種業(yè)企業(yè)并購數(shù)據(jù)挖掘決策

馬玉璞 侯軍岐

（北京信息科技大學(xué)經(jīng)管學(xué)院/中國信息化與鄉(xiāng)村振興研究院，北京100192）

2012 年12 月國務(wù)院辦公廳印發(fā)了《全國現(xiàn)代農(nóng)作物種業(yè)發(fā)展規(guī)劃（2012-2020》，提出了“鼓勵育繁推一體化”。但是我國種業(yè)企業(yè)在種子銷售方面，由于利潤空間較大，銷售公司遍地開花，經(jīng)常會發(fā)生囤積堵售、哄抬價格等無序競爭，產(chǎn)業(yè)鏈條下游無序生長[1]。所以，我國種業(yè)企業(yè)需要進行適當?shù)目v向整合，以此來優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實現(xiàn)“育繁推一體化”。在種子的繁育環(huán)節(jié)，由于我國一直實行以農(nóng)戶為主體的農(nóng)業(yè)生產(chǎn)承包責任制，大多數(shù)種子生產(chǎn)繁育是通過分散的農(nóng)戶在露天環(huán)境下進行的，這種小而散的種子繁育生產(chǎn)活動，與規(guī)模化雜交生產(chǎn)種植所要求的嚴格隔離、單品種（組合）成片種植標準相悖[2]。所以，我國種業(yè)企業(yè)同樣需要以擴大經(jīng)營規(guī)模、減少固定成本為主的橫向并購。侯軍岐等[3]提出，我國目前的并購方式應(yīng)是“縱向整合優(yōu)先，橫向整合為主”。以最小的代價換取最大的收獲，發(fā)揮并購整合項目最大的價值，就需要在進行并購整合項目前，進行對企業(yè)的數(shù)據(jù)收集和挖掘，以此為基礎(chǔ)施行并購風險預(yù)測以及并購標選擇等并購決策工作，提高整合效率。

1 數(shù)據(jù)挖掘技術(shù)主要的三大功能

1.1 聚類功能 是通過對某些事物進行集合和分組，將類似的事物組成新的集合，并找到其中有價值的部分，根據(jù)事物的特征將其劃分為不同類別，便于數(shù)據(jù)后續(xù)查詢和應(yīng)用管理。現(xiàn)階段數(shù)據(jù)挖掘領(lǐng)域中常用的聚類算法包括CURE 算法、BICRCH 算法以及STING 算法[4]。

1.2 分類預(yù)測功能 數(shù)據(jù)挖掘技術(shù)可以總結(jié)數(shù)據(jù)的規(guī)律，分類和預(yù)測是數(shù)據(jù)挖掘過程的兩個重要步驟。首先，分類是進行數(shù)據(jù)挖掘的起始步驟，較為常見的方法為利用神經(jīng)網(wǎng)絡(luò)或決策樹模型對可預(yù)測的數(shù)據(jù)按照數(shù)據(jù)相應(yīng)的特征構(gòu)建不同的集合，再利用回歸分析法對數(shù)據(jù)進行動態(tài)估計，以此來發(fā)揮數(shù)據(jù)挖掘的預(yù)測功能。

1.3 關(guān)聯(lián)分析功能 從著名的沃爾瑪啤酒和尿布案例中可以看出各不同的事物之間具有盤根錯節(jié)的關(guān)聯(lián)，一件事情的發(fā)生，可能引起一系列不相關(guān)事件的發(fā)生。數(shù)據(jù)挖掘通過一系列事件發(fā)生的概率進行分析，找到這些隱性的關(guān)聯(lián)，利用發(fā)現(xiàn)的規(guī)律對未來可能發(fā)生的事件進行估計。

2 種業(yè)企業(yè)并購數(shù)據(jù)結(jié)構(gòu)

