劉 暢，梅洪常

（重慶工商大學(xué)管理學(xué)院，重慶 400067）

1 研究背景

隨著大數(shù)據(jù)在社會(huì)經(jīng)濟(jì)發(fā)展中越來(lái)越重要，我國(guó)在“十三五”規(guī)劃（2016—2020 年）中明確指出大數(shù)據(jù)是一種基礎(chǔ)性戰(zhàn)略資源，其利于產(chǎn)業(yè)升級(jí)。大數(shù)據(jù)企業(yè)便是在此類國(guó)家政策的號(hào)召之下出現(xiàn)的新興企業(yè)，其業(yè)務(wù)集中于數(shù)據(jù)資源的采集、存儲(chǔ)、分析及應(yīng)用［1］。為更好發(fā)揮大數(shù)據(jù)企業(yè)在產(chǎn)業(yè)升級(jí)中的作用，有必要認(rèn)清我國(guó)大數(shù)據(jù)企業(yè)發(fā)展現(xiàn)狀。相關(guān)研究表明，雖然我國(guó)大數(shù)據(jù)企業(yè)增速快，有著巨大發(fā)展?jié)摿Γ?］，但趙傳仁等［3］學(xué)者研究發(fā)現(xiàn)近年來(lái)大數(shù)據(jù)企業(yè)的全要素生產(chǎn)率為負(fù)增長(zhǎng)，并指出主要原因在于技術(shù)效率不足。因此本文主要從中低技術(shù)創(chuàng)新水平大數(shù)據(jù)企業(yè)的主要影響因素出發(fā)，以采取“補(bǔ)短板”方式提升我國(guó)大數(shù)據(jù)企業(yè)的整體技術(shù)創(chuàng)新水平，以改善大數(shù)據(jù)企業(yè)的生產(chǎn)力較低局面，進(jìn)而增強(qiáng)大數(shù)據(jù)企業(yè)在產(chǎn)業(yè)升級(jí)和促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合中的重要作用。

目前直接關(guān)于大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新影響因素評(píng)價(jià)的研究較少。為進(jìn)一步認(rèn)識(shí)與提升大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新能力，本文基于技術(shù)創(chuàng)新理論和大數(shù)據(jù)數(shù)量極大（volume）、類型繁多（variety）、增長(zhǎng)與處理速度快（velocity）及價(jià)值密度低（value）的4V 特點(diǎn)［4］，并通過(guò)文獻(xiàn)研究，構(gòu)建了大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)體系；然后通過(guò)層次分析法（AHP）找出影響大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的主要影響因素；接著采用K-Means 動(dòng)態(tài)聚類方法分析大數(shù)據(jù)企業(yè)整體發(fā)展情況，結(jié)合動(dòng)態(tài)聚類指標(biāo)的可操作性和合理性，選取大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新主要影響因素中的相關(guān)定量指標(biāo)作為動(dòng)態(tài)聚類指標(biāo)，找出技術(shù)創(chuàng)新處于中低水平的大數(shù)據(jù)企業(yè)，再通過(guò)熵值法分析其技術(shù)創(chuàng)新的主要影響因素。通過(guò)AHP、K-Means 聚類和熵值法的集成應(yīng)用，既更加明確地認(rèn)識(shí)我國(guó)大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新能力的主要提升方向，又更了解我國(guó)大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的整體格局，并可判斷出中低水平大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的重心所在。

2 基于AHP 判斷技術(shù)創(chuàng)新的主要影響因素

本文基于技術(shù)創(chuàng)新理論、大數(shù)據(jù)4V 特點(diǎn)和文獻(xiàn)研究構(gòu)建大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)體系，采用層次分析法得出各指標(biāo)權(quán)重情況，據(jù)此分析出大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的主要影響因素。

2.1 得出評(píng)價(jià)指標(biāo)權(quán)重

層次分析法是一種系統(tǒng)分析方法，由美國(guó)運(yùn)籌學(xué)家Saaty［5］于20 世紀(jì)70 年代提出，其優(yōu)點(diǎn)在于對(duì)非結(jié)構(gòu)化定性問(wèn)題轉(zhuǎn)化成半定量分析，給多準(zhǔn)則評(píng)價(jià)決策提供參考意義。AHP 的步驟是首先通過(guò)構(gòu)建大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)體系的層次結(jié)構(gòu)模型，再據(jù)此建立判斷矩陣，由通過(guò)一致性檢驗(yàn)的判斷矩陣得出各指標(biāo)權(quán)重結(jié)果。

