作者：兰欣,杨安
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
精准创业——大数据环境下创业的运行原理和实施策略研究试读：
前言
随着大数据时代的到来，我们已经清晰地发现“互联网+某个传统行业”带动的“第三次工业革命”已经不限于电子商务，而是在工业制造、通信、教育、政务、医疗、交通、公安、银行、餐饮、旅行、媒体、天气、统计、考勤甚至农田管理等领域都产生了迅猛的变革，其中产生的海量数据形成了一个可以据此实现智能精准决策的新的资源宝库。于是，在创业领域，出现了很多新的机遇和挑战，本书两位作者再次合作，通过理论文献梳理和实证调研，提出精准创业这个新的概念及其全套理论体系。我们认为，在大数据环境下，创业企业需要突破可持续成长的困境，只有利用大数据分析做出更精准的顾客需求预测和更精准的目标市场定位，才能确保自己的生存和持续成长。在此基础上，本书还论述了精准创业的运行原理和实施策略，对创业者和创新创业教育分别提出了在新时代有价值的启示。
一、为什么要写“精准创业”
本书的前期作品已经对创业管理进行了较为完整的基础性研究：（1）《创业管理：成功创建新企业》，本书两位作者合作编著，清华大学出版社2009年出版；（2）《创业管理：大学生创新创业基础》，本书两位作者合作主编，清华大学出版社2011年出版；（3）本书两位作者还在2005年合作主编了一本《软件与网络法案例教程》，电子工业出版社出版。上述3本书是大数据环境下创业管理研究的前期成果，本书是两位作者在这一领域持续深入研究的理论性新作。
同时，西华师范大学商学院在创业管理研究、学生创业公司、模拟创业软件教学等方面，四川大学锦城学院在“三创三练”、模拟公司、创业农场、创业课程翻转教学等方面，各有特色、成果丰硕，也为本书的撰写提供了丰富的素材和肥沃的土壤。两所大学分别在自己所在的地区和领域是创新创业教育的领先者。本书由西华师范大学出版基金资助。
二、“精准创业”是什么
根据全国创业成功率普遍较低的现状，我们通过理论文献梳理和实证调研发现，创业成功率的高低关键是由精准效果来体现的。精准效果也是检验各种创业理论解释力和预测力的基本标准。按照Luthans权变函数关系构架，我们认为，大数据环境与创业之间，也是某种权变函数的关系，我们把这个函数关系命名为通过大数据实现的精准效果，即“精准创业”。
精准创业作为一种权变函数，其过程是数据化预测、数据化定位及数据化决策等因素的方程式，即精准创业=f（数据化预测、数据化定位、数据化决策）。该函数关系为：Precise Entrepreneurship=F（Data Prediction，Data Decision，Data Position），即PE=F（P，D，P）。要进行精准的数据化预测、数据化定位以及精准的数据化决策，创业企业必须把握好影响精准创业的大数据环境。精准创业效果与创业企业利用所掌握的大数据进行精准的数据化预测、数据化定位及数据化决策有关，不能用固定的模式进行创业或者盲目投资创业。
在此权变函数中，我们把精准创业（即精准效果）看成因变量。因变量随自变量的变化而变化。创业企业应当根据自变量与因变量之间的权变关系来设计一种最有效的创业模式。在创业活动中，大数据环境支撑的各子系统之间相互影响，相互联系，并具有系统的开放性。创业活动中的个人及组织行为必须与大数据环境因素相适应，精准各个系统环节，才能使创业达到最佳的绩效。
精准创业的关键在于怎样使大数据环境与精准效果之间建立函数关系，本概念的逻辑结构模型如图1所示。图1 精准创业概念的关系函数模型图
本书章节按照研究的思路逻辑结构层层展开，一共由14个定性或者定量研究成果模型组成，共同围绕着精准创业这个新概念展开，如图2所示。我们在大数据时代，探索精准创业在宏观、中观和微观方面的运行原理；探索大数据视角的精准创业的实施策略；探索大数据环境下创新创业教育的实施路径。上述内容共同组成本书各章节的大体结构。
三、为什么用“精准创业”这个新概念
本书在名称的确定上曾有诸多考量，比如“大数据创业攻略”、“成功创建新企业”、“大数据与创业绩效”、“大数据对创业带来的问题与对策研究”等。选择目前的书名，主要是笔者充分感受到了一线创业者在风险和茫然中不知所措的恐惧与壮烈。从事创业研究的人也一直在探索降低风险和提高决策精准性的方法。终于在大数据时代，我们看到了曙光，于是将研究命名为“精准创业”，并把所有研究成果都围绕在这个新概念的周围。即使目前尚未完全实现精准，至少也是一次思维与方法的重大跨越。我们认为，精准创业至少有以下几个作用；（1）提供一种思想和前瞻性的方向，指导创业者怎样利用大数据提升精准度和成功率，供创业者参考应用；（2）面对创业者在大数据下仍然难以精准的新问题，找到创业企业面对大数据的困境因子，并通过对策分析找到解决问题的途径，供创业者参考应用；（3）为大数据时代创新创业教育的革新提供参考方案，供各高校等教育机构提升教育的精准性参考。图2 精准创业概念展开的各研究成果分布
四、本书定位与读者对象
本书是一本理论研究性著作，提出了一些新的理论与方法。本书的读者主要包括以下对象：（1）研究大数据时代智能商业的学者和企业家。大数据是新趋势和工具，创业企业怎样利用大数据实现自己的持续成长是本书的研究领域，我们将大数据与创业结合起来，通过定性和定量两种研究方法，提出若干个相关模型，并用来解释和分析创业企业如何实现精准的路径、方法、策略、结构等。（2）探索利用大数据思想和方法进行商业应用的创业者。随着大数据的革命，数据拥有者获得了更大的竞争优势，创业企业的生存成长陷入了新的困境中，创业企业需要付出较高的费用或者较长时间的摸索，才能得到可靠的商业数据，否则很难生存下去。本书探索在大数据时代，创业企业突破、摆脱成长困境的方式方法。（3）在各类机构从事创新创业教育的教师。我们将大数据与创新创业教育结合起来，提出建立大数据共享平台，推行慕课（MOOC）、翻转课堂、颠覆教学等对创新创业教育的优化方案，构建以大数据作为起基础作用的5×1创新创业教育支撑体系和翻转的创业课程设计体系。
