大数据驱动的烽火创新谷孵化器运营管理

李 群

(湖北省对外科技交流中心，湖北 武汉430071)

0 引言

经过多年来的发展，我国孵化器的数量、规模、种类、基础设施、社会网络、服务功能、孵化效率等都实现了非常大的突破。过去，科技成果转化相关的思路停留在找专家论证，继国家提出了科技兴国、科技强国战略目标之后，科技成果转化思路转变为找实践论证，找市场论证，科技企业孵化器所能发挥的作用和承载的功能愈发凸显，对促进科技创新成果的转化和助推区域经济发展不断发挥着重要作用[1]。

本文以烽火创新谷孵化器为研究对象，对大数据时代下的科技企业孵化器运营管理进行研究，一方面可以丰富大数据对科技企业孵化器运营管理影响和促进的相关理论研究内容，另一方面，在烽火创新谷孵化器的运营管理实践中，借此探索研究该孵化器的运营管理新思路，降低孵化器的运营成本，提高孵化器的盈利能力，把握大数据技术为孵化器行业带来的良性运营机遇，为更多新型孵化平台和业态提供实践依据和借鉴。

1 大数据对管理决策的影响

维克托·迈尔-舍恩伯格及肯尼斯·库克耶指出大数据是不用随机分析法(抽样调查)而采用所有数据的方法，具有Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)的“4V”特点[2]，体现在大数据的规模大，庞杂，对数据存储和计算两个环节尤其突出，大数据的类型主要包括结构化，半结构化和非结构化数据，非结构化数据正在爆炸式的增长。另外两个特征是快速化和价值化，大数据能够更好地满足实时性需求和核心资源沉淀的价值需求[3]。

大数据要求较之对因果关系的深究，更加关注关联分析，因为每一种数据的表现形式都不是全貌，同时其复杂的形式还要求通过人机交互来将主观知识(本能、经验、规范、常识等)融合到数据的二次挖掘中[4]。在管理决策理论中，企业的决策过程一般包含确定目标、信息搜集、方案备选、方案确认、方案实施以及过程与反馈，大数据运用贯穿于整个动态决策过程，功能依次是数据采集、数据分析、数据筛选、数据服务和数据控制[5]，通过量化函数的算法来主导每个管理决策，逐渐衍生出各项经营管理策略，比如运营策略、财务策略、营销策略等。

2 数据驱动型运营管理系统

2.1 数据驱动运营管理系统设计

本文依据科技部的科技企业孵化器评价指标体系相关指标选取了其中6项权重占比较大的评价指标来作为对烽火创新谷运营能力的粗略评估，包括孵化器收入(Bonus)、每千平米孵化面积的高素质就业人数(Employment)、新企业利润增长率(Profit)、单位面积公共服务平台投资额(Finance)、在孵企业平均获得风险投资额(Investment)、在孵企业拥有自主知识产权数(Knowledge)[6-7]。基于以上特定的运营服务对象特点和信息采集，本文围绕6项重要的运营管理指标设计出了一套运营管理系统称之为BEPFIK运营管理架构。目的在于建立一套实时的“监控-评价-反馈-提升”闭环管理体系，及时反映运营过程中的疏漏与问题，为烽火创新谷运营决策者和创业团队动态调整各自的运营策略，提升运营绩效表现提供重要依据和支撑。理论上整个管理系统需要能够覆盖企业经营的各个环节，但烽火创新谷所面临的运营压力又不可能等待系统各项功能完善后再启用，只能结合企业发展初期最为紧要的需求，迅速开展初期研发并投入使用，在使用中不断修正和完善。

在图1中，大数据驱动的BEPFIK模型作用于烽火创新谷孵化器运营管理流程的每个环节，从总体架构设计图左侧开始，导入烽火创新谷孵化器内外部资源的完全或不完全数据，通过模型算法导出不同方向的数据分析报告，用于在正向运营环节中针对不同的企业提供个性化的孵化服务内容，从而更好的完成各项目标的输出。当接受服务的在孵企业数量达到一定规模后，意味着BEPFIK模型从“输入”“孵化”“输出”“反馈提升”4个环节中能够获取的数据量越大，则可以根据运营管理过程反馈出来的目标绩效来更好的修正数据模型的参数，为烽火创新谷运营方和在孵企业提供多维度全流程的业务解决方案，包括政策筛选、候选企业背景分析、企业数据与成长性评估、企业运营决策辅助、企业发展跟踪、孵化器运营指标评价以及其它日常运营功能模块，逐步提升模型的智能决策辅助水平。

