基于大數據的精準招商策略的研究與應用

摘要：招商引資工作已經成為全國各地經濟工作的重點，菏澤市貫徹落實山東省委、省政府的工作要求，在“雙招雙引”的上做了大量工作，取得了一定成績，但仍存在一定的問題。本文針對當前問題，提出基于大數據精準招商的策略，其重要作用及突出貢獻主要體現在以下三個方面：1.整合政府各部門和互聯網企業掌握的相關招商分散數據，建立招商引資大數據平臺，為政府招商提供面向特定主題的專業分析和智能研判，有效打破“數據孤島”;2.通過數據爬蟲技術，及時并不間斷的收集網絡上有關招商信息，實現數據的精確采集和自動增量采集，拓寬招商信息獲取的渠道;3.利用大數據平臺，從海量數據中挖掘和分析出數據之間的關聯程度，讓政府根據自身產業發展需要，篩選行業和企業，實現政府精準招商，高效招商。

關鍵詞：大數據;精準招商;數據爬取

一、基于大數據精準招商的研究概況

1.1 研究背景

招商引資是指一個國家或者地區為了促進發展擴大開放，而采取的一系列提供優質的生產要素包括基礎設施建立、投資環境創造等來吸引外來資金加入進行經營的活動[1]。在我們國家近幾十年的發展歷程中，招商引資對國家經濟的發展起到了舉足輕重的作用;在推進國家市場經濟體制改革的過程中，承擔了至關重大的角色。招商引資在促進經濟發展的過程中可以起到連帶效應，對人才培養、技術發展、生產力轉型等都起到積極有效的作用。在基礎設施、醫療、教育、住房、服務及社會福利等多方面的建設中，都得到了明顯的改善，公共利益也能夠得到有效的維護。在傳統的招商引資模式中，政府起到了主導性作用。作為政府-制定政策、實施政策和監督執行的部門，他們具有權威性、指導性和話語權，又具有較高的可信度，可以通過舉辦大型招商引資推介會吸引知名企業，同時也使企業能有有效獲取最前沿、最確切的政策信息，享受相關地方政府提供的相關扶持政策。

招商引資、招才引智是對外開放的核心內容，也是全國各地經濟工作的重點。山東省委省政府在落實推進新舊能轉換的工作中提出要高度重視“雙招雙引”工作，近年來，菏澤市在“雙招雙引”上做了大量工作，召開系列會議推出系列舉措并取得了一定成績，但與先進地區還具有一定差距，存在一些問題[2]。我市產業規劃、項目策劃還不夠清晰、不夠精準，招商的方向和重點不明確;需要招哪些項目、怎么招來項目這些方面，我們的方法不多，思想還不夠解放。

大數據是繼云計算、物聯網之后IT產業又一次顛覆性的技術革命，它將會對政府和企業的數據中心產生顛覆性影響[3]。因此，新形勢下的招商引資不是過去的翻版，而是具有高質量、高精度和專業化為主要特征的“升級版”。在信息爆炸式增長的大數據時代，菏澤作為經濟欠發達的地區，要在全省激烈的招商競爭有所突破，政府招商部門就需要充分運用互聯網思維、大數據技術創新招商模式，將招商引資工作提升到一個新的戰略高度。

1.2 研究現狀

目前，各地采用的招商引資形式多式多樣各有側重點，成效各有所長各有千秋，但同時也面臨一些共性問題：由于對資源的分析深度有限從而造成信息的不對稱[4];對引進目標項目的方向不明確、潛力發掘不深入。這些問題很大程度上削減了招商引資的成效，降低了招商引資的效率。

“大數據”的到來對當今社會的政治、經濟生活已經產生了巨大變革，尤其對政務工作的開展也產生了深遠影響。目前，北京、上海、深圳經濟發達地區已經率先運用大數據思維開展招商引資工作。廣西貴州、浙江桐鄉、重慶國內諸多城市和地區也逐步建立了在線平臺進行信息的共享以及數據的深入分析，實現招商引資的精準化、智能化。在當前經濟發展常態化的環境下，菏澤市政府應盡早開展大數據招商方面的研究和試點，以提高招商引資精準度和效率。

