京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01