图1 总体架构设计

2.2 BEPFIK运营管理系统技术框架

2.2.1 BEPFIK运营管理系统特征

BEPFIK运营管理系统对烽火创新谷内在孵企业背后的数据线索采取关联性分析，对烽火创新谷整体运营进行监控、评价以及决策辅助，通过海量线上和线下调研数据构建指标体系[8]，汇聚各类型数据源，以此实现以下几个功能：对在孵企业经营管理数据的采集，对孵化器所在区域的产业分布和经济环境进行分析，对在孵企业的经营信用进行记录以及对其产品质量进行动态监测。首先，对纯人工走访调研，编制调研报告，归档纸质资料，BEPFIK运营管理系统应用能够大幅降低运营成本，因为信息化系统可以用最小的边际成本撬动更大的价值，互联网海量的多样化数据源可以为运营决策提供强大的数据支撑；其次，互联网可以突破时间以及地域空间的限制，改变传统运营管理的处理方式，让各类运营服务能更精准的匹配在孵企业的要求并且有较强的时效性，减少信息不对称，帮助业务迅速增长。

BEPFIK运营管理系统还具有幵放性的优势，能够直接通过端口的集成或调用来提供更广泛的第三方应用和数据服务。待入孵企业在系统内注册，企业可以定制各子系统的功能模块，从日常考勤管理到专业的财务管理和技术开发，都能够找到烽火创新谷自行开发的或者第三方信息服务商提供的信息化软件模块，且该软件库持续更新。

2.2.2 BEPFIK运营管理系统的技术架构

BEPFIK运营管理系统的4个子系统均属于数据监控类系统，数据监控平台的技术架构通常包含数据采集层、行为建模层、构建画像层、运营决策层，具体如图2所示。在数据采集层，通过从人行、征信机构、运营商、工商税务部门、门户网站以及企业使用的信息化管理系统等引入在孵企业的征信信息、评估报告、交易记录等数据源来进行数据汇总[9]；在行为建模层，通过文本挖掘、机器学习等智能算法来设计系统的审查规则，按照不同的风险指标建立模型体系；在构建画像层，通过一些强相关的数据指标对模型打分，以此来确定初期的企业画像和信用级别。在运营决策层，通过风险决策矩阵的计算结果，对不同评级的在孵企业给予不同的决策建议。

图2 数据平台

(1)数据采集层。数据采集层可获取到企业授权的各种格式的数据和通过接入第三方数据，另外还有通过爬虫抓取的非结构化数据，多渠道采集的数据，在沿用以往决策变量的基础上还需要把相关边缘化的数据纳入分析，比如对交易、社交、金融等数据进行更为全面的融合。这些多样化的数据源积累到一定量级就可以利用机器算法去训练海量数据来达到秒级响应[10]。多渠道采集的数据类型(见表1)。

表1 数据类型

(2)行为建模层。行为建模层主要是建立分析模型，是非常核心的模块，通过机器算法来挖掘出数据的价值，典型的行为算法包含聚类算法、文本挖掘、机器学习、预测算法、自然语言处理。

(3)构建画像层。通过搜集在孵企业各项行为数据，将企业的社会属性、社交关系等数据背后的信息进行提炼，便于决策模型进行预处理分析，用数据训练机器的智能化水平，进而描绘出属于在孵企业的商业特征和全貌，为烽火创新谷运营方提供足够的企业评判依据，针对技术创新、市场营销等环节提供差异化服务。画像对现实中的在孵企业进行数据建模，将业务管理、用户行为用数据进行展示，逐步让计算机能够更加智能的模拟运营者的决策行为。构建画像层思路如图3所示。

图3 构建画像层

(4)运营决策层。根据用户画像为不同的用户制定不同运营策略，借助于BEPFIK运营管理系统实时收集数据，监测企业各种数据，一旦发现运营决策对于在孵企业的经营管理有明显的帮助，则重点指导企业在相应指标数据上做出进一步的深度挖掘与应用。

2.2.3 BEPFIK运营管理系统关键驱动模块构建

BEPFIK运营管理系统由4个监控管理子系统构成，分别是孵化器数据采集系统、产业分布经济监控系统、孵化企业信用监管系统以及产品质量动态监管系统，现就4个子系统的关键驱动模块展开讨论。

