When R&D Taxonomies Travel: Target-Population Validity in the Selection of Young Technology-Oriented SMEs
本研究表明，基于广泛行业群体的技术转移分类法往往缺乏对年轻中小企业的选择有效性，这说明将研发标准专门针对目标中小企业群体进行重新校准，与使用标准的 OECD 行业分类相比，能显著提高识别高增长企业的筛选准确性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一名大型音乐节的星探。你的任务是寻找下一支伟大的乐队，但你面对着成千上万份演示带，而且只有几个小时的时间。为了节省时间，你决定使用一种捷径：你只听那些以产生著名摇滚明星而闻名的城市中的乐队。这种捷径是一种“分类学”（taxonomy）——一种基于我们已知事物来对事物进行分类和排序的系统。在科学和商业领域，这些分类学就像地图一样，帮助政府、银行和投资者决定哪些公司属于“高科技”范畴，并值得获得资金或支持。现在的大问题是，如果一张为整个国家绘制的地图，在寻找一个小村庄里的特定人群时，是否同样有效？如果这张地图是在观察巨型企业时绘制的，它还能准确地指向那些年轻、充满斗志的初创公司吗？本文深入探讨了这一问题，研究我们如何避免仅仅因为使用了一张与领土不匹配的地图而选错候选人。
这篇题为《当研发分类学发生迁移》（When R&D Taxonomies Travel）的论文，调查了一个当这些分类系统被“迁移”到另一组公司时会发生的特定错误。作者金荷娜（Hana Kim）认为，一个系统可以非常完美地描述大局（描述有效性），但在挑选特定工作的获胜者时却可能完全失败（选择有效性）。为了测试这一点，研究人员使用了来自一家韩国银行的庞大数据集，其中包含超过11.6万家年轻的小型技术型公司。他们比较了过滤这些公司的三种不同方式：
- “大地图”（OECD规则）： 使用标准的国际高科技产业清单，该清单是基于包括巨型企业在内的所有公司的数据。
- “本地地图”（中小企业研发规则）： 仅使用这些年轻、小型公司自身的数据，重新计算高科技清单。
- “超级地图”（多信号规则）： 在本地地图的基础上，加入专利数量和无形资产等额外线索，看看是否能更有帮助。
结果令人惊讶且清晰。虽然“大地图”（标准国际规则）确实识别出了一些成功的公司，并且表现优于随机概率，但它不如其他替代方案有效。当研究人员切换到“本地地图”（即使用相同的研发支出概念，但专门针对小企业重新计算）时，他们发现了显著更多的赢家。具体而言，与“大地图”相比，“本地地图”多识别出了2.23个百分点的同时实现强劲销售增长和良好财务评级的公司。
这里有一个论文明确排除的转折点：许多人假设标准地图之所以失败，是因为它没有观察足够的创新类型（如专利或设计）。他们认为我们需要在清单中增加更多线索。然而，这项研究发现，添加这些额外线索（“超级地图”）并没有带来太大的帮助。本地地图与超级地图之间的差异微乎其微。真正的核心问题不在于地图缺少信息，而在于地图是为错误的群体绘制的。“大地图”受巨型、老牌企业的支配，因此它指向的是小型初创公司并不真正兴旺的行业。通过简单地重新绘制一张符合小企业的地图，无需添加任何新数据，筛选过程就变得更好了。
论文还研究了如果同时使用两张地图（“双路径”系统）会发生什么。这种方法可以捕捉到更多潜在的赢家（更高的“召回率”），但也意味着你必须花费时间和金金钱去评估更多可能失败的公司。研究表明，只有当错过一家伟大公司的成本高于检查几家额外公司的成本时，这种双路径方法才值得采用。
简而言之，本文建议，当我们试图寻找下一个技术领域的重大突破时，不应仅仅依赖于为全世界制定的标准清单。相反，我们需要专门针对我们试图寻找的群体重新绘制这些清单。这项研究表明，解决“人口错位”问题（即确保地图与地面上的人群相匹配）比仅仅在地图上添加更复杂的指标要有效得多。它提醒我们，在寻找创新的过程中，语境就是一切；一个适用于巨头的工具，未必适用于那些试图开启新篇章的小人物。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。