2.1.1 構(gòu)建評(píng)價(jià)指標(biāo)體系的層次結(jié)構(gòu)模型

本文構(gòu)建的大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)體系的層次結(jié)構(gòu)模型以大數(shù)據(jù)企業(yè)的技術(shù)創(chuàng)新評(píng)價(jià)為目標(biāo)層，以技術(shù)創(chuàng)新理論在管理學(xué)、經(jīng)濟(jì)學(xué)和社會(huì)學(xué)中的不同學(xué)科視角為準(zhǔn)則層，以產(chǎn)品創(chuàng)新、激勵(lì)機(jī)制和知識(shí)資源等要素作為指標(biāo)層。回顧技術(shù)創(chuàng)新理論發(fā)展概況，技術(shù)創(chuàng)新理論總體上依次經(jīng)歷了經(jīng)濟(jì)學(xué)、管理學(xué)和社會(huì)學(xué)3 個(gè)發(fā)展階段［6］16-22：首先1934 年熊彼特［7］4開始從經(jīng)濟(jì)學(xué)視角研究技術(shù)創(chuàng)新，隨后學(xué)者們將他的技術(shù)創(chuàng)新理論部分分成產(chǎn)品創(chuàng)新與工藝創(chuàng)新兩個(gè)層面；然后隨著企業(yè)技術(shù)創(chuàng)新逐步居于企業(yè)獲取與維持競(jìng)爭(zhēng)優(yōu)勢(shì)的核心地位，大批學(xué)者開始從管理學(xué)視角研究技術(shù)創(chuàng)新，主要從縮小技術(shù)創(chuàng)新成果商業(yè)化層面來(lái)理解技術(shù)創(chuàng)新，國(guó)內(nèi)學(xué)者則主要從協(xié)同創(chuàng)新角度進(jìn)行思考技術(shù)創(chuàng)新；最后在技術(shù)創(chuàng)新研究的高度專業(yè)化，且需要企業(yè)之間建立起密切合作關(guān)系才能滿足技術(shù)創(chuàng)新需求的背景下，形成了社會(huì)學(xué)視角下的技術(shù)創(chuàng)新理論，也稱為技術(shù)創(chuàng)新社會(huì)網(wǎng)絡(luò)理論。社會(huì)學(xué)視角的技術(shù)創(chuàng)新重點(diǎn)關(guān)注外部知識(shí)的獲取和利用，學(xué)者們證明了知識(shí)對(duì)于企業(yè)競(jìng)爭(zhēng)力提升的重要性［6］16-22。

本文結(jié)合大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新影響因素的實(shí)際情況，將技術(shù)創(chuàng)新分析視角細(xì)化為從管理經(jīng)濟(jì)學(xué)、企業(yè)經(jīng)營(yíng)效益以及技術(shù)創(chuàng)新的社會(huì)網(wǎng)絡(luò)理論三方面，結(jié)合大數(shù)據(jù)4V 特點(diǎn)，并整合企業(yè)技術(shù)創(chuàng)新相關(guān)文獻(xiàn)［1-3，8］，得出大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)體系的遞階結(jié)構(gòu)模型如表1 所示。

表1 大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)體系遞階層次結(jié)構(gòu)模型

2.1.2 建立判斷矩陣

判斷矩陣是基于遞階層次結(jié)構(gòu)模型所得，作用在于判斷各個(gè)指標(biāo)相對(duì)重要程度。根據(jù)表1，本文構(gòu)建4 個(gè)判斷矩陣，具體見表2 至表5 所示。

表2 判斷矩陣A-B

表3 判斷矩陣B1-C

表4 判斷矩陣B2-C

表5 判斷矩陣B3-C

2.1.3 一致性檢驗(yàn)

以B1-C判斷矩陣為例，求得各指標(biāo)權(quán)重并進(jìn)行一致性檢驗(yàn)，求各指標(biāo)權(quán)重步驟如下：先得出B1-C判斷矩陣每列之和，再將原有各矩陣元素分別除以每列元素之和，從而得出新的矩陣，再將矩陣每行相加得出最后通過(guò)歸一化得出指標(biāo)權(quán)重，公式為：如表6 所示。

