南部產業聚落分析與創新網絡模式之建立

(1)

南部產業聚落分析與創新網絡模式之建立

摘要

面臨全球化的競爭趨勢與環境的不確定性，政府積極推動各地區域的產業聚落與基礎建設，希望藉由產業創新網絡的形成，促使產業或企業間緊密整合，利用資訊流通與資源共享，能夠互補利益，共創雙贏局面。本研究主要目的是針對經濟部中小企業科技關懷計畫網站中，所建立的人才與企業廠商資料庫，輔以問卷調查設計與回收，進行資料分析與探討。建構出本國南部產業的創新網絡與研發人才網絡。另外，本研究更進一步利用適當的社會網路分析技術、資料探勘技術，評估研究人才與企業之間具有最佳效率的溝通路線，活絡此創新網路，促進南部產業聚落的推動與形成，並希望藉此研究可以提升產學合作計畫的媒合速度與成功率，藉以提升技術建立與創新的效率，發揮學界協助中小企業關懷計畫最大的成效。關鍵詞：產業聚落、社會網絡分析、資料探勘。

1. 緒論

面臨全球化的競爭趨勢與環境的不確定性，國內政府積極推動各地區域的產業聚落與基礎建設，例如：新竹科學園區、中部科學園區與南部科學園區，都是政府為了提升產業技術與因應國際化的競爭，希望藉由產業群聚與網絡的形成，促使產業或企業間緊密整合，利用資訊流通與資源共享，能夠互補利益，共創雙贏局面。產業聚落是將當地具有優勢與誘因相互相關的企業群、大學、研究機構、產業技術研發與輔導機構、政府產學合作機構、專家群等主體，聚集而成。共同分享區域產業相關的資源與策略，共同創造出研究開發、設計、創新等研究成果，透過不同產業別之間良性互動與循環，創造出更多新契機，且透過企業間組織關心的建立，促使產業群聚不斷進步，確保產業維持最佳狀態與優勢。李亭林國立高雄大學亞太工商管理學系 linda_lee@nuk.edu.tw 丁一賢國立高雄大學資訊管理學系 iting@nuk.edu.tw 吳蕙如國立彰化師範大學人力資源管理所 d94311001@mail.ncue.edu.tw

(2)

目前國內政府為了推動產業聚落的形成，經濟部已推行了數年的學界關懷中小企業計畫，提供產學合作與交流的平台，期望透過學術界的參與，可以有效了解目前中小企業的技術發展現況與瓶頸，更甚而可以提升傳統中小企業的技術創新，在民國96與97兩年中，已經有三百多件已經完成學界關懷中小企業計畫，而 98年度由於擴大辦理目前已經有一千多件的計畫通過並在執行當中。目前已經建立了學界協助中小企業科技關懷計畫網站，提供研究人才與廠商登錄資料以及關懷計畫媒合的平台，在此網站中，目前已建立兩千多筆的研究人才資料以及將近兩千多筆的中小企業廠商資料。然而，如何有效的協助產業的升級與技術創新，則必頇思索妥善利用現有的寶貴資料庫提升產學合作與交流的媒合準確性與成功率。更鑑於在學界協助中小企業的相關研究計畫完成之後，如何持續維持既有的合作關係，並維持研究人才與傳統產業網路的活絡性，也是一個很重要的研究議題。另一方面，為了輔導各種傳統產業的技術創新與產業升級，政府委託金屬中心已經針對台灣南部各種傳統產業組成了產業聯盟，並在每一個產業聯盟中尋找一個中心廠商，決定中心廠商的標準為金屬中心所認定較具規模、與其他產業聯盟內廠商溝通頻繁或是具有技術創新能力的廠商，之後再透過此中心廠商與其他聯盟內的廠商進行溝通，或是藉由輔導中心廠商的技術創新期望可以達到綜效，提升整個產業聯盟技術的升級。本研究主要在探討國內現有中小企業關懷計畫網站中的研究人才與企業廠商資料庫，並透過問卷的設計與調查，期望建構出本國南部研發人才網絡以及傳統產業的創新網路，並利用適當的社會網路分析技術，進行深入的分析，評估研究人才與企業之間具有最佳效率的溝通路線，活絡此創新網路。希望藉此研究可以提升產學合作計畫的媒合速度與成功率，藉以提升技術建立與創新的效率，發揮學界協助中小企業關懷計畫最大的成效。

