圖片來源@視覺中國

【資料圖】

中國企業(yè)的創(chuàng)新模式正在發(fā)生變遷，信息不對稱不透明、政策信息易遺漏、缺乏長期戰(zhàn)略眼光成為國內企業(yè)在創(chuàng)新過程中的普遍痛點。

一方面，在這個信息大爆炸時代，產業(yè)動態(tài)、行業(yè)新政、競品數據、技術趨勢等信息碎片化分布，非常考驗創(chuàng)業(yè)者對各類信息的綜合把握和關鍵決策能力。但人的決策很多時候并不能保證完全正確，有時候基于所了解的片面信息做出的決策往往會成為業(yè)務變形的導火索。基于全面的大數據，給出客觀的數據分析，是大數據時代的理想方案。

另一方面，企業(yè)一旦啟動創(chuàng)新，需要投入大量的資金、人才和資源，若能連接到可轉化落地的科技成果，或領域專家，則能縮短研發(fā)周期，大大提升企業(yè)的科創(chuàng)效率。據科技部統(tǒng)計，我國2019年開展技術創(chuàng)新活動的企業(yè)共計25.1萬家，其中開展產學研合作的企業(yè)為5.7萬家，占比22.7%。隨著產學研合作的信息不斷透明、政策體系日益成熟，產學研合作逐步成為我國企業(yè)技術創(chuàng)新的首選，也推動了產學研對接服務市場的快速發(fā)展。

創(chuàng)新是企業(yè)質變的開始，幫助企業(yè)降低創(chuàng)新成本是挑戰(zhàn)也是機遇，打通企業(yè)在產學研方面的信息鴻溝，會是科創(chuàng)服務的下一個藍海嗎？

異構異源信息調度

提供聚合的數據服務，在商業(yè)創(chuàng)新中已經有諸多相對成功的案例，貝殼找房、滴滴出行等等都是在以數據聚合彌補信息差。但是不同于上述領域，科創(chuàng)賽道的信息聚合難點在于對異構異源信息的分析和調度。

正如上文所說，一位科創(chuàng)賽道的創(chuàng)業(yè)者需要了解的信息包含了產業(yè)動態(tài)、行業(yè)新政、競品數據、技術趨勢等多維度，將這些數據重新打散并個性化地精準匹配給某一賽道的企業(yè)，極其考驗底層大數據引擎對數據的分析和調度能力。

以某車企數據分析為例

以大數據科創(chuàng)服務平臺企知道為例，通過聚合工商數據、專利數據、政策數據以及產業(yè)鏈數據等等，可以為企業(yè)形成相關領域的知識圖譜，結合用戶使用場景，讓數據模塊化展示出來，同時通過系統(tǒng)給出參考建議。

聚合這些信息有幾個比較大的技術挑戰(zhàn)，一來知識產權數據、專利數據、政策數據以及產業(yè)鏈數據等數據交叉分析后，知識圖譜的形成是行業(yè)的門檻之一；二來快速地結合用戶使用場景，對數據進行及時的計算和調度，這是第二個技術門檻；最后，針對某一個企業(yè)所在賽道給出基于所有維度數據的核心業(yè)務創(chuàng)新建議，這是第三個技術門檻。

多維信息分析和調度的門檻，也意味著在商業(yè)模式的選擇上，更好的模式是重交付而非標準化SaaS。因為大部分情況下，一項決策的施行往往要能夠深度結合當地產業(yè)、政策情況，助力企業(yè)科技創(chuàng)新落地，為最終結果負責。

“企知道所選擇的商業(yè)模式不是SaaS化的數據訂閱服務，而是重交付的貼身服務。企業(yè)通過企知道可免費在線查詢政策、專利、競品等信息，在此過程中如衍生更深入的資源對接需求，可與企知道專人完成線下對接，享受增值服務，解決創(chuàng)新痛點，提升自身科創(chuàng)效率?！逼笾老嚓P負責人告訴鈦媒體App。

目前企知道在全國70多個城市有5000多位專家承接來自全國各地的輕咨詢需求?！氨绕渌許aaS模式為主的數據性付費、會員付費的客單價更高，并且能夠真正解決創(chuàng)業(yè)公司的痛點問題?！?/p>

彌補信息鴻溝，連接產學研

企知道這類大數據科創(chuàng)服務平臺彌補信息鴻溝的一個典型場景是情報服務，例如專利查詢。

在眾多大數據中，專利數據與產業(yè)創(chuàng)新的關系尤為緊密。一方面，專利成果是企業(yè)創(chuàng)新的沉淀，以專利為鏡可以洞察產業(yè)發(fā)展脈絡；另一方面，專利又是企業(yè)參與市場競爭的有利武器，可幫助企業(yè)構建長期核心競爭力。

當一家企業(yè)著手發(fā)力某個產業(yè)時，專業(yè)的專利查詢和分析工具可以將該領域專利分布情況可視化展示，使新入局的企業(yè)快速了解行業(yè)，并找到差異化競爭的道路。

對于大數據科創(chuàng)服務平臺來說，其價值一方面在于彌補信息鴻溝，另一方面也在于對利益相關方的連接。一個比較大的連接需求體現在產學研融合上，這也是目前我國科技創(chuàng)新面臨的難題。

一方面高?？蒲谐晒涞兀硪环矫媸瞧髽I(yè)技術亟需升級。但大多數情況下，高校的科研成果往往因為難以找到落地場景而擱置，企業(yè)也因為難以找到對應場景的技術方案無法迭代，兩者中間似乎有一條難以跨越的鴻溝。

相關數據顯示，我國技術產業(yè)化程度并不高，在材料領域、能源領域、網絡信息領域，美國的基礎研究成果轉化率分別為17.8%、19.5%、30%；而中國分別為1.9%、1.7%、0.1%。這個差距是巨大的。提升科研成果轉化效率，不僅能讓企業(yè)降本增效，還能大大提升整個社會的科技創(chuàng)新水平。

一個多月前，企知道產學研平臺入選了工信部2022年大數據產業(yè)發(fā)展試點示范項目?；谄笾?0萬產學研專家與科研成果數據庫，目前通過企知道同高校完成科研對接的企業(yè)已經超過百家，其中包括中國科學院上海硅酸鹽研究所與深圳市鴻富誠新材料股份有限公司、浙江強偉五金有限公司與南京工程學院等的多個產學研對接。

隨著國家科技創(chuàng)新激勵政策的相繼出臺，科創(chuàng)服務賽道也將會涌現出一批類似企知道產學研這樣的供求匹配平臺。據科技部統(tǒng)計，全國高新技術企業(yè)數量已經從十多年前的4.9萬家增長至2021年的33萬家，這類企業(yè)的研發(fā)投入占到全國企業(yè)研發(fā)投入的70%。

幫助這33萬家企業(yè)打通產學研信息鴻溝，將會成為科創(chuàng)新命題。只不過在技術迭代下，這類信息匹配/需求撮合也不再囿于傳統(tǒng)方式，人工智能、大數據分析處理等技術的突破將推動科創(chuàng)服務完成一輪又一輪的模式創(chuàng)新。（ 作者 | 秦聰慧）

關鍵詞：