表6 管理經(jīng)濟(jì)學(xué)視角下技術(shù)創(chuàng)新的B1-C 判斷矩陣指標(biāo)權(quán)重

接著求最大特征根，公式為：

表7 判斷矩陣在不同階數(shù)下的RI 對(duì)應(yīng)參照值

2.1.4 評(píng)價(jià)指標(biāo)權(quán)重結(jié)果

通過(guò)對(duì)各個(gè)判斷矩陣的計(jì)算和一致性檢驗(yàn)，得出各個(gè)指標(biāo)權(quán)重，如表8 所示。從一級(jí)指標(biāo)權(quán)重情況來(lái)看，技術(shù)創(chuàng)新的B3視角權(quán)重值最高，原因在于社會(huì)專業(yè)分工越來(lái)越集中，知識(shí)的重要性越來(lái)越重要，尤其是對(duì)于知識(shí)經(jīng)濟(jì)時(shí)代下的大數(shù)據(jù)企業(yè)而言；其次是B2視角，隨著技術(shù)創(chuàng)新在企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)獲取的重要性越來(lái)越大，企業(yè)慢慢通過(guò)內(nèi)部?jī)?yōu)化來(lái)進(jìn)行技術(shù)創(chuàng)新，大數(shù)據(jù)企業(yè)作為新興企業(yè)也離不開企業(yè)的經(jīng)營(yíng)管理；最后是B1視角，這是基于熊彼特［7］4-10創(chuàng)新視角的技術(shù)創(chuàng)新，是技術(shù)創(chuàng)新理論的最初階段，對(duì)于大數(shù)據(jù)企業(yè)，其重要性相對(duì)較小。

從二級(jí)指標(biāo)權(quán)重情況看，知識(shí)資源權(quán)重值最高，原因在于知識(shí)對(duì)于大數(shù)據(jù)企業(yè)這樣的知識(shí)密集型企業(yè)，知識(shí)對(duì)企業(yè)的業(yè)績(jī)有著極其關(guān)鍵的影響；其次是大數(shù)據(jù)技術(shù)應(yīng)用效益，大數(shù)據(jù)企業(yè)的數(shù)據(jù)收集、儲(chǔ)存、分析及應(yīng)用能力是保證決策可靠的前提；接著是人力資源方面，大數(shù)據(jù)企業(yè)作為知識(shí)型企業(yè)，對(duì)優(yōu)質(zhì)人力資源的要求較高，其技術(shù)創(chuàng)新更加需要尖端人才的助力；關(guān)系網(wǎng)絡(luò)、產(chǎn)品創(chuàng)新、協(xié)同創(chuàng)新3 個(gè)指標(biāo)權(quán)重情況大致處于同一層級(jí)，關(guān)系網(wǎng)絡(luò)反映了大數(shù)據(jù)企業(yè)知識(shí)和信息來(lái)源是否充足，產(chǎn)品創(chuàng)新是業(yè)績(jī)提升的重要因素，協(xié)同創(chuàng)新可以從側(cè)面反映大數(shù)據(jù)企業(yè)內(nèi)部數(shù)據(jù)共享程度；激勵(lì)機(jī)制作為企業(yè)鼓舞士氣的重要法寶，對(duì)大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新起著輔助性作用；工藝創(chuàng)新、市場(chǎng)營(yíng)銷和企業(yè)規(guī)模權(quán)重情況大致處于同一層次，工藝創(chuàng)新在大數(shù)據(jù)企業(yè)里體現(xiàn)較少，主要是企業(yè)人員合作方式的改進(jìn)，市場(chǎng)營(yíng)銷反映了大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新成果是否快速進(jìn)行商業(yè)化以及得到市場(chǎng)認(rèn)可的程度，根據(jù)文獻(xiàn)，企業(yè)規(guī)模和技術(shù)創(chuàng)新有著正相關(guān)關(guān)系，而大數(shù)據(jù)企業(yè)里企業(yè)規(guī)模對(duì)技術(shù)創(chuàng)新直接影響較小。