2. 文獻探討

2.1 產業聚落 隨著科技的進步與全球化趨勢，市場競爭加劇，企業為了維持競爭優勢與確保領先的地位，即使是大型跨國企業，為了保持既有的競爭力與領先優勢，必頇進行組織與流程創新，透過研發的方式，培養企業的創新能力並挖掘出更多具有經濟價值的創新成果。相對於大企業而言，中小企業在創新能力與研發能力上卻處於明顯的劣勢地位，歸咎於中小企業先天條件上的限制，所以無法像大型企業一般雇用高素質的研究發展人員，也無法提供先進的研究發展設備與環境，企業

(3)

內部通常也缺乏專業資訊的收集、分析機構，因此產業聚落(Industrial cluster)就替勢單力薄的中小企業提供一條解決的途徑，由於產業聚落並非僅僅是大量企業的簡單集合，當大量中小企業在地理上聚集以後，可以順著生產流程進行深度的分工，這樣分工的結果，可以讓每間企業在專業化分工的過程中，獲得獨自生產所無法得到的規模經濟。學者Marshall(1920)最早提出產業群聚(Industrial cluster)的概念，其概念指出產業內的廠商在一區域上的集中，將有助於外部經濟的產生。其後，學者 Dahmen(1950)以產業發展特區(industrial development blocks)的觀念來探討產業的成長與演進歷程，其概念指出成功的產業群聚，最主要是產業複合體中，前向與後向生產鏈內部的有效鏈結；另外，學者Cruz & Rugman(1995)，則將這種產業或企業緊密連結在一起的現象，稱之為策略群聚(strategic cluster)，其概念指出每個群聚中包含一個或少數的旗艦級廠商(flagship firm)，透過與其他廠商的合作與網路系統的建立，扮演著主導性的地位。Porter(2001)也指出產業群聚是指產業或企業間緊密連結在一起，透過產品或資訊流通，使彼此的利益能夠互補。產業群聚的規模，可以從單一城市、整個州、一個國家、甚至到一些鄰國所連繫成的網絡。產業群聚具有許多不同的形式，端視其縱深程度和複雜性而定。產業聚落為一種資源配置或佈局的空間管理，不僅能為眾多中小企業帶來設施共享的外部規模經濟，而且有利於專業化協同合作的展開，資訊的傳播與交換，降低交易費用。產業聚落對於風險管理能力差、缺乏核心競爭力，很難在短期內擴大的中小企業提高「競爭優勢」，進而解決競爭、生存壓力的問題。學者 Stenile & Schiele(2002)指出產業群聚的必要條件包括生產過程的可分性及最終產品的可運輸性，有此二條件群聚才會發生，因為若廠商所生產的產品不具可分性，則這些產品便會在同一組織內以垂直整合的形式完成，不會產生專業分工的現象。其次是如果產品不具可運輸性，則廠商所在的位置是由消費所處的位置而決定的。透過產業聚落的形成，可以讓政府的政策得以明確的聚焦，有助於政府制訂針對特定產業發展需要的輔導措施，創造更適宜特定產業發展的環境與優勢條件；產業聚落範圍內或鄰近的大型企業、教育研究單位、培訓機構等，也能在政府政策或產業的龐大需求下，研發出創新的技術與產品，並且培訓出更多產業所需要的專業人力。整體而言，產業聚落的發展可以提昇區域的整體競爭力。雖然以個別企業而言，無法對整體市場造成任何影響，但是，只有聚落內的所有企業都按專業化原則建構核心競爭力，將這些核心競爭力進行整合後，將可以發揮出絕大的競爭實力。 2.2 社會網絡分析