1.3 研究的意義及重要性

研究本課題的主要意義及重要性體現為以下四個方面：

1.響應國家提出的大數據戰略。黨的十八屆五中全會提出“實施國家大數據戰略”，黨中央、國務院高度重視大數據在經濟社會發展中的作用[2]。利用大數據技術實現政府精準招商，從而使政府招商工作實現智慧化和專業化。

2.落實山東省雙招雙引工作。山東省委書記劉家義建議引領改革潮流、樹立開放大潮，進一步推動促進高質量招商引資和招才引智。本課題就是將大數據技術融入到菏澤“雙招雙引”工作中，以提升本市對外招商的效率，更好的貫徹落實山東省委、省政府的工作要求。

3.充分利用大數據資源確保招商精準化。大數據精準招商就是依托大數據技術獲取有效的信息資源，為菏澤市打造具有區域特色的大數據平臺，挖掘適合自身產業發展的資源價值，精準鎖定目標企業，精準挖掘投資線索，從而實現高質量發展[2]。

4.加強高校與地方的產學研合作，服務地方經濟發展。菏澤學院計算機學院致力于大數據技術的研究、開發與應用，具有豐富的教育資源、科技資源以及大量人才，能為政府的宏觀調控供理論論證、技術支持，加強地方政府和高校雙方的合作能夠帶來巨大的社會價值[2]。

二、實施策略的主要方法及設計目標

2.1 主要方法

要創建具有區域特色的大數據平臺，并從中挖掘適合自身產業發展的資源價值，最重要的是要研究分析建立哪些數據庫，如何進行相關數據的采集以及如何進行數據整合，如何利用大數據技術挖掘有價值的資源、實現精準招商。因此，本課題主要通過以下三種方法進行具體任務的實施。

1.收集資料。收集和整理相關資料是招商引資工作中一項十分艱巨繁重的任務，對所有環節都起著舉足輕重的作用。要實現精準招商就要做到與時俱進、時刻關注新業態。當前，我們利用數據爬蟲技術提升搜集資料和文獻工作的高質高效性，同時，還可以利用數據挖掘及數據分析技術，研究分析政策法規，總結探討新興業態發展趨勢，為開展下一步工作夯實基礎。

2.座談與實地調研。召集市發改、經信、招商、市場監管等有關政府部門，進行座談溝通，建立部門間數據交換機制;深入各部門現場，收集有關部門掌握的企業和項目數據，通過座談和調研實現部門之間數據的整合，各項政策的無縫對接;多方聯動有效促進建設大數據招商平臺。

3.理論與實驗相結合。對研究的重點和難點算法進行充分論證，提出可行的方法和理論模型，然后通過計算機程序語言進行試驗驗證，評估算法執行的效果，不斷改進和優化算法，以達到課題研究要求。

2.2 重點難點及分析

2.2.1.重點

1.研究政府部門、企業、行業、網絡等各類分散數據如何實現有效整合。2.研究基于人工智能、機器學習的數據爬蟲技術，設計智能爬取數據的算法。3.利用海量數據多角度、多維度為招商決策提供基于數據挖掘的智能推薦引擎的設計。

2.2.2.難點

1.抽象數據建模，設計和建立數據庫。2.數據爬蟲智能算法的設計和實現。3.針對不同的招商需求，設計相匹配的數據挖掘算法。

2.3 設計目標

針對當前地方政府在招商引資過程出現的問題及面臨困難，本文實現以下三個設計目標：

1.目前招商數據掌握在政府各部門和互聯網企業中，呈各自分散的數據孤島，通過招商大數據平臺整合分散數據，可以為政府招商提供面向特定主題的專業分析和智能研判，有效打破“數據孤島”，提高政府效能。

2.通過數據爬蟲技術，可以不間斷、及時收集到網絡上有關招商信息，實現了數據的精確采集和自動增量采集，大大減輕了招商信息收集的困難程度，拓寬了招商信息獲取的渠道。

3.利用大數據平臺，可以從海量數據中挖掘和分析出數據之間的關聯程度，讓政府可以根據自身產業發展需要，篩選行業和企業，有效解決招什么，去哪里招，怎么招的問題，實現政府精準招商，高效招商。

