種業(yè)企業(yè)并購(gòu)數(shù)據(jù)挖掘決策

馬玉璞 侯軍岐

（北京信息科技大學(xué)經(jīng)管學(xué)院/中國(guó)信息化與鄉(xiāng)村振興研究院，北京100192）

2012 年12 月國(guó)務(wù)院辦公廳印發(fā)了《全國(guó)現(xiàn)代農(nóng)作物種業(yè)發(fā)展規(guī)劃（2012-2020》，提出了“鼓勵(lì)育繁推一體化”。但是我國(guó)種業(yè)企業(yè)在種子銷(xiāo)售方面，由于利潤(rùn)空間較大，銷(xiāo)售公司遍地開(kāi)花，經(jīng)常會(huì)發(fā)生囤積堵售、哄抬價(jià)格等無(wú)序競(jìng)爭(zhēng)，產(chǎn)業(yè)鏈條下游無(wú)序生長(zhǎng)[1]。所以，我國(guó)種業(yè)企業(yè)需要進(jìn)行適當(dāng)?shù)目v向整合，以此來(lái)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實(shí)現(xiàn)“育繁推一體化”。在種子的繁育環(huán)節(jié)，由于我國(guó)一直實(shí)行以農(nóng)戶(hù)為主體的農(nóng)業(yè)生產(chǎn)承包責(zé)任制，大多數(shù)種子生產(chǎn)繁育是通過(guò)分散的農(nóng)戶(hù)在露天環(huán)境下進(jìn)行的，這種小而散的種子繁育生產(chǎn)活動(dòng)，與規(guī)?；s交生產(chǎn)種植所要求的嚴(yán)格隔離、單品種（組合）成片種植標(biāo)準(zhǔn)相悖[2]。所以，我國(guó)種業(yè)企業(yè)同樣需要以擴(kuò)大經(jīng)營(yíng)規(guī)模、減少固定成本為主的橫向并購(gòu)。侯軍岐等[3]提出，我國(guó)目前的并購(gòu)方式應(yīng)是“縱向整合優(yōu)先，橫向整合為主”。以最小的代價(jià)換取最大的收獲，發(fā)揮并購(gòu)整合項(xiàng)目最大的價(jià)值，就需要在進(jìn)行并購(gòu)整合項(xiàng)目前，進(jìn)行對(duì)企業(yè)的數(shù)據(jù)收集和挖掘，以此為基礎(chǔ)施行并購(gòu)風(fēng)險(xiǎn)預(yù)測(cè)以及并購(gòu)標(biāo)選擇等并購(gòu)決策工作，提高整合效率。

1 數(shù)據(jù)挖掘技術(shù)主要的三大功能

1.1 聚類(lèi)功能 是通過(guò)對(duì)某些事物進(jìn)行集合和分組，將類(lèi)似的事物組成新的集合，并找到其中有價(jià)值的部分，根據(jù)事物的特征將其劃分為不同類(lèi)別，便于數(shù)據(jù)后續(xù)查詢(xún)和應(yīng)用管理?，F(xiàn)階段數(shù)據(jù)挖掘領(lǐng)域中常用的聚類(lèi)算法包括CURE 算法、BICRCH 算法以及STING 算法[4]。

1.2 分類(lèi)預(yù)測(cè)功能 數(shù)據(jù)挖掘技術(shù)可以總結(jié)數(shù)據(jù)的規(guī)律，分類(lèi)和預(yù)測(cè)是數(shù)據(jù)挖掘過(guò)程的兩個(gè)重要步驟。首先，分類(lèi)是進(jìn)行數(shù)據(jù)挖掘的起始步驟，較為常見(jiàn)的方法為利用神經(jīng)網(wǎng)絡(luò)或決策樹(shù)模型對(duì)可預(yù)測(cè)的數(shù)據(jù)按照數(shù)據(jù)相應(yīng)的特征構(gòu)建不同的集合，再利用回歸分析法對(duì)數(shù)據(jù)進(jìn)行動(dòng)態(tài)估計(jì)，以此來(lái)發(fā)揮數(shù)據(jù)挖掘的預(yù)測(cè)功能。

1.3 關(guān)聯(lián)分析功能 從著名的沃爾瑪啤酒和尿布案例中可以看出各不同的事物之間具有盤(pán)根錯(cuò)節(jié)的關(guān)聯(lián)，一件事情的發(fā)生，可能引起一系列不相關(guān)事件的發(fā)生。數(shù)據(jù)挖掘通過(guò)一系列事件發(fā)生的概率進(jìn)行分析，找到這些隱性的關(guān)聯(lián)，利用發(fā)現(xiàn)的規(guī)律對(duì)未來(lái)可能發(fā)生的事件進(jìn)行估計(jì)。

2 種業(yè)企業(yè)并購(gòu)數(shù)據(jù)結(jié)構(gòu)