(4)

社會網絡分析(Social Network Analysis; SNA)是一個分析社會網絡中網絡結構以及關係的重要研究領域，透過社會網絡分析可以了解一個社會網絡的特性 (Scott, 2000)，其最主要是為了瞭解行為者（actor）彼此之間的關係(Borgatti, Everett, & Freeman,2002)，而行為者可以是個人、組織、事件或是物件。每位行為者在社會網絡上代表一個節點(node)，而節點與節點彼此之間的關係可利用線將其相連起來，由這些節點與線所組合而成的圖形就成為社會網絡結構圖。透過社會網絡分析嘗詴去瞭解這些行為者的人際關係狀況與特徵，並且發覺這些關係對個人或是組織的影響(Wasserman et.al,1994)。社會網路包括三個主要要素：行動者（actors）、連帶（ties）、關係（relationship），行動者為網路中所定義的人、事、物為網絡的主體；連帶（ties）為行動者與行動者之間建立某種關係時，必頇透過某種途徑（path）直接或間接地達成關係的建立，而此種的連結單位即稱之，連帶可依其「強弱」分為強連繫與連聯繫（Strong Tie，Weak Tie），並可依此分析出次級團體（Subgroups）；關係（relationship）為網絡中特定連結關係的種類，指兩個行動者間由於某種關係的存在而互相影響彼此，且不同關係型態或關係內容會影響網絡呈現不同的面貌(Scott, 2002)，社會網路分析透過社會網絡指標來描述所建構關係圖間的資料描述，最重要指標包含(Wasserman, et.al,1996)： 1. 網絡規模(size)：代表在網絡架構中節點的數量或是聯繫總數。 2. 網絡直徑(diameter)：代表在網絡架構中兩節點之間通過最多連結數量即為直徑。 3. 網絡密度(density)：代表網絡中個體間彼此緊密程度。 4. 中心性(centrality)：用來衡量個體的影響力大小，可以檢測個體取得資源、控制資源可能性的結構屬性。而中心性的衡量分為程度中心性 (degree centrality) 、接近中心性 (closeness centrality) 與中介中心性 (betweenness centrality)等三種形式，程度中心性是利用相鄰的個體數量，來衡量社會網絡的區域中心性，可以看出個體控制範圍大小；接近中心性是測量個體與其他個體的接近緊密度，接近中心性的值越高，代表個體越快獲得訊息，中介中心性是衡量一節點存在於其他任兩節點路徑上的重要程度 (Wellman,2000)。社會網路分析的資料收集方式是將所有與研究相關的資料都收來，有別於傳統是以機率獨立取樣方式，透過發掘人與人之間或者群體與群體之間相互交集的模式，確認出行為者的社會網絡資訊，並了解行為者人際關係特徵。本研究透過此一方法，建立產業創新網路，評估具有最佳效率的溝通路線，並研究使整個創新網路活絡方法，例如：尋找在網路中對於產學合作計畫較為積極的研究人才、探索網路中的技術關鍵核心人才與廠商…等。

(5)

2.3 資料探勘

資料探勘（Data mining）是指將隱含於大量資料中的有效資料中抽取的過程，目的在於幫助使用者找出他所想要的資訊或是資料，並且提供使用者做為決策參考（Cabena,1997; Berson,1999）。資料探勘大致可分為下列幾項功能(Berry & Linoff,2000)： 1. 分類（classification）按照分析對象的屬性分門別類加以定義，建立類別（class），透過訓練資料建立模型，將尚未歸類的事物分門別類。 2. 估計（estimation）根據一些資料來推估未知的數值型變數，而不是類別型變數。 3. 預測（prediction）分辨預測跟分類或是估計的明顯的差異就是，預測依其對象屬性過去觀察值來預測該屬性未來之值，預測模型是用來決定未來的結果，而不是現在的行為，輸出屬性可以是類別型或是數值型。 4. 關聯分組（affinity grouping）

