一種基于BP神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)評(píng)價(jià)模型研究

黃清鑫　郭東強(qiáng)

[摘要]市場(chǎng)經(jīng)濟(jì)快速發(fā)展加速了企業(yè)轉(zhuǎn)型進(jìn)度。轉(zhuǎn)型企業(yè)需要有效地吸收和轉(zhuǎn)化新進(jìn)入產(chǎn)業(yè)的知識(shí)，識(shí)別轉(zhuǎn)型過(guò)程中存在的風(fēng)險(xiǎn)。積極促進(jìn)企業(yè)正常轉(zhuǎn)型。結(jié)合轉(zhuǎn)型企業(yè)的組織特性以及企業(yè)特性，本文構(gòu)建了轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移的風(fēng)險(xiǎn)指標(biāo)體系，引入BP神經(jīng)網(wǎng)絡(luò)算法，提出基于BP神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)評(píng)價(jià)模型，實(shí)驗(yàn)結(jié)果證明該算法能夠很好地評(píng)估和預(yù)測(cè)企業(yè)知識(shí)轉(zhuǎn)移面臨的風(fēng)險(xiǎn)。

[關(guān)鍵詞]BP神經(jīng)網(wǎng)絡(luò)；企業(yè)；知識(shí)轉(zhuǎn)移；風(fēng)險(xiǎn)評(píng)價(jià)

DOI：10.3969/j.issn.1008-0821.2015.01.021

[中圖分類號(hào)]F272.4 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008-0821（20t5）01-0108-06

隨著科學(xué)技術(shù)的發(fā)展，市場(chǎng)經(jīng)濟(jì)競(jìng)爭(zhēng)更加激烈，調(diào)整企業(yè)產(chǎn)業(yè)結(jié)構(gòu)，適應(yīng)市場(chǎng)經(jīng)濟(jì)的發(fā)展，已經(jīng)成為各大企業(yè)面臨的挑戰(zhàn)問(wèn)題之一。在企業(yè)轉(zhuǎn)型過(guò)程中，知識(shí)轉(zhuǎn)移具有不可替代的作用，其可以有效的發(fā)掘企業(yè)的潛在資源，優(yōu)化配置知識(shí)管理的有效性，企業(yè)轉(zhuǎn)型也能夠?yàn)楦哔|(zhì)高效地實(shí)現(xiàn)企業(yè)知識(shí)轉(zhuǎn)移和轉(zhuǎn)化提供良好的土壤，使得有價(jià)值和創(chuàng)造力的知識(shí)在組織之間得以共享，擴(kuò)大共享知識(shí)圈，促進(jìn)整個(gè)組織的知識(shí)存量增長(zhǎng)，最終達(dá)到提升知識(shí)創(chuàng)新及能力創(chuàng)新。

企業(yè)知識(shí)轉(zhuǎn)移過(guò)程中，需要在原有企業(yè)積累的知識(shí)基礎(chǔ)上，吸收新的企業(yè)發(fā)展壯大的知識(shí)，以便能夠有效的改進(jìn)企業(yè)經(jīng)營(yíng)、管理的狀況，因此，知識(shí)轉(zhuǎn)移過(guò)程具有復(fù)雜性、特殊性，其面臨著許多不確定的因素，將會(huì)給企業(yè)轉(zhuǎn)型帶來(lái)巨大的風(fēng)險(xiǎn)，常見(jiàn)的風(fēng)險(xiǎn)有知識(shí)產(chǎn)權(quán)侵權(quán)風(fēng)險(xiǎn)等。許多企業(yè)管理學(xué)者為了有效的規(guī)避知識(shí)轉(zhuǎn)移過(guò)程中發(fā)生風(fēng)險(xiǎn)，已經(jīng)對(duì)其進(jìn)行了許多研究，比如使用多元分析法、層次分析法、模糊綜合法等，識(shí)別、評(píng)估知識(shí)轉(zhuǎn)移面臨的風(fēng)險(xiǎn)。但是，目前的風(fēng)險(xiǎn)識(shí)別和評(píng)估方法應(yīng)用過(guò)程中，依賴主觀經(jīng)驗(yàn)，要求評(píng)判人必須擁有許多的風(fēng)險(xiǎn)評(píng)估實(shí)際經(jīng)驗(yàn)，降低了決策的客觀性和準(zhǔn)確度。為了解決上述問(wèn)題，本文在知識(shí)轉(zhuǎn)移過(guò)程中引入BP神經(jīng)網(wǎng)絡(luò)，提出基于BP神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)評(píng)價(jià)模型，針對(duì)知識(shí)轉(zhuǎn)移過(guò)程中遇到的問(wèn)題進(jìn)行分析，實(shí)施預(yù)測(cè)和判斷，實(shí)驗(yàn)結(jié)果證明該算法能夠很好地評(píng)估和預(yù)測(cè)企業(yè)知識(shí)轉(zhuǎn)移面臨的風(fēng)險(xiǎn)。

