首页 理论教育 文化创意企业核心竞争力评价研究成果

文化创意企业核心竞争力评价研究成果

时间:2023-07-24 理论教育 版权反馈
【摘要】:(一)综合评价指标体系的运行根据评价指标体系,本书不仅需要北京、上海、广州三个城市文化创意产业数据,还需要10个上市文化创意企业的数据。10个上市文化创意企业的数据来源于巨潮资讯网发布的2014年年度报告。BP神经网络算法具备很多优点,能够自动学习提取数据间的规则,在本书中提取的数据间规则就是各个样本33个三级指标数值与各个样本核心竞争力评价结果之间的规则。

文化创意企业核心竞争力评价研究成果

(一)综合评价指标体系的运行

根据评价指标体系,本书不仅需要北京、上海、广州三个城市文化创意产业数据,还需要10个上市文化创意企业的数据。由于产业数据只公布到2014年,因此选用上市文化创意企业2014年的统计数据。三个城市的文化创意产业数据来源于2007—2014年的《国家数据》《北京市统计年鉴》《上海市统计年鉴》《广州市统计年鉴》等资源数据库,以及《中国文化部数据》《第三企业统计年鉴》等特殊经济领域的统计数据。10个上市文化创意企业的数据来源于巨潮资讯网发布的2014年年度报告。通过对收集数据的多次审阅与复核,数据具有一定的真实性、客观性可靠性

在该综合评价指标体系中涉及33个指标数据,由于各个指标所代表的含义不同且存在着量纲上的差异,这种异量纲性会直接影响到核心竞争力综合评价的结果。因而,在搜集齐全指标数据之后,需要对这些数据进行无量纲化处理,即通过数学变化消除其原始变量的量纲,从而达到标准化与规格化的方法。无量纲处理后的数据分布在[0,1]的范围内。本书采取的无量纲处理公式如下:通过无量纲化处理,得到各三级指标的标准化数据分布在[0,1]范围内。在指标体系内容、指标权重以及无量纲处理后的指标数据都得到确立以后,本书采取线性加权的方式对各级指标进行得分,计算公式为:

该公式中,U为本级竞争力加权得分,U为下级指标得分,W为下级指标权重。线性加权的过程是从低级指标向高级指标逐层加权的过程。

在对北京、上海、广州的数据进行无量纲化处理时,如果仅仅用2014年的统计数据,就会出现三个城市的产业数据分别是0、1、0与1之间,这样的数据不便于区分和运算,因此分别收集了北京、上海、广州2007—2014年8年的数据,在对8年的统计数据进行无量纲化处理后,才选取2014年数据。

经过加权计算,得到10个样本的各级竞争力指标数据,运算结果如下表6-21所示:

表6-21 10个文化创意企业核心竞争力评价指数的计算结果

(二)BP神经网络的检验过程

1.BP神经网络的基本原理介绍

层次分析法赋权定性色彩比较强烈,人为主观因素影响太大,尽管综合了12位专家的意见,仍然不容易让人信服。因此,为了检验该综合评价指标体系对10个上市公司数据评价结果的可行性与有效性,本书选择对少数据、贫信息、不确定性问题具有良好分析效率的BP神经网络算法进行综合评价体系的检验。选取的研究实例为10个文化创意企业上市公司2014年的数据,属于小样本,所包含的信息量有限。BP神经网络算法具备很多优点,能够自动学习提取数据间的规则,在本书中提取的数据间规则就是各个样本33个三级指标数值与各个样本核心竞争力评价结果之间的规则。该算法在实践中得到了广泛应用,应用到了系统评价及优化、数据挖掘、模型识别和机器学习等领域。

BP神经网络模型是一种用于前向多层次神经网络的反传学习算法,由鲁梅尔哈特和麦克莱伦德于1985年提出。BP算法用于多层次网络,网络中包含输入层节点、输出层节点以及一层到多层的隐含层节点。神经网络的学习就是指调整神经网络的连接权值或者结构,使输入和输出具有需要的特性,如图6-4所示。