常用的技術如關聯性規則（association rule mining），主要是去發現哪些事物總是同時發生。 5. 分群（clustering）在分群法中，沒有一個相依變數可以引導學習的過程，主要是找出資料中隱藏的概念結構，讓具有相同特質的事物同屬於一群，而每群之間的相似度低。

3. 研究方法與設計

本研究主要是針對中小企業科技關懷計畫網站中，所建立的人才與企業廠商資料庫，輔以問卷調查設計與回收，進行資料分析與探討，建構出南部產業的創新網絡與研發人才網絡。另外，本研究更進一步利用適當的社會網路分析技術、資料探勘技術，評估研究人才與企業之間具有最佳效率的溝通路線，活絡此創新網路，並且確認出網絡中扮演中心廠商角色，因中心廠商（關鍵廠商）適不適當將會影響整個產業聯盟的活絡與技術創新的速度。 3.1. 研究流程 本研究流程大致分為七個階段，包括：相關文獻與探討、訪談與需求分析以及資料庫彙整、問卷設計與訪談、分析模型與環境建立、進行資料分析、網絡效率評估與衡量、研究結論與建議，本研究流程規劃如下圖一所示，詳細步驟內容描述如下：

(6)

相關文獻蒐集與探討訪談與需求分析資料庫彙整研發人才與產業資料庫分析模型與環境建立 (包括相關程式設計) 問卷設計與深度訪談進行資料分析網絡效率評估與衡量研究結論與建議步驟一步驟二步驟六步驟五步驟四步驟三步驟七圖一：研究流程圖 1. 相關文獻蒐集與探討：本研究蒐集所有與社會網絡分析以及相關資訊技術的文獻，期望在理論基礎下，進行資料分析與探討。 2. 訪談與需求分析：本研究為了解現有資料庫的情形，進行專家訪談。 3. 資料庫彙整與處理：此步驟將對於研發人才與廠商資料庫進行彙整與預處理，以符合研究的需求，相關的處理包括：資料庫欄位的選擇，資料的清理，資料的篩選，以及資料的格式化。透過此步驟的進行，將可有助於之後相關分析的進行。 4. 問卷設計與深度訪談：本研究將針對參與產業聯盟與關懷計畫的廠商，設計出兩份問卷，並進行深度訪談，資料蒐集之後將進行初步的處理與整理。 5. 分析模型與環境建立：我們將根據研究的實際產出需求，建構社會網絡分析的模型。除此之外，本研究也將在此步驟中建構分析的環境，包括軟體與硬體環境的安裝與設定。 6. 進行資料分析：此步驟將進行社會網絡分析，包括：社會網絡的建構、社會

(7)

網絡中節點與角色的定位、社會網絡分析、分析網絡中的叢聚關係與關聯性、分析網絡的效率…等。 7. 網絡效率評估與衡量：本研究將利用前一步驟資料分析所得的資訊進行網絡效率的評估以及衡量，以探討與評估資料庫現有資料中產學媒合的效率。 8. 結論與建議：最後，本研究將彙整所有研究的成果，提出結論與建議。 3.2. 研究架構 本研究架構如下圖二所示，在此圖中，本研究將對於南部傳統產業資料庫、研發人才資料庫以及問卷調查訪談所蒐集的資料進行分析，並且建構出南部創新產業網絡與專家網絡，確認出中心(關鍵)廠商的角色，找出最佳效率溝通路線，期望可以加速產學媒合的效率和描繪出南部創新網路的脈絡雛型。南部專業人才廠商/聯盟資料庫產業創新網絡專業人才網絡產業群聚/五大產業聯盟 E1 E3 E4 E2 E5 I E5 E3 E2 E4 E1 E 關鍵專家關鍵廠商推動擴散社會網絡技術/資料探勘問卷設計與調查圖二：研究架構示意圖 3.3. 分析方法 為了達成的研究目標，本研究將採用社會網絡技術搭配適合的資訊技術 (如：視覺化技術與資料探勘技術…等)，本研究使用到相關的社會網絡分析技術包括： 1. 利用社會網絡分析技術中，進行節點間關係的衡量，例如：節點間的互動次數與互動類型，藉以建構整個創新網路。 2. 利用資訊技術萃取與視覺化研究人才網絡以及技術創新網絡。 3. 定位網絡中節點(Position)，並分析其角色(Role)。 4. 進行社會網絡分析，相關的分析包括：網絡的大小(Size)、網絡的集中程度 (Centrality)、網絡架構中的結構洞(Structural hole)、可達性(Reachability)、距離(Distance)…等。這些分析技術將可以有助於我們更深入的了解網絡的架