五、本书的撰写分工及项目支持
本书由兰欣（西华师范大学商学院教师）、杨安（四川大学锦城学院工商管理系教师）两位作者完成全书撰写。其中兰欣负责撰写前言、后记、第1、2、3、4、5、6、7、11、12、14、15章，合计16万余字；杨安负责撰写8、9、10、13、16、17章，合计10万余字。本书是中国高等教育学会2011—2013年度一等奖课题的研究延续，属于以下在研课题的研究成果之一（按申报时间先后顺序）：（1）市场经济与可持续发展，西华师大科研创新团队（项目编号：CXTD2013），2013—2016年度；（2）创新创业教育实践平台的影响维度实证研究，西华师范大学教改项目（项目编号：JGXMYB1318），2013—2016年度；（3）大学生创新创业的困境与对策实证研究，四川省高等教育人才培养质量和教学改革项目/四川大学锦城学院校级课题，2014—2016年度；（4）创新创业教育支撑体系实证研究，四川省教育厅科研项目（项目编号：14SB0444），2014—016年度；（5）大数据环境下创新创业教育的结构模型与实现路径研究，教育部教育管理信息中心MOOC课题重点项目，2014—2016年度。
本书受西华师范大学出版基金资助第1章导论1.1 本书研究的背景1.1.1 创业的现状与主要问题
对于我国创业者来说，当下是一个最好的时代。无论是政府、社会、高校、家庭，还是银行、风险投资机构，都前所未有地对创新创业投入了最大的热情。从公司注册资本起点降至零，到各种税收优惠，各种扶持待遇，再到“一带一路”的新政策激励，都体现了这种热情。2015年，李克强总理在达沃斯论坛上提出“大众创业、万众创新”的新思想，中国正在进入一个全民创新创业的新时代。
然而，另一方面，我国普通高校毕业生年年增加，2015年是749万人，比2014年增22万人，比2013年增28万人，大学毕业生就业压力迫使越来越多的大学生走上了创业的道路。同时，国内外经济增长减速，国内改革进入深水区，中小企业创新仍然乏力，大学生创业依然风险大，成功率低。据调查显示，新创企业的失败率高达50%，其中许多企业创业失败的原因不在于资金、人力、组织结构等方面的原因，而在于缺乏对数据的收集、分析、整理和运用，大部分企业做决策仅靠经验和直觉。
在大数据时代，创业者要想在日新月异的社会环境中不被竞争对手所淘汰，就必须对目标顾客活动中产生的数据进行预测分析，并经过数据化决策得出精准的对策，以此作为创新创业行为的依据。1.1.2 大数据带来的商业革命和创业机会
我们的时代是创业的时代、信息的时代、互联网+的时代，更是大数据的时代。互联网、物联网、社交媒体、协同创造、云计算、虚拟服务、移动互联、微博微信、网络支付等新型应用模式在一系列新兴技术的支持下持续拓展着人类创造和利用信息的范围和形式。随着这些技术的快速发展，数据量越来越大、数据变化速度越来越快、数据类型越来越复杂。通过对目标顾客人群进行跟踪和定向，催生了新的大数据技术，企业可以基于海量的大数据去推算消费者的偏好与兴趣，转换为向精准的目标顾客来促销，从而满足精准的个性化需求。
当然数据资源也是这个时代的产物，是这个时代的一项重大发现，它注定会给人类社会带来一次革命，不仅包括社会和个人，甚至对创业来说，都是一次世界观的改变。在巨变的浪潮中，国内外的各行各业也在面临着新一轮创新创业的重大契机。技术和需求的双重推动让越来越多的政府机构、公司企业和个人意识到数据将成为巨大的经济资产，它将带来全新的创业机会和发展路径。企业开始有意识地积累数据，并且寻求新的方法利用大数据来预测与分析具有商业价值的问题。
本来就非常缺乏经验和资源的创业企业，想要尽量避免失败风险，就必须抓住大数据这把尚方宝剑，在企业竞争中利用大数据角逐胜出，从大数据中提取有用信息，为管理决策提供支持。大数据下预测、决策和定位的技术含量精准度大幅提高，对大数据的有效利用成为创业企业识别商机、规避风险的关键。因此，对于创业企业来说，应用大数据已经迫在眉睫，如何有效地利用这些数据资源至关重要。1.2 本书的理论基础1.2.1 大数据研究（基于管理学视角）
Schönberger等学者（2012）的《大数据时代》是国外大数据研究的先河之作，用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。关于大数据的研究，目前发展非常迅速，我们注意到以下学者的作品：Toffler（1980）、Nature杂志（2008）、McKinsey公司（2011）、Gartner公司（2012）、Schönberger（2012）、Barabási （2012）、Douglas（2012）、Matthew·E·May（2013），等等；在国内，涂子沛（2012）、李国杰（2012）、董晓婷（2013）、陈健（2014年）、李克强总理政府工作报告（2014）等，详见第1章相关理论成果文献梳理。从上述研究中可以看出，大数据的研究发展非常迅速，已经层层细化，渗透到了管理学的各领域之中。但是，经过了3年的热烈讨论之后，越来越多的企业发现很难有效地将大数据用于自己的商业实践中，关于大数据的研究进入了瓶颈时期，亟待突破。1.2.2 市场预测的精准性研究
我们注意到了以下学者的作品：1872年，Ward邮购订单目录推销、Hopkins（1923）、20世纪90年代的顾客关系管理（CRM）、Kiaer（1895）使用抽样方法收集数据、Bowley（1925）、Mahalanobis（1946）、Wunderman（1999）首次提出精准营销、Abin和Brebach（2004）、Kotler（2005）、Spiller与Baier（2006）、Laursen（2013）、齐渊博（2005）、徐海亮（2006）、伍青生等人（2006）、刘征宇（2007）、姜何（2008）、2007年Hubbard的数据化决策、Schönberger（2012）的大数据时代、Barabási（2012）和Segal （2014）的大数据预测、Klubeck（2013）、Maex 和Brown（2014）的大数据营销、郑毅（2012）的大数据决策、涂子沛（2013）、徐舒（2013）、刘剑强（2014）等，详见第1章相关理论成果文献综述。