图6-4 BP神经网络模型

当有信息(x1,x2 ... xn)向网络输入时,信息先从输入层依次经过各隐含层节点,信息在各层传输都要经过特性函数作用之后再传到下一个隐含层(图中只画出了一层隐含层),最终从输出层传出(y1,y2…yn),信息每次经过一层在节点处都有特性函数对其进行变换,节点的特性函数要求必须是可微的。

学习过程是利用样本数据对网络进行训练,每一个样本数据都必须包含输入样本向量和目标向量。首先,把样本向量输入到网络中,从网络的隐含层逐层进行计算,进而传向下一组,一直传到输出层。然后,把实际输出(网络计算得到的输出)和样本向量的期望输出做以比较,如果误差不能满足预设要求,则沿着原连接通路对各层节点的权值进行反向调整,误差逐渐变小,直到达到要求。在网络计算时正向传播,根据输入得出输出;传递误差时反向传播,不断修改连接权值。BP网络算法学习具体步骤如下:

(1)把样本向量输入到网络中,由网络分别计算各层节点的输出;

(2)计算网络的实际输出和期望输出的误差;

(3)从输出层反向计算到第一个隐含层,按一定原则向减小误差方向调整网络的各个连接权值;

(4)对训练样本向量中的每一个分量重复以上步骤,直到对整个样本向量的误差达到要求为止。

Oi:节点i的输出;

netj:节点j的输入;

wij:从节点i到节点j的连接权值。

对于节点j有:

其中,节点j位于节点i的下一层上,且节点i连接到节点j。

在BP算法学习过程中,为使学习尽快减小误差,对误差的计算采用广义的δ规则,其误差函数为:

连接权值的修改计算式:

其中,wjk(t)和wjk(t+1)分别是时刻t和时刻t+1从节点j到节点k的连接权值;Δwjk是权值的变化量。

由于

故有

所以有

计算δk要分两种情况,分别计算。

(1)节点k是输出层上的节点,此时Ok=yk,则有

由于

所以

(2)节点k不是输出层上的节点。此时连接权值是作用于隐含层上的节点,δk计算过程如下:

所以

这说明,内层节点的δ值是通过上一层节点的δ值来计算的,每一个较低层上节点δ值的计算都要用到与它相邻但层次较高的节点δ值。

接下来对网络中神经元的连接权值进行调整,网络按照前向传播得到输出,如果实际输出与期望输出的误差仍然不能满足要求,则需要进行新一轮的权值修正。这样往复循环的修正,一直到网络收敛。

本书将利用BP神经网络提取三级指标与综合评价指数之间的关系,通过MATLAB 2014a数学软件训练上市公司样本数据,把对照组的数据输入训练好的网络得出对照的实际输出,通过比较实际输出和期望输出的拟合程度来检验指标体系的可行性和有效性,如图6-5所示。

图6-5 BP神经网络训练流程图

2.BP神经网络检验综合评价指标体系

(1)数据处理。无量纲化处理后的数据全部在[0,1]范围内,适合神经网络的训练,所以直接取用。从10个企业中随机挑选出2个企业(歌华有线和人民网)作为验证样本,其余8个企业的数据作为神经网络的输入数据,这8个企业在核心竞争力指标体系中计算的结果作为神经网络的输出数据。8个企业各自的33个三级指标构成神经网络的输入样本量P,8个企业的核心竞争力结果构成神经网络的目标向量T。P和T要保持列数相等,所以要取P和T的转置。

(2)网络设计。本书采用三个层的神经网络,输入层、隐含层、输出层各一层。输入层节点个数是33,输出层节点个数是1。在设计网络时,隐含层节点个数的确定十分重要。隐含层节点个数过多,会加大网络计算量并容易产生过度拟合问题;节点个数过少,虽然也可以学习但是需要很多次,训练出来的网络精确度不高。但是目前,对于隐含层中节点数目的确定并没有明确的公式,只有一些经验公式,隐含层神经节点个数的最终确定还是需要根据经验和多次实验来确定。书中隐含层数目的确定拟采用公式:

式中:

h:隐含层节点数目;

m:输入层节点数目;

n:输出层节点数目;

a:1~10之间的常数。

在经过多次训练后得到,隐含层采用16个节点时的学习效果比较好。

在MATLAB 2014a软件中用newff创建一个新的神经网络,用函数minmax设定输入向量元素的阈值范围,输入层的隐含层的函数一般选择tansig,隐含层到输出层的函数选用logsig,训练函数选择运行速度较快的trainlm。

(3)网络训练。设定允许最大训练步数为50,训练目标最小误差为0.0000001(因为样本数据已经精确到了小数点后6位),学习速率为0.01。

图6-6 BP神经网络训练结果图

在图6-6中,横坐标是训练步数,纵坐标是均方差,Train是训练样本数据,Validation验证样本数据,Test测试样本数据。由图可知,在经过7次训练后,训练样本数据Train的均方差小于目标误差(Goal)10-6,达到预设目标。

接下来通过仿真来检验网络输出是否满足要求。实际输出就是7次训练后网络输出的结果,期望结果是8个企业核心竞争力指标运算的结果,也就是前文提到的目标向量。

表6-22 实际输出与期望结果对照表

对照表6-22只保留小数点后四位,由表可知,只有七喜控股和新南洋存在大约0.03和0.04的误差,这说明网络训练得很好,训练后的网络输出很好地满足了预设要求。但是,网络训练得好,只是说明在合理控制范围内,通过不断网络学习训练,网络误差达到了要求,这并不意味着整个BP神经网络模型的完整和有效,神经网络模型还需要交叉验证,然后才能推广到一般应用。

(4)交叉验证。把交叉样本歌华有线和人民网的无量纲化处理后的数据输入训练好的网络中,网络输出结果是0.5425和0.5006,对照核心竞争力评价指标结果0.5461和0.4940,算出误差为-0.6636%和1.3184%,由此说明,训练好的神经网络具有比较高的准确度,整个BP神经网络模型对于文化创意企业核心竞争力的评价体系拟合得很好。

综上所述,经过了BP神经网络的检验,文化创意企业核心竞争力评价指标体系具有一定的可行性和有效性,可以推广到全国文化创意企业核心竞争力的评价研究。

(三)文化创意企业核心竞争力的比较分析

在确定综合评价指标体系并通过检验之后,经过评价得到的核心竞争力指数可行、有效。本节重在通过对比不同区域的文化创意企业以及同一地区不同文化创意企业2014年的各级指标的竞争指数,通过解构分析,结合横向城市之间的比较分析方法,研究10个文化创意企业的发展水平以及核心竞争力相对优劣势。

1.城市间的产业指数比较分析

图6-7 三个城市间产业指数比较图

第一,创新环境要素。北京、上海的文化创意产业从业人数占就业人数的比重分别是10.51%和10.23%,广州的6.7%相对较低;北京、上海的文化创意产业增加值占GDP的比重分别是12.09%和12%,而广州只有4.85%,所以广州的生产能力指标得分比较低。说明广州的文化创意产业发展水平还不充分,需要进一步完善文化创意人才引进、培养和激励机制。

广州虽然人均文娱支出占总支出的比重最少14.73%(北京14.9%,上海16.2%),但是人均文娱消费额最高6746元,比北京(4170元)高出很多,所以广州的整体需求能力甚至超过了北京,而上海最高。上海的需求能力高于其他两个城市,这是因为上海经济发达,开放性程度很高,精神文化消费水平高,对文化创意产品和服务的需求量很大,购买力也很强。(www.xing528.com)

北京从金融机构到高新技术企业,全方位支持文化创意企业,所以在相关产业支持能力方面得分最高。

另外,上海的政府支持力度最高,文化创意产业财政支出比重22.6%,高于北京的16.7%,比广州的12.25%高出近一倍。上海市政府在支持公共服务平台建设方面做得比较好,非常关注艺术创新、创意设计信息技术等的发展,针对薄弱环节、关键领域和新型产业给予强有力的扶持。上海十分重视文化创意产业,在该方面的财政支出金额较高,这是企业核心竞争力形成的重要激励因素。

第二,创新潜力要素。创新潜力能为文化创意企业核心竞争力长期持续发展提供不竭的源泉,通过对创新潜力比较分析可知,北京具有较大的增长潜力,北京的区域教育水平和区域研发能力均较上海、广州有明显优势。北京在高校数量、科研院所数量、专利授予数量等方面比上海、广州都有明显优势。由于不同城市经济发展的方向和侧重点不同,创新潜力有强有弱。