在進行數(shù)據(jù)挖掘時，不光要對企業(yè)的經(jīng)營、財務(wù)狀況等企業(yè)數(shù)據(jù)進行挖掘、分析工作，還需對種子商品本身進行數(shù)據(jù)收集工作，因為種子作為一種特殊的商品，價值最終的實現(xiàn)除了種子自身品質(zhì)外，還必須與外部的自然條件（溫度、濕度、水分、土壤等）、栽培技術(shù)、管理技術(shù)、加工工藝等相配套[5]。以種業(yè)價值鏈條來進行分析，種業(yè)大數(shù)據(jù)分為種子研發(fā)階段大數(shù)據(jù)、種子生產(chǎn)階段大數(shù)據(jù)和種子銷售階段大數(shù)據(jù)，每階段的數(shù)據(jù)信息不僅具有估計企業(yè)價值的作用，還具有挖掘和放大其他資源的價值能力，利用回歸分析等統(tǒng)計學(xué)方法可以分析出企業(yè)的盈利狀況、企業(yè)未來發(fā)展情況。

2.1 種子研發(fā)階段大數(shù)據(jù) 種子研發(fā)是種業(yè)鏈條中的首要環(huán)節(jié)，該環(huán)節(jié)包括品種優(yōu)化和新品種的開發(fā)等技術(shù)性工作，從種業(yè)企業(yè)的視角出發(fā)，育種科研是品種創(chuàng)新的源泉。其所產(chǎn)生的數(shù)據(jù)不僅包括品種對環(huán)境的適應(yīng)情況，在不同陽光、水分和氧氣的環(huán)境下所表現(xiàn)出的生長情況等生長數(shù)據(jù)，還包括轉(zhuǎn)基因、新品種開發(fā)等技術(shù)數(shù)據(jù)。國際種業(yè)巨頭孟山都通過1996 年開放大規(guī)模轉(zhuǎn)基因種植，逐步成為了種業(yè)行業(yè)的領(lǐng)頭羊。

2.2 種子生產(chǎn)階段大數(shù)據(jù) 種子生產(chǎn)環(huán)節(jié)決定著種子產(chǎn)品的質(zhì)量，所以本環(huán)節(jié)的數(shù)據(jù)主要包括種子的質(zhì)量指標，具體表現(xiàn)為所產(chǎn)出種子的純度、凈度和含水量。因為種子產(chǎn)品是有壽命的有機生命載體，所以種子的抗病性、抗旱性等一系列特性也是表現(xiàn)種子質(zhì)量的重要數(shù)據(jù)指標。種子加工是提高種子質(zhì)量，實現(xiàn)種子商品化的重要手段，種子加工需要針對不同的種子特性研究不同種子的處理方法，所以種子加工方式是否科學(xué)，也是種子生產(chǎn)階段的重要 數(shù)據(jù)。

2.3 種子銷售階段大數(shù)據(jù) 銷售與收益直接掛鉤，所以銷售環(huán)節(jié)在種業(yè)產(chǎn)業(yè)鏈條中占重要地位。種子銷售階段大數(shù)據(jù)主要包括品種推廣、種子銷售及售后服務(wù)等服務(wù)信息和企業(yè)毛利潤、營業(yè)收入等財務(wù)信息。該階段是企業(yè)與種子消費者廣泛接觸的過程，其中所產(chǎn)生的數(shù)據(jù)主要體現(xiàn)種業(yè)企業(yè)的營銷能力、顧客對該企業(yè)產(chǎn)品的忠誠度和企業(yè)的盈利能力。

3 數(shù)據(jù)挖掘決策思路及改進建議

決策是指面對困難通過信息收集加工，做出判斷得出結(jié)論的過程，而數(shù)據(jù)挖掘技術(shù)是采取一定的方法，從信息時代中形形色色的數(shù)據(jù)提煉出那一部分有用的信息，二者相輔相成。隨著大數(shù)據(jù)時代的到來，人類與自然之間的信息溝通方式有進一步的革新，通過新一代的信息技術(shù)如Map Reduce、BSP等計算機模型，對數(shù)據(jù)進行計算，利用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)對數(shù)據(jù)進行處理分析，可以更加“智慧”地挖掘信息。