我们发现存在以下三个阶段和趋势：第一阶段，小数据市场调查与预测阶段；第二阶段，精准营销阶段；第三阶段，大数据精准预测阶段。目前已处于第二阶段，精准营销正在盛行。虽然第三阶段还未到来，我们也提出了很多第三阶段的困难与问题，但是，大数据精准预测也开始体现对创业的促进作用。1.2.3 创业管理研究
我们注意到了以下学者的作品：Drucker（1985）、Gartner（1985）、Bhave （1994）、Morris（1998）、Roberts和Grousbeck（1989）、Timmons（1999）、Shane和Ven-kataraman（2000）、张玉利（2006）、李志能（2006）、丁栋虹（2010）、Ries（2011）等，详见第1章相关理论成果文献综述。
本书作者的前期作品已经对创业进行了较为完整的基础性研究：《创业管理——成功创建新企业》（清华大学出版社，2009），编著；《创业管理——大学生创新创业基础》（清华大学出版社，2011），主编；以及公开发表的20余篇关于创业管理和创新创业教育的论文。上述前期成果，为本书的继续深入探索提供了帮助。
在创业理论的研究中，还囊括了其他管理学的理论，比如预测、决策、定位、权变、绩效、循环理论、博弈论、系统分析模型等。通过对上述文献综述及研究成果的整理，我们发现创业的理论成果可以划分为以下三个阶段（详见第1章相关论述）：第一阶段，创建企业的过程阶段；第二阶段，机会和方法阶段；第三阶段，数据分析阶段。目前正在处于第二阶段向第三阶段过渡的时期。该轨迹表明研究趋势是越来越理性、定性逐渐与定量相结合、越来越运用数据化决策。1.2.4 创新创业教育研究
Timmons等学者最早开始美国的创新创业教育研究及实践，Freernan和Soetel （1997）完善了创新教育的“高校—企业—政府”组成的“三重螺旋”结构。国内高校在面对扩招、学生双向就业之后，纷纷将创新创业教育提上日程，初衷是“以创业促进就业”；政府也不断加大创业扶持力度，致力于“以创业促进经济发展”。曹胜利、雷家骕在《中国大学生创新创业教育发展报告，2012》中指出创新创业教育的特色之处在于人才培养方式改革。关于创新创业教育的文献梳理，详见第14章。
创新创业教育热潮持续，方兴未艾，但在大数据时代下仍需突破口。美国教育部2012年开始寻找教育新的突破口，针对大数据教育发布了《通过教育数据挖掘和学习分析促进教与学》的报告。我国教育部2014 年《教育信息化工作要点》中首次提到大数据。魏忠（2014）认为教育正悄悄发生一场革命，随着慕课（MOOC）、微课、翻转课堂、微分的出现，教育正式进入了大数据时代。但是，我们通过文献搜索，发现关于大数据下创业以及创新创业教育的相关研究成果却并不多。1.3 问题的提出1.3.1 前期文献的回顾
我们通过前期文献检索发现，已经有学者提出了以下不容回避的问题：（1）创业企业还缺乏对大数据的了解与应用。创业企业大多并不知道该怎样有效利用大数据实现精准决策。栗莉、吴韶鸿（2014）认为，企业应用大数据面临的问题主要有是目标不明确、技术有待提高、数据来源仍需优化、应用引起隐私安全问题等。高源、张桂刚（2014）认为，大部分的企业并不缺少数据，而是面对庞大规模的数据无从下手。（2）存在政府等机构对大数据平台管控数据过严、公众数据开放透明度不够等问题。创业者很难从政府等公众机构和大企业那里得到有价值的数据。开放数据能加强企业与顾客、合作伙伴的联系，还能降低数据成本、利用外部创新环境最终提升效率和竞争力（谭健，2014）。但是，赵忆宁（2014）认为，政府公共平台数据存在程序烦琐、政府部门之间数据无法共享、数据支离破碎、数据的可用性低等问题。同时，国内相对封闭的互联网环境，加上数据持有者的开放度低，使得采集数据困难重重。（3）存在数据垃圾、虚假数据、隐私侵犯、数据安全等问题。创业企业掌握的数据有限，很难排除垃圾数据和虚假数据的干扰。创业企业也缺乏解决隐私和安全的能力（金江军等人，2013）。数据的释放程度、数据的真伪完全取决于数据所有人（刘雨枫，2014）。用户无法识别自己的隐私信息是否被滥用（冯登国等人，2014）。若不能保证数据安全，对国家安全、知识产权和个人信息的保护都面临威胁，因此很多企业都不敢冒险（陶雪娇等人，2013）。并且，大数据的质量参差不齐，不准确、陈旧、虚假以及错误，数据被称为垃圾数据，因此，大数据的可靠性就值得质疑。（4）存在数据垄断、鸿沟、壁垒以及不正当竞争等问题。数据公开是一把双刃剑，数据公开有利于自己获取数据营养，但也会引来依靠模仿复制的新竞争对手，从而导致了不正当竞争行为的出现。创业企业普遍担心自己的数据公开后，会引来依靠模仿复制的新竞争对手，会引起大的竞争者或垄断寡头注意，直接替代自己。先进的寡头企业一旦发现了公开的创业企业数据，会利用自己的竞争优势，直接淘汰创业企业。寡头企业控制数据是有利可图的，不愿意把自己获取的数据公开，与广大创业企业共享数据资源，从而导致垄断出现。周翔、刘欣（2013）认为，数据有限的获取产生垄断和数据鸿沟，数据垄断是一些企业为了保护自己不受伤害而放弃数据的公开，却浪费了数据资源，并阻碍了创业的发展。（5）存在创新创业教育需要赶上新时代需求的问题。我们注意到魏忠（2014）的观点，教育正悄悄发生一场基于信息技术的大数据革命。创新创业教育应该怎样赶上这场革命，有效地畅通实施路径，运用大数据实现精准化，应是创业行为及创新创业教育领域的研究新趋势。赵姝淳、孙曙辉（2014）认为大数据在教育领域中主要有以下应用领域：一是有的放矢地制定出革新策略；二是个性化教育；三是精确数据评价教学；四是利用大数据技术进行管理的决策、活动、过程控制，从而利于企业决策和教育管理的精确化。那么，怎样从海量数据中挖掘出对创业项目有用的信息，这需要基于大数据的信息技术，并在此基础上推行慕课（MOOC）、微课、微分、可汗学院、翻转课堂、智慧树在线互动学堂等网络式学习模式。1.3.2 实地调研的验证