1.背景理論

1.1轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)指標(biāo)體系

經(jīng)過(guò)多年的研究和實(shí)踐，許多學(xué)者已經(jīng)提出了多種企業(yè)知識(shí)轉(zhuǎn)移過(guò)程風(fēng)險(xiǎn)識(shí)別方法，比如頭腦風(fēng)暴法、德?tīng)柗品?、情景分析法、?wèn)卷調(diào)查法、座談法、核對(duì)表法和故障樹(shù)分析方法。因此，可以根據(jù)轉(zhuǎn)型企業(yè)的實(shí)際情況，選擇一種或多種風(fēng)險(xiǎn)識(shí)別方法，合理配置，對(duì)轉(zhuǎn)型企業(yè)的組織特性以及企業(yè)特性進(jìn)行綜合考慮和測(cè)評(píng)，識(shí)別知識(shí)轉(zhuǎn)移存在的風(fēng)險(xiǎn)。

為了更加有效的識(shí)別企業(yè)知識(shí)轉(zhuǎn)移存在的分析，本文在實(shí)施問(wèn)卷調(diào)查、情景分析法和核對(duì)表法的基礎(chǔ)上，使用SPSS10.0統(tǒng)計(jì)軟件對(duì)獲得的實(shí)證數(shù)據(jù)分別進(jìn)行描述性統(tǒng)計(jì)，信效度分析，以對(duì)轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移有顯著影響的關(guān)鍵風(fēng)險(xiǎn)因素進(jìn)行分析，統(tǒng)計(jì)發(fā)現(xiàn)轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移存在多種風(fēng)險(xiǎn)因素，并且結(jié)構(gòu)不明確，增加了不確定性，并且許多風(fēng)險(xiǎn)可以歸為一類，因此可以對(duì)這些風(fēng)險(xiǎn)實(shí)施因子分析，以便能夠有效的降低風(fēng)險(xiǎn)因子數(shù)量，辨析風(fēng)險(xiǎn)結(jié)構(gòu)，識(shí)別出關(guān)鍵風(fēng)險(xiǎn)因子。

因子分析是一種有效降維的統(tǒng)計(jì)分析手段，通過(guò)因子分析，可以將較多的因子降維成為少數(shù)幾個(gè)具有代表性的綜合因子，從而更便于對(duì)這些因子進(jìn)行分析，以及之后的相關(guān)分析和因果分析。實(shí)施因子分析之前，需要確定這些因子之間是存在較強(qiáng)的相關(guān)性的，本文運(yùn)用KMO樣本充足度測(cè)度以及巴特爾球度這兩種統(tǒng)計(jì)手段，對(duì)多個(gè)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)因素進(jìn)行相關(guān)分析，判別其是否適合進(jìn)行因子分析。