(1)孵化器数据采集系统，主要是通过在该系统内嵌入各类企业信息化管理软件模块，实现对烽火创新谷以及在孵企业经营管理数据的抓取，系统是由协同办公、在孵企业管理、公共研发平台管理、财务管理、物业管理等模块组成的软件库，同时还包括对政府门户网站、金融机构等其他互联网平台的数据链接，烽火创新谷运营团队通过软件模块中的各种行为记录来实现对数据的采集和沉淀，不断为BEPFIK运营管理系统中的其他子系统提供各类数据源。

(2)产业分布经济监控系统，主要对产业环境和区域经济进行总体分析，以数据、图像、图形、图表、概述性报告等几种方式提供数据、信息和知识。提供产业规模、供应链情况和产业分布情况的分析与展示，为烽火创新谷孵化器紧跟区域经济发展需求，筛选有投资潜力和发展潜力的优秀企业提供依据。产业分布经济监控系统中会输出一系列的经济运行数据分析，如表2所示。

表2 经济运行数据分析

(3)孵化企业信用监管系统主要对个体企业进行风险评估和信用监控，该系统由两个重要功能组成，即智能舆情研判、企业风险评分和企业风险趋势预测。智能舆情研判提供全面的基于语义的实时舆情信息，企业风险评分针对智能舆情研判的结果给出企业风险评分。风险评级的过程中会用到决策矩阵，用多个风险区间来界定不同在孵企业的信用评估值，并通过整体的风控目标模型来划分风险等级。如表3所示。

表3 评价方式

(4)产品质量动态监管系统，主要是对孵化企业产品进行数据监控和分析，该系统包含两个重要功能，即产品质量风险采集和产品质量风险评价。产品质量风险采集的信息源包含内部产品质量信息和外部产品质量信息，内部产品质量信息主要来自于企业使用的质量管理软件模块，包含产品基础信息、质量问题信息、质量伤害信息等以及通过产品质量投诉等风险信息上报页面填报的信息。产品质量监管外部信息主要来自于互联网采集信息，包含质量风险新闻和全国产品质量抽检信息。产品质量风险评价环节将相关数据汇集在单一产品上，并且将定性的数据定量化，通过产品质量风险评价模型，评价各类产品风险状况。

以上4个数据驱动的运营管理子系统构成了BEPFIK运营管理系统的关键数据驱动模块。

2.3 BEPFIK运营管理系统量化函数

2.3.1 BEPFIK运营管理系统参数设计

4个运营管理子系统主要完成烽火创新谷的信息化管理和数据收集工作，但是六项指标的获取途径依然需要企业上报，为了提升信息的实时性同时规避风险，本文通过信息系统优化工作流，同时加入辅助信息来对孵化器运营情况进行实时监控。具体设计如表4所示。

表4 参数设计

由此构建BEPFIK运营管理系统，该系统的具体数据计算方法如下：

烽火创新谷收入系数为b=Normalize(BINFO)，其中Normalize为归一化函数。

单企业的利润系数为p=Normalize(PINFO+PQ*PEN)，其中PINFO,PQ的计算由产业分布经济监控系统和产品质量动态监管系统自动计算得出。

公共服务平台投资系数f=Normalize(FINFO)。

单企业的投资额系数i=Normalize〔Trust(INET,IBP,IEN)〕，其中

单企业的知识产权系数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为加权系数，K1,K2…Kn表示知识产权类别。

孵化器运营能力为BEPFIK=f(B,E,P,F,I,K)，其中

2.3.2 BEPFIK运营管理能力指标量化函数

BEPFIK运营管理系统是针对烽火创新谷运营管理的量化模型，但是实际应用过程中，孵化器无法获取完整的企业相关数据，因此本文采用间接量化的方式对孵化器运营管理进行辅助量化分析，用企业相关状态来对烽火创新谷的孵化力进行描述，通过企业运营状态值来对孵化力进行量化评估，以此反映运营管理水平。

本文对4个子系统：孵化器数据采集系统、产业分布经济监控系统、孵化企业信用监管系统、产品质量动态监管系统均进行数据分析，对BEPFIK的相关指标进行度量以便确定BEPFIK=f(B,E,P,F,I,K)函数中的权重。其中U=(u1,u2,u3,...um)刻画m种影响因素；BEPFIK=(v1,v2,v3,...,vn)刻画每一因素所处状态的n种决断，进一步确定f函数。