表8 大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)權(quán)重

2.2 主要影響因素

基于AHP 所得的權(quán)重結(jié)果判斷，影響大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的主要因素有以下6 個(gè)，其權(quán)重值之和達(dá)92%：一是知識(shí)資源量，如專利數(shù)、無(wú)形資產(chǎn)比例等；二是大數(shù)據(jù)企業(yè)的大數(shù)據(jù)技術(shù)綜合應(yīng)用效益，體現(xiàn)大數(shù)據(jù)企業(yè)的綜合數(shù)據(jù)能力；三是大數(shù)據(jù)企業(yè)的人力資源情況，主要表現(xiàn)大數(shù)據(jù)企業(yè)的人才力量，技術(shù)創(chuàng)新直接來(lái)源于人才的努力；四是大數(shù)據(jù)企業(yè)的關(guān)系網(wǎng)絡(luò)；五是產(chǎn)品創(chuàng)新；六是協(xié)同創(chuàng)新。

3 基于主要影響因素的大數(shù)據(jù)企業(yè)聚類

根據(jù)AHP 得出的大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的知識(shí)資源量等6 個(gè)主要影響因素，同時(shí)考慮動(dòng)態(tài)聚類操作的可得性、簡(jiǎn)便性及合理性，選取主要影響因素中合適的相關(guān)定量指標(biāo)作為動(dòng)態(tài)聚類的標(biāo)準(zhǔn)指標(biāo)，再通過(guò)K-Means 算法得出大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的整體狀。

3.1 K-Means動(dòng)態(tài)聚類

動(dòng)態(tài)聚類又稱為逐步聚類法，其與系統(tǒng)聚類、模糊聚類等方法都屬于聚類分析法的一種，對(duì)大樣本數(shù)據(jù)處理有較強(qiáng)優(yōu)勢(shì)。K-Means 算法是動(dòng)態(tài)聚類常用方法，其主要思想在于采用距離作為樣本相似性的評(píng)價(jià)標(biāo)準(zhǔn)，樣本距離與樣本相似度之間是正相關(guān)關(guān)系［9］。K-Means 動(dòng)態(tài)聚類常采用歐式距離來(lái)度量樣本之間的相似度，兩個(gè)樣本i、j之間的歐式距離公式記為：

公式（2）中：i為樣本的第j個(gè)屬性指標(biāo)（j=1，2，…，p）記為

K-Means 動(dòng)態(tài)聚類的劃分原則在于使樣本和簇中心之間的距離最小。樣本與簇中心之間距離記為同時(shí)簇與簇之間的距離最大，簇與簇之間距離記為其中表示簇的聚類中心。聚類目的是實(shí)現(xiàn)組內(nèi)距離最小化且組間距離最大化。用誤差平方和SSE 表示K-Means 動(dòng)態(tài)聚類質(zhì)量的目標(biāo)函數(shù)，公式為：

K-Means 動(dòng)態(tài)聚類計(jì)算過(guò)程如下，第一步隨機(jī)選取K個(gè)樣本作為初始聚類中心；第二步分別計(jì)算各個(gè)樣本到每個(gè)初始聚類中心的距離，并將各樣本分配到離自身最近的聚類中心；第三步重新計(jì)算出新的K個(gè)聚類中心。如果新計(jì)算出的聚類中心和初始聚類中心不同，則需不斷重復(fù)第二步與第三步過(guò)程，直到質(zhì)心不變。

3.2 樣本選取

借鑒茶洪旺等［1］學(xué)者對(duì)我國(guó)大數(shù)據(jù)企業(yè)層級(jí)類型劃分方法及部分樣本，本文選取各個(gè)層級(jí)的上市大數(shù)據(jù)企業(yè)共19 家作為樣本，如表9 所示。

表9 我國(guó)大數(shù)據(jù)產(chǎn)業(yè)鏈代表性企業(yè)

3.3 樣本數(shù)據(jù)來(lái)源

本文所選19 家樣本上市大數(shù)據(jù)企業(yè)的數(shù)據(jù)均依據(jù)2017 年上市公司所公開披露的年報(bào)信息，以及從CCER 中國(guó)經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)整理所得。

3.4 動(dòng)態(tài)聚類評(píng)價(jià)指標(biāo)