我们面向中国大学生创业园中分布在全国各地的园区，即北京、成都、重庆、济南、西安、武汉等地的高新技术产业开发区或科技园区创新创业服务中心及其联办的大学生创业基地，包括电子科技大学等10所院校的大学生创业基地的500家企业或项目团队进行抽样问卷调查。选择的受调查者都是创业项目的负责人。
调研时间大约1年，发出问卷500份。调查问卷在各创业园区和高校之间分配匀称，在行业样本的选取上具有代表性。利用SPSS软件进行统计分析。
我们设计以下研究变量（含有但不限于）：创业者经验与人脉、创业者数据分析能力、创业者所学专业技术、目标市场精准定位、竞争优势地位、精准营销策略、数据化商业决策、公共数据开放度、商业数据挖掘度。
我们设计含有7级量表（1为完全不同意，7为完全同意）的调查问卷，使用Likert量表来测量创业绩效影响因素，要求被调查的样本根据设问的认同程度评分。创业绩效影响因素量表（表略）的测量题目，采用主成分因子分析方法、最大方差旋转方法。
我们基本验证了上述假设中的问题，还发现了以下问题：（1）创业企业基本不具备大数据收集、存储、挖掘、分析处理的能力，多数情况下商业决策凭主观臆断，缺乏数据支撑。根据验证结论，目前数据化商业决策对大学生创新创业的影响并不明显，说明大数据是亟待开发的潜力资源。对于创业企业来说，廉价的存储技术对数据挖掘是非常重要的，大数据收集、存储、挖掘、分析处理技术的要求较高，创业企业缺乏相关的人才，很多创业者并不具备这一能力。这增加了创业企业的成本。创业企业对数据化决策的应用并不理想，大多数企业没有能力处理这些数据，多数情况下商业决策多凭缺乏数据支撑的主观臆断。（2）创业企业应用数据化决策陷入“囚徒困境”的两难博弈之中。我们利用博弈论中“囚徒困境”的内涵，来分析数据化创业决策的两难困境。分析的结果说明，在大数据环境下，创业者应用数据化决策陷入“囚徒困境”的原因：①互联网和大数据的时代，创业者依然存在信息不对称；②重复博弈没有被外力有效干预；③重复博弈没有被创业者自身的内因有效干预。（3）政府学校的数据服务对大学生创业的影响并不明显。在大数据时代，创业者很容易从互联网等新媒体获得海量的信息，当代大学生不再是关在教室里听某门课程才能学习相关知识了，他们有了更多自主选择。失去知识垄断的学校和失去信息垄断的政府，还剩下什么。这是创新创业教育甚至创业服务需要关注的严重课题。1.3.3 本书要回答的问题
综上所述，通过前期文献检索的研究假设，以及实地调研的验证结果，本书要回答的问题主要包括：
第一，创业企业在大数据时代怎样突破、摆脱成长的困境。
第二，创业企业怎样利用提升自己决策的精准度。
第三，创业企业怎样使自己的营销推广、品牌传播、成果保护等都插上大数据的翅膀。
第四，大数据时代的创新创业教育应该怎样继续优化。1.4 本书研究的目标与意义1.4.1 研究的目标（1）探索在大数据时代，创业企业突破、摆脱成长困境的方式方法
随着“互联网+”和“大数据”的革命，数据拥有者获得了更大的竞争优势，数据成为了新的宝贵资源，而不掌握该资源的创业企业的生存成长陷入了新的困境中。创业企业需要付出较高的费用或者较长时间的摸索，才能得到可靠的行业数据，否则很难生存下去。我们探索在大数据时代，创业企业突破、摆脱成长困境的方式方法。（2）探索在大数据时代，精准创业的运行原理
基于大数据时代，我们提出精准创业这个新的概念，创业企业需要更为精准的顾客需求预测和市场定位，才能确保自己的生存和持续成长。我们探索在大数据时代，精准创业在宏观、中观和微观上的运行原理。（3）探索大数据视角下精准创业的实施策略
大数据是新趋势和工具，创业企业怎样利用大数据实现自己的持续成长，本书将二者结合起来，通过定性和定量的两种研究方法，提出若干个相关模型，并用来解释和分析创业企业实现精准的路径、方法、策略、结构等。（4）探索大数据环境下创新创业教育的实施路径
本书将大数据与创新创业教育结合起来，提出推行慕课（MOOC）、翻转课堂、颠覆教学等对创新创业教育的优化方案，构建以大数据作为起基础作用的5×1创新创业教育环境超系统。1.4.2 研究的意义
本书是理论性的研究，首次提出了精准创业的概念及其理论体系，研究成果对创业者和教育机构来说还具有以下较大的应用价值。（1）指导创业者怎样利用大数据提升精准度和成功率，供创业者参考应用。（2）面对创业者在大数据下的新问题，找到创业企业面对大数据的困境因子，并通过对策分析找到解决问题的途径，供创业者参考应用。（3）为大数据时代创新创业教育的革新提供参考方案，供各高校等教育机构参考应用。1.5 本书研究的思路与方法1.5.1 研究的思路
本书逻辑结构前后衔接，层层推进，其中最重要的是立论，取得以此为核心的系列突破成果：按照卢桑斯权变函数关系的构架，在大数据与创业之间寻找某种函数的关系，并以某些维度为中介。我们把这个函数关系命名为通过大数据实现的精准效果，即“精准创业”。精准创业作为一种权变函数，其过程是数据化预测、数据化定位及数据化决策等因素的方程式，即精准创业=f（数据化预测、数据化定位、数据化决策）。该函数关系为：Precise Entrepreneur-ship=F（Data Prediction，Data De-cision，Data Pposition），即 PE=F （P，D，P）。本书将从精准创业的运行原理和实施策略的若干个模型来重点具体化这些问题。最后得出对创业者、创新创业教育的启示。按照上述逻辑结构，本书的研究思路包括准备工作、初步成果、最终成果三个阶段，其技术路线如图1-1所示。图1-1 本书研究的技术路线图1.5.2 研究的方法（1）实证调研
