Strategizing: Theory and Practice Strategizing: Theory and Practice Cтратегирование: теория и практика 2782-2435 2782-2621 115005 10.21603/2782-2435-2026-6-1-71-86 YBGRCM Отраслевое, индустриальное и корпоративное стратегирование Sectoral, Industrial, and Corporate Strategizing Отраслевое, индустриальное и корпоративное стратегирование Strategical Potential for Industrial Cluster in China: Cartographic Analysis Картографический анализ стратегического потенциала формирования промышленного кластера в Китае https://orcid.org/0009-0006-0127-3838 Еремичева Полина Ю. Eremicheva Polina Yu. eremicheva2000@mail.ru Санкт-Петербургский государственный экономический университет Санкт-Петербург Россия Saint Petersburg State Economics University Saint-Petersburg Russian Federation 17 02 2026 17 02 2026 6 1 71 86 22 11 2025 25 12 2025 https://jstrategizing.ru/en/issues/24169/24161/

Промышленный сектор является одним из наиболее поддерживаемых целевых направлений реализации экономико-политических мер в условиях Китайской Народной Республики, что свидетельствует об острой необходимости изучения проблемы поиска методов оптимизации пространственных ресурсов и работы с доступными источниками для совершенствования стратегий применения кластерного подхода в стратегировании. Целью данной работы являлось определение потенциала проектирования трансграничного кластера тяжелой промышленности в условиях Китайской Народной Республики на основе определения допустимой удаленности промышленных зон друг от друга и постановки центроида. Объекты исследования – процессы кластеризации пространства Китая в контексте определения границ и центроида потенциального трансграничного кластера тяжелой промышленности. В работе применены: анализ статистических данных; картографический анализ; библиографический анализ; систематизация; конкретизация; формализация; контент-анализ; сравнение. Работа направлена на апробацию одного из доступных методов расчета географической целесообразности проектирования китайского кластера тяжелой промышленности, принимая во внимание его трансграничный характер. Это достигается через определение координат будущих элементов кластерной системы в условиях двумерного пространства и поиск точки расположения центроида на основе ранее выявленных данных. В исследовании приведены обоснования решений, принятых автором в процессе проведения анализа, а также продемонстрирован ряд закономерностей, свойственных фактическому уровню разработанности проблемы пространственного планирования роста промышленных зон в условиях Китайской Народной Республики.

The industrial sector is one of the most supported target areas for implementing economic and political measures in China. This fact highlights the urgent need to explore new methods for optimizing spatial resources and working with available sources to improve cluster strategizing. A set of standard methods made it possible to determine the potential for a cross-border heavy industry cluster in China based on the permissible distances between industrial zones and the centroid. This research tested a simple method for calculating the geographical feasibility of a cross-border heavy industry cluster by mapping its elements in two-dimensional space and locating the centroid based on previously identified data. The author justified the solutions by demonstrating a number of patterns reported by other publications on the matter of spatial planning of industrial zones in China.

 кластерный подход кластеризация картографический анализ промышленный кластер промышленность индустриальная политика Китай кластер cluster approach clustering cartographic analysis industrial cluster industry industrial policy China cluster