首先選出動(dòng)態(tài)聚類評(píng)價(jià)指標(biāo)，然后將指標(biāo)標(biāo)準(zhǔn)化，以消除量綱不利影響。

3.4.1 評(píng)價(jià)指標(biāo)選取

結(jié)合層次分析法得出的知識(shí)資源量等6 個(gè)影響大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的主要影響因素，考慮定量指標(biāo)可得性和合理性基礎(chǔ)上，再結(jié)合文獻(xiàn)研究構(gòu)建K-Means 動(dòng)態(tài)聚類的評(píng)價(jià)標(biāo)準(zhǔn)指標(biāo)［10-16］，如表10所示。

表10 大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新整體水平動(dòng)態(tài)聚類評(píng)價(jià)指標(biāo)

3.4.2 指標(biāo)標(biāo)準(zhǔn)化

由于各個(gè)定量評(píng)價(jià)指標(biāo)的單位不同，為了消除量綱的影響，本文采用離差標(biāo)準(zhǔn)化方法進(jìn)行指標(biāo)的標(biāo)準(zhǔn)化。由于定量指標(biāo)都是數(shù)量值越大越利于大數(shù)據(jù)企業(yè)進(jìn)行技術(shù)創(chuàng)新能力提升，記標(biāo)準(zhǔn)化后的指標(biāo)為：

表11 樣本評(píng)價(jià)指標(biāo)數(shù)據(jù)預(yù)處理

3.5 結(jié)果

本文借助SPSS 軟件計(jì)算，迭代兩次后收斂，并得出初始中心間的最小距離為1.846。運(yùn)行結(jié)果分別如表12、表13 所示。通過(guò)表12 可知，第一類企業(yè)的總體均值為0.628 5，第二類企業(yè)的總體均值為0.382 5，第三類企業(yè)的總體均值為0.185，所以判斷第一類大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新整體水平“較強(qiáng)”，第二類大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新整體處于“中等”水平，第三類大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新整體居于“較弱”水平。

表12 樣本企業(yè)技術(shù)創(chuàng)新整體水平聚類結(jié)果

根據(jù)表12、表13 可知，處于大數(shù)據(jù)產(chǎn)業(yè)鏈各個(gè)層級(jí)的樣本企業(yè)的技術(shù)創(chuàng)新整體水平，實(shí)力較強(qiáng)的企業(yè)居于少數(shù)，只有1 家企業(yè)達(dá)到此水平，只占5.26%；居于中間實(shí)力的企業(yè)有2 家，占比為10.53%；大部分企業(yè)的技術(shù)創(chuàng)新整體水平處于較弱狀態(tài)，共有16 家，占比最高，為84.21%。本文得到的動(dòng)態(tài)聚類分析結(jié)果與賽迪智庫(kù)于2017 年發(fā)布的我國(guó)大數(shù)據(jù)企業(yè)整體水平基礎(chǔ)畫像以及技術(shù)研發(fā)評(píng)估報(bào)告結(jié)果大致相符：從大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新評(píng)價(jià)指標(biāo)總體均值來(lái)看，水平較強(qiáng)的大數(shù)據(jù)企業(yè)明顯高于其他類別大數(shù)據(jù)企業(yè)［17］，技術(shù)創(chuàng)新整體水平處于“中等”和“較弱”的大數(shù)據(jù)企業(yè)之間差別較小，表明較弱大數(shù)據(jù)企業(yè)之間競(jìng)爭(zhēng)激勵(lì)。

表13 樣本企業(yè)技術(shù)創(chuàng)新水平動(dòng)態(tài)聚類結(jié)果

4 中低型大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新主要影響因素

本文通過(guò)聚類分析發(fā)現(xiàn)，技術(shù)創(chuàng)新水平處于中下的樣本大數(shù)據(jù)企業(yè)占比達(dá)94.74%，因而提升這類大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新水平具有十分重要的經(jīng)濟(jì)價(jià)值。提升技術(shù)創(chuàng)新水平較差大數(shù)據(jù)企業(yè)的技術(shù)創(chuàng)新能力，需要重點(diǎn)把握關(guān)鍵環(huán)節(jié)與方向，因而為進(jìn)一步探析技術(shù)創(chuàng)新處于中低水平的大數(shù)據(jù)企業(yè)在技術(shù)創(chuàng)新上的主要影響因素，本文采用客觀性和有效性較強(qiáng)的熵值法進(jìn)行分析。