在經(jīng)濟、信息化和互聯(lián)網(wǎng)為特征的現(xiàn)代經(jīng)濟背景下，企業(yè)競爭日益激烈，當市場環(huán)境越復(fù)雜，市場動態(tài)性越高，企業(yè)業(yè)務(wù)差距越大，企業(yè)整合風險就會越大，種子產(chǎn)品本身具有價值鏈長、涉及環(huán)節(jié)多、時間跨度大等特點，大大增加了種業(yè)企業(yè)整合風險[6]。 以往的企業(yè)決策，更多的是依靠管理者的經(jīng)驗，數(shù)據(jù)收集及數(shù)據(jù)分析等前期準備工作不足，這樣的方式面對當下市場愈加多變的博弈要素難以做出正確的決策。國內(nèi)家電巨頭TCL 收購湯姆遜公司，TCL 在并購前期對湯姆遜公司的信息收集及數(shù)據(jù)分析不足，并購后產(chǎn)業(yè)競爭力不足、品牌整合乏力、文化整合受阻，導(dǎo)致企業(yè)經(jīng)營前期巨額虧損。所以要利用數(shù)據(jù)挖掘技術(shù)提高決策效率和成功率，加快企業(yè)的響應(yīng)速度和反應(yīng)能力，利用數(shù)據(jù)挖掘技術(shù)的聚類、預(yù)測等功能結(jié)合種業(yè)企業(yè)大數(shù)據(jù)，進行種業(yè)企業(yè)并購風險評估，預(yù)測企業(yè)并購整合可能發(fā)生的事件，對項目進行整改，保證并購整合項目的成 功率。

首先，在進行并購整合項目前，針對并購標的種業(yè)價值鏈的三大階段，收集企業(yè)近10 年或近20年的種子研發(fā)階段大數(shù)據(jù)、種子生產(chǎn)階段大數(shù)據(jù)、種子銷售階段大數(shù)據(jù)，再利用Map Reduce 等計算機模型對數(shù)據(jù)進行計算，可得到表現(xiàn)出企業(yè)經(jīng)營狀況、收益情況、品種創(chuàng)新情況、顧客忠誠度等企業(yè)經(jīng)營情況的實時數(shù)據(jù)，利用回歸分析等方法，對數(shù)據(jù)進行動態(tài)估計，預(yù)測企業(yè)并購后的收益情況，并估計出相應(yīng)的概率。根據(jù)數(shù)據(jù)專家、學(xué)者和種業(yè)企業(yè)管理者對企業(yè)在收益、品種創(chuàng)新和顧客忠誠度方面的表現(xiàn)情況進行打分，將數(shù)據(jù)構(gòu)建成兩兩對比矩陣，將多家公司進行對比，找出最適宜的并購公司，做出最佳選擇，也可利用人工神經(jīng)網(wǎng)絡(luò)、決策樹等模型，幫助企業(yè)進行并購決策。

目前，數(shù)據(jù)挖掘技術(shù)在種業(yè)并購項目的應(yīng)用方面依然存在許多問題。因為品種的生命周期往往呈幾何級數(shù)增長，倘若多個階段的資金擠壓，會給企業(yè)帶來難以估計的財務(wù)隱患，且種子產(chǎn)品受諸多外界因素影響，如天氣、政策等，以現(xiàn)階段的模型以及計算方法對種子這種長周期、高風險的產(chǎn)品預(yù)測出的數(shù)據(jù)很可能會和現(xiàn)實狀況不匹配。

面對這樣的情況，專家、學(xué)者以及種業(yè)企業(yè)工作人員應(yīng)該根據(jù)種子的特殊性，建立專業(yè)的種業(yè)企業(yè)并購數(shù)據(jù)挖掘以及預(yù)測模型，數(shù)據(jù)的收集不應(yīng)局限于傳統(tǒng)的企業(yè)收益以及管理和銷售情況，應(yīng)從種業(yè)價值鏈條的三大階段入手，收集大數(shù)據(jù)。如新種品的開發(fā)，應(yīng)由專業(yè)人士評估該品種未來的價值，以此來建立專業(yè)的種業(yè)企業(yè)估價模型，盡可能地縮短模型預(yù)測結(jié)果和現(xiàn)實情況的差距。