大數據驅動的烽火創新谷孵化器運營管理

李 群

(湖北省對外科技交流中心，湖北 武漢430071)

0 引言

經過多年來的發展，我國孵化器的數量、規模、種類、基礎設施、社會網絡、服務功能、孵化效率等都實現了非常大的突破。過去，科技成果轉化相關的思路停留在找專家論證，繼國家提出了科技興國、科技強國戰略目標之后，科技成果轉化思路轉變為找實踐論證，找市場論證，科技企業孵化器所能發揮的作用和承載的功能愈發凸顯，對促進科技創新成果的轉化和助推區域經濟發展不斷發揮著重要作用[1]。

本文以烽火創新谷孵化器為研究對象，對大數據時代下的科技企業孵化器運營管理進行研究，一方面可以豐富大數據對科技企業孵化器運營管理影響和促進的相關理論研究內容，另一方面，在烽火創新谷孵化器的運營管理實踐中，借此探索研究該孵化器的運營管理新思路，降低孵化器的運營成本，提高孵化器的盈利能力，把握大數據技術為孵化器行業帶來的良性運營機遇，為更多新型孵化平臺和業態提供實踐依據和借鑒。

1 大數據對管理決策的影響

維克托·邁爾-舍恩伯格及肯尼斯·庫克耶指出大數據是不用隨機分析法(抽樣調查)而采用所有數據的方法，具有Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)的“4V”特點[2]，體現在大數據的規模大，龐雜，對數據存儲和計算兩個環節尤其突出，大數據的類型主要包括結構化，半結構化和非結構化數據，非結構化數據正在爆炸式的增長。另外兩個特征是快速化和價值化，大數據能夠更好地滿足實時性需求和核心資源沉淀的價值需求[3]。

大數據要求較之對因果關系的深究，更加關注關聯分析，因為每一種數據的表現形式都不是全貌，同時其復雜的形式還要求通過人機交互來將主觀知識(本能、經驗、規范、常識等)融合到數據的二次挖掘中[4]。在管理決策理論中，企業的決策過程一般包含確定目標、信息搜集、方案備選、方案確認、方案實施以及過程與反饋，大數據運用貫穿于整個動態決策過程，功能依次是數據采集、數據分析、數據篩選、數據服務和數據控制[5]，通過量化函數的算法來主導每個管理決策，逐漸衍生出各項經營管理策略，比如運營策略、財務策略、營銷策略等。

2 數據驅動型運營管理系統

2.1 數據驅動運營管理系統設計

本文依據科技部的科技企業孵化器評價指標體系相關指標選取了其中6項權重占比較大的評價指標來作為對烽火創新谷運營能力的粗略評估，包括孵化器收入(Bonus)、每千平米孵化面積的高素質就業人數(Employment)、新企業利潤增長率(Profit)、單位面積公共服務平臺投資額(Finance)、在孵企業平均獲得風險投資額(Investment)、在孵企業擁有自主知識產權數(Knowledge)[6-7]。基于以上特定的運營服務對象特點和信息采集，本文圍繞6項重要的運營管理指標設計出了一套運營管理系統稱之為BEPFIK運營管理架構。目的在于建立一套實時的“監控-評價-反饋-提升”閉環管理體系，及時反映運營過程中的疏漏與問題，為烽火創新谷運營決策者和創業團隊動態調整各自的運營策略，提升運營績效表現提供重要依據和支撐。理論上整個管理系統需要能夠覆蓋企業經營的各個環節，但烽火創新谷所面臨的運營壓力又不可能等待系統各項功能完善后再啟用，只能結合企業發展初期最為緊要的需求，迅速開展初期研發并投入使用，在使用中不斷修正和完善。

在圖1中，大數據驅動的BEPFIK模型作用于烽火創新谷孵化器運營管理流程的每個環節，從總體架構設計圖左側開始，導入烽火創新谷孵化器內外部資源的完全或不完全數據，通過模型算法導出不同方向的數據分析報告，用于在正向運營環節中針對不同的企業提供個性化的孵化服務內容，從而更好的完成各項目標的輸出。當接受服務的在孵企業數量達到一定規模后，意味著BEPFIK模型從“輸入”“孵化”“輸出”“反饋提升”4個環節中能夠獲取的數據量越大，則可以根據運營管理過程反饋出來的目標績效來更好的修正數據模型的參數，為烽火創新谷運營方和在孵企業提供多維度全流程的業務解決方案，包括政策篩選、候選企業背景分析、企業數據與成長性評估、企業運營決策輔助、企業發展跟蹤、孵化器運營指標評價以及其它日常運營功能模塊，逐步提升模型的智能決策輔助水平。