4.1 熵值法

熵值法作為一種客觀賦權(quán)法，依靠客觀指標(biāo)數(shù)據(jù)進(jìn)行實(shí)證研究，因而可靠性與科學(xué)性較強(qiáng)，多被學(xué)者應(yīng)用于評(píng)價(jià)研究和求取各個(gè)指標(biāo)權(quán)重的相關(guān)問(wèn)題中。熵值法無(wú)須設(shè)置參數(shù)、函數(shù)及相關(guān)假設(shè)，操作簡(jiǎn)便，因而應(yīng)用范圍較廣，如田雪瑩［18］和蔡玉勝等［19］分別將熵值法用于我國(guó)城鎮(zhèn)化水平測(cè)度和京津冀區(qū)域發(fā)展質(zhì)量評(píng)價(jià)研究中。本文采用熵值法，可以在一定程度彌補(bǔ)前文所應(yīng)用到的層次分析法在非結(jié)構(gòu)化定性問(wèn)題中存在一定主觀性這一不足，為大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新水平提升提供了另一個(gè)觀察角度。

4.2 熵值法的計(jì)算及結(jié)果

根據(jù)研究目的，本文以浪潮信息等18 家中低技術(shù)創(chuàng)新水平的大數(shù)據(jù)企業(yè)為樣本，以表7 中數(shù)值為數(shù)據(jù)來(lái)源。第一步是通過(guò)樣本數(shù)據(jù)建立初始指標(biāo)數(shù)據(jù)矩陣，即以18 家樣本企業(yè)的每家企業(yè)的12 個(gè)指標(biāo)構(gòu)成一個(gè)18 行12 列的矩陣。第二步是進(jìn)行指標(biāo)數(shù)據(jù)再標(biāo)準(zhǔn)化，由于在K-means 動(dòng)態(tài)聚類分析中已經(jīng)對(duì)指標(biāo)進(jìn)行了離差標(biāo)準(zhǔn)化處理，熵值法計(jì)算部分直接省去第二步。第三步是計(jì)算各樣本指標(biāo)的比重，公式記為：