三、精準招商數據庫的構建

3.1獲取數據的方法與途徑

3.1.1 招商部門與各政府部門協調合作

要保證招商引資工作的有效運行，需要整合多部門的數據：政府數據、企業數據以及市場數據等。隨著政府部門信息化建設的不斷推進，發展與改革委員會、經濟和信息化委員會、工商行政管理局，各地市的稅務局、統計局等部門都基本形成了服務于本單位工作職能的數據庫，并建立有效的綜合數據平臺，但目前這些數據是各自獨立的，不能形成一個具有統一結構的和服務多部門能力的綜合數據庫[2]。因此，有必要將招商部門和各政府部門之間進行綜合協調，形成不同部門之間的聯動機制，以實現數據的互聯互通。只有通過各部門的協同合作，才能構建好大數據平臺，實現數據價值的最大化。

3.1.2 通過大數據爬蟲技術對相關數據進行爬取

在招商引資過程中，政府需要充分掌握企業和項目的相關信息，不能再停留在使用傳統搜索引擎的方式來搜索數據。大數據爬取技術的原理是按照某種算法規則，自動地爬取頁面信息，將爬取到的頁面內容作為大數據招商平臺的數據來源，同時也可以為招商數據的分析提供數據源，并提取關鍵有用的數據來實現招商信息的精準獲取。

3.2 建立招商引資數據庫

根據設計目標，精準招商大數據平臺的設計主要包括四個模塊：

1.建立基本信息數據庫：這些數據主要來源于政務信息資源庫中招商引資相關政策，同時還可以從政務信息庫中獲取企業注冊信息、項目審批信息、企業財稅數據、統計數據等數據，從政務信息資源庫中獲得的數據經過整合后，從其中抽取和招商引資密切聯系的數據，匯總成招商基本信息庫，在開展招商引資活動時，能夠依托基本信息數據庫第一時間掌握政策大風向[2]。

2.建立項目數據庫：項目庫主要承載著項目的征集、包裝、洽談、簽約、審核、落地等一系列活動的信息和狀態掌握，重點記錄各縣區和市直部門集中簽約和自主簽約的項目，從項目簽約、落地、建設、投產等各個環節進行跟蹤記錄[2]。

3.建立重點企業數據庫：動態收集并梳理篩選世界500強企業、中國500強企業、中國500強民營企業信息，綜合考慮是否已在本地投資、行業準入限制、產能情況等其他因素，將其中一部分曾有過接觸或者曾來考察的企業列為重中之重[2]。

4.建立投資人信息數據庫：動態掌握重點投資人信息，將在全市舉辦各種招商引資會展活動或參加大型國際、國家和省內外政府展會、商業展會、行業專業展會等活動的商業領域優強企業和領軍人才納入投資人信息庫;同時對與市領導會見、與有關招商部門日常工作聯系緊密的投資企業或投資人進行重點記錄，并適時進行更新維護[2]。

3.3通過大數據分析提供招商決策

1.利用海量數據挖掘預測性線索并構建招商通路。根據我市自身發展的需要，對行業和企業進行篩選，自主挖掘招商線索，以實現高效招商[2]。

2.利用大數據技術實時跟蹤和督導全市招商引資項目開發、項目簽約、項目落地全過程，并針對項目推進的共性和個性化需求提供針對性的服務[2]。

3.在大數據的支持下，通過建立經濟模型，可以有效掌握地方資源和企業的匹配度，針對性分析特定投資人的需求，精準的篩選出潛在投資企業，并量身定制招商方案，從而快速提升招商效率，促進項目落地[2]。

四、關鍵技術的突破與實現

4.1 智能爬取算法的實現

要實現精準招商，最重要的環節是獲取企業的信息，并對爬取到的企業信息主題詞進行分析。首先，確定抓取的主題信息是否滿足政府招商引資的相關要求，同時分析抓取到的URL和頁面內容的關聯度，并刪除URL重復和相似度高的網頁數據，使抓取的數據更精準高效。本課題采用的是基于美國哈佛大學Rabin教授提出的Rabin指紋方法為基本思想的智能爬取算法[5]，該算法主要主要包括三個階段：

1.按照爬取策略獲取若干URL并對其去重;

2.遍歷爬取的URL計算頁面相似度;

3頁面相似度達到閾值進行聚類。

4.1.1 URL去重方法

對URL 進行去重的基本步驟如下：

1.創建列表X存放URL指紋映射，并標記是否被訪問;

