本站小编为你精心准备了企业技术创新风险评价研究参考范文,愿这些范文能点燃您思维的火花,激发您的写作灵感。欢迎深入阅读并收藏。
1.1企业融合风险在企业技术创新生态系统中,各成员企业本着整合异质资源、优化技术结构的目的进行合作,通过共享资源和信息,实现共生共存、协同发展。但是,构成企业技术创新生态系统的企业可能来自不同地域,文化习惯和经济体制存在差异。不同文化背景或不同经济体制下,企业之间的合作容易产生管理界限不清、信息交流不畅以及决策延迟等问题,导致合作创新过程中产生摩擦。另外,系统内成员的分工将不断深化,并致力于发展各自领域的核心专长,存在“背对背”研发的可能性,长期发展下去会导致技术融合产生障碍,造成合作创新失败。
1.2机会主义风险信息不对称是机会主义风险发生的主要原因。在建立合作关系时,一方为了寻求合作机会夸大自身能力,使另一方的评价出现误差,造成逆向选择。导致核心企业所依据的互补性原则失效。另外,信息不对称会造成合作协议不完备,降低对合作各方的约束力并增加机会主义行为的发生概率。当在合作过程中出现合同范围之外的问题、并且涉及双方利益得失时,一些企业可能为了谋取自身利益而做出损害系统的事情。另外,欺骗行为、盗取核心技术、“搭便车”和“柠檬问题”都是较常见的机会主义风险。
1.3核心资源流失风险核心资源包括承载核心技术的知识以及掌握核心技术的骨干员工。为使企业技术创新生态系统的整体利益最大化,各成员企业间互通有无、共享知识和信息。但是,成员企业之间通常处于“竞争-合作”共存的状态,合作企业一旦通过知识共享掌握了关键技术或资源,合作需求就会变弱甚至消失。另外,知识、技术等一些软资源往往存在于企业骨干员工的头脑中。系统外的一些企业可以通过高薪聘请等方式挖走系统内的骨干员工。骨干员工的流失会造成此消彼长的局势,并为该企业技术创新生态系统塑造“劲敌”。
1.4外部环境风险外部环境风险包括政策风险、市场风险、自然灾害等。宏观政策,如法律法规、方针、政策等发生变化会对企业技术创新生态系统技术创新项目产生影响,如果负面影响过大会导致系统技术创新项目终止;通常,市场接受创新产品的时间、新产品生命周期及市场开发所需要资源投入强度难以确定,这些都造成了极大的市场风险,这种风险具有未知性和不确定性。因此,对市场的认识不足,如消费者难以接受创新产品、市场需求发生变化、市场竞争激烈、市场容量过小、市场处于衰退期、模仿的创新产品或替代产品的出现等都会成为市场风险的诱因;自然灾害包括地震、海啸、洪灾、火灾等,这些风险具有不可抗性。
1.5创新单元风险创新单元风险是指在企业技术创新系统运行过程中,某个成员企业自身经营不善而导致整个系统技术创新项目终止或创新成本增加。企业技术创新生态系统围绕技术创新项目运行,核心企业将技术创新项目分为若干个子项目并由不同的创新单元完成。其中,一些创新单元将负责一些重要的技术创新子项目,这些子项目能否顺利完成将决定总项目能否完成,从整体角度来说,也决定企业技术创新生态系统能否正常运行。创新单元自身存在的风险,如决策风险、管理风险、生产风险、财务风险等,都可能扩展成为系统风险。
1.6风险评价指标体系构建基于上述风险类型分析,结合各种风险的产生机理和形成要素,设立具体的风险指标。企业技术创新生态系统运行风险评价指标体系如表1所示:
2基于BP方法的风险评价实证研究
本研究通过JDJ公司的帮助进行问卷调查,共收回调查问卷35份,剔除的问卷主要包括答题时间小于5分钟的问卷、有缺失数据的问卷以及所有问题答案相同的问卷,剩余有效问卷为30份,有效率为85.7%。在验证过风险评价指标的效度和信度后,利用与JDJ公司相关的30家企业的调查数据对JDJ企业技术创新生态系统进行风险评价。
2.1样本数据的选取
本文选取30个熟悉该企业技术创新生态系统的专家对企业技术创新生态系统风险运行评价指标体系的二级指标进行打分,其结果作为BP神经网络模型的训练和检测样本。同时,设定了各二级指标的权重系数,如表2。随后,本文根据以上指标权重对30个专家打分进行加权平均得到BP神经网络模型的期望输出,如表3所示。
2.2网络结构的确定
2.2.1各层神经元数目的确定。本文运用确定隐含层节点数的经验公式计算隐含层单元个数,其中,a为之间的常数,n为隐含层神经元数目,m为输出层单元数[7]。为了得到更好的网络性能,一般是通过对不同隐含层神经元数目进行训练并通过误差比较来确定隐含层的神经元数目。由于通过以上经验公式确定隐含层单元个数时,a取1,2,9,10的网络性能较差,因此,本文将a从3到7逐个实验,并对a取不同值所对应的BP神经网络进行对比分析,得到误差曲线。结果显示当a取5时,网络性能较好。如图1所示。
