一种企业创新潜力评估方法及装置与流程

1.本发明涉及企业评估技术领域，尤其涉及一种企业创新潜力评估方法及装置。


背景技术：

2.随着知识经济的发展，创新对于一家企业来说，变得越来越重要，尤其是对于科技型企业，那么往往就需要对一些企业的创新潜力进行评估。而随着互联网行业的高速发展，收集一家企业的相关资料信息已经变得越来越简单，但是，基于各类分散的信息，目前还无法有效的、全局的评估一家企业的创新潜力。


技术实现要素：

3.本发明通过提供一种企业创新潜力评估方法及装置，解决了现有技术中基于各类分散的信息，目前还无法有效的、全局的评估一家企业的创新潜力的技术问题。
4.本发明提供了一种企业创新潜力评估方法，包括：
5.获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
；
6.根据所述相对重要性比较结果x
ij
建立判断矩阵x；所述判断矩阵x如下：
7.判断矩阵
8.对所述判断矩阵x进行归一化处理，得到判断矩阵y；所述判断矩阵y如下：
9.10.通过公式计算得到近似特征向量ω集合；
11.将所述近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和得到企业的创新潜力值。
12.具体来说，在所述计算得到近似特征向量ω集合之后，还包括：
13.通过公式计算得到最大特征值λ；
14.通过公式计算得到一致性判断比率cr；其中，ri为预设的一致性指标；
15.将所述一致性判断比率cr与预设的一致性判断阈值进行比较；
16.若所述一致性判断比率cr小于所述预设的一致性判断阈值，将所述近似特征向量ω集合中的元素作为对应的创新指标的权重。
17.具体来说，若所述一致性判断比率cr大于或者等于所述预设的一致性判断阈值，重新获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
直至所述一致性判断比率cr小于所述预设的一致性判断阈值。
18.本发明还提供了一种企业创新潜力评估装置，包括：
19.相对重要性比较模块，用于获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
；
20.判断矩阵建立模块，用于根据所述相对重要性比较结果x
ij
建立判断矩阵x；
21.所述判断矩阵x如下：
22.矩阵归一化模块，用于对所述判断矩阵x进行归一化处理，得到判断矩阵y；所述判
断矩阵y如下：
[0023][0024]
近似特征向量计算模块，用于通过公式计算得到近似特征向量ω集合；
[0025]
创新潜力评估模块，用于将所述近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和得到企业的创新潜力值。
[0026]
具体来说，还包括：
[0027]
最大特征值计算模块，用于通过公式计算得到最大特征值λ；
[0028]
一致性判断比率计算模块，用于通过公式计算得到一致性判断比率cr；其中，ri为预设的一致性指标；
[0029]
一致性判断比率比较模块，用于将所述一致性判断比率cr与预设的一致性判断阈值进行比较；
[0030]
所述创新潜力评估模块，具体用于若所述一致性判断比率cr小于所述预设的一致性判断阈值，将所述近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和
得到企业的创新潜力值。
[0031]
具体来说，所述相对重要性比较模块，还用于若所述一致性判断比率cr大于或者等于所述预设的一致性判断阈值，重新获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
直至所述一致性判断比率cr小于所述预设的一致性判断阈值。
[0032]
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0033]
先获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
；再根据相对重要性比较结果x
ij
建立判断矩阵x；再对判断矩阵x进行归一化处理，得到判断矩阵y；接着通过公式计算得到近似特征向量ω集合；最后将近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和得到企业的创新潜力值，解决了现有技术中基于各类分散的信息，目前还无法有效的、全局的评估一家企业的创新潜力的技术问题。
附图说明
[0034]
图1为本发明实施例提供的企业创新潜力评估方法的流程图；
[0035]