KMO統(tǒng)計(jì)量的取值范圍介于0～1之間，其值越接近于1，表示變量間的相關(guān)性越強(qiáng)，越適合做因子分析；相反。KMO統(tǒng)計(jì)值越加接近于0，則越不適合做因子分析。通常，KMO≥0.9，是極為適合因子分析；0.8≤KMO<0.9，則是較為適合；0.7≤KMO<0.8，則是尚可；0.6≤KMO<0.7，則勉強(qiáng)可以進(jìn)行因素分析；若0.65≤KMO<0.6，則不適合進(jìn)行因子分析；小于0.50則是非常不適合。

對(duì)于巴特萊球度檢驗(yàn)而言，當(dāng)觀測(cè)值較大，對(duì)應(yīng)概率P值小于給定顯著水平a時(shí)，認(rèn)為適合做因子分析，否則不適合。本文通過(guò)SPSS10.0對(duì)轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)因素的調(diào)查數(shù)據(jù)實(shí)施KMO和Bartlett球度檢驗(yàn)可以得知，Bartlett球形度檢驗(yàn)的si=0.000<0.01，顯著；且KMO=0.856>0.8，這就表明，適合做因子分析，具體檢驗(yàn)結(jié)果如表1所示。

在對(duì)轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移因子分析過(guò)程中，本文采用方差最大化正交旋轉(zhuǎn)法（Varimax）法的主成分分析（PCA）法，以相關(guān)矩陣（correlation matrix）為提取因子的依據(jù)，按特征根大于1的標(biāo)準(zhǔn)抽提因子。并且，為了保證因素的顯著性，根據(jù)Hair等人研究成果，以0.5作為因子載重系數(shù)臨界點(diǎn)。具體結(jié)果如表2所示。轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)因子分析結(jié)果，表中顯示了所有的主成分及其因子載荷。從表2中可以得知，整個(gè)因子分析將所有的風(fēng)險(xiǎn)因素分為5個(gè)新的因子，且其特征值都大于1，全部累計(jì)方差的解釋率達(dá)到70.926。其中，第一個(gè)因子包括：企業(yè)主體的知識(shí)轉(zhuǎn)移能力低、對(duì)知識(shí)的過(guò)度保護(hù)、對(duì)知識(shí)的保護(hù)過(guò)低、參與知識(shí)轉(zhuǎn)移的企業(yè)數(shù)量太大、企業(yè)主體問(wèn)的信任關(guān)系不強(qiáng)、企業(yè)主體間的信息不對(duì)稱以及轉(zhuǎn)移意愿不強(qiáng)，由于這些變量基本都與知識(shí)轉(zhuǎn)移的主體有關(guān)，本文將其命名為“知識(shí)轉(zhuǎn)移主體風(fēng)險(xiǎn)”；第二個(gè)公因子主要包括：知識(shí)的相關(guān)性差、知識(shí)的默會(huì)性高、知識(shí)的情境依賴性強(qiáng)、知識(shí)的專業(yè)性要求高，且這些變量都與知識(shí)的特性相關(guān)，所以將其命名為“知識(shí)轉(zhuǎn)移特性風(fēng)險(xiǎn)”；第三個(gè)公因子主要包括：知識(shí)產(chǎn)權(quán)法律的執(zhí)法力度不夠、知識(shí)產(chǎn)權(quán)法律的不完善、企業(yè)的產(chǎn)權(quán)意識(shí)不強(qiáng)3個(gè)因素，且其反映的都是知識(shí)產(chǎn)權(quán)環(huán)境，所以本文將其命名為“知識(shí)轉(zhuǎn)移產(chǎn)權(quán)環(huán)境風(fēng)險(xiǎn)”；第四個(gè)公因子是知識(shí)背景的相差程度大，反映的是企業(yè)的內(nèi)部環(huán)境，因此將其稱為“知識(shí)轉(zhuǎn)移內(nèi)部環(huán)境風(fēng)險(xiǎn)”；第五個(gè)公因子主要包括：知識(shí)轉(zhuǎn)移方式與知識(shí)特性匹配程度不高、知識(shí)轉(zhuǎn)移媒體的富裕度低，因其都與知識(shí)轉(zhuǎn)移的方式相關(guān)，因而本文將其稱為“知識(shí)轉(zhuǎn)移方式風(fēng)險(xiǎn)”。