2.創建列表U，被標記訪問標識的URL存入U中;

3.遍歷并計算每個URL的指紋值，存入列表X中。如果X[r]=0，則設置X[r]=1并存入U中;如果X[r]=1，丟棄。

4.1.2 頁面相似度計算方法

各地政府在部門網站中發布的招商引資需求和咨詢有很多的相似之處，而且知名企業的基本數據信息也會在互聯網廣泛的發布和宣傳，這會為政企對接合作帶來一定的難度。因此本文在爬取數據是要進行頁面相似度計算，挖掘出與主題最相近的頁面信息，以保證提取到最有價值的信息。該方法的好處是一方面能夠有效提高提取相關信息的有效性，另一方面將屏蔽掉相似度較高的頁面進而節約下載流量。對于頁面相似度的計算，本文采用基于文本的頁面相似度算法。該算法的基本思想是：1.對文本建模和表示;2.對文本進行分詞處理;3.計算分詞權重;4.用余弦向量計算相似度，相似度高于設置閾值，將判定為網頁具有相同內容。

4.1.3 聚合式層次聚類方法

聚類可以作為數據挖掘過程中對數據進行預處理的方法，采用聚類算法有助于在爬取數據的過程中將同類信息進行分類。層次聚類方法是聚類方法中的一種，主要包括聚合式層次聚類和分列式層次聚類。本文采用聚合式層次聚類方法將相似結構的網頁聚合到同一類中，選擇其中一個作為代表性URL。

基本的算法思想為：1.將重復的URL刪除，得到聚類之后的對象列表;2.設置閾值K，作為初始相似度值;3.將大于閾值K的URL頁面劃分到不同的子類中;小于閾值K的URL頁面繼續從列表中獲取值直至結束;4.獲取沒有重復和相似的URL頁面。

4.2 數據分析算法的實現

通過數據爬取技術獲取數據并存入招商引資數據庫中并不是本課題的最主要的目的，而是在此基礎上進一步挖掘出政策、企業、項目等信息之間的聯系，對信息進行匹配、對接、整合，進一步提高招商效率，才是研究本課題最重要的意義。關聯規則是數據挖掘中最常用的類型，它可以分析某些重要數據信息并分析其關聯數據，從而反映某些信息與其他信息之間的相關性和相互依賴性。

五、研究總結與展望

本課題的主要思想是以政府各部門政務信息為基礎，借助數據爬蟲技術爬取社會化數據并挖掘對招商有價值的數據資源，利用先進的大數據技術，建立一個大容量、功能強大、信息豐富、安全可靠的綜合型的招商引資大數據平臺。通過對大數據的分析、預測和統計，可以實現數據尋商、數據引商、數據助商，暢通招商引資的途徑和渠道，以實現招商引資工作的智能化、專業化和精準化[2]。本課題提出了實現精準招商的研究策略，距離實施運行還存在一定的距離。尤其在招商基礎數據的爬取與采集、數據價值的挖掘、數據可視化和界面友好化還存在較大的研究空間。本課題下一步工作的重點將在這幾個方面進行研究，以實現大數據精準招商平臺的落地實施。

參考文獻

[1]杜林.新常態下招商引資方式的創新研究[J].宿州教育學院學報，2016，19（5）

[2]張瑞藜.基于大數據的精準招商策略的研究與應用[J].科學大眾，2020（8）.

[3]趙倩倩，程國建，冀乾宇，戎騰學.大數據崛起與數據挖掘芻議[J].電腦知識與技術，2014，10（33）.

[4]宋林霖，何成祥.從招商引資至優化營商環境：地方政府經濟職能履行方式的重大轉向[J].上海行政學院學報，2019.

[5]梁正友，張林才.基于Rabin指紋方法的URL去重算法[J].計算機應用，2008，12（28）.

[6]P.Sumathia，R.Manickachezianb.Semantic Web Mining using Web Crawler and DOM Tree with EsvmModified SOM for Advanced Medical Information Retrieval System.[J].2017（12）.

[7]郭濤，張代遠.基于關聯規則數據挖掘 Apriori 算法的研究與應用[J].計算機技術與發展 2011（06）：101-103+107.

[8]謝志明.基于“云”環境下的數據挖掘并行關聯規則算法研究與實現[J].長沙：湖南大學，2015.