图2为本发明示例中的企业创新潜力评估指标模型图；
[0036]
图3为本发明实施例提供的企业创新潜力评估装置的模块图。
具体实施方式
[0037]
本发明实施例通过提供一种企业创新潜力评估方法及装置，解决了现有技术中基于各类分散的信息，目前还无法有效的、全局的评估一家企业的创新潜力的技术问题。
[0038]
本发明实施例中的技术方案为解决上述问题，总体思路如下：
[0039]
依据预设指标采集企业的多源指标数据，同时按照预设规则进行自动的智能计算，从而给出企业的创新潜力评估结果。
[0040]
具体来说，先基于开源数据渠道，采集企业数据形成企业数据库。例如：通过天眼查或是企查查的对外接口获取到某一地区的所有企业的注册数据、知识产权等数据；通过具有创新性资质的公布网站获取企业的资质信息等数据信息。再对数据信息进行过滤、清洗和相应计算，并存储指标值。针对某一需评估的企业，对缺失的指标值采用问卷调查或走访调研等方法进行数据补充、计算和存储，直至得到所有指标的数据值。通过发放多个打分表的形式，对同级指标之间的相对重要性进行打分。再将打分表数据输入系统，系统自动计算平均值并生成判断矩阵。系统再输出打分表对应判断矩阵的一致性检验结果和对应的特征向量ω；并依据特征向量ω确定指标模型中的各级权重值。最后再根据计算所得的各级指标指标值和各级指标的权重值，基于预设的企业创新潜力值f的加权计算方法，计算得到最终的企业创新潜力得分并输出评估结果。
[0041]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0042]
参见图1，本发明实施例提供的企业创新潜力评估方法，包括：
[0043]
步骤s110：获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
；
[0044]
具体地，将各企业创新指标分别与同级其他企业创新指标两两进行比较，得到多级多个相对重要性比较结果x
ij
；
[0045]
步骤s120：根据相对重要性比较结果x
ij
建立判断矩阵x；判断矩阵x如下：
[0046]
判断矩阵
[0047]
步骤s130：对判断矩阵x进行归一化处理，得到判断矩阵y；判断矩阵y如下：
[0048][0049]
步骤s140：通过公式计算得到近似特征向量ω集合；
[0050]
步骤s150：将近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和得到企业的创新潜力值。
[0051]
为了检验得到的多个相对重要性比较结果x
ij
的一致性是否可靠，从而保证创新潜力评估结果的准确性，在计算得到近似特征向量ω集合之后，还包括：
[0052]
通过公式计算得到最大特征值λ；
[0053]
通过公式计算得到一致性判断比率cr；其中，ri为预设的一致性指标；
[0054]
将一致性判断比率cr与预设的一致性判断阈值进行比较；
[0055]
若一致性判断比率cr小于预设的一致性判断阈值，则说明得到的多个相对重要性比较结果x
ij
是一致的，多个相对重要性比较结果x
ij
是客观准确的，将近似特征向量ω集合中的元素作为对应的创新指标的权重。
[0056]
若一致性判断比率cr大于或者等于预设的一致性判断阈值，则说明得到的多个相对重要性比较结果x
ij
不一致，多个相对重要性比较结果x
ij
比较主观，不够客观准确，重新获取企业创新指标si相对于同级创新指标sj的多个相对重要性比较结果x
ij
直至一致性判断比率cr小于预设的一致性判断阈值。
[0057]
下面通过具体的示例对本发明实施例提供的企业创新潜力评估方法进行具体说明：
[0058]
在本示例中，以知识产权作为企业技术创新表现的关键方向，并提出进一步更细粒度的量化指标，以其他指标作为辅助指标，综合评估企业的创新潜力。
[0059]
以企业创新潜力作为一级指标，一级指标由二级指标加权得到。具体地，二级指标包括：知识产权资源投入度、知识产权成果输出、知识产权落地转化率、知识产权管理保护度。以企业创新背景实力作为辅助二级指标。每个二级指标下提出了更细粒度的3个三级指标，二级指标由三级指标加权得到，完整的指标模型如图2所示。三级指标主要由两个方法所得：一是企业外部数据，系统从企业官网、企业财务年报、企查查、天眼查、国家知识产权局、专利交易数据库等多个开源数据渠道自动采集，并提取相关数据值得到；二是企业内部数据，在企业申请评估后，将依据指标定义向公司发放问卷，通过问卷回收或企业实地走访调查来采集数据，作为补充。
[0060]
具体地，每个三级指标的含义和计算规则如下：
[0061]