圖1 總體架構設計

2.2 BEPFIK運營管理系統技術框架

2.2.1 BEPFIK運營管理系統特征

BEPFIK運營管理系統對烽火創新谷內在孵企業背后的數據線索采取關聯性分析，對烽火創新谷整體運營進行監控、評價以及決策輔助，通過海量線上和線下調研數據構建指標體系[8]，匯聚各類型數據源，以此實現以下幾個功能：對在孵企業經營管理數據的采集，對孵化器所在區域的產業分布和經濟環境進行分析，對在孵企業的經營信用進行記錄以及對其產品質量進行動態監測。首先，對純人工走訪調研，編制調研報告，歸檔紙質資料，BEPFIK運營管理系統應用能夠大幅降低運營成本，因為信息化系統可以用最小的邊際成本撬動更大的價值，互聯網海量的多樣化數據源可以為運營決策提供強大的數據支撐；其次，互聯網可以突破時間以及地域空間的限制，改變傳統運營管理的處理方式，讓各類運營服務能更精準的匹配在孵企業的要求并且有較強的時效性，減少信息不對稱，幫助業務迅速增長。

BEPFIK運營管理系統還具有幵放性的優勢，能夠直接通過端口的集成或調用來提供更廣泛的第三方應用和數據服務。待入孵企業在系統內注冊，企業可以定制各子系統的功能模塊，從日常考勤管理到專業的財務管理和技術開發，都能夠找到烽火創新谷自行開發的或者第三方信息服務商提供的信息化軟件模塊，且該軟件庫持續更新。

2.2.2 BEPFIK運營管理系統的技術架構

BEPFIK運營管理系統的4個子系統均屬于數據監控類系統，數據監控平臺的技術架構通常包含數據采集層、行為建模層、構建畫像層、運營決策層，具體如圖2所示。在數據采集層，通過從人行、征信機構、運營商、工商稅務部門、門戶網站以及企業使用的信息化管理系統等引入在孵企業的征信信息、評估報告、交易記錄等數據源來進行數據匯總[9]；在行為建模層，通過文本挖掘、機器學習等智能算法來設計系統的審查規則，按照不同的風險指標建立模型體系；在構建畫像層，通過一些強相關的數據指標對模型打分，以此來確定初期的企業畫像和信用級別。在運營決策層，通過風險決策矩陣的計算結果，對不同評級的在孵企業給予不同的決策建議。

圖2 數據平臺

(1)數據采集層。數據采集層可獲取到企業授權的各種格式的數據和通過接入第三方數據，另外還有通過爬蟲抓取的非結構化數據，多渠道采集的數據，在沿用以往決策變量的基礎上還需要把相關邊緣化的數據納入分析，比如對交易、社交、金融等數據進行更為全面的融合。這些多樣化的數據源積累到一定量級就可以利用機器算法去訓練海量數據來達到秒級響應[10]。多渠道采集的數據類型(見表1)。

表1 數據類型

(2)行為建模層。行為建模層主要是建立分析模型，是非常核心的模塊，通過機器算法來挖掘出數據的價值，典型的行為算法包含聚類算法、文本挖掘、機器學習、預測算法、自然語言處理。

(3)構建畫像層。通過搜集在孵企業各項行為數據，將企業的社會屬性、社交關系等數據背后的信息進行提煉，便于決策模型進行預處理分析，用數據訓練機器的智能化水平，進而描繪出屬于在孵企業的商業特征和全貌，為烽火創新谷運營方提供足夠的企業評判依據，針對技術創新、市場營銷等環節提供差異化服務。畫像對現實中的在孵企業進行數據建模，將業務管理、用戶行為用數據進行展示，逐步讓計算機能夠更加智能的模擬運營者的決策行為。構建畫像層思路如圖3所示。

圖3 構建畫像層

(4)運營決策層。根據用戶畫像為不同的用戶制定不同運營策略，借助于BEPFIK運營管理系統實時收集數據，監測企業各種數據，一旦發現運營決策對于在孵企業的經營管理有明顯的幫助，則重點指導企業在相應指標數據上做出進一步的深度挖掘與應用。

2.2.3 BEPFIK運營管理系統關鍵驅動模塊構建

BEPFIK運營管理系統由4個監控管理子系統構成，分別是孵化器數據采集系統、產業分布經濟監控系統、孵化企業信用監管系統以及產品質量動態監管系統，現就4個子系統的關鍵驅動模塊展開討論。