我们通过对理论研究成果的文献梳理提出研究假设，设计出七级调查量表，对被调查企业的创新程度和创新路径的认同度进行量化评分。第一手调查数据是本文计量分析资料的主要来源。我们在大量检索查阅有关定性研究文献的基础上，结合对500家企业的调查统计数据。在研究中主要运用统计分析等方法达到使本文的研究既具有理论指导意义又具有现实可操作性的目的。我们采用SPSS 20.0软件对调查数据进行统计分析，对假设进行一一验证，最后得到有数据支撑的研究结论。（2）演绎和归纳
本书在逻辑论证推理过程中，注重整体与重点相结合、演绎与归纳相结合的方法。本书本着“提出问题→分析问题→解决问题”的逻辑，演绎与归纳总结相结合的路径，按照“通过调查寻找问题，通过数据分析问题，找到产生问题的原因，针对原因探索阶段问题的对策”的主线，进行展开和收敛。（3）专家咨询与应用验证
为了使研究过程和研究成果更正确，本书在初步成果形成之后，会邀请电子科技大学大数据研究领域的专家进行咨询，同时会在中国大学生创业园入驻企业的样本中进行应用验证。1.6 本书研究的内容
本书通过文献梳理、现状调研、实证分析、问题及归因分析、案例分析，研究以下内容，分别为精准创业的概念体系、精准创业的运行原理、精准创业的实施策略三大体系，并且对创业者及创新创业教育产生一定的启示。整个内容体系与所在章节分布如图1-2所示。图1-2 本书研究的框架结构图1.6.1 精准创业的概念体系
关于精准创业的概念，本书要提出在新时代的一套崭新的理论体系，这套体系是围绕一个新概念展开的，即在大数据环境下精准创业的概念体系。本概念体系由精准创业概念的关系函数模型、大数据环境下创业绩效的影响因子模型、大数据环境下创业决策过程模型三项研究内容组成。1.6.2 精准创业的运行原理
作为一套新的概念体系，必定有自己的运行规律和路径。而在大数据环境下，很多新生事物尚在摸索之中，难以形成稳定不变的程式。本书大致从宏观、中观、微观三个视角，从内部和外部两个维度，在不断发展变化的大数据环境中，努力探寻出创业者需要注意的一套具有相对共性和稳定的运行原理，即精准创业的运行原理。本结论体系由宏观上的大数据环境把控方法研究、比较中观的大数据分析路径研究、微观上的基于大数据的商业机会分析方法研究三项研究内容。1.6.3 精准创业的实施策略
任何理论，必须和实践相结合，具有可行性和可操作性，才是具有价值的理论。作为一套新的理论体系，精准创业也需要有适合可持续成长的良性路径。这个途径应该是可持续的、循环的、动态的、平衡的、高效的、有保障的，并且存在于一个数据化的共生生态系统之中。
本书内容由持续循环的螺旋路径、大数据环境下创业营销组合策略模型、大数据环境下的人合性开放式创新组织、基于社交媒体的新创品牌传播路径、创新创业成果保护方法等研究项目组成。1.7 本书研究的创新点1.7.1 创新点的分布：14个模型
本书研究的创新点，首先是在国内外第一次提出了精准创业的概念以及支撑该概念的14个模型，它们都是由理论文献梳理或实证调研结论推导出来的，包括4D’s、5P’s、IBOS、XYZ、5×1等一套定性或定量模型。本书将在第14章专门介绍研究结论时提到这些模型。应该说，每一个模型都是一个值得详细介绍的创新点，分布在如图1-3所示的4个创新集中。图1-3 本书各研究结论的创新点分布
上述14个创新点之间是动态的逻辑关系。这14个模型并不是一盘散沙地围绕着一个新的概念，而是整个精准创业理论形成了一个有序的体系。为了表达各部分之间的逻辑关系，本书设计了精准创业理论体系图，如图1-4所示。我们将在第15章着重介绍该体系。图1-4 本书主要创新点之间的逻辑关系图1.7.2 对创业者的新启示（1）一个核心思想：数据化决策
大数据环境下，创业者决策不能仅凭经验和直觉，而是要依靠海量市场数据来做出精准的预测和决策。他们面临的挑战将是如何有效收集和分配数据，如何精确分析和执行数据，目前看起来，确实难以全面实现。但是，也只能是数据化决策，才能规避创业决策的粗放性、不规范性、风险性和不可逆转性，从而做到精准决策。
本书提出了数据化决策的基本原理之市场定位分析4D’s路径的统一结构，取名为精准预测与定位4D’s模型（或者称之为2SP模型），四个步骤如下：
数据搜索Data search；
数据统计Data statistics；
数据预测Data prediction；
数据定位Data position。（2）一个组织目标：在开放互联的生态圈平台中生长大数据时代的创新创业组织应该具备的特征有：开放性、生态系统、非正式性、虚拟性、跨界合作、无边界、人合性、自主性、相互认同性、透明性、可预测性。平台商业模式最重要的就是要打造一个系统的、成长潜力极大的“平台生态圈”。（3）两个关键技术：线上线下分别建立自己的数据库
为了减轻信息不对称的很多盲目性风险，创业企业可以与一些大数据平台合作，或者通过自己的社交媒体平台，抑或铺设线下的顾客定位分析装置，加快建立自己的数据库，O2O的结合将是创业者必须掌握的两个关键技术。（4）四套组合策略：营销、传播、成长、保护
本书在通过大数据分析实现精准的预测和定位的基础上，提出了IBOS营销组合策略模型，这里简列如下：
IBOS模型的第一步：创新与新产品开发策略（Innovation）；
IBOS模型的第二步：品牌与知识产权策略（Brand）；
IBOS模型的第三步：开放的平台生态圈策略（Open）；
IBOS模型的第四步：社交网络推广策略（Social）
本书提出在大数据时代，对新创品牌来说，既然要选择快速、高效、廉价甚至免费的社交媒体作为主要的传播方式，就得认真培养支持自己的关键节点，获得关键节点的支持，这样将比传统商业广告更加精准和高效。
本书在分析了创业的风险和可持续性、循环性难题的基础上，提出了5P’s可持续循环螺旋模型，简列如下：
第一个P：大数据预测（Big Data Prediction）策略；
