大數據背景下大學生創新創業促進效果評價體系設計

謝從晉 楊柳

摘? 要：文章首先分析了當前大學生創新創業促進效果評價體系存在的缺陷，并在此基礎上利用大數據分析方法及相應工具設計出一種新的評價體系，以期能夠更加全面、及時地收集和利用相關信息，實現對大學生創新創業促進機制的發展與完善，從而更有效地激勵大學生創新創業活動。

關鍵詞：大數據;評價體系;創新創業;促進效果

作者簡介：謝從晉，四川外國語大學重慶南方翻譯學院講師，碩士，研究方向為大數據與創新管理;楊柳，四川外國語大學重慶南方翻譯學院副教授，碩士，研究方向為數據挖掘。（重慶 401120）

基金項目：本文系重慶市教育科學“十三五”規劃2018年度規劃課題“雙因素理論視角下高校大學生創新創業促進機制研究”（編號：2018-GX-388）的階段性研究成果。

中圖分類號：G64? ? ? 文獻標識碼：A? ? ? ?文章編號：1671-0568（2019）27-0006-04

大學生創新創業促進機制及其效果的評價，會直接影響大學生創新創業的成功率，是現階段我國實施“創新驅動發展”戰略的重要構成要素。如何才能更有效地激發大學生的創新創業潛力;怎樣才能少走彎路，提升大學生創新創業實踐能力;怎么才能對大學生創新創業促進工作和促進效果做出更客觀、更合理的評價，這些都是國家和社會普遍關心的問題。不過，前人在研究大學生創新創業促進效果評價領域時，往往偏重于采用專家評測法從而得到一些描述性的分析結論，或者僅憑對少許數據（如補助金額、減免稅收、銷量與利潤等）加以比對就得出評價結果。

大數據思維的提出、大數據技術的興起、智能化服務的廣泛應用以及相關技術的不斷發展，給大學生創新創業促進效果的評價工作帶來了另外一種可能。

一、傳統創新創業促進效果評價體系的弊端

大學生創新創業促進效果評價的傳統思路是“設置促進目標—促進方案制訂—促進措施落實—促進對象反饋—促進效果評價”。該流程基本上是一維和線性的，每兩步之間環環相扣，不可跳躍。下一步的進行通常都以“前一步已經完成”為前提，如要收集促進對象的反饋時，通常是促進措施已經落實過后方可進行;比如，要開展促進效果的評價工作，通常是促進對象的信息反饋工作已經全部完成了才可進行。這種處理思路會帶來諸多問題。

1.信息來源缺乏及時性和全面性。在大數據技術出現之前，開展評價工作的信息來源十分有限，僅能靠人工收集一些顯而易見的數據，或者借助機器收集到并不全面的信息。同時，由于大量采用人工的方式，缺少時效性，難以在工作進行的過程中及早發現問題，更不能將上述流程中后續的信息實時地反饋到前一步。

2.評價方法缺乏針對性和個性化。傳統評價體系的評價指標往往都是人為預先設計好的，如政府補助資金數量、減免稅收與產出的比率、創新創業團隊研發投入和產出的專利數量等，這些指標往往都是一樣的，缺乏對每一個創新創業團隊的個性化評價。

3.評價過程缺乏動態性和開放性。傳統評價指標基本都是結果式的。即使信息來源非常充分、評價方法十分可觀，評價結果也一定是暫時性的。它只能代表創新創業促進工作在近期的狀態，更準確地說，僅僅是該次評價在采集數據時的狀態。傳統評價體系不能全面地對促進工作進行動態評價，因而無法對創新創業過程提出有益的建議。

對每一個創新創業團隊的促進工作做出事無巨細的評價，傳統評價體系也許能做到，但人力成本無疑會非常高，且隱私保護的問題無比棘手。

4.評價結果缺乏公正性和預見性。由于缺乏對創新創業過程的動態性監測，缺乏對創新創業大學生群體全局性和局部性的行為分析，更缺乏大量的創新創業關聯信息的有效支撐，使得傳統評價體系既不能對創新創業促進效果做出積極預測，也不能保證每一次評價結果的客觀公正性。

二、基于大數據技術的大學生創新創業促進效果評價體系

本文設計的基于大數據思維與技術的大學生創新創業促進效果評價體系，以及各個模塊與工作步驟存在的遞進與反饋關系如圖1所示。

首先，采集大學生創新創業投入產出大數據，并完成數據的去噪、集成、清洗、歸約、變換、辨析、離散化、抽取等預處理操作，大學生創新創業投入產出大數據的信息來源如圖2所示;其次，建立大學生創新創業投入產出大數據庫，實現數據的有效存儲與高效管理，這是后續數據挖掘、數據服務與數據應用的基礎;再次，大學生創新創業投入產出大數據的處理與分析，對數據開展數據挖掘、建模仿真、關聯分析、統計分析等;最后，提供有關大學生創新創業促進問題的數據應用，為大學生創新創業促進過程的管理和促進效果的評價提供服務。