1)企业研发资金投入强度t1：以进行创新潜力评估的当前年份作为参考年份，近3年企业研究与试验发展(r&d)经费投入占企业整体销售收入的平均比重。
[0062][0063]
其中，θ为调整参数，因为根据历史数据来看，投入强度往往计算所得值较小，可能出现百分之零点几的情况，因而需要依据计算结果对调整参数赋值，以保证在结果含义不变的情况下，统一将计算结果同倍数放大映射到0～1区间内。
[0064]
2)企业创新人才数量占比t2：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业创新人才数量占企业总人数的比值。其中，企业创新人才包括但不限于拥有知识产权方向职称人员、专利发明人、软著申请人等，具体视企业情况调整。
[0065]
3)企业核心人员知识产权培训率t3：参与知识产权培训的核心人员占所有企业核心人员的比值。其中，知识产权培训包括公司内部会议或外部展会；核心人员包括企业创新人才、企业管理人员、知识产权工作人员和研发人员。
[0066]
4)企业发明专利占比t4：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业申请的发明专利数量占所有知识成果申请总量的比值。
[0067]
5)企业发明专利授权率t5：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业成功授权的有效发明专利数量占专利申请总量的比值。
[0068]
6)企业知识成果平均增长率t6：从企业成立年份开始，计算每一年该企业有效知识成果数量相比于前一年的同比增长率，相加除以年数得到平均增长率值。
[0069]
7)企业知识成果落地产品占比t7：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业输出产品中实际实施了相应知识成果的产品数占所有输出产品数量的比值。
[0070]
8)知识产权资产交易收入占比t8：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业通过知识产权资产交易得到的营收收入占企业总销售收入的比值。
[0071]
9)其他知识产权收益占比t9：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业通过其他途径获得的知识产权收益占企业总销售收入的比值。其他途径包括但不限于知识产权许可/转让收益、知识产权融资金额、知识产权作价为注册资本金额等，具体视企业自身情况而定。
[0072]
10)保护制度投入度t
10
：评估企业是否制定企业知识产权战略、企业知识发明人权益保护和奖励机制、是否实施以上制度。若三项均有并实施，则指标取值为1；若只有两项并实施，则指标取值为0.6；若只有一项并实施，则取值为0.3；若均无，则取值为0。
[0073]
11)管理人员投入度t
11
：评估企业是否设立专门的知识产权管理机构、是否有专职人员负责。若有管理机构且有2名以上专职人员，则指标取值为1；若只有管理机构但无专职人员负责，则指标取值为0.5；若无管理机构也无专职人员，则指标取值为0。
[0074]
12)知识产权经费投入度t
12
：以进行创新潜力评估的当前年份作为参考年份，截止到该年企业在知识产权经费的投入占总研发资金投入的比值。其中，知识产权经费投入包括但不限于战略制定与实施、申请/注册、维护、诉讼、培训、奖励等各方面的费用。
[0075]
13)企业相对规模实力t
13
：以企业所在行业的领先企业为对照，计算该企业总人数与所在行业领先企业的总人数比值。若比值大于1，说明该企业规模已占绝对优势，该指标取值为最大值1。
[0076]
14)企业相对资产实力t
14
：以企业所在行业的领先企业为对照，计算该企业近3年最高总销售收入与所在行业领先企业的最高收入比值。若比值大于1，说明该企业规模已占绝对优势，该指标取值为最大值1。
[0077]
15)企业相对研发实力t
14
：以企业所在行业的领先企业为对照，计算该企业近3年最高研发资金投入与所在行业领先企业的最高研发资金投入比值。若比值大于1，说明该企业规模已占绝对优势，该指标取值为最大值1。
[0078]
在图2中，企业创新潜力评估中的一级指标是根据二级指标和三级指标两层加权计算得到的。其中，指标权重αi(i＝1、2、
…
、5)表示二级指标si在企业创新潜力评估上的重要程度，αi∈(0,1)。若αi值越大，则表示该二级指标越重要；指标权重βi(i＝1、2、
…
、15)表示三级指标ti在其所属的二级指标值评估上的重要程度，βi∈(0,1)。若βi值越大，则表示该三级指标越重要。综上，该指标模型中权重初始值为0，同时指标值的更新满足以下条件：