式（6）中：Pij為各樣本指標(biāo)的比重；ej為各指標(biāo)的熵值。計(jì)算結(jié)果如表14 所示。

第四步是通過(guò)以下公式（7）計(jì)算各指標(biāo)的熵值：

第五步是計(jì)算各個(gè)指標(biāo)的有效性，公式記為：

第六步是算出各指標(biāo)的有效性比重，即求出各指標(biāo)權(quán)重，公式為：

表14 樣本中低型大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新影響因素權(quán)重

4.3 結(jié)果分析

根據(jù)熵值法計(jì)算結(jié)果，樣本中低型大數(shù)據(jù)企業(yè)創(chuàng)新技術(shù)的最主要影響因素是關(guān)系網(wǎng)絡(luò)中的前五名供應(yīng)商合計(jì)采購(gòu)金額，這與前文采用層次分析法得到一級(jí)指標(biāo)權(quán)重值最大的技術(shù)創(chuàng)新的社會(huì)網(wǎng)絡(luò)理論視角相符合。根據(jù)技術(shù)創(chuàng)新的社會(huì)網(wǎng)絡(luò)理論，大數(shù)據(jù)企業(yè)建立社會(huì)關(guān)系網(wǎng)絡(luò)，可以幫助其獲取外部先進(jìn)的知識(shí)而增加自身數(shù)據(jù)庫(kù)資源；通過(guò)與供應(yīng)商合作，直接購(gòu)買獲取大數(shù)據(jù)企業(yè)自身業(yè)務(wù)及其他發(fā)展所需的資源。其中很重要的一項(xiàng)資源就是知識(shí)資源，通過(guò)直接購(gòu)買獲取大數(shù)據(jù)企業(yè)所需的知識(shí)資源，這種方式與企業(yè)內(nèi)部員工創(chuàng)造知識(shí)相比具有更高的效率：?jiǎn)T工自身對(duì)知識(shí)的創(chuàng)造需要花費(fèi)一定的培養(yǎng)成本（經(jīng)濟(jì)成本和時(shí)間成本等），這種知識(shí)資源獲取方式的效果并非立竿見影，并且在一定程度上面臨失敗風(fēng)險(xiǎn)、增加沉沒成本；而大數(shù)據(jù)企業(yè)直接從外部獲取知識(shí)資源，這種知識(shí)獲取方式的針對(duì)性強(qiáng)、時(shí)間效率較高。其次權(quán)重值位居第二的是產(chǎn)品創(chuàng)新下的營(yíng)業(yè)收入和大數(shù)據(jù)技術(shù)應(yīng)用效益下的利潤(rùn)總額。大數(shù)據(jù)企業(yè)的產(chǎn)品創(chuàng)新帶來(lái)的直接影響在于生產(chǎn)出新產(chǎn)品，或是對(duì)舊產(chǎn)品的功能升級(jí)，其直接帶動(dòng)營(yíng)業(yè)收入的增加；同時(shí)大數(shù)據(jù)企業(yè)在產(chǎn)品創(chuàng)新過(guò)程中慢慢積累了技術(shù)創(chuàng)新所需的經(jīng)驗(yàn)與知識(shí)，相關(guān)專利與發(fā)明的申請(qǐng)與授權(quán)則是知識(shí)經(jīng)驗(yàn)積累的典型證明，顯著影響著大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新水平的提升。大數(shù)據(jù)技術(shù)應(yīng)用效益主要包括數(shù)據(jù)挖掘、儲(chǔ)存、預(yù)處理及分析和應(yīng)用等方面的效益。數(shù)據(jù)本身作為一種重要資源，可以通過(guò)合理的挖掘與分析，得出其中有價(jià)值的數(shù)據(jù)資源，進(jìn)而轉(zhuǎn)化成極具意義的知識(shí)資源，推動(dòng)大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新水平的提升。而其中大數(shù)據(jù)技術(shù)應(yīng)用效益則是衡量大數(shù)據(jù)企業(yè)將大量數(shù)據(jù)轉(zhuǎn)化為有用的知識(shí)資源的能力與效率，在績(jī)效上表現(xiàn)為能夠?yàn)榇髷?shù)據(jù)企業(yè)增加多少利潤(rùn)。接著是協(xié)同創(chuàng)新下的碩博學(xué)歷員工數(shù)。協(xié)同創(chuàng)新是企業(yè)內(nèi)部的一種知識(shí)分享機(jī)制，而知識(shí)的分享需要依靠人才彼此之間不斷的交流，人才數(shù)量越多越利于創(chuàng)新理念數(shù)量和創(chuàng)新效率的增長(zhǎng)，也利于新知識(shí)的產(chǎn)生。根據(jù)熵值法計(jì)算結(jié)果，作為技術(shù)創(chuàng)新核心力量的人才并未處于一個(gè)較高的權(quán)重值狀態(tài)。結(jié)合本文采用碩博學(xué)歷員工數(shù)作為協(xié)同創(chuàng)新的代替指標(biāo)，出現(xiàn)這種狀態(tài)的原因可能是碩博學(xué)歷員工雖然在一定程度上具有科研能力，但是其對(duì)大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新水平提升的作用還不是特別明顯。碩博學(xué)歷員工需要進(jìn)一步提升相關(guān)技術(shù)創(chuàng)新能力；大數(shù)據(jù)企業(yè)自身也應(yīng)認(rèn)識(shí)到，企業(yè)技術(shù)創(chuàng)新并不是只看高學(xué)歷員工數(shù)量的多少，應(yīng)該更加看重其質(zhì)量，因此在人才引進(jìn)時(shí)關(guān)注具有一定創(chuàng)新能力的高學(xué)歷人員，培養(yǎng)更多有實(shí)踐價(jià)值的技術(shù)創(chuàng)新人才。

5 結(jié)論與建議

本研究的實(shí)證結(jié)果表明，將層次分析法、K-Means 聚類和熵值法集成應(yīng)用在分析大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新整體水平的主要影響因素以及中低型大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的主要影響因素上具有可靠性。本文的結(jié)論如下：一是可以根據(jù)AHP 判斷出大數(shù)據(jù)企業(yè)技術(shù)創(chuàng)新的主要影響因素有知識(shí)資源量、大數(shù)據(jù)技術(shù)的應(yīng)用效益、人力資源、和外界的關(guān)系網(wǎng)絡(luò)以及產(chǎn)品創(chuàng)新與協(xié)同創(chuàng)新，為我國(guó)大數(shù)據(jù)企業(yè)提升技術(shù)創(chuàng)新水平提供參考方向；二是采用K-Means 聚類分析發(fā)現(xiàn)大數(shù)據(jù)企業(yè)在技術(shù)創(chuàng)新上呈現(xiàn)“領(lǐng)先企業(yè)少而強(qiáng)，長(zhǎng)尾企業(yè)多而弱”的非均衡格局，表明我國(guó)大數(shù)據(jù)企業(yè)整體技術(shù)創(chuàng)新水平需進(jìn)一步提升；三是采用熵值法揭示中低技術(shù)創(chuàng)新水平的大數(shù)據(jù)企業(yè)的技術(shù)創(chuàng)新主要受到關(guān)系網(wǎng)絡(luò)（采購(gòu)金額）、產(chǎn)品創(chuàng)新（營(yíng)業(yè)收入）、大數(shù)據(jù)技術(shù)應(yīng)用效益（利潤(rùn)總額）、碩博學(xué)歷員工數(shù)和研發(fā)投入金額的影響。