通過(guò)分析，本文識(shí)別出影響轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移的5個(gè)關(guān)鍵風(fēng)險(xiǎn)因素和17個(gè)風(fēng)險(xiǎn)變量指標(biāo)，其相關(guān)因素荷重，變量解釋和累積方差解釋。同時(shí)根據(jù)轉(zhuǎn)型企業(yè)的知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)的指標(biāo)體系建立而言，將因子分析所得到的關(guān)鍵風(fēng)險(xiǎn)因素及其風(fēng)險(xiǎn)因素集作為備選指標(biāo)，可知知識(shí)轉(zhuǎn)移的主體、知識(shí)特性、知識(shí)產(chǎn)權(quán)環(huán)境、知識(shí)轉(zhuǎn)移內(nèi)部環(huán)境以及知識(shí)轉(zhuǎn)移方式等方面的因素已經(jīng)較為全面的概括了轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移的全部風(fēng)險(xiǎn)構(gòu)成的各個(gè)方面；而且各個(gè)風(fēng)險(xiǎn)因子之間是無(wú)線性相關(guān)性，即有區(qū)別，不可相互替代，經(jīng)過(guò)因子分析所識(shí)別出的關(guān)鍵風(fēng)險(xiǎn)要素和風(fēng)險(xiǎn)變量集作為轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)的風(fēng)險(xiǎn)指標(biāo)體系，具體如表3所示。

3.3實(shí)驗(yàn)結(jié)果分析

BP神經(jīng)網(wǎng)絡(luò)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)評(píng)價(jià)模型實(shí)驗(yàn)過(guò)程中，將表5中1～6樣本企業(yè)的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)輸入到網(wǎng)絡(luò)模型中，表6中對(duì)應(yīng)的數(shù)據(jù)作為輸出值。算法經(jīng)過(guò)實(shí)施378次的迭代，誤差達(dá)到0.9967×10-5，滿足知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)評(píng)估的要求。

訓(xùn)練學(xué)習(xí)步驟完成之后，將表5中編號(hào)7和8的數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)模型中，最后執(zhí)行結(jié)果分別是0.4001和0.5452，如表7所示。

根據(jù)預(yù)先設(shè)定的風(fēng)險(xiǎn)等級(jí)可以看到，樣本企業(yè)7面臨的知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)值0.4001位于0.3～0.5之間，表明該轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移的風(fēng)險(xiǎn)較小，風(fēng)險(xiǎn)防控效果不錯(cuò)。樣本企業(yè)8面臨的知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)值0.5452介于0.5～0.7之間，表明該轉(zhuǎn)型企業(yè)外部知識(shí)轉(zhuǎn)移的風(fēng)險(xiǎn)適中，需要采取一定措施對(duì)風(fēng)險(xiǎn)加以防控。BP神經(jīng)網(wǎng)絡(luò)可以有效的識(shí)別、評(píng)估轉(zhuǎn)型企業(yè)的知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)，為企業(yè)轉(zhuǎn)型決策提供支撐依據(jù)。

4.結(jié)論

本文通過(guò)因子分析法構(gòu)建了轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移面臨的風(fēng)險(xiǎn)體系，引入BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)分析、評(píng)估模型，通過(guò)8個(gè)廣州地區(qū)轉(zhuǎn)型企業(yè)的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明轉(zhuǎn)型企業(yè)知識(shí)轉(zhuǎn)移風(fēng)險(xiǎn)評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型能夠有效的評(píng)估企業(yè)面臨的風(fēng)險(xiǎn)。未來(lái)主要工作是識(shí)別和評(píng)估風(fēng)險(xiǎn)之后，采取有效的風(fēng)險(xiǎn)防控策略，構(gòu)建關(guān)鍵風(fēng)險(xiǎn)因子預(yù)警措施，降低風(fēng)險(xiǎn)發(fā)生的概率，為企業(yè)發(fā)展壯大做出積極的作用。endprint