2.2.2网络学习参数的选取。学习速率决定每一次循环训练中所产生的权值和阈值变化量。过大学习速率可能导致系统的不稳定,而过小的学习速率则可能导致训练时间过长,收敛速度较慢,但能保证网络的误差值不能跳出误差表面的低谷而最终趋于最小误差值。所以,在一般情况下倾向于选取较小的学习速率以保证系统的稳定性,学习速率的选取范围一般在0.01~0.8之间。在一个神经网络的设计过程中,网络一般要经过几个不同的学习速率的训练,通过观察每一次训练后误差平方和的下降速率来判断所选定的学习速率是否合适。如果下降很快,则说明学习速率合适;若出观振荡现象,则说明学习速率过大。对于每一个具体网络都存在一个合适的学习速率,但对于较复杂网络,在误差曲面的不同部位可能需要不同的学习速率。为了减少寻找学习速率的训练次数以及训练时间,本文采用变化的自适应学习速率,使网络的训练在不同的阶段自动设置学习速率的大小[9]。
2.3企业技术创新生态系统运行风险评价将调查问卷整理得到的30个样本数据输入到经过训练并检测的BP神经网络模型,对JDJ企业技术创新生态系统运行风险进行评价,结果见表4。对表4中系统运行风险进行平均,发现序号为2,5,8,16的数据明显高于平均值,说明这几个问卷打分有误,不能代表该企业技术创新生态系统运行风险的最终评价结果。对其余26组数据的风险评价结果进行分析发现,系统运行风险评价得分均落在[0.2,0.4],对照企业技术创新生态系统的运行风险等级,即超高风险运行状态[0.8,1]、高风险运行状态[0.6,0.8]、较高风险运行状态[0.4,0.6]、低风险运行状态[0.2,0.4]和正常运行状态[0,0.2],说明JDJ企业技术创新生态系统处于低风险运行状态。在此基础上,本文对该系统处于低风险运行状态进行深入分析发现,企业融合风险得分明显高于其他风险得分,说明该企业技术创新生态系统存在企业融合困难的问题。
3结果分析
3.1企业技术创新生态系统固有的抗风险能力分析核心企业根据信息对称性原则、资源和技术互补性原则以及兼容性原则进行合作伙伴选择,在很大程度上规避了一些风险。因为核心企业在进行合作伙伴选择之初,对各个潜在合作伙伴都进行了综合评价,其中包括技术创新能力以及技术互补性,另外也对核心企业与潜在合作伙伴进行合作所带来的风险进行了分析。在核心企业与合作企业签订合约时,合约内容中针对违约行为的描述和违约发生的处理办法做了细致设计,以此尽可能地避免在合作过程中因违约造成的损失。在企业技术创新生态系统运行过程中,核心企业对其合作伙伴进行控制,对各个合作伙伴的行为实施跟踪,能够有效地避免合作企业的违约行为。通过以上方式,系统降低了机会主义风险事件的发生概率。而为了防范核心资源的流失,对于企业技术创新生态系统而言,不论是核心企业还是系统成员企业都具备良好的知识产权保护意识。该系统的成员对关键技术实施保护、控制,使得关键技术难以让系统外的竞争对手模仿,保持了该企业技术创新生态系统的竞争优势。除此之外,系统内的关键技术人员具有良好的薪酬待遇,防止了系统外企业为获取关键技术挖走系统内的关键技术人员。该企业技术创新生态系统还时刻关注系统外部环境的变化,包括宏观政策、宏观经济状况和市场环境,并能够根据外部环境变化做出及时调整。在企业技术创新生态系统中,核心企业为控制创新单元风险,要求各成员企业及时更新生产设备及生产工艺,定期对生产技术人员和管理人员进行培训,以保证各成员企业正常运行。
3.2企业技术创新生态系统的企业融合风险分析虽然,企业技术创新生态系统具有一定的抗风险能力以及规避办法,但仍不可避免企业融合风险,主要是企业文化差异使得企业融合出现问题。JDJ公司综合考虑了成本、市场、技术、核心资源等原因将企业设在北方,而部分供应商和分销商等合作伙伴分布在南方。由于南北方的地域文化差异较大,造成管理、协调和沟通出现障碍。地域文化的差异较多的体现在权力文化上。从权力距离方面看,南方企业尤其是东南沿海地区和珠江三角洲地区的企业,权力距离较小。这是因为在改革开放以后,这部分地区率先接受了市场经济的洗礼,部分企业迅速与世界标准接轨,吸取了先进的管理经验,使权力在运用时趋于合法化,并受到善意判断的制约。北方地区的企业,包括西部地区的企业,早年间受到国有制经济的严重束缚,历史包袱过大,并且国有制改革的步伐比较迟缓,导致企业的生产技术和管理理念落后。目前,仍有许多企业延续着家长式的领导,决策权过于集中。虽然,近些年随着经济的发展和外资的不断进入,引发了一系列的改革,但是整体上的权力文化观念依旧没有改变,因此,北方企业的权力距离较大。另外,南北方企业家对企业文化的理解也存在差异。例如,北方企业的管理者多数都有过国有企业的工作经历,他们注重企业的全局观念,而在细节管理上略显不足;南方企业的管理者多数都有过创业、白手起家或者小作坊的经历,他们在管理上比较细腻,对细节非常看重,并且南方企业多有家族式的管理模式。这些都是造成南北方企业文化差异的地方,也是给JDJ企业技术创新生态系统带来企业融合风险的主要原因。
作者:周大铭单位:工业和信息化部赛迪智库软件和信息服务业研究所