Гринев С. А., Квинт В. Л. Формирование стратегических приоритетов промышленного развития РФ как инновационный фактор преодоления кризисных периодов // Экономика промышленности. 2023. Т. 16. № 3. С. 275–283. https://doi.org/10.17073/2072-1633-2023-3-275-283 Grinev SA, Kvint VL. Formation of strategic priorities of industrial development of the Russian Federation as an innovative factor in overcoming crisis periods. Russian Journal of Industrial Economics. 2023;16(3):275–283. (In Russ.) https://doi.org/10.17073/2072-1633-2023-3-275-283 Еремичева П. Ю., Карпова Г. А. Современные подходы в развитии внутреннего туризма Китая // Научные исследования молодых ученых: новая экономика и тренды в устойчивом развитии: сборник материалов XII международной науч.-практ. конф. молодых ученых, Санкт-Петербург, 2025. Санкт-Петербург: Санкт-Петербургский государственный экономический университет, 2025. С. 60–62. https://elibrary.ru/RRIMWM Eremicheva PYu, Karpova GA. Sovremenny`e podxody` v razvitii vnutrennego turizma Kitaya [Modern approaches to the development of domestic tourism in China]. Scientific research of young scientists: New economy and trends in sustainable development: Collection of materials of the XII International Scientific and Practical Conference of Young Scientists, St. Petersburg, 2025. Saint Petersburg: Saint Petersburg State University of Economics; 2025. P. 60–62. (In Russ.) https://elibrary.ru/RRIMWM Квинт В. Л. Концепция стратегирования. Т. 2. СПб.: СЗИУ РАНХиГС, 2022. 164 с. https://elibrary.ru/CDMBHK Kvint VL. The concept of strategizing. Vol. 2. St. Petersburg: NWIM RANEPA; 2022. 164 p. (In Russ.) https://elibrary.ru/CDMBHK Квинт В. Л., Трачук А. В., Дзгоев В. Д. Стратегирование национальных и региональных инновационных систем: Дайджест мировых практик для государственного и муниципального управленческого персонала. М.: Бюджет, 2021. 199 с. https://doi.org/10.34829/ KARO.978-5-6046414-0-8 Kvint VL, Trachuk AV, Dzgoev VD. Strategirovanie natsionalʹnykh i regionalʹnykh innovatsionnykh sistem: Daydzhest mirovykh praktik dlya gosudarstvennogo i munitsipalʹnogo upravlencheskogo personala [Strategizing national and regional innovation systems: A digest of world practices for state and municipal management personnel]. Moscow: Byudzhet; 2021. 199 p. (In Russ.) https://doi.org/10.34829/KARO.978-5-6046414-0-8 Кучумов А. В., Еремичева П. Ю. Особенности формирования индустриальной кластерной политики в развивающихся странах Азии // π-Economy. 2025. Т. 18. № 2. С. 100–120. https://doi.org/10.18721/JE.18206 Kuchumov AV, Eremicheva PYu. Features of formation of industrial cluster policy in developing countries of Asia. π-Economy. 2025;18(2):100–120. (In Russ.) https://doi.org/10.18721/JE.18206 Оценка человеческого потенциала в стратегировании промышленных регионов России / В. Л. Квинт [и др.] // Экономика промышленности. 2025. Т. 18. № 4. 459–471. https://doi.org/10.17073/2072-1633-2025-4-1564 Kvint VL, Vlasyuk LI, Novikova IV, Chkhotua IZ. Assessment of human potential in the strategizing of industrial regions of Russia. Russian Journal of Industrial Economics. 2025;18(4):459–471. (In Russ.) https://doi.org/10.17073/2072-1633-2025-4-1564 Роль географического фактора в проектировании кластеров сферы туристских услуг / Л. В. Хорева [и др.] // Профессорский журнал. Серия: Рекреация и туризм. 2024. № 2. С. 51–60. https://elibrary.ru/QZRPIP Khoreva LV, Kuchumov AV, Eremicheva PY, Lobakov OP. The role of the geographical factor in the design of clusters in the tourism services sector. The Professors' Magazine. Recreation and Tourism Series. 2024;(2):51–60. (In Russ.) https://elibrary.ru/QZRPIP Хворостяная А. С., Квинт В. Л. Разработка и реализация региональной стратегии: основные этапы и приоритеты // Север и рынок: формирование экономического порядка. 2025. Т. 28. № 3. С. 25–34. https://elibrary.ru/QRDAZZ Khvorostyanaya AS, Kvint VL. Regional strategy development and implementation: Key stages and priorities. The North and The Market: Forming the Economic Order. 2025;28(3):25–34. (In Russ.) https://elibrary.ru/QRDAZZ A model to analyze industrial clusters to measure land use efficiency in China / Y. Cui [et al.] // Land. 2024. Vol. 13. № 7. P. 1070. https://doi.org/10.3390/land13071070 Cui Y, Niu Y, Ren Y, Zhang S, Zhao L. A model to analyze industrial clusters to measure land use efficiency in China. Land. 2024;13(7):1070. https://doi.org/10.3390/land13071070 A new particle swarm optimization algorithm for outlier detection: Industrial data clustering in wire arc additive manufacturing / J. Fang [et al.] // IEEE Transactions on Automation Science and Engineering. 