje pisali v poglavju Kriteriji uspešnosti poslovanja »spin off« podjetij). Glede na definicije osnovnih pojmov in kriterije uspešnosti poslovanja »spin off« podjetja smo v nadaljevanju izbrali atribute, ki smo jih vključili v anketni vprašalnik.

4.1.2 Opis anketnega vprašalnika in izbor atributov

Anketo smo s spremnim dopisom poslali večini raziskovalnih inštitucij, zaradi izjemno slabega odziva pa je bil vprašalnik razširjen tudi na »start up« podjetja Tehnološkega parka Ljubljana in razne inkubatorje. Anketni vprašalnik je bil poslan prek elektronske pošte na več kot 100 naslovov direktorjem »spin off« ali »start up« podjetij oziroma na elektronski naslov tajništva podjetja. Zaradi slabe ozivnosti anketirancev smo po določenem času poslali več opomnikov po elektronski pošti in z nekaterimi vzpostavili tudi osebni stik prek telefona s prošnjo po sodelovanju v anketi. Kljub zelo močnim prizadevanjem za vrnitev izpolnjenih anketnih vprašalnikov je bilo vrnjenih ter v celoti izpolnjenih le deset vprašalnikov, kar zadostuje statističnemu kriteriju majhnega vzorca. Zasnova anketnega vprašalnika je bila razdeljena na dva dela:

- prvi del je zajemal osnovne vhodne podatke, ki so potrebni za nastanek oziroma ustanovitev »spin off« ali »start up« podjetja;

- drugi del se je nanašal na izhodne podatke o poslovanju, ki so merilo uspešnosti poslovanja »spin off« oziroma »start up« podjetja.

Želja večine »spin off« in »start up« podjetij je bila, da se podatki obravnavajo kot zaupni, zato so podjetja v magistrskem delu prikazana kot podjetja od 1 do 10.

Anketni vprašalnik je obsegal trinajst vsebinskih vprašanj. Vprašanja so zajemala vsebinske vhodne (na dan ustanovitve) in izhodne podatke (po treh letih delovanja). S primerjavo vhodnih (ustanovitvenih) in izhodnih (ekonomskih) podatkov smo želeli raziskati, kako vhodni podatki vplivajo na izhodne ter kakšna je dinamika poslovanja po določenih letih delovanja podjetja (v našem primeru po treh letih).

Vprašanja smo strukturirali tako, da so anketiranci dajali numerično in kategorično vrednost odgovora. Podatki, ki niso bili podani numerično, niso bili primerni za kvantitativno raziskavo.

Iz nabora zbranih podatkov smo definirali spremenljivke oziroma atribute, ki so razvrščeni v dve skupini:

- vhodni atributi, ki opisujejo začetne podatke ob nastanku podjetja, kot so: število zaposlenih na dan ustanovitve, izobrazbena struktura zaposlenih na dan ustanovitve, subvencije ob ustanovitvi podjetja, število patentov in inovacij ob ustanovitvi, število člankov ob ustanovitvi, število vključenih podjetij oziroma sinergijsko delovanje ob ustanovitvi »start up« oziroma »spin off« podjetja;

- izhodni atributi, ki podajajo rezultate poslovanja po določenih časovnih intervalih, v našem primeru po treh letih delovanja, kot so: število zaposlenih, letni promet podjetja, obseg prodaje oziroma tržni delež podjetja, dodana vrednost podjetja, dobiček na zaposlenega, izobrazba.

Anketni vprašalnik z odgovori je podan v prilogi.

Vsa anketirana podjetja so izhajala iz visokotehnoloških panog, katerih osnovna usmeritev je povečanje konkurenčnosti slovenskega gospodarstva, s čimer bi zagotovili visoko gospodarsko rast in konkurenčnost slovenskih podjetij na skupnem trgu. To pa je mogoče le ob vzpostavitvi horizontalnega in vertikalnega povezovanja visokotehnoloških podjetij in raziskovalnih ustanov. Namen teh usmeritev je torej spodbujati povezovanje podjetij in raziskovalnih ustanov z namenom ustvarjanja skupne raziskovalne infrastrukture, povečati pretok informacij, znanja in izkušenj med akademskimi in izobraževalno-razsikovalnimi ustanovami ter podjetji ter spodbujati skupen razvoj izdelkov, temelječih na višji dodani vrednosti.

Anketirana podjetja prihajajo iz farmacevtske industrije, telekomunikacijskih storitev, prehrambenih procesov, molekularne biotehnologije, tehnologije vodenja procesov, informacijsko-komunikacijske tehnologije ter inteligentne tehnologije polimernih materialov.

Skupni dejavnik vseh podjetij je izkazovanje visokega tehnološkega znanja z učinkovitim prenosom znanja iz akademske sfere v gospodarstvo, posledično ustvarjanje sinergije ter komercializacije znanja za globalni trg.

Po Sagadinu (2003, 14) v okviru načrtovanja raziskave načrtujemo zbiranje in obdelavo podatkov. Pri obdelavi podatke najprej uredimo in po potrebi prikažemo grafično, nato pa jih obdelamo še analitično (računsko).

Za nadaljnjo empirično obdelavo z mehko logiko je bilo primernih deset izpolnjenih vprašalnikov. Uporabili smo odgovore na zastavljenih sedem vprašanj (štirje vhodni in trije izhodni atributi). Obdelava in interpretacija ostalih vprašanj (dve vhodni in šest izhodnih) je zajeta v nadaljevanju v pisni in grafični obliki.

Z anketnim vprašalnikom smo za namen raziskave pridobili deset vzorčnih podjetij s po šestimi vhodnimi in desetimi izhodnimi atributi. Nekaj najznačilnejših atributov smo najprej podali v grafični obliki.

4.1.3 Izbor in grafična analiza izbranih atributov

Na osnovi odgovorov iz ankete smo pridobili vhodne in izhodne atribute, ki so predstavljeni v nadaljevanju.

Vhodni atributi (na dan ustanovitve):

1. število zaposlenih;

2. izobrazba;

3. višina subvencije;

4. število patentov in inovacij;