[0079][0080]
这里需要说明的是，在评估该企业的创新潜力时，各个指标所占的权重应当依据实际情况做出改变，而不是采用不变的权重去衡量。预先对同级指标间的相对重要性进行打分，而非直接给出加权的权重值，并通过一系列的后续计算来得到最终的权重值。
[0081]
这里还需要说明的是，αi、βi是某一级指标相对于它的上一级指标的重要程度，用作最后的加权计算；而重要性打分的分值x
ij
是同级指标中某一指标相对于它的另一个同级指标，在评估上的相对重要程度。x
ij
并不等于αi、βi，要经过运算才能得到对应的αi、βi。
[0082]
具体的打分内容为：针对5个二级指标，需分别给出某二级指标si相对于另一二级指标sj在企业创新潜力评估中的相对重要性打分x
ij
；针对某一二级指标下的3个三级指标，同样需分别给出某三级指标ti相对于同一二级指标下的另一三级指标tj的相对重要性打分x
ij
。以二级指标为例，打分表设置类似于下表：
[0083]
[0084][0085]
在本示例中，总计有6个打分表，同时每个打分表中给出了x
ij
值的打分标准。参照saaty的1～9标度法，可打1-10分，若数值越小，则相对重要性越低。以二级指标为例，若x
ij
＝1，则表示二级指标si相比于sj在企业创新潜力f的评价方面同样重要；若x
ij
＝3，则表示二级指标si相比于sj在企业创新潜力f的评价方面略微更重要；若x
ij
＝10，则表示二级指标si相比于sj在企业创新潜力f的评价方面非常重要。同时，打分表结果需满足，x
ij
＝x
ji-1
，否则打分结果被视为无效。
[0086]
针对每一个x
ij
值，计算平均值并四舍五入取整，作为x
ij
的最终取值。
[0087][0088]
依据专家打分的x
ij
值构建m*m维的判断矩阵(若是二级指标，则m＝5；若是三级指标，则m＝3)，并基于该判断矩阵进行一致性检验，以确保基于打分结果最终计算得到的权重值是可接受的，没有巨大偏差。判断矩阵表示如下：
[0089]
判断矩阵
[0090]
对上述判断矩阵x做归一化处理变为判断矩阵y，并求解其近似最大特征值和对应特征向量值。转化规则如下，以二级指标构成的判断矩阵为例，特征向量值。转化规则如下，以二级指标构成的判断矩阵为例，其余同理。
[0091][0092]
基于归一化后的判断矩阵y，用以下公式，求解其最大特征值对应的近似特征向量ω：
[0093][0094]
特征向量ω对应的矩阵最大特征值λ满足：xω＝λω，因此，用以下公式来求解λ的近似值：
[0095][0096]
依据上述计算所得最大特征值λ，先使用一致性判断比率cr对判断矩阵x进行一致性检验，一致性判断比率cr的计算公式如下所示。其中，ri为预设的一致性指标，是根据输入的矩阵维度m随机构造500个m维的成对比较矩阵，计算所得的ci平均值，供计算参考。在
本示例中，当m＝5时，ri值为1.12；当m＝3时，ri值为0.58。
[0097][0098]
系统将根据输入的6个打分表，循环上述计算过程，直到输出所有打分表对应的近似特征向量ω和一致性判断比率cr，并依据以下判断规则输出结果：
[0099]
①
若系统自动计算cr值大于或者等于0.1，则认为该矩阵对应的打分表未通过一致性检验，相对重要性打分存在重大偏差，不可采纳，系统会报警提示，并显示结果为“打分表xxx一致性检验未通过”。
[0100]
②
若系统自动计算cr值小于0.1，则认为该矩阵通过对应的打分表一致性检验，专家打分可采纳，则上述计算过程中得到的近似特征向量ω＝(ω1,ω2,
…
，ωm)中的ωi即为对应的指标权重αi或βi值。系统显示结果为“打分表xxx+对应的近似特征向量ω”。
[0101]
这里需要说明的是，在以上判断矩阵的构建及后续的一致性检验过程中，涉及到的计算公式和判断规则，均提前以代码形式编写输入到系统程序中，评估人员只需将专家的打分情况输入系统，系统即可自动完成一致性检验过程并输出检验结果。
[0102]
若6个打分表均通过一致性检验，则系统输出6个近似特征向量ω，向量值与各级权重值之间的一一对应关系如下：
[0103]
①
打分表1：二级指标si相对于二级指标sj在企业创新潜力评估f中的相对重要性。
[0104]
输出近似特征向量ω＝(ω1,ω2,ω3,ω4，ω5)，则α1＝ω1，α2＝ω2，α3＝ω3，α4＝ω4，α5＝ω5。
[0105]
②
打分表2：三级指标ti相对于三级指标tj在知识产权资源投入度s1中的相对重要性。
[0106]
输出近似特征向量ω＝(ω1,ω2,ω3)，则β1＝ω1，β2＝ω2，β3＝ω3。
[0107]
③
其余对应关系同理。