在進(jìn)行數(shù)據(jù)挖掘時(shí)，不光要對(duì)企業(yè)的經(jīng)營(yíng)、財(cái)務(wù)狀況等企業(yè)數(shù)據(jù)進(jìn)行挖掘、分析工作，還需對(duì)種子商品本身進(jìn)行數(shù)據(jù)收集工作，因?yàn)榉N子作為一種特殊的商品，價(jià)值最終的實(shí)現(xiàn)除了種子自身品質(zhì)外，還必須與外部的自然條件（溫度、濕度、水分、土壤等）、栽培技術(shù)、管理技術(shù)、加工工藝等相配套[5]。以種業(yè)價(jià)值鏈條來(lái)進(jìn)行分析，種業(yè)大數(shù)據(jù)分為種子研發(fā)階段大數(shù)據(jù)、種子生產(chǎn)階段大數(shù)據(jù)和種子銷(xiāo)售階段大數(shù)據(jù)，每階段的數(shù)據(jù)信息不僅具有估計(jì)企業(yè)價(jià)值的作用，還具有挖掘和放大其他資源的價(jià)值能力，利用回歸分析等統(tǒng)計(jì)學(xué)方法可以分析出企業(yè)的盈利狀況、企業(yè)未來(lái)發(fā)展情況。

2.1 種子研發(fā)階段大數(shù)據(jù) 種子研發(fā)是種業(yè)鏈條中的首要環(huán)節(jié)，該環(huán)節(jié)包括品種優(yōu)化和新品種的開(kāi)發(fā)等技術(shù)性工作，從種業(yè)企業(yè)的視角出發(fā)，育種科研是品種創(chuàng)新的源泉。其所產(chǎn)生的數(shù)據(jù)不僅包括品種對(duì)環(huán)境的適應(yīng)情況，在不同陽(yáng)光、水分和氧氣的環(huán)境下所表現(xiàn)出的生長(zhǎng)情況等生長(zhǎng)數(shù)據(jù)，還包括轉(zhuǎn)基因、新品種開(kāi)發(fā)等技術(shù)數(shù)據(jù)。國(guó)際種業(yè)巨頭孟山都通過(guò)1996 年開(kāi)放大規(guī)模轉(zhuǎn)基因種植，逐步成為了種業(yè)行業(yè)的領(lǐng)頭羊。

2.2 種子生產(chǎn)階段大數(shù)據(jù) 種子生產(chǎn)環(huán)節(jié)決定著種子產(chǎn)品的質(zhì)量，所以本環(huán)節(jié)的數(shù)據(jù)主要包括種子的質(zhì)量指標(biāo)，具體表現(xiàn)為所產(chǎn)出種子的純度、凈度和含水量。因?yàn)榉N子產(chǎn)品是有壽命的有機(jī)生命載體，所以種子的抗病性、抗旱性等一系列特性也是表現(xiàn)種子質(zhì)量的重要數(shù)據(jù)指標(biāo)。種子加工是提高種子質(zhì)量，實(shí)現(xiàn)種子商品化的重要手段，種子加工需要針對(duì)不同的種子特性研究不同種子的處理方法，所以種子加工方式是否科學(xué)，也是種子生產(chǎn)階段的重要 數(shù)據(jù)。

2.3 種子銷(xiāo)售階段大數(shù)據(jù) 銷(xiāo)售與收益直接掛鉤，所以銷(xiāo)售環(huán)節(jié)在種業(yè)產(chǎn)業(yè)鏈條中占重要地位。種子銷(xiāo)售階段大數(shù)據(jù)主要包括品種推廣、種子銷(xiāo)售及售后服務(wù)等服務(wù)信息和企業(yè)毛利潤(rùn)、營(yíng)業(yè)收入等財(cái)務(wù)信息。該階段是企業(yè)與種子消費(fèi)者廣泛接觸的過(guò)程，其中所產(chǎn)生的數(shù)據(jù)主要體現(xiàn)種業(yè)企業(yè)的營(yíng)銷(xiāo)能力、顧客對(duì)該企業(yè)產(chǎn)品的忠誠(chéng)度和企業(yè)的盈利能力。

3 數(shù)據(jù)挖掘決策思路及改進(jìn)建議

決策是指面對(duì)困難通過(guò)信息收集加工，做出判斷得出結(jié)論的過(guò)程，而數(shù)據(jù)挖掘技術(shù)是采取一定的方法，從信息時(shí)代中形形色色的數(shù)據(jù)提煉出那一部分有用的信息，二者相輔相成。隨著大數(shù)據(jù)時(shí)代的到來(lái)，人類(lèi)與自然之間的信息溝通方式有進(jìn)一步的革新，通過(guò)新一代的信息技術(shù)如Map Reduce、BSP等計(jì)算機(jī)模型，對(duì)數(shù)據(jù)進(jìn)行計(jì)算，利用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行處理分析，可以更加“智慧”地挖掘信息。