(1)孵化器數據采集系統，主要是通過在該系統內嵌入各類企業信息化管理軟件模塊，實現對烽火創新谷以及在孵企業經營管理數據的抓取，系統是由協同辦公、在孵企業管理、公共研發平臺管理、財務管理、物業管理等模塊組成的軟件庫，同時還包括對政府門戶網站、金融機構等其他互聯網平臺的數據鏈接，烽火創新谷運營團隊通過軟件模塊中的各種行為記錄來實現對數據的采集和沉淀，不斷為BEPFIK運營管理系統中的其他子系統提供各類數據源。

(2)產業分布經濟監控系統，主要對產業環境和區域經濟進行總體分析，以數據、圖像、圖形、圖表、概述性報告等幾種方式提供數據、信息和知識。提供產業規模、供應鏈情況和產業分布情況的分析與展示，為烽火創新谷孵化器緊跟區域經濟發展需求，篩選有投資潛力和發展潛力的優秀企業提供依據。產業分布經濟監控系統中會輸出一系列的經濟運行數據分析，如表2所示。

表2 經濟運行數據分析

(3)孵化企業信用監管系統主要對個體企業進行風險評估和信用監控，該系統由兩個重要功能組成，即智能輿情研判、企業風險評分和企業風險趨勢預測。智能輿情研判提供全面的基于語義的實時輿情信息，企業風險評分針對智能輿情研判的結果給出企業風險評分。風險評級的過程中會用到決策矩陣，用多個風險區間來界定不同在孵企業的信用評估值，并通過整體的風控目標模型來劃分風險等級。如表3所示。

表3 評價方式

(4)產品質量動態監管系統，主要是對孵化企業產品進行數據監控和分析，該系統包含兩個重要功能，即產品質量風險采集和產品質量風險評價。產品質量風險采集的信息源包含內部產品質量信息和外部產品質量信息，內部產品質量信息主要來自于企業使用的質量管理軟件模塊，包含產品基礎信息、質量問題信息、質量傷害信息等以及通過產品質量投訴等風險信息上報頁面填報的信息。產品質量監管外部信息主要來自于互聯網采集信息，包含質量風險新聞和全國產品質量抽檢信息。產品質量風險評價環節將相關數據匯集在單一產品上，并且將定性的數據定量化，通過產品質量風險評價模型，評價各類產品風險狀況。

以上4個數據驅動的運營管理子系統構成了BEPFIK運營管理系統的關鍵數據驅動模塊。

2.3 BEPFIK運營管理系統量化函數

2.3.1 BEPFIK運營管理系統參數設計

4個運營管理子系統主要完成烽火創新谷的信息化管理和數據收集工作，但是六項指標的獲取途徑依然需要企業上報，為了提升信息的實時性同時規避風險，本文通過信息系統優化工作流，同時加入輔助信息來對孵化器運營情況進行實時監控。具體設計如表4所示。

表4 參數設計

由此構建BEPFIK運營管理系統，該系統的具體數據計算方法如下：

烽火創新谷收入系數為b=Normalize(BINFO)，其中Normalize為歸一化函數。

單企業的利潤系數為p=Normalize(PINFO+PQ*PEN)，其中PINFO,PQ的計算由產業分布經濟監控系統和產品質量動態監管系統自動計算得出。

公共服務平臺投資系數f=Normalize(FINFO)。

單企業的投資額系數i=Normalize〔Trust(INET,IBP,IEN)〕，其中

單企業的知識產權系數k,

k=Normalize〔Max(KINFO,KEN,KNET)〕，其中Max(KINFO,KEN,KNET)表示取最大值，K*=b1K1+b2K2+…+bnKn，b1,b2…bn為加權系數，K1,K2…Kn表示知識產權類別。

孵化器運營能力為BEPFIK=f(B,E,P,F,I,K)，其中

2.3.2 BEPFIK運營管理能力指標量化函數

BEPFIK運營管理系統是針對烽火創新谷運營管理的量化模型，但是實際應用過程中，孵化器無法獲取完整的企業相關數據，因此本文采用間接量化的方式對孵化器運營管理進行輔助量化分析，用企業相關狀態來對烽火創新谷的孵化力進行描述，通過企業運營狀態值來對孵化力進行量化評估，以此反映運營管理水平。

本文對4個子系統：孵化器數據采集系統、產業分布經濟監控系統、孵化企業信用監管系統、產品質量動態監管系統均進行數據分析，對BEPFIK的相關指標進行度量以便確定BEPFIK=f(B,E,P,F,I,K)函數中的權重。其中U=(u1,u2,u3,...um)刻畫m種影響因素；BEPFIK=(v1,v2,v3,...,vn)刻畫每一因素所處狀態的n種決斷，進一步確定f函數。