(8)

構，並有助於產出最終的南部產業創新網絡與專業人才以及最佳效率溝通路線。

4. 實證研究

4.1. 問卷設計與資料回收本研究問卷設計部分內容分為六大部分：第一部份為公司基本資料；第二部分主要詢問是否參加產業聚落研發聯盟；第三部分則詢問其研發伙伴是否為「南部傳統產業科技關懷計畫」-產業聚落研發聯盟中的任一家公司，本題項在於得知其研發來源的方向；此一部分則是進行南部五大傳統產業聚落的公司普查，調查公司彼此間之關係型態與溝通頻率，藉以描繪並建立出各大產業聚落的網路地圖；第四部分則針對尚未參加「南部傳統產業科技關懷計畫」產業聚落研發聯盟之公司，其未參加之原因，俾以進行政策說明與解釋；第五部分則是比較「南部傳統產業科技關懷計畫」產業聚落研發聯盟參加前的預期動機與參加後的結果，是否有認知上的落差，作為未來改善與規劃產業聚落研發聯盟之參考；最後部分則針對參加網絡聯盟之公司其參加後的成效調查。 4.2. 資料分析過程與結果 4.2.1資料探勘技術分析本研究採用資料探勘技術，分析南部專業人才資料庫以及南部傳統產業資料庫，其分析步驟如下： 1. 資料編碼與分類本研究將針對96與97年度南部參與關懷計畫的學者與廠商兩大資料庫，按照其屬性欄位包含產業名稱、學校類別與科系、聯絡基本資料、專家領域、郵遞區號、廠商特色、輔導成效等相關屬性，進行分類與定義，並透過訓練資料建立模型。 2. 確認出關聯規則與分群本研究透過工具分析出兩大資料庫中，所屬關連性規則，並將其資料庫中相同屬性與特質，歸屬於同一群組，進行資料分群，而每群之間的相似度低，但裙內的相似度高，主要是將龐大資料庫，進行資料篩檢與預處理。 3. 建立網絡預測模型本研究先利用資料探勘方式，將專家與廠商資料庫，進行歸類與分群，並且可以利用此階段網絡，根據其屬性觀察值來預測該屬性未來之值，可先將後續的網絡關係，釐清更加清楚，並且更能明確的預測出關鍵廠商與關鍵專家。 4.2.1社會網絡技術分析

(9)

本研究將針對 96 與 97 年度南部參與關懷計畫的學者與廠商兩大資料庫與 98 年度參與廠商聯盟問卷資料回收，來建構出產業創新網絡與專家網絡之架構。在進行社會網絡分析時，首先我們必頇先建立關係矩陣與圖形。本研究將根據兩大資料庫與問卷調查資料，將每一位參與討論的廠商聯盟成員與專家成員視為一個節點，連結則代表成員之間的關係是根據資料庫屬性與問卷資料分析。若成員間有共同關係超過 3 以上的，則他們的關係值就以 1 為表示；若成員間沒有共同關係，由 0 來表示，由此 0 與 1 值所構成的矩陣表，再透過關係矩陣表轉換繪製成社會網路架構圖，本研究資料呈現以產業網絡(鋁擠)與專家網絡(技職)為例，如下圖三、圖四所示，可看出成員之間互為關係的結果，並且分析出關鍵廠商與關鍵專家。南部廠商聯盟網絡(鋁擠) 圖三：產業網絡(鋁擠)分析圖