2024. Vol. 21. № 2. P. 1244–1257. https://doi.org/10.1109/TASE.2022.3230080 Fang J, Wang Z, Liu W, Lauria S, Zeng N, et al. A new particle swarm optimization algorithm for outlier detection: Industrial data clustering in wire arc additive manufacturing. IEEE Transactions on Automation Science and Engineering. 2024;21(2):1244–1257. https://doi.org/10.1109/TASE.2022.3230080 An analysis of spatial changes in the manufacturing industry in China’s three major urban clusters from 2015 to 2019 using POI data / C. Jin [et al.] // Scientific Reports. 2025. Vol. 15. № 1. P. 7401. https://doi.org/10.1038/s41598-025-90373-w Jin C, Fan C, Gong Y, Huang X. An analysis of spatial changes in the manufacturing industry in China’s three major urban clusters from 2015 to 2019 using POI data. Scientific Reports. 2025;15(1):7401. https://doi.org/10.1038/s41598-025-90373-w An identification of industrial functional zones based on NLP: Evidence from online commercial registration data / M. Yuanting [et al.] // Sage Open. 2023. Vol. 13. № 1. https://doi.org/10.1177/21582440231153854 Yuanting M, Sun Y, Weng F, Xu Y. An identification of industrial functional zones based on NLP: Evidence from online commercial registration data. Sage Open. 2023;13(1). https://doi.org/10.1177/21582440231153854 Clustering, growth, and inequality in China / D. Guo [et al.] // SSRN Electronic Journal. 2017. P. 1–47. https://doi.org/10.2139/ssrn.3159741 Guo D, Jiang K, Xu C, Yang X. Clustering, growth, and inequality in China. SSRN Electronic Journal. 2017:1–47. https://doi.org/10.2139/ssrn.3159741 Does determination of initial cluster centroids improve the performance of K-means clustering algorithm? Comparison of three hybrid methods by genetic algorithm, minimum spanning tree, and hierarchical clustering in an applied study / S. Pourahmad [et al.] // Computational and Mathematical Methods in Medicine. 2020. Vol. 2020. № 1. P. 636857. https://doi.org/10.1155/2020/7636857 Pourahmad S, Basirat A, Rahimi A, Doostfatemeh M. Does determination of initial cluster centroids improve the performance of K-means clustering algorithm? Comparison of three hybrid methods by genetic algorithm, minimum spanning tree, and hierarchical clustering in an applied study. Computational and Mathematical Methods in Medicine. 2020;2020(1):636857. https://doi.org/10.1155/2020/7636857 Entrepreneurship and industrial clusters / X. Zhu [et al.] // Small Business Economics. 2018. Vol. 52. № 3. P. 595–616. https://doi.org/10.1007/s11187-017-9974-3 Zhu X, Liu Y, He M, Luo D, Wu Y. Entrepreneurship and industrial clusters. Small Business Economics. 2018;52(3):595–616. https://doi.org/10.1007/s11187-017-9974-3 Frattini F., Prodi G. Industrial clusters in China: Policy tools for further and more balanced development // European Review of Industrial Economics and Policy. 2012. № 5. P. hal-03469549. Frattini F, Prodi G. Industrial clusters in China: Policy tools for further and more balanced development. European Review of Industrial Economics and Policy. 2012;(5):hal-03469549. Geographic clusters, regional productivity and resource reallocation across firms: Evidence from China / D. Guo [et al.] // Research Policy. 2023. Vol. 52. № 2. P. 104691. https://doi.org/10.1016/j.respol.2022.104691 Guo D, Jiang K, Xu CG, Yang X. Geographic clusters, regional productivity and resource reallocation across firms: Evidence from China. Research Policy. 2023:52(2):104691. https://doi.org/10.1016/j.respol.2022.104691Chen Z, Geographic concentration of industries in Jiangsu, China: A spatial point pattern analysis using micro-geographic data / X. Zhang [et al.] // The Annals of Regional Science. 