在經(jīng)濟(jì)、信息化和互聯(lián)網(wǎng)為特征的現(xiàn)代經(jīng)濟(jì)背景下，企業(yè)競(jìng)爭(zhēng)日益激烈，當(dāng)市場(chǎng)環(huán)境越復(fù)雜，市場(chǎng)動(dòng)態(tài)性越高，企業(yè)業(yè)務(wù)差距越大，企業(yè)整合風(fēng)險(xiǎn)就會(huì)越大，種子產(chǎn)品本身具有價(jià)值鏈長(zhǎng)、涉及環(huán)節(jié)多、時(shí)間跨度大等特點(diǎn)，大大增加了種業(yè)企業(yè)整合風(fēng)險(xiǎn)[6]。 以往的企業(yè)決策，更多的是依靠管理者的經(jīng)驗(yàn)，數(shù)據(jù)收集及數(shù)據(jù)分析等前期準(zhǔn)備工作不足，這樣的方式面對(duì)當(dāng)下市場(chǎng)愈加多變的博弈要素難以做出正確的決策。國(guó)內(nèi)家電巨頭TCL 收購(gòu)湯姆遜公司，TCL 在并購(gòu)前期對(duì)湯姆遜公司的信息收集及數(shù)據(jù)分析不足，并購(gòu)后產(chǎn)業(yè)競(jìng)爭(zhēng)力不足、品牌整合乏力、文化整合受阻，導(dǎo)致企業(yè)經(jīng)營(yíng)前期巨額虧損。所以要利用數(shù)據(jù)挖掘技術(shù)提高決策效率和成功率，加快企業(yè)的響應(yīng)速度和反應(yīng)能力，利用數(shù)據(jù)挖掘技術(shù)的聚類(lèi)、預(yù)測(cè)等功能結(jié)合種業(yè)企業(yè)大數(shù)據(jù)，進(jìn)行種業(yè)企業(yè)并購(gòu)風(fēng)險(xiǎn)評(píng)估，預(yù)測(cè)企業(yè)并購(gòu)整合可能發(fā)生的事件，對(duì)項(xiàng)目進(jìn)行整改，保證并購(gòu)整合項(xiàng)目的成 功率。

首先，在進(jìn)行并購(gòu)整合項(xiàng)目前，針對(duì)并購(gòu)標(biāo)的種業(yè)價(jià)值鏈的三大階段，收集企業(yè)近10 年或近20年的種子研發(fā)階段大數(shù)據(jù)、種子生產(chǎn)階段大數(shù)據(jù)、種子銷(xiāo)售階段大數(shù)據(jù)，再利用Map Reduce 等計(jì)算機(jī)模型對(duì)數(shù)據(jù)進(jìn)行計(jì)算，可得到表現(xiàn)出企業(yè)經(jīng)營(yíng)狀況、收益情況、品種創(chuàng)新情況、顧客忠誠(chéng)度等企業(yè)經(jīng)營(yíng)情況的實(shí)時(shí)數(shù)據(jù)，利用回歸分析等方法，對(duì)數(shù)據(jù)進(jìn)行動(dòng)態(tài)估計(jì)，預(yù)測(cè)企業(yè)并購(gòu)后的收益情況，并估計(jì)出相應(yīng)的概率。根據(jù)數(shù)據(jù)專(zhuān)家、學(xué)者和種業(yè)企業(yè)管理者對(duì)企業(yè)在收益、品種創(chuàng)新和顧客忠誠(chéng)度方面的表現(xiàn)情況進(jìn)行打分，將數(shù)據(jù)構(gòu)建成兩兩對(duì)比矩陣，將多家公司進(jìn)行對(duì)比，找出最適宜的并購(gòu)公司，做出最佳選擇，也可利用人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)等模型，幫助企業(yè)進(jìn)行并購(gòu)決策。

目前，數(shù)據(jù)挖掘技術(shù)在種業(yè)并購(gòu)項(xiàng)目的應(yīng)用方面依然存在許多問(wèn)題。因?yàn)槠贩N的生命周期往往呈幾何級(jí)數(shù)增長(zhǎng)，倘若多個(gè)階段的資金擠壓，會(huì)給企業(yè)帶來(lái)難以估計(jì)的財(cái)務(wù)隱患，且種子產(chǎn)品受諸多外界因素影響，如天氣、政策等，以現(xiàn)階段的模型以及計(jì)算方法對(duì)種子這種長(zhǎng)周期、高風(fēng)險(xiǎn)的產(chǎn)品預(yù)測(cè)出的數(shù)據(jù)很可能會(huì)和現(xiàn)實(shí)狀況不匹配。

面對(duì)這樣的情況，專(zhuān)家、學(xué)者以及種業(yè)企業(yè)工作人員應(yīng)該根據(jù)種子的特殊性，建立專(zhuān)業(yè)的種業(yè)企業(yè)并購(gòu)數(shù)據(jù)挖掘以及預(yù)測(cè)模型，數(shù)據(jù)的收集不應(yīng)局限于傳統(tǒng)的企業(yè)收益以及管理和銷(xiāo)售情況，應(yīng)從種業(yè)價(jià)值鏈條的三大階段入手，收集大數(shù)據(jù)。如新種品的開(kāi)發(fā)，應(yīng)由專(zhuān)業(yè)人士評(píng)估該品種未來(lái)的價(jià)值，以此來(lái)建立專(zhuān)業(yè)的種業(yè)企業(yè)估價(jià)模型，盡可能地縮短模型預(yù)測(cè)結(jié)果和現(xiàn)實(shí)情況的差距。