第二个P：定位和创新（Position and Innovation）策略；
第三个P：开放合作平台（Open Collaboration Platform）策略；
第四个P：测试盈利模式（Test Profit Model）策略；
第五个P：量化推广（Quantitative Promotion）策略。
本书提出了在大数据时代，保护创新创业成果的三个策略：X策略：数据控制，对具有资源性的商业数据进行合理合法的管理和控制。Y策略：数据公开是创新创业信息的主要来源，通过社交媒体适当公开有利自己品牌的信息，有利于传播和推广。Z策略：数据化决策是握在创业者手中的风筝连线，大数据分析是个平衡的技术，也是管理的艺术，其关键是把握公开与控制之间的平衡点，这决定了风筝的高度。1.7.3 对创新创业教育的新启示（1）大数据环境下创新创业支撑体系模型
本书通过实证分析得出了创新创业支撑体系5×1系统分析模型的各个分系统与大数据环境超系统，它们是整体中不可或缺的部分，相互独立却相互作用，它们共同支撑着创新创业教育。要想创新创业教育释放出最佳的功能，产生最优的绩效，各个分系统与大数据环境超系统之间就要保持着动态平衡。（2）大数据环境下创新创业教育的教学设计翻转模型
本书还设计了一个颠覆传统结构的模型，将上述模型进行翻转，翻转模型的特点是：线上课程视频成为主要载体、参考数据资源极其丰富、课堂翻转、更少的课程讲授和更多的实践实验、按需设计教学内容、更加精准和高效、个性化的目标和价值、终生组织学习、随地组织学习等。翻转之后的创新创业教育的教学设计模型，立足于大数据资源，线上线下并重，形成有机融合的整体。第2章相关理论成果文献综述2.1 大数据的理论成果文献综述2.1.1 大数据的提出
早在1980年未来学家Toffler就预测了大数据时代的一些特点，Nature杂志在2008年推出了Big Data专刊，但当时并未引起人们太多的关注。
2011年，咨询公司McKinsey（麦肯锡）发布《大数据：创新、竞争和生产力的下一个前沿领域》研究报告，因此被认为是最早将“大数据”概念带出技术圈的机构。在该报告中，McKinsey披露了一些惊人的数据，通过对美国的医疗卫生业、零售业、制造业的计量研究，发现通过对大数据的合理有效利用，每年为医疗卫生业新创造价值逾3000亿美元，帮助零售业净利润增长60%，帮助制造业降低产品开发、组装方面50%的成本；McKinsey又研究了欧洲的公共管理，发现大数据每年创造2500亿欧元的价值；此外，McKinsey为全球个人位置服务的服务商和最终用户分别创造至少1000亿美元的收入和7000亿美元的价值。
McKinsey的报告引起了全球的广泛关注，第一次验证了大数据的巨大价值，不同地域、不同部门的决策者们开始对大数据产生浓厚的兴趣，认为这是企业迈向成功的新一轮革命。正如McKinsey报告中所说，“我们绝不代表在大数据方面最后的话语，相反，我们把它看做是一个开始。”此外，McKinsey在报告中也指出了大数据面临的各种挑战，包括安全、隐私、技术、人才等。
2012年，Schönberger的《大数据时代：生活、工作与思维的大变革》一书出版以来，大数据开始在全球普遍掀起热潮。另一家咨询公司Gartner（高德纳）给出了大数据的定义：容量大、生成速率快、种类多样的价值信息。Schönberger提出了大数据的4V特点：Volume+Velocity+Variety+Value。
大数据的四个基本特征如下：（1）数据量大：数据存储量已经从TB（1012字节）增加到PB，甚至是ZB，可以称为海量、巨量甚至是超量；（2）类型繁多：其包括越来越多的网页、图片、视频、图像等半结构化和非结构化数据信息；（3）价值密度低：如视频安全监控，在连续不断的监控中，具有重大价值的信息可能只是一两秒的数据流；（4）速度快，时效高：大数据时代对其时效性要求很高，这是大部分数据挖掘最显著的特征。
在国内，董晓婷（2013）给出了一个新的定义，大数据是指由于规模巨大而造成目前主流数据分析工具无法在允许的时间内对其进行抓取、管理、处理的数据集合。陈健（2014年）预言了大数据的转变趋势：由粗放式管理向精细化管理的转变，由模糊、难控向量化、可控的转化，从利润为中心向顾客为中心的转变，从关注整体向关注个体的转型。李克强总理在2014年《政府工作报告》中也提到“大数据”，与先进制造、新能源、新材料、移动通信、集成电路一起，被列为未来引领中国发展的新兴产业。2.1.2 变革一：发现小数据不能发现的东西
本书通过对相关理论成果文献的梳理，总结出大数据环境下商业有以下变革。Schönberger和Cukier（2012）在其《大数据时代：生活、工作与思维的大变革》一书里提到，数据的总和比部分更有价值。大数据使人们在大规模数据的基础上能够做到小规模数据无法完成的事情。当我们将多个小规模数据集的总和整合在一起时，整合一起的价值比单个数据的价值更大。因此，大数据是人们获得新知识、创造新价值的源泉。
Frank J.Ohlhorst（2013）认为，大数据分析能够“点数成金”。不计其数的企业已经在大数据分析中达成了共识：更多的数据，带来更多的价值，一份理想的大数据商业方案应该用实例证明，它既可以支持企业长期战略的宏观性分析，又可以处理具体的用户交易或行为的微观性分析，而这两种分析不仅能产生短期效益，更能形成长期效益。2.1.3 变革二：不受阻碍地全局全视角看待问题
在开放的海量大数据面前，通过对特定数据的搜索、阅读和识别真伪，数据海洋里的任何一根针不再那么深刻，取而代之的是更多地关注数据总量。社会的个体不再受限于特定领域里隐含的固有偏见，也不再拘谨于传统的思维模式，大数据能为我们提供如此多的新发现（Schönberger和Cukier，2012）。大数据时代带给社会的巨大价值使得我们决策的理念和方法不再是一种有限理性权衡，而是通往未来的必然。2.1.4 变革三：精准预测未来的智能商业时代开启