1.大學生創新創業大數據的采集與預處理。為了確保大數據信息的完備性和多樣性，應該盡一切可能收集大學生創新創業相關信息，本文將這些信息稱為大學生創新創業投入產出大數據（簡稱“投入產出大數據”或“創新創業大數據”）。數據的來源很廣泛，數據的完備性、全面性與多樣性是所有大數據問題中十分尋常又十分重要的問題，會直接影響后續數據挖掘與數據分析的效果。

大學生創新創業大數據的來源包括四個方面：創新創業管理部門、創新創業服務與協作組織、產品面對的消費者和創新創業的大學生自身，其中創新創業管理部門信息包括政府部門的各種政策文件、高校公布的相關管理條例、高校開設相關課程的投入、工商部門的數據信息、稅務部門的稅務信息、專利部門的創新成果信息、法務部門的官司信息、環保部門的公示與懲罰信息等;創新創業服務與協作組織包括各種創新創業比賽文件、孵化園的管理與統計數據、成果轉化平臺的報表、大學生雙創培訓信息、天使投資人和合伙投資人的投入情況、銀行貸款信息等;相應產品的消費者信息包括消費者對該產品的評價與反饋信息、產品的復購率、消費偏好、投訴與舉報信息等;來自創新創業大學生自身的信息更是具有多樣性，包括創新創業大賽獲獎、個人征信、收入信息、課程學習情況、消費與購物、貸款與融資等。

針對創新創業大數據存在的量大、異構、雜亂、不一致、不完整、重復和非結構化等特性，必須對剛采集到的數據進行預處理，包括去噪、清洗、集成、規約、變換、離散化等操作。具體在執行時，將創新創業大數據中的缺失值進行舍棄元組、人工補充、全局常量填充、中心度量填充、可能值填充等操作;將噪聲數據與離群點進行去噪、離群點檢測、數據光滑、分箱、線性回歸等處理;把來源不同、格式不同、特點性質各異的創新創業數據在邏輯或物理上進行有機的數據集中，將來自于多個創新創業數據源的等價實體進行匹配和識別，將多次重復出現的創新創業數據冗余進行消除;減少考慮創新創業標簽屬性的個數，盡量用較小的數據表示原數據;還要對數據進行屬性構造、匯總或聚集、規范化、標簽替換等，現有較成熟的工具有Hadoop、Spark、Hbase等。

2.大學生創新創業大數據的存儲與管理。創新創業大數據的有效存儲與管理能為本文中設計的促進效果評估系統提供基本保障和重要支撐，其存儲與管理質量的好壞會直接影響整個大數據評估系統的性能。

在系統中，可采用分布式存儲方式存儲創新創業大數據，以應對數據量較龐大的問題，即將大量的創新創業數據分塊存儲在不同的數據中心，或者說是不同的服務器節點上，并通過數據副本保持其可靠性;為了提高數據實時更新速度以及存取效率，可采用唯一的日志文件;當節點發生故障導致系統不可用時，通過文件系統鏡像可幫助節點恢復工作，從而保障節點的可靠性。另外，盡量采用流式訪問、一次寫入多次讀取的模式，從而保證數據的一致性;從成本上考慮，存儲還要滿足廉價機或機群、設計簡潔通用、高容錯性的配置要求。目前，Google的GFS和Hadoop的HDFS都是較成熟且較典型的存儲技術。

創新創業大數據的管理中，由于其具有非結構化和半結構化特征，所以常使用非關系型數據庫。一般采用列式存儲的方式來實現，將數據按相同字段分開，每一列數據單獨存放在一起。為了提升效率、節省開支，不同的數據列對應不同的屬性，屬性也可以根據需求動態增減，查詢時就能夠只查詢相關的數據列。目前，常用的數據管理技術是HBase。

3.大學生創新創業大數據的處理與分析。通過對創新創業大數據進行處理和分析，獲取各項有價值的信息。分析方法的選擇和應用顯得格外重要，對最終信息的價值起決定性作用。常用分析方法及理論有：可視化分析，能夠直觀地呈現創新創業情形;數據挖掘算法，這是大數據分析最核心的部分，各種數據挖掘的算法針對不同的創新創業數據類型和數據格式;預測性分析，通過建立科學的模型，將新的數據流引入模型，從而知曉未來的某些創新創業信息;語義引擎，由于非結構化數據的多元化，使得數據分析需要一系列工具系統去分析并提煉數據，從而主動地提取信息。數據挖掘一般不按預先設定好的主題進行，通常是在現有數據基礎上進行各種計算，挖掘出什么結果就是什么結果，從而實現一些高級別數據分析需求，達到預測的目的。