2021. Vol. 66. P. 439–461. https://doi.org/10.1007/s00168-020-01026-x Zhang X, Yao J, Sila-Nowicka K, Song C. Geographic concentration of industries in Jiangsu, China: A spatial point pattern analysis using micro-geographic data. The Annals of Regional Science. 2021;66:439–461. https://doi.org/10.1007/s00168-020-01026-x Li G., Branstetter L. G. Does «Made in China 2025» work for China? Evidence from Chinese listed firms // NBER Working Paper Series. 2022. Vol. 53. № 6. P. 105009. Li G, Branstetter LG. Does «Made in China 2025» work for China? Evidence from Chinese listed firms. NBER Working Paper Series. 2022;53(6):105009. Nguyen S. D. Centroid-based clustering validity: Method and application to quantification of optimal cluster-data space // Soft Computing. 2024. Vol. 28. P. 10853–10872. https://doi.org/10.1007/s00500-024-09871-0 Nguyen SD. Centroid-based clustering validity: Method and application to quantification of optimal cluster-data space. Soft Computing. 2024;28:10853–10872. https://doi.org/10.1007/s00500-024-09871-0 Pandey K. K., Shukla D. NDPD: An improved initial centroid method of partitional clustering for big data mining // Journal of Advances in Management Research. 2023. Vol. 20. № 1. P. 1–34. https://doi.org/10.1108/jamr-07-2021-0242 Pandey KK, Shukla D. NDPD: An improved initial centroid method of partitional clustering for big data mining. Journal of Advances in Management Research. 2023;20(1):1–34. https://doi.org/10.1108/jamr-07-2021-0242 Spatial agglomeration of China’s forest products manufacturing industry: Measurement, characteristics and determinants / Z. Chen [et al.] // Forests. 2021. Vol. 12. № 8. P. 1006. https://doi.org/10.3390/f12081006 Chen Z., Zhu H, Zhao W, Zhao M. Spatial agglomeration of China’s forest products manufacturing industry: Measurement, characteristics and determinants. Forests. 2021;12(8):1006. https://doi.org/10.3390/f12081006 Spatial distribution characteristics and driving factors of little giant enterprises in China’s megacity clusters based on random forest and MGWR / J. Duan [et al.] // Land. 2024. Vol. 13. № 7. P. 1105. https://doi.org/10.3390/land13071105 Duan J, Zhao Z, Xu Y, You X, Yang F, et al. Spatial distribution characteristics and driving factors of little giant enterprises in China’s megacity clusters based on random forest and MGWR. Land. 2024;13(7):1105. https://doi.org/10.3390/land13071105 Spatial-temporal analysis of industrial heat and productivity in China / J. Lai [et al.] // Applied Geography. 2022. Vol. 138. P. 102618. https://doi.org/10.1016/j.apgeog.2021.102618 Lai J, Zhu J, Chai J, Xu B. Spatial-temporal analysis of industrial heat and productivity in China. Applied Geography. 2022;138:102618. https://doi.org/10.1016/j.apgeog.2021.102618 Wang J., Saxena A., Sintunavarat W. An empirical study on initializing centroid in K-means clustering for feature selection // International Journal of Software Science and Computational Intelligence. 2021. Vol. 13. № 1. P. 1–16. https://doi.org/10.4018/IJSSCI.2021010101 Wang J, Saxena A, Sintunavarat W. An empirical study on initializing centroid in K-means clustering for feature selection. International Journal of Software Science and Computational Intelligence. 2021;13(1):1–16. https://doi.org/10.4018/IJSSCI.2021010101 Yan M., Li Q., Song Y. Spatial and temporal distribution characteristics and influential mechanisms of China’s industrial landscape based on geodetector // Land. 2024. Vol. 13. № 6. P. 746. https://doi.org/10.3390/land13060746 Yan M, Li Q, Song Y. Spatial and temporal distribution characteristics and influential mechanisms of China’s industrial landscape based on geodetector. Land. 2024;13(6):746. https://doi.org/10.3390/land13060746 Zeng G., Hu Y., Zhong Y. Industrial agglomeration, spatial structure and economic growth: Evidence from urban cluster in China // Heliyon. 2023. Vol. 9. № 9. P. e19963. https://doi.org/10.1016/j.heliyon.2023.e19963 Zeng G, Hu Y, Zhong Y. Industrial agglomeration, spatial structure and economic growth: Evidence from urban cluster in China. Heliyon. 2023;9(9):e19963. https://doi.org/10.1016/j.heliyon.2023.e19963