大数据的核心就是预测（Schönberger和Cukier，2012）。大数据一开始容易被视为人工智能的一部分，这是一种机器学习、智能管理的算法。但是，由大数据释放出来的功用来看，人工智能的初始定义又显狭隘。大数据并不只是要使机器像人一样思考，而是要使人都能做出机器都不能做到的对未来的预测。大数据是把数学算法运用到海量的数据上来预测事情发生的可能性。大数据指不用随机分析法（抽样调查）这样的捷径，不再依赖随机采样和因果关系，而采用所有数据的方法。由于大数据是对所有的数据进行分析处理，所以它更能反映出数据的真实性。随着系统接收到的数据逐渐增多，它们可以根据海量数据改善判断和决策性能，得到更优、更准确的预测。据此，Barabási（2012）在他的《爆发：大数据时代预见未来的新思维》一书里披露了一项惊世的统计结论：人类行为有93%是可预测的。Segal（2014）在《大数据预测》一书中提出大数据预测会成为各个行业变革的中坚力量，大数据的应用会变得越来越广泛，越来越重要。2.1.5 变革四：改变数据利用的规律和方法
第一，快速利用。随着互联网、物联网等大数据技术的普遍使用，人们的数据存储量增长迅速，比世界经济的增长速度快4倍，而计算机数据处理能力的增长速度更加迅猛，比世界经济的增长速度快9倍（Schönberger和Cukier，2012）。当下社会中的每个人、企业乃至政府都受到了这种极速发展的冲击，当然创业者也不能例外。
第二，重复多次或循环利用。数据化最早的根基是计量和记录，数据的基本用途为信息的搜集和处理提供了决策依据，这些需求一起促成了数据的诞生。数据与物质资源不同的明显特点是，数据的价值不会随着多次使用而减少，它具有可持续性，可以不断地被用来分析处理（Schönberger和Cukier，2012）。
第三，爆发性利用。Barabási（2012）在其《爆发：大数据时代预见未来的新思维》一书中认为，无论是人类记忆的搜寻，还是在互联网大数据中的查找，历史已经证明，搜寻某个特定目标的最佳策略，并不是用最明显、最系统和最规律的模式，而是用具有爆发性、间歇性，甚至是偶然性的模式。Barabási（2012）举例说明，搜寻稀缺食物的最好办法就是小范围内随机走动，偶然来个大范围的区域调整。当搜寻散落在大片区域里的少量食物时，规律的或随机抽取的搜寻都不是最佳策略。最好的方法是遵循一种爆发的搜寻模式，因为在长距离运动帮你扩大了视野的同时，对沿途短距离操作会让你搜寻到邻近区域的食物。整个方法类似中国古话里的“举一反三”，由一个点引发爆发式的收获。2.1.6 大数据研究的瓶颈与突破
从2011年到2015年，大数据的研究发展非常迅速，已经层层细化，渗透到了管理学的各领域之中。经过了几年的热烈讨论之后，越来越多的企业发现很难有效地将大数据用于自己的商业实践中，关于大数据的研究进入了瓶颈时期，亟待突破。
本书通过文献综述和调研分析，从问题最为集中的、最不掌握大数据的创业企业角度，努力发现问题所在，探索其运行原理，并寻求解决问题的策略，力图突破大数据研究的瓶颈。2.2 创业的理论成果文献综述
本书通过对不同历史时期创业概念的表述，将创业研究的历史脉络分为以下几个阶段。2.2.1 创建企业的过程研究阶段
这一阶段的主要代表观点有：“管理学之父”Peter·F·Drucker（1985）认为创业活动既要创造出新的令人满意的服务，也要创造出新的顾客，如果这两者都没有的话，那就无异于创办了一家毫无新意的熟食店，这样的活动不能称之为创新。Gartner（1985）认为创业是新组织的创建过程。Bhave（1994）认为创业过程是一个包括了最初的机会识别、产品生产线的建设、组织的建设、市场的交易以及顾客的反馈等的反复修正的实际过程，这个过程是理性的、非线性的。Morris（1998）对欧美地区主要教科书和创业核心期刊文章中出现的77个创业定义里的高频关键词进行了总结，进而揭示了创业的内在含义，它包含如下关键词：开创新的事业、创办新的组织、创造资源新的组合、创新、抓住新的机会、承担创业风险、创造新的价值。2.2.2 机会和方法研究阶段
Stevenson Roberts和Grousbeck（1989）认为创业是一个与机会有关的过程，即及时发现和充分利用机会，而企业的资源和这个过程并不相干。Timmons（1999）作为这一阶段的集大成者，他认为创业不单单是创建企业那么简单，传统的观点不适应现阶段的发展趋势，创业是一种方法，它和思维、推导和行动有关。创业活动对于创业者要求严格，创业者要有一整套完备的实施方案和高超的领导艺术，当然创业也要受到机会的制约。Shane和Venkataraman（2000）提出了一个在机会上的广义定义：创业机会是被某些群体发现或创造的，他们对创业机会运用开发，然后产生一系列的、各种不同的结果，这就是创业所要理解的。张玉利（2006）和Timmons的观点一脉相承，他也不认同创建企业这样传统意义上的创业观点，他认为创业的关键在于对于机会的利用、对于资源的创造性整合以及迅速有效的行动。李志能（2006）的观点和Stevenson · Roberts 的观点一致，他也认为创业是有关机会的一系列过程，这个过程中包括了独特的产品或服务的价值实现。2.2.3 数据分析研究阶段
这一阶段是随着信息技术的崛起而产生的。Ries（2011）提出了精益创业这一概念，既是对前人创业之中包含着不断创新这一观点的总结，又提出了新的创业企业的运作模式。这个模式下的创业产品以顾客的反馈为基本的导向，在基于用户数据的基础上不断对产品进行调整，降低浪费，提高新创企业的效率。这个模式在不断地被实践验证的情况下证明了其所有的合理性。精益创业指的是企业不断验证的学习方法，它的宗旨是不断创新，它来源于精益生产的思想，以最小的成本和有效的方式验证产品是否符合用户需求，灵活调整方向。随着大数据的兴起，创业研究还会有新的变化，本书力求分析这个问题。表2-1 本书采纳并对立论影响较大的几个关于创业的概念（续表）2.3 精准的理论成果文献综述