為了分析和判斷創新創業大數據間的關系，分析方法較多，常用的有相關分析、描述統計、假設檢驗、方差分析、回歸分析、聚類分析、決策樹等。比如相關分析，在大數據處理系統中是非常有用的一種方法，能研究出兩個或多個創新創業事件或現象之間是否存在某種依存關系，以及該關系的相關程度;而方差分析則是從觀測因素的方差入手，研究其他諸多創新創業促進因素中哪些對該因素有顯著的影響;又如回歸分析，種類較多，通過規定創新創業促進因素和促進結果變量來確定它們之間的因果關系及回歸模型，并根據實測數據來求解、擬合，從而實現對創新創業促進結果的預測。

4.該評價體系下促進大學生創新創業的大數據服務。利用數據的分析、處理以及挖掘得到的有用信息，開展大學生創新創業大數據應用與服務，為政府決策部門、高校管理部門、企業孵化機構、企業管理組織提供管理決策參考，為創新創業大學生等提供信息服務和行動建議。

數據應用與服務圍繞大學生創新創業促進工作中的過程管理、效果評估和實時監測等方面進行，其應用包括設計初創企業個性化評價指標、大學生創新創業促進效果的評估、促進成果的可視化呈現、創新創業團隊管理質量的評估、創新創業過程中問題的發現、創新創業效益預測和風險警示等方面，大數據應用與服務既能檢驗或驗證創新創業大數據的處理和分析結果，又能對創新創業大數據的分析與處理結果進行積極地引導和反饋。

利用創新創業大數據，發現創新促進效果與各種促進因素之間的關聯性，從而幫助我們做決策，并在一定程度上實現預測，這也正是大數據技術在創新創業促進和創新管理領域開展實際應用的核心問題。

三、評價體系具備的特征

1.信息來源的及時性與全面性。廣泛收集一切可用數據，是任何一個大數據應用系統的基本前提和要求。正如圖2所示，系統在數據收集方面是傳統評價體系不可同日而語的?，F有大數據處理技術已經趨于成熟和完善，即使面對海量的異構數據，仍然能夠解決數據量帶來的處理問題。這就有效保證了開展評價工作時信息的及時性和全面性。

2.評價方法的針對性與個性化。通過大數據技術的“標簽體系”，能給每一個創新創業團隊繪制“創新畫像”。眾所周知，該標簽體系中的標簽不是一成不變的，它能隨著數據量的積累，以及評價工作的逐步開展而不斷修正、補充和完善。這就保證了每一個創新創業團隊的創新畫像是有針對性的，而每一次評估工作亦是有區別的。

3.評價過程的動態性與開放性。除歷史消息作為模型基礎之外，實時的大數據流會作為重要的輸入項，這就能確保該評價體系對評價過程的監測是動態性的。另外，數據來源的可擴展性和創新標簽的可調整型，與傳統評價體系中設置固定評價指標的方式十分不同，這使得整個評價過程顯示出開放性的特征。

4.評價結果的公正性與預見性?；诖髷祿脑u價體系得到的評價結果既是局部性的，又是全局性的。它在評價每一個創新創業團隊的促進措施與促進效果時，可以追蹤溯源到各個細微的事件，又能將這些事件從全局性的高度加以比對和分析，從而使得評價結果更加具備客觀公正性。與此同時，事件的關聯分析往往能夠對還沒發生但將要發生的事件做出預測，這也是大數據技術的一個重要特征和特色。

本文提出了利用大數據思維和技術設計大學生創新創業促進效果評價體系，拓展了大數據技術的應用領域，深化了創新創業促進效果評價的研究內容。文中給出了新的評價體系的理論框架模型以及相應的技術分析，為后續的研究和實踐指明了方向。

隨著大數據技術的普及以及相關人才的跟進，相信該體系能夠在大學生創新創業促進效果評價領域發揮出自身天然的優勢，即實時、快速、低價、可預測，進一步激發大學生進行創新創業活動。

參考文獻：

[1] 王慶，趙發珍.基于“用戶畫像”的圖書館資源推薦模式設計與分析[J].現代情報，2018，（3）.

[2] 吳軍.智能時代：大數據與智能革命重新定義未來[M].北京：中信出版社，2016.

[3] 林子雨.大數據技術原理與應用[M].北京：人民郵電出版社，2017.

[4] （英）維克托·邁爾·舍恩伯格，肯尼思·庫克.大數據時代[M].盛楊燕，等譯.杭州：浙江人民出版社，2013.

責任編輯? 易繼斌