度量f函数时需要用到多种分析方法，针对几个要素进行逐一分析，对应到BEPFIK运营管理系统模型，以便提高运营管理能力。

通过整理多个在孵企业的各类数据样本，归纳了4个系统的多个因素，例如：针对产业分布经济监控系统则需重点关注如下数据：

(1)展现科技企业孵化器所在区域内宏观经济数据，如：生产总值、GDP增速、GDP贡献、固定资产投资、社会消费品零售总额、进出口总额、财政收入等。

(2)展现行业规模、供应链情况和行业分布情况，为孵化器运营人员提供辅助决策。

基于BEPFIK数据模型驱动的科技企业孵化器运营管理系统实质是建立了一套实时的“监控-评价-反馈-提升”的闭环运营管理框架[12]，通过动态采集孵化器运营过程中的在孵企业及内外部环境的数据，立体呈现初创企业发展过程中的问题与机遇，为初创团队动态调整经营策略，提升企业绩效提供精准匹配的服务内容，孵化器在成就初创团队过程中实现了自身的价值和盈利。

烽火创新谷应用案例中，BEPFIK数据模型驱动的运营管理监测系统可以从区域经济、政府政策、科技扶持类企业外部环境以及从技术研发、产品质量、投融资类企业内部环境进行梳理和分析，减少信息错误和疏漏，用数据更全面的反映客观事实。一方面使在孵企业能够更清晰的剖析自身，迅速调整适应，另一方面使烽火创新谷能够通过数据构建的企业画像，为不同的企业匹配所需的服务与资源，帮助在孵企业迅速盈利、成长、毕业，以此不断优化智谷众创的孵化服务方向和服务内容提供依据，提升服务质量和效率[13-14]。

通过对案例的分析发现，数据驱动的孵化器运营管理模型能够更加具体的反映市场环境，企业经管理问题，通过更多维度的关联数据来发掘孵化器内外部价值，帮助企业及时响应变化与需求，带来盈利。将数据驱动模型融入到传统孵化器的运营管理中，能够重塑孵化器的信息管理体系，发挥信息技术能力，促进孵化器运营管理效率提高，进而对运营管理的关键要素进行改造，发挥创新作用。

3 BEPFIK运营管理系统效果展示

3.1 基于物联感知的智慧园区

由于烽火创新谷部分区域由老厂房改建而来，存在不同程度的设施老旧、管理手段落后等问题，因此考虑借助物联网、大数据等技术对园区内的门禁、监控摄像头、电表、考勤器等基础设施进行智能化升级，以此构建出一个基于物联感知的智慧园区，从而将园区的各种物理资源映射到BEPFIK运营管理系统中。通过BEPFIK运营管理系统就可以直观地了解整个园区的概况，例如园区各个位置的实时人流量、机房重地的温度、湿度和用电等。根据掌握的园区内各种设施概况，可以及时对资源配置进行优化升级，以降低园区的运营成本、提高园区的服务质量。

3.2 在孵企业全景画像

通过BEPFIK运营管理系统的数据采集模块，可以主动或被动地获取到在孵企业的各项行为数据，并使用数学分析方法或人工智能相关技术对其进行建模和分析，可以为每个企业量身打造出一幅全景画像，通过运用数据可视化技术将画像直观地展示出来，方便运营方了解企业的各项重要指标，对企业的发展趋势进行预测，同时还可以根据发展趋势为企业提供差异化的决策支持。

4 总结与展望

在孵化器的运营管理中使用数据驱动的运营管理系统，为传统的孵化器运营团队在管理模式和盈利模式的设计上带来了更多的启发。数据驱动的运营管理系统使得信息、价值、信用高效传递，通过搜集政府和企业的各类数据信息，形成了基于数据支撑的各项运营能力的流通、协同和创新。政府通过大数据驱动型运营管理系统汇聚的在孵企业真实经营数据，可以有针对性的制定产业扶持政策，并精准的投放到产业链中的上中下游在孵企业，给在孵企业的成长和发展带来更多的要素保障；在孵企业通过大数据驱动型运营管理系统给出的各项数据报告，弥补了创业初期专业分析人才短缺的劣势，利用该系统迅速完成对区域经济产业政策的解读，对目标市场的深度洞察以及企业战略的纠偏。随着大数据驱动型运营管理系统智能决策水平的提升，势必会让更多的在孵企业在整个企业生命周期中利用大数据技术和应用，把握住更多的发展机会，开辟出更多条构建数据资产、运营数据资产的盈利通道。