整体上,北京明显具有优势,直接补贴多。广州与北京、上海相比还有很大差距,但是个别指标十分接近,需求能力甚至超过了北京,这与近几年广州外来人口剧增、消费能力攀升有很大关系。

2.同一城市内企业间比较分析

图6-8 北京地区5个企业核心竞争力评价结果

北京地区的文化创意企业与其他两个城市相比,在创新环境上具有很大的优势。

华谊兄弟核心竞争力高居0.6263,在2014年又得到了显著提升。而今具备强大的内容制作能力、庞大的知识产权库以及对影视、文化、在线娱乐等资源的整合能力,拥有优秀的娱乐人才,打造了完善的原创内容制作链条,积累了一批长期稳定的战略合作伙伴。

乐视网的核心竞争力评价结果是最高的0.7699,超过了资产总额比自己高出10个亿的华谊兄弟,可见并不是企业总资产越多,核心竞争力就越强。乐视网的强大核心竞争力离不开互联网行业突飞猛进的良好趋势,企业自身又能够持续创新发展,提升客户体验,不断完善乐视生态系统

歌华有线虽然核心竞争力不及华谊兄弟,但是在企业未来发展战略上十分注重核心竞争力的强化。大力研发培育新兴业务,积极投资运营创新项目,实现从单纯依赖渠道经营、广告收入的盈利模式向全通道、多内容、高服务的多元盈利模式转变,力求最终成为具有较强综合实力和竞争优势的大型传媒文化企业。

人民网是互联网新闻信息服务类企业,在新媒体社会责任评估中获得国家级新闻网站最高分。作为国家重点新闻网站,继续保持自身在品牌、受众、新闻内容、客户资源以及渠道上的独特优势,保持自己在新闻服务行业的核心竞争力。

光线传媒涉及电影电视动漫游戏、互联网新媒体等多方面,虽然整体与华谊兄弟相比还有很大差距,但是在企业员工教育水平方面(0.1273)还要略高于华谊兄弟(0.1199),员工整体素质要略占优势。

图6-9 上海地区三个企业核心竞争力评价结果

东方明珠核心竞争力评价结果是0.6014,明显高于上海市的其他两个企业。东方明珠由东方明珠和百视通于2015年重组后形成的市值接近2000亿元的文化传媒集团,所以2014年的东方明珠在此用的是百视通的数据。东方明珠的核心竞争力位于上海文化创意企业之首,整合了百视通、风行网、艾德思奇在新媒体广告与数字营销技术、广告平台与渠道、海量用户和广告主资源等多方面的综合优势,在国内率先打造跨多屏的精准程序化广告投放平台,形成显著的核心竞争力和领先优势。东方明珠的核心竞争力位于上海文化创意企业之首,企业的核心竞争力为技术优势和版权内容优势,以课题类科研项目为技术优势。

新南洋核心竞争力0.3530,在上海地区已经属于很不错的水平。它背靠著名的上海交通大学,在核心主业教育培训业务方面具有长期的办学经验、优良的骨干团队、独特的研发能力、广泛的品牌知名度和良好的受众口碑,形成了包括K12、职业教育国际教育、高端职业培训等多个方向的教育培训服务业务产业链,通过内涵式增长和外延式扩张的双轮驱动战略,不断提升企业的核心竞争力和可持续发展能力。

七喜控股虽然核心竞争力较其他两个企业为最低的0.2687,但是作为植根华南的老牌IT企业,公司电脑在广东地区拥有一定的品牌影响力和广泛的用户群,尤其在教育行业拥有较好的口碑。公司分销产品均为东芝闪存飞利浦显示器等国外知名品牌,拥有很多长期合作的厂商以及独家代理,因此在上游渠道上有一定的资源优势。生产管理团队在现有加工业务方面具有较强的技术、设备、人才与管理优势。