本书通过对不同历史时期实现精准的表述，将精准研究的历史脉络分为以下几个阶段。2.3.1 小数据市场调查与预测研究阶段
19世纪末，Ward创立了一种全新的推销方式——邮购商品订单目录。一百多年来，邮购目录在全世界各地盛行，此后随着科技的不断发展和互联网的崛起，邮购目录逐步被互联网中的电子邮件订购目录所取代。但一个世纪的盛行，也说明利用邮购目录来推销，确实是一个很好的营销手段。Hopkins（1923）提到，广告提升到了科学的层面，这样的时代已经到来。科学的手段使得推销的结果非常准确，基本没有差错。20世纪90年代，顾客关系管理（CRM）开始在世界流行起来。Reichheld（1996）研究发现，顾客的保持率与企业的利润呈正比关系，倘若顾客保持率增加5%，相应地会产生25%～100%的利润。Hallberg（1996）发现，顾客的数量与企业收入之间没有明显的比例关系，公司的大部分营业收入是由公司的小部分顾客创造的。这些成果是依靠数据存储技术实现的，利用这种技术，顾客所有的信息将被放入一个数据库里，以便企业使用。顾客的长期价值由终身价值模型（lifetime value model）预计，而预计一位顾客有多大可能失去积极性就要用到防损耗模型（anti-attrition model）。CRM的进化演变极大地增强了工具和技术的营销效用，数字媒体产生了以顾客为核心的巨量数据，分析师筛选大量数据的能力也很快在面对这些数据时遭遇考验。
在数据来源领域，Kiaer（1895）是第一个使用抽样方法收集数据的人，并进行了许多纯粹的抽样调查。他认为抽样调查和普查选取样本的方式完全不同，抽样调查结果是否具有科学性是由样本的代表性决定的，而不是被调查个体的个数，他说要获得可以利用的样本有多种方式可以运用，如果抽样调查和普查的结果是一样的，那么调查就是有用的。最先将随机化理论引入抽样调查的是Bow-ley（1925），同时也是他发展了目的性选择理论。Mahalanobis（1946）提出了交叉子样本的理论，以此来降低非样本误差的问题。此后，统计学陷入了对各种抽样方法的研究之中，但是，都不能完全避免抽样所带来的误差。因此对抽样数据误差的分析研究是摆在调查统计界面前的一大课题。2.3.2 精准营销研究阶段
互联网的飞速发展，使得各种营销概念层出不穷，Wunderman（1999）在20世纪末提出了精准营销的概念。Abin和Brebach（2004）提出了精准营销的4R法则，即Right customer+Right message+Right channel+Right time，运用这个法则要掌握4个关键词，即时间、管道、信息、购买行为，再通过正确的方式将它们联系起来，才能促进营销目标的有效达成。Kotler（2005）认为精准营销中至关重要的就是建立个性化的沟通，它的含义就是前文所提到的4R法则。Spiller与Baier （2006）在传统营销的基础之上提出了直复营销理论，这个理论认为要有效地利用数据资源就要对市场进行细分，这样的观点符合精准营销的内涵，因此被视为精准营销的理论基础。Laursen（2013）基于大数据时代的商业分析补充了一些新的精准营销的方法与案例。
在国内，齐渊博（2005）对精准营销的看法是“精确营销”，它的意思是“标准”和“确定”，“标准”的含义是：一个营销现象必须满足可以复制、推广、提升这三个条件，如果任何一个条件不能满足，就不能称之为“标准”，它不过是一次偶然的现象。而“确定”就是对市场动向的肯定把握。徐海亮（2006）认为精准营销要以现阶段的信息技术为手段，基于精准定位的层面，建立起有个人特色的顾客沟通服务体系，实现企业持续的、全面的、经济的发展。伍青生、余颖、郑兴山（2006）研究了精准营销的思想和定量定性相结合的目标市场定位方法。刘征宇（2007）在《精准营销方法研究》一文中提到，精准营销有三种可以实现的方法，即数据库法、互联网法、他人渠道法。姜何（2008）认为精准营销就是精细化营销，精细化营销脱胎于精细化管理，它是一种相对于粗放式管理而言的管理方式。对顾客进行细分是运用精细化营销的第一步，然后对细分后的顾客进行一对一的营销，了解顾客不同的需求，量身定做营销手段。2.3.3 大数据精准预测、决策、定位研究阶段
2007年，Hubbard首次提出了数据化决策，他认为任何事物都可量化，包括无形之物，而大数据的源头之一是数据化决策，数据化决策是一种数量统计法，是管理学上常用到的用数学的方式研究事物、解决问题的方法。它用的是一种可以量化的方法来研究事物的运动状态和性能，然后对事物的运动情况做出精确的描述、预测并做出最终决策。在信息爆炸的时代，企业要想在复杂多变的社会环境中立于不败之地，就必须对企业所掌握的数据进行分析，分析后的信息就是企业管理决策的重要依据。
Schönberger（2012）提出了大数据时代不再依赖随机采样和因果关系。Bar-abási（2012）认为人类行为有93%是可预测的。Klubeck（2013）在《量化：大数据时代的企业管理》一书中，认为量化分析本身是改进工具，用量化分析可以来跟踪进度或预测未来的发展趋势。Segal（2014）在《大数据预测》一书中提出大数据预测会成为各个行业变革的中坚力量，大数据的应用会变得越来越广泛，越来越重要。大数据时代下，数据的收集和整理变得越来越重要，应用大数据进行预测会被各个领域掌握，并成为这些领域关键性的技术。Maex和Brown（2014）在《大数据营销：定位顾客》中指出，我们可以利用大数据来辨认出最佳顾客——利润最高的顾客，如果我们用效率最高的方式和这些顾客打交道，就能使他们的购买力提高，进而增加企业的利润。步骤分别如下：寻找顾客，包括现实和互联网；判断顾客在一定时期内的价值；判断顾客购买行为的驱动力是什么；改进营销的手段和方法，使之利润最大化；在销售和营销的环节上，尽量使用最新的技术。
试读结束[说明：试读内容隐藏了图片]