麻省理工博士羅建曦：讓創新不再盲動！如何用大數據降低創新的不確定性

時尚 07-16

2018年6月22-24日，橙灣大學2018年第三輪課程在北京圓滿完成，2018春季學期正式結束。(課程回顧參見《華麗志》報道：關鍵詞：價值觀、明星效應、數據化創新｜橙灣6月課堂圖文實錄)

在此次課堂中，橙灣特聘講師、新加坡科技設計大學—麻省理工學院國際設計中心項目負責人羅建曦以「數據驅動創新」為主題，深入淺出地介紹了如何通過「知識地圖」以系統化的方式管理創新過程。

羅建曦老師為麻省理工學院技術管理與政策博士，曾在美國紐約大學技術管理與創新系任教，曾任國際汽車產業研究組織研究員和亞洲開發銀行創新顧問。2012年加入新加坡科技設計大學—麻省理工學院國際設計中心後，他和團隊經過幾年的探索實踐，逐漸將研究聚焦到「數據驅動創新」這個方向，成立了數據驅動創新實驗室，旨在通過數據挖掘、分析、可視化等新工具來幫助企業更好地尋找創新方向和實現路徑。

創新者最大的挑戰是不確定性

什麼是創新？不同於流水線生產要求兩件產品一模一樣，創新在於尋求不同。

創新過程是一個複雜的系統過程——包含很多因素，因素之間相互影響，而且相互影響的關係是非線性、不確定性的。不確定性也是創新的本質和定義。

很多企業希望能夠在創新過程中降低不確定性，以實現平穩發展，比如消費品牌在擴張產品線的過程中，會進行市場調研、諮詢行業專家。我們開始思考，能否開發一個工具，幫助創新者基於對各自企業和產品的已有認知，自己尋找創新方向。

創新的「捷徑」

我們經常使用到的「創新捷徑」有兩種：

1）類比：將某個領域中的概念抽象出來以用於其他未知領域。

2）綜合：把現有的技術或者產品進行有效結合以形成新的技術或者產品。

類比和綜合等方式往往需要我們腦洞大開和靈光一現，這種創新方式並不系統，我們會遺漏掉現有知識領域未涉及的方向，而且在我們產生想法後，它並不能夠指導我們如何利用我們所擁有的技術或產品去實現創新，更系統的創新需要依賴大數據。

如何系統地進行創新？

在真實的世界，過去幾千年中，人類已經創造了非常多的技術和知識，這些都可以為我們所用；在互聯網上，存在和產生著海量新的技術信息，如果我們能夠有效地去發現、挖掘和整理，就能比較系統地搜尋到那些可以讓我們去進行「綜合」和「類比」的技術手段。

好比谷歌地圖在物理空間幫助人們尋找方向，我們可以創建一份「技術地圖」以在技術空間尋找方向，這份地圖能夠顯示我們所處的技術空間位置，我們周圍技術有哪些，不同技術之間的距離，以及我們通過哪些途徑能夠達到我們想要的技術。

我們統計了目前在冊的幾百萬個技術專利、專利之間的引用關係，通過這些關係把「知識距離」量化出來。而知識距離的現實意義就是揭示了我們從一個技術點到另一個技術點的創新難度和收益，離我們本身所處技術點越近的技術，我們可以更容易地掌握，但創新的收益可能會比較少；離我們所處技術點越遠的技術，我們可能很難掌握，但創新的收益可能會很大。

以谷歌（Google) 為例，如下圖所示，在「技術地圖」上，可以將谷歌的核心技術定位於「計算機信息處理技術」。