图6-10 广州地区两个企业核心竞争力评价结果

珠江钢琴主要从事钢琴研发、生产、销售与服务,倡导钢琴、数码乐器音乐文化教育共发展的中国乐器行业龙头企业、国家文化出口重点企业,具有多方面的核心竞争力。珠江钢琴拥有深厚的文化推动力,国家先进的技术创新力,深远的品牌影响力,全球年产量最大的市场竞争力,行业领先的资本运作力,高效稳定的国家化人才队伍。

与珠江钢琴相比,奥飞娱乐核心竞争力十分突出。奥飞娱乐经过20年的发展,已经基本形成了以IP(知识产权)为核心,集玩具、消费品、媒体、游戏、电影、教育和主题乐园为一体的泛娱乐生态系统。目前是国内唯一布局全产业、拥有跨板块资源的IP平台,包括国内领先的玩具和消费品的市场营销能力和渠道通路,实力最强的原创动漫工作室,具备多屏传播能力的媒体平台,兼具IP孵化和IP变现双向功能的游戏工作室,以及目前跟好莱坞战略合作,被称为IP放大器的奥飞影业。

3.企业间内部指数比较分析

图6-11 企业内部主要指标评价结果

企业规模包含总资产、营业收入、利润总额和员工总数。根据巨潮资讯网发布的数据,统计结果显示歌华有线总资产最高,乐视网的营业收入最多,华谊兄弟的利润总额最高,奥飞娱乐的员工总数最多。图6-11显示,乐视网的企业规模最大,超过了华谊兄弟和东方明珠,这是因为乐视网的技术人员占比较高,技术人员反映的是创意人才的比例,所以综合起来,乐视网的企业规模最大。

可持续创新能力要素指标包含人才、研发投入和经营绩效。企业员工的学历水平通过加权测算后用员工受教育程度来表示,人民网的员工受教育程度最高0.0879,珠江钢琴最低。这是因为人民网的新闻采编人员在总员工的数量中占比较高接近50%,这些人员的学历水平都在本科及以上,所以抬高了整个受教育程度。而珠江钢琴的生产人员占比达65.18%,生产人员对学历要求不高,所以整体受教育程度较低。乐视网和东方明珠人才指标得分名列前茅,是因为两者都十分注重创新人才的吸纳和培养,技术人员比重较高、人员学历普遍较高。

研发投入是衡量企业自主创新实力和能力的指标,研发投入力度说明企业组织创新的决心,这与企业持续发展密切相关,由图6-11可知,研发投入和企业可持续发展能力波动幅度十分相近。这说明,重视研发投入的企业,能够从企业长远发展着手,为企业提供永不衰竭的发展动力。能根据市场变化,有力地支撑企业不断创新,即使面临新的竞争环境依然不落伍、不退步,持续发展能力逐渐增强。图6-11还显示,乐视网的研发投入比其余九个企业显著高出很多。乐视网为了提高企业的核心竞争力,在基础平台研发、新产品与技术的研发以及现有平台的升级改造等方面持续加大了投入力度,2014年其研发支出8.06亿元,占同期营业收入的11.81%,这是其他企业无法企及的。

经营绩效能够综合体现企业的经营能力、盈利能力,是文化创意企业把自身核心竞争力转化成经济效益的能力。华谊兄弟的经营绩效较其他企业为高,一方面华谊兄弟成立时间早,商业运作能力强,在资产管理和商业运行方面十分成熟;另一方面,华谊兄弟经过多年发展,商誉价值也是十个企业之最。

4.企业核心竞争力比较分析

图6-12 企业核心竞争力评价结果

从整体的核心竞争力评价结果来看,乐视网(北京)高居榜首,紧随其后的依次是东方明珠(上海)、华谊兄弟(北京)、歌华有线(北京)、人民网(北京)、光线传媒(北京)、奥飞娱乐(广州)、新南洋(上海)、七喜控股(上海)、珠江钢琴(广州)。

综上可得,并不是位于创新环境优越、创新潜力大的城市,文化创意企业的核心竞争力就一定强;并不是文化创意企业规模越大,企业核心竞争力就越强。虽然创新环境的优势有助于企业的成长,但是文化创意企业核心竞争力重点来自企业创意人才的比重、研发投入力度等方面。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