[0108]
在通过了一致性检验并确定了各级指标权重后，系统根据计算输出的指标权重值，自动加权计算企业创新潜力值。由上述指标和权重定义可知，ti∈[0,1]，αi、βi∈(0,1)，因此，企业创新潜力值f可取最大值为15，最小值为0。若企业创新潜力值得分越高，则越靠近15，说明该企业的创新潜力越高；若企业创新潜力值得分越低，则越靠近0，说明该企业的创新潜力越低。据此得出评估结果。
[0109]
企业创新潜力值f的具体计算公式如下所示：
[0110]
f＝α1*(β1t1+β2t2+β3t3)+α2*(β4t4+β5t5+β6t6)+α3*(β7t7+β8t8+β9t9)+α4*(β
10
t
10
+β
11
t
11
+β
12
t
12
)+α5*(β
13
t
13
+β
14
t
14
+β
15
t
15
)
[0111]
参见图3，本发明实施例提供的企业创新潜力评估装置，包括：
[0112]
相对重要性比较模块100，用于获取企业创新指标si相对于同级创新指标sj的相对重要性比较结果x
ij
；具体地，将各企业创新指标分别与同级其他企业创新指标两两进行比较，得到多级多个相对重要性比较结果x
ij
；
[0113]
判断矩阵建立模块200，用于根据相对重要性比较结果x
ij
建立判断矩阵x；判断矩阵x如下：
[0114]
判断矩阵
[0115]
矩阵归一化模块300，对判断矩阵x进行归一化处理，得到判断矩阵y；判断矩阵y如下：
[0116][0117]
近似特征向量计算模块400，用于通过公式计算得到近似特征向量ω集合；
[0118]
创新潜力评估模块500，用于将近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和得到企业的创新潜力值。
[0119]
为了检验得到的多个相对重要性比较结果x
ij
的一致性是否可靠，从而保证创新潜力评估结果的准确性，在计算得到近似特征向量ω集合之后，还包括：
[0120]
最大特征值计算模块，用于通过公式计算得到最大特征值λ；
[0121]
一致性判断比率计算模块，用于通过公式
计算得到一致性判断比率cr；其中，ri为预设的一致性指标；
[0122]
一致性判断比率比较模块，用于将一致性判断比率cr与预设的一致性判断阈值进行比较；
[0123]
在这种情况下，创新潜力评估模块，具体用于若一致性判断比率cr小于预设的一致性判断阈值，则说明得到的多个相对重要性比较结果x
ij
是一致的，多个相对重要性比较结果x
ij
是客观准确的，将近似特征向量ω集合中的元素作为对应的创新指标的权重，加权求和得到企业的创新潜力值。
[0124]
相对重要性比较模块，还用于若一致性判断比率cr大于或者等于预设的一致性判断阈值，则说明得到的多个相对重要性比较结果x
ij
不一致，多个相对重要性比较结果x
ij
比较主观，不够客观准确，重新获取企业创新指标si相对于同级创新指标sj的多个相对重要性比较结果x
ij
直至一致性判断比率cr小于预设的一致性判断阈值。
[0125]
技术效果
[0126]
本发明实施例旨在提供一种以知识产权为创新能力核心的企业创新潜力计算评估方法及装置。首先构建了以知识产权为核心的创新潜力评估指标体系，以企业其他背景信息为辅助指标，以解决指标过散的问题；其次，针对不同行业的企业，通过相对重要程度打分问卷量化计算得到权重，以替代简单的依据经验赋予权重的方法，从而规避可能存在的评价偏差。同时，本发明实施例还结合了层次分析法原理，做一致性检验，从而保证了权重设置的有效性。同时，权重值是通过矩阵计算所得的，并不是直接的经验赋值。相比纯定性的方法，本发明实施例将定性与定量相结合，从而保证了创新评估结果更具可靠性。而针对不同行业和发展背景下的企业，给予不同的权重值变化可能，因而在创新评估方面更有针对性。
[0127]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0128]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0129]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
[0130]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0131]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0132]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。