
大数据条件下的创新评估
一种方案可以获得大数据,只要设计这个系统是可以很容易采集数据,可以很清楚进行分析,接下来可以设计出针对性的解决方案。另一种方法是很简单的低成本,用现在的创新术语来讲就是朴素性创新。两种各有各的好处,如何评估哪个更好,情境很重要。
一、创新技术领域的评估
创新的价值评估要分不同领域来看,在技术领域,有定量和定性两种标准,定量可以分析技术产生多少销售额,定性可以分析市场、社会、时代和历史对技术本身的评价。
二、创新科学领域的评估
而在科学领域则面临的是发现。所以对于科学的评估,我国国情基本都是用数paper,管理学领域就是看SCI和SSCI,还有UTD24,但是定性也是在不停的反思,你的学术影响力到底大不大,是不是还是要有同行评价的方法,同行评价就是看这个圈子里其他专家是否认可。
三、创新产业领域的评估
第三个领域是产业域。国内的七宗罪,第一是以模仿为主,原创为辅。第二是关注渐进,轻视突破。第三是成本导向,忽略价值。第四是只管需求,不顾供给。第五是原创走红,不敢变革。第六是强调模式,不屑技术。最后一个是“网+”为主,制造为辅。所以现在仍然评估,缺少颠覆传统的勇气和眼光。哪种创新能够改变世界呢?归根到底我们为新而新,无异于缘木求鱼,追求短期效益,缺乏长远规划。
四、创新制度领域的评估
第四个域叫制度域,确切的讲叫体制域。不管是当年英国革命,确立了君主立宪制,还是后来我国自己的康有为的洋务运动,直到五四运动,再到改革开放,一直在制度体制方面做了很多工作。对于体制领域创新如何评估,如果说制度的改变、体制的改革,能够带来一定程度的生产生活改善,这个定量的评估该怎么做,或者是定性我们说解放生产力怎么评估,都是值得思考的问题。
五、创新文化领域的评估
第五是创新的文化域,在文化域中分析受欢迎的程度或者是公众接受的程度。对文化的创新应该遵照什么标准,定量指标看,对于公众是否提升了幸福指数。所以在不同的这些域里面,技术、科学、产业、制度和文化,应深入思考。
六、五大领域的关键词
五个不同的领域里有不同的关键词,技术领域是发明,科学领域是发现,产业领域是推广,制度领域是改革,文化领域是粉丝,在不同的领域里面创新,他们评估方法可能有所不同,但是也有相通的地方。解决问题可能有创造力,也可能没有创造力,有可持续性,也可能没有持续性,对于既有创造性又有可持续解决问题,对原来比较狭义的理解可能会产生不一样的效果。尤其是在我们学校教育科研里面,应该以定量为基础依据,以定性为重要参考。
七、相关数据分析
一些数据方面的基础工作,包括企业间的联盟数据库,跟“一带一路”的数据类似。首先,国家自然科学基金委他们一直很强调,建立中国企业基础数据库的重要性,目前为止获得了2001至2005年完整联盟的原始数据。关键的信息是这样的,包括成立时间、成员企业、联盟活动、种类如何、是否有研发生产的、专利信息等等,涵盖了十个高新技术企业、两千多个联盟3500个企业。目前还存在一些问题,需求如何,企业的名称有的时候不规范或不统一,企业的编号不一致,有的时候会重叠,专利数如何分配等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14