创新与知识产权管理 | 我们需要更好地测量创新：方法如下

创新推动生产力增长，而生产力的增长又带动就业增长，并支付我们健康、教育、国防和社会保障系统所需的资金。简言之，创新真的非常重要。政府、企业和学者都对此深表关切。我们需要了解什么有效，什么无效，以及为什么有效--这意味着我们需要转向测量和指标。但是，时至今日，我们真的能够测量创新吗?我们做得是否正确?或者，我们的指标是否更适合第二次和第三次工业革命，而不是第四次工业革命?

在第四次工业革命，工业4.0时代，所有的创新都是组合式的。从英国国营的国民医疗服务系统负责人，到谷歌前首席执行官埃里克·施密特等领导都认识到这一事实。几乎没有任何创新可以归因于单一来源。例如，iPhone可能是史蒂夫·乔布斯、乔尼·艾维及其杰出的工程师和设计师团队的作品，但它也是美国政府主导的创新的产物--比如GPS，当然，还有互联网。将iPhone等创新仅仅归功于国家是荒谬的——但与此同时，真正原创的想法却很少。大多数成功的创新取决于执行，而不是想法本身，可能有很多人也正在试图实施同样的想法。与iPhone外观相似的LG Prada在iPhone之前就问世了，在iPhone之前也出现过很多类似Prada的触摸屏手机，但没有一款具有iPhone那样的能够定义行业的影响。

然而，测量此类创新虽然复杂，却不应成为阻止我们进行尝试的理由。

新技术的组合效应将以令人兴奋的新方式推动创新——但我们如何测量它呢?

测量创新很重要——

好的指标可以指导形成更好的政策。经合组织的国际学生评估计划(PISA)测量小学生在数学科学和阅读方面的表现，该项目改善了一些国家的政策争议，并取得了更好的结果。它推动了新加坡教育事业取得显著成功。与此同时,有关死亡原因的统计数据有助于将医疗资源转向早期干预，从而提高了预期寿命。

但测量创新是非常麻烦的。

——但这也很难

指标必须考虑到许多不同形式的创新，这些创新的动机、发展过程和成果差异很大。过去，识别特定组织、团队或个人的创新是可以实现的;如今，创新往往在多个贡献者之间互联，这使得测量变得复杂。由于希望确保指标简单、易于获取、跨国可比，以及在获取和计算方面成本低廉，收集创新数据常常受到阻碍。这些要求并没有反映出复杂且往往较为混乱的创新现实，更不用说创新是否会产生负面后果，例如将氟氯化碳放入冰箱中。

过去 60 年，从产品到服务再到日益体验式的经济的转变改变了研发(R&D)的性质。当创新主要发生在大型制造企业时，传统的创新测量标准(例如研发投资和专利)是很好的，但当大部分行动发生在服务、商业模式和初创企业时，其价值就有限了。许多创新并不依赖于传统的研发投资和流程，许多创新也不受正式知识产权的保护，而是受到变化速度和周围环境保密性的保护——这使得它们难以测量。

围绕创新调查已经形成了大量的专业知识，这些调查询问企业是否创新以及以何种形式进行创新。例如，欧盟的社区创新调查(CIS)协调国家统计机构收集有关欧盟地区和部门创新性的广泛数据。但自我报告的创新可能是主观的并且难以校准。我们所知道的基础设施和资源行业中的一些世界领先的创新未被考虑在内;相反，在政府调查中被记录为创新的公司实际上是一家使用新品牌染发剂的美发店。

还需要做出其他判断：创新是指新事物吗?是指对行业或地区来说是新的吗?还是对公司来说是新的？使现有产品或服务适应新市场是一种创新吗?虽然这些调查可以告诉我们声称具有创新精神的企业的数量和类型，但它们没有解决更重要的问题，即企业如何创新以及创新是否正在改进。

资本(用于生产性用途的资产)的性质和计量方式在工业4.0中发生了显著变化。过去，资本主要包括对大型工厂和生产机械的投资，并被仔细记录以用于会计和税务目的，为政府提供准确的信息。如今，设计等无形投资和活动更加重要，但也更加难以衡量。工业4.0的新数字技术，包括人工智能和机器学习、虚拟和增强现实、模拟和建模方法，以及其他新颖的、小规模的方法，如增材制造和基因组编辑等，使对重要的创新投资记录和分类变得复杂。

创新的测量正在发生变化

负责收集国家和国际统计数据的机构非常清楚其方法的不足，并正在寻求更相关的创新绩效测量方式。例如，在这一领域处于领先地位的澳大利亚政府正在进行重要的指标审查，包括广泛的文献回顾和公众咨询。

这些机构已经吸取了重要的教训。投入指标(如R&D)和创新绩效平均值(如R&D总支出占GDP的百分比)等数据的缺陷可能会掩盖不均衡的分布，而且没有什么帮助。人们正在认识到在国家和组织层面利用这一系统的机会。人们也意识到，当不确定的指标成为政府的目标时会有危险。

我们欢迎对此类信息收集方式的改进，但认为这需要补充一些完全不同的方法。

测量和洞察的新机会

纳入行为科学的见解是有价值的。作为现代经济最大的组成部分，新服务的创意产生于消费环节。这意味着消费者和“用户创新者”的行为越来越重要。此外，随着人工智能和自动化取代重复性工作，创造力、直觉和同理心等人类属性变得更加重要，理解创新相关的行为也变得至关重要。通过改变个人和群体的行为，行为科学开始用于解决环境和健康等全球重大问题。希望提高创新绩效的政府和组织越来越需要将行为心理学和经济学的见解纳入其指标中。例如，通过将行为科学应用于采取良好的创新实践和更好的风险管理，我们可以深入洞察未来的绩效。

数据和数字科学为开发有用的创新指标提供了新的机会。创新统计机构正在探索新的数据来源以完善其工作。分析诸如InnoCentive(美国开放式创新网站)和 Linkedn(领英)等社交媒体网站和电子市场的创意和就业机会，可以提供有价值的见解。尽管人们担心所收集的信息具有自我选择性和潜在的非代表性，但数据抓取和分析工具可用于为创新活动提供新的有用的实时见解。

Digital Science 等公司正在使用人工智能工具来绘制科学轨迹，这些工具可用于绘制创新。科学家们创建了算法并使用机器学习来研究健康预测和天气预报等复杂和新兴的现象，这些可以被重新利用并应用于测量创新。要真正理解创新需要深入了解组织内部发生的事情。它必须考虑如何评估风险、如何制定和实施决策，以及如何应对内部政治和组织资源争夺的崎岖道路。如果要为政府政策提供信息，创新绩效的定量指标必须辅以定性案例研究。为了使这些案例研究有价值，它们必须遵守正式的研究方法协议，以确保它们是相关的、准确的和可比较的。

政府的创新政策必须以新工业时代的绩效和实践为基础，并以改进这些内容为目标。创新的方式正在发生变化，因此测量创新的指标必须适应这一新的现实。

本文转载自“创新管理师”学习平台（创新管理人才培训系统https://training.imspp.org.cn），如需转载，请注明出处。