根據(jù)相關(guān)結(jié)論，本文提出以下建議：第一，對(duì)于大數(shù)據(jù)企業(yè)研發(fā)投入占比普遍較低的問(wèn)題，建議政府增加對(duì)大數(shù)據(jù)企業(yè)研發(fā)投入的補(bǔ)貼，為大數(shù)據(jù)企業(yè)增加研發(fā)投入營(yíng)造良好政策環(huán)境；同時(shí)，大數(shù)據(jù)企業(yè)自身應(yīng)該注重協(xié)同創(chuàng)新和合理的高管激勵(lì)對(duì)研發(fā)投入的正向促進(jìn)作用。第二，對(duì)于技術(shù)創(chuàng)新水平較強(qiáng)的大數(shù)據(jù)企業(yè)存在無(wú)形資產(chǎn)占比較低問(wèn)題，建議政府進(jìn)一步完善知識(shí)產(chǎn)權(quán)保護(hù)等相關(guān)政策，以利于大數(shù)據(jù)企業(yè)無(wú)形資產(chǎn)的維護(hù)與增值；同時(shí)，此類大數(shù)據(jù)企業(yè)應(yīng)建立與完善員工知識(shí)創(chuàng)造的相關(guān)獎(jiǎng)勵(lì)制度（如加大對(duì)申請(qǐng)與獲取專利發(fā)明授權(quán)等方面的獎(jiǎng)勵(lì)與考核），多開展企業(yè)內(nèi)部知識(shí)經(jīng)驗(yàn)交流活動(dòng)，注重不同崗位員工之間的知識(shí)交流和現(xiàn)有知識(shí)的整合，以利于新知識(shí)創(chuàng)造，進(jìn)而利于大數(shù)據(jù)企業(yè)開發(fā)無(wú)形資產(chǎn)。第三，對(duì)于技術(shù)創(chuàng)新水平中等的大數(shù)據(jù)企業(yè)面臨碩博學(xué)歷員工數(shù)較少問(wèn)題，建議政府深入改革相關(guān)體制以利于促進(jìn)人才流動(dòng)與培養(yǎng)；同時(shí)，大數(shù)據(jù)企業(yè)自身應(yīng)加強(qiáng)與高校的合作交流，為碩博在讀生提供實(shí)習(xí)機(jī)會(huì)，并盡力了解與滿足碩博學(xué)歷人才的個(gè)性化內(nèi)心需求，以吸引和留住高學(xué)歷人才。第四，對(duì)于技術(shù)創(chuàng)新水平較弱的大數(shù)據(jù)企業(yè)研發(fā)人員數(shù)較少和利潤(rùn)總額偏低問(wèn)題，建議政府結(jié)合此類大數(shù)據(jù)企業(yè)實(shí)際情況進(jìn)行相關(guān)資源的合理配置；同時(shí)，大數(shù)據(jù)企業(yè)自身應(yīng)加大與技術(shù)創(chuàng)新能力較強(qiáng)企業(yè)之間的合作創(chuàng)新，引進(jìn)外部先進(jìn)技術(shù)與知識(shí)資源，逐步實(shí)現(xiàn)由模仿創(chuàng)新到自主創(chuàng)新的轉(zhuǎn)變，注重企業(yè)內(nèi)部員工的深造與技術(shù)創(chuàng)新能力的培養(yǎng)，逐步實(shí)現(xiàn)產(chǎn)學(xué)研相結(jié)合，進(jìn)而提升綜合業(yè)務(wù)能力。