剪报

　　印度：寻梦之旅
　　21年前开始的改革还不够彻底
　　65年前，印度赢得独立战争时，印度领导人对新国家的未来有一个愿景：自由民主。多亏了他们，绝大多数印度人享有抗议、言论、投票、旅行和祈祷的自由。但经济层面的愿景却是一败涂地。将近半个世纪以来印度的年均 GDP 增长率仅为惨淡的3%—4%——这被称为“印度增长率”。
　　21年前，在时任财政部长曼莫汉.辛格的领导下印度放宽了对经济的限制，取消了批准许可制度并对商人和投资者开放市场。改革成果显著。繁荣的服务业孕育了一批世界级的公司，经济迅速发展。其后，财富和社会效益随之增长，公民文化程度大有改善、预期寿命延长、收入提高。渐渐地，印度人开始从乡村迁往城镇。
　　但改革还不够彻底。政策仍限制外国投资者，庇护效率低的小型企业，歧视高效率的大公司。过多的宏观控制和补贴导致物价扭曲。公共和私人经济部门都受其影响。公共部门的腐败是商业发展的绊脚石，而在卫生和教育方面，国家也没有履行其基本职责。印度的贫困人口比中国更多，经济增速回落，而通胀和政府赤字加剧。
　　为了缓解燃眉之急，提振经济，印度必须进一步改革。劳工法案需要改革，这些法律规定企业为工人支付和中国熟练工人相同的工资。外资监管条例亟待放松，以提高金融业、高等教育和基础设施的水准。国家在电力、煤炭、铁路和航空业中的角色需要弱化。
　　一些人认为民主制度是问题所在，因为民主政府害怕被推翻，而不愿意把痛苦强加在人民身上。并非如此。很多民主国家已经推进了阻力重重的改革，例如巴西、瑞典、波兰。问题出在印度的政治精英身上。如果说选民不买改革理念的帐，那是因为政治家将这一理念展示为抵御经济恶疾所必须的一剂苦药，而不是实现梦想的途径。
　　如果印度想要实现自己的承诺，它需要去做一场“印度梦”。印度不能仅承诺实现政治自由和公民自由，它还得实现经济自由，建立一个有效率、有竞争力的开放型经济，并为印度人带来更多自身发展机会。这并不是说政府需要在各方面进行职能收缩，而是指国家应当从不需要政府干预的部门退出。而在那些需要政府去组织投资、监管市场的方面（比如说基础设施部门），在管理过程中需要变得更为开放。
　　重振美国企业家精神
　　这部全球增长引擎遇到了哪些大麻烦
　　美国自二战以来一直是全球最重要的增长引擎。今天，这部增长引擎遇到了大麻烦。在2007-2008年的金融危机中它几近崩溃。而即使在金融危机前，它也已经重疾缠身。
　　美国曾经培育了全球最为有利于企业发展的资本市场。但正如罗伯特.利坦和卡尔.施拉姆在《改善资本主义》一书中指出，美国已经没有沾沾自喜的余地了。风险资本家已经在大幅削减支出，甩掉冒险的企业，很大原因是90%的冒险企业无法盈利。每年的IPO企业数量也大幅减少。
　　美国也曾经有最有利于企业的移民政策。2010年《财富》杂志500强企业中， 18%的企业由移民创建，倘若将移民的后代计算在内，这一数字为40%。但美国的移民政策在过去的十年内大大地收紧了，而在这段时间内，其他的发达国家，如加拿大，都继续引进高技术移民；中国、印度等新兴国家也创造了很多诱人的新机会。当其他国家铺开了红毯，移民为什么还要纠结美国的绿卡呢？
　　最后，美国一直拥有对企业最为有利的大学。斯坦福和麻省理工等优秀的研究机构数以千计地孵化企业。但是大学-企业的模式似乎势头减弱。例如，联邦在健康研究方面的支出从1993年的200亿美元增长到2008年的300亿美元，但食品与药品管理署批准的新药数目却从1996年高峰时期50种下降到了2008年时的15种。大学科技管理机构本来是将发明商业化的第一关，但它却变成了笨拙的官僚机构。
　　这些问题对创业企业的影响比对成熟企业更严重。成熟企业具有规模经济和范围经济效益，能较好地应对日益加强的监管，但新兴企业却难避免衰退或被收购的命运。怎样扭转颓势？利坦和施拉姆建议政府给所有来美学习科学、技术和工程的外国人发放绿卡。此外，十年前从零开始的交易型投资基金发展到今年的万亿美元规模，这些浮躁的短线投资者对有发展前途的创新企业造成了负面影响，当局应考虑禁止交易型投资基金投资这些创新企业。又如，萨班斯法案（SOX）以保护投资者为由限制上市创新企业的数量。他们认为只要小企业持股者充分了解投资风险，当局应考虑让小企业不受SOX法案的限制。再有，大学科技管理机构应放弃其垄断地位，让教授拥有将研究成果商业化的自由。
　　《哈佛商业评论》:数据科学家，二十一世纪最性感职业
　　上世纪90年代，计算机工程师和金融工程师是最炙手可热的职业。而今天，数据科学家是猎头公司的抢手货。鉴于企业正与数量空前、种类繁多的数据打交道，数据科学家早已供不应求。
　　数据科学家是何方神圣？他们给数据分门别类，寻找其中有意思的模式，在决策方面给高管提供建议。数据科学家善于发现隐藏在数据中的故事，并且陈述这些故事。例如，一位研究欺诈行为的数据科学家发现欺诈行为与 DNA排序问题类似。根据这个发现，他创建了一套解决方案，极大地减少了欺诈损失。数据科学家不仅仅上交报告：他们遨游在大量数据中，寻找问题的核心，并将其提炼为一组非常清晰、可以验证的假设，构建解决问题的路径。数据科学家最基本、普遍的能力是编程。但比编程更重要的是沟通能力——用股东能听明白的语言与之交流，用数据说故事的本事或数据可视化的能力。
　　管理者的挑战是如何找到这些数据科学家，如何吸引他们，如何让他们发挥作用。来自硅谷数据科学企业的乔治.鲁米里奥蒂斯说统计和分析能力并不是他考察数据科学家的基础。他想要寻找的是跨界人才：具有扎实的数学、统计学、概率论和计算机基础，还兼具一些商业嗅觉和消费者共鸣感。
　　关于寻找和留住数据科学家，人们可能会想到将数据科学家划入“顾问”这一职位。大多数咨询公司还没有充分利用数据科学家，即使是大型咨询公司也还处在推进大数据项目的早期阶段。目前数据科学家的工作主要是传统的定量分析问题。但数据科学家认为他们自己的本事不仅限于给决策者提供建议。他们将顾问视为“死海”——全部工作就是告诉客户他们应该做什么。但通过提供解决方案，他们可以创造更大的影响：作为数据科学家行业的开拓者而名留青史。
　　《纽约客》:偶像制造流水线
　　韩国偶