度量f函數時需要用到多種分析方法，針對幾個要素進行逐一分析，對應到BEPFIK運營管理系統模型，以便提高運營管理能力。

通過整理多個在孵企業的各類數據樣本，歸納了4個系統的多個因素，例如：針對產業分布經濟監控系統則需重點關注如下數據：

(1)展現科技企業孵化器所在區域內宏觀經濟數據，如：生產總值、GDP增速、GDP貢獻、固定資產投資、社會消費品零售總額、進出口總額、財政收入等。

(2)展現行業規模、供應鏈情況和行業分布情況，為孵化器運營人員提供輔助決策。

基于BEPFIK數據模型驅動的科技企業孵化器運營管理系統實質是建立了一套實時的“監控-評價-反饋-提升”的閉環運營管理框架[12]，通過動態采集孵化器運營過程中的在孵企業及內外部環境的數據，立體呈現初創企業發展過程中的問題與機遇，為初創團隊動態調整經營策略，提升企業績效提供精準匹配的服務內容，孵化器在成就初創團隊過程中實現了自身的價值和盈利。

烽火創新谷應用案例中，BEPFIK數據模型驅動的運營管理監測系統可以從區域經濟、政府政策、科技扶持類企業外部環境以及從技術研發、產品質量、投融資類企業內部環境進行梳理和分析，減少信息錯誤和疏漏，用數據更全面的反映客觀事實。一方面使在孵企業能夠更清晰的剖析自身，迅速調整適應，另一方面使烽火創新谷能夠通過數據構建的企業畫像，為不同的企業匹配所需的服務與資源，幫助在孵企業迅速盈利、成長、畢業，以此不斷優化智谷眾創的孵化服務方向和服務內容提供依據，提升服務質量和效率[13-14]。

通過對案例的分析發現，數據驅動的孵化器運營管理模型能夠更加具體的反映市場環境，企業經管理問題，通過更多維度的關聯數據來發掘孵化器內外部價值，幫助企業及時響應變化與需求，帶來盈利。將數據驅動模型融入到傳統孵化器的運營管理中，能夠重塑孵化器的信息管理體系，發揮信息技術能力，促進孵化器運營管理效率提高，進而對運營管理的關鍵要素進行改造，發揮創新作用。

3 BEPFIK運營管理系統效果展示

3.1 基于物聯感知的智慧園區

由于烽火創新谷部分區域由老廠房改建而來，存在不同程度的設施老舊、管理手段落后等問題，因此考慮借助物聯網、大數據等技術對園區內的門禁、監控攝像頭、電表、考勤器等基礎設施進行智能化升級，以此構建出一個基于物聯感知的智慧園區，從而將園區的各種物理資源映射到BEPFIK運營管理系統中。通過BEPFIK運營管理系統就可以直觀地了解整個園區的概況，例如園區各個位置的實時人流量、機房重地的溫度、濕度和用電等。根據掌握的園區內各種設施概況，可以及時對資源配置進行優化升級，以降低園區的運營成本、提高園區的服務質量。

3.2 在孵企業全景畫像

通過BEPFIK運營管理系統的數據采集模塊，可以主動或被動地獲取到在孵企業的各項行為數據，并使用數學分析方法或人工智能相關技術對其進行建模和分析，可以為每個企業量身打造出一幅全景畫像，通過運用數據可視化技術將畫像直觀地展示出來，方便運營方了解企業的各項重要指標，對企業的發展趨勢進行預測，同時還可以根據發展趨勢為企業提供差異化的決策支持。

4 總結與展望

在孵化器的運營管理中使用數據驅動的運營管理系統，為傳統的孵化器運營團隊在管理模式和盈利模式的設計上帶來了更多的啟發。數據驅動的運營管理系統使得信息、價值、信用高效傳遞，通過搜集政府和企業的各類數據信息，形成了基于數據支撐的各項運營能力的流通、協同和創新。政府通過大數據驅動型運營管理系統匯聚的在孵企業真實經營數據，可以有針對性的制定產業扶持政策，并精準的投放到產業鏈中的上中下游在孵企業，給在孵企業的成長和發展帶來更多的要素保障；在孵企業通過大數據驅動型運營管理系統給出的各項數據報告，彌補了創業初期專業分析人才短缺的劣勢，利用該系統迅速完成對區域經濟產業政策的解讀，對目標市場的深度洞察以及企業戰略的糾偏。隨著大數據驅動型運營管理系統智能決策水平的提升，勢必會讓更多的在孵企業在整個企業生命周期中利用大數據技術和應用，把握住更多的發展機會，開辟出更多條構建數據資產、運營數據資產的盈利通道。