(10)

專家人才網絡(技職) 圖四：專業人才網絡(技職)分析圖 4.4. 網絡效率評估與衡量本研究採用社會網絡分析軟體 UCINET 6 進行資料分析，以專家人才網絡為例，專家人才網絡關係規模為 33，即有互動關連的專家有 33 位，透過社會網絡密度，可以得知網絡成員間的緊密程度為 0.4470，緊密程度也就是指成員間彼此的關聯，關聯越大緊密程度就越大；程度中心性為 0.5262，所代表的專家網絡間互為關係的程度，也就是關鍵專家關係影響的大小，接近中心性為 0.7164，所代表的就是網絡成員們彼此間溝通聯繫的快慢，接近中心性值越高代表溝通聯繫的越快，溝通網絡較為活絡。

5. 結論

產業聚落的發展可以提昇區域的整體競爭力。雖然以個別企業而言，無法對整體市場造成任何影響，但是，只有聚落內的所有企業都按專業化原則建構核心競爭力，將這些核心競爭力進行整合後，將可以發揮出較強的競爭實力。本研究透過資料庫的分析以及透過問卷調查的方式，建構出所選定南部五個傳統產業（分別是鋁擠、眼鏡、船舶製造維修、金屬家具、機車零件等）的創新網絡，並分析其產業聚落狀況，期望可以提供日後相關單位進行產業聯盟，以及技術創新的參考。

(11)

6.致謝

本研究由金屬工業研究發展中心98年度轉委託學界計畫經費補助支持。

7. 參考文獻

[1] Berson, A., Smith , S., Thearling , K., (1999) “Building Data Mining application for CRM, ” McGraw-Hill.

[2] Berry, M. J. A., Linoff , G., (1997) “Data Mining Technologies: for marketing, sales, and customer support, ”Wiley.

[3] Cruz, Joseph. D. and M. Rugman. Alan. (1992) “Business Network for International Competitiveness.” Business Quarterly 56, no.4, pp.101-107.

[4] Cabena , P., Hadinian, Stadler, Verhees, Zanasi, (1997) “Discovering Data Mining from Concept to Implementation, ” Prentice Hall PTR.

[5] Denzin, N. K., (1978) “The research act: A theoretical introduction to sociological methods,” New York: McGraw-Hill.

[6] Dahmen, E. (1952). “Development blocks in industrial economics.” Scandinavian Economics History Review, 36, 3-14.

[7] John Scott(2000). “Social Network analysis:a Handbook, eds. ”New Delhi.Thousand Oaks London: Sage.

[8] Scott, J. (2002), “Social Network Analysis: Critical Concepts in Sociology,” New York, Routledge.

[9] Marshall, A. (1920) “Principles of Economics, ” London: Macmillan.

[10] Porter, M.E. (2001) Innovation：Location Matters, Sloan Management Review, 42, pp.28-36

[11] Wasserman, Stanley Faust, Katherine. (1994). “Social Network Analysis : Methods and Applications.”New York: Cambridge University Press.

[12] Wellman,B.(2000),“Computer Networks as Social Networks: Collaborative Work, Telework and Virtual Community,” Annual Review of Sociology,Vol.22, pp.211-238.

[13] Swann, P.(1993) “Clusters in Hing-technology Industries,” The Business Economist, 25, pp.27-36.

[14] Steinle, C. and H. Schiele (2002) “When Do Industries Cluster？A Proposal on How to Assess an Industry’s Propensity to Concentrate at a Single Region or Nation,” Research Policy, 31, pp.849-859.