李 玥，夏 丹，朱广华

（哈尔滨理工大学管理学院，哈尔滨150080）

0 引言

高新技术产业化是技术创新成果的应用、扩散和推广过程，其全过程都伴随着知识的创造、交流、积累与运用等活动。但目前，知识缺失、难以获取、共享不足、转移障碍等成为高新技术产业化的瓶颈问题，可以说，如何有效进行知识组织与管理，已成为高新技术企业能否实现产业化进而获取持续竞争优势的关键[1]。因此，高新技术产业化过程亟待引入兼具战略性、嵌入性[2]、社会网络性[3]以及管理柔性的知识管理理论与方法。

近年来，国内外许多学者针对知识管理及其绩效评价进行了研究。Ahn等(2004)提出“知识-流程-产品-绩效”模型，由此评估知识管理的组织绩效，称为KP3方法[4]；王秀红(2006)从核心能力层、组织结构层、团队内隐层、员工内隐层四个维度评价知识管理绩效[5]；Lee等将知识管理绩效指标表示为知识循环过程的函数，Tseng(2008)在此基础上建立知识管理系统绩效的评价模型[6]；张晶等(2010)基于平衡计分卡的思想，从财务、客户、内部流程、学习与成长、知识留存与更新五个维度，对企业知识管理绩效进行测评[7]；廖开际等(2011)从企业知识管理能力、内部结构、外部结构以及人员竞争力等方面，采用企业成长/更新、效率以及稳定性三个度量变量，建立企业知识管理绩效的多视角评价模型[8]。以上研究成果对推动知识管理理论发展与评价体系完善提供了一定参考，但是很少结合技术创新或产业化过程对知识管理运行绩效进行评价。

本文在对高新技术产业化知识管理运行体系分析的基础上，建立预选指标体系，识别关键评价指标，最终确定高新技术产业化的知识管理运行绩效评价指标体系，为进一步实证研究奠定基础。本文为高新技术企业构建知识管理运行体系，加速实现高新技术成果的产业化提供了理论依据。

1 产业化知识管理运行绩效评价指标体系设计原则

（1）科学性。评价指标应具有清晰、明确的内涵与意义，并能充分反映高新技术产业化的知识管理运行绩效的本质特征。

（2）客观性。评价指标应尽可能以客观数据资料为依据，以原始数据的内在信息规律为标准，尽量减少主观评判过程，以保证产业化知识管理运行绩效评价结论的真实性与准确性。

（3）系统性。评价指标需具有一定内在技术、经济联系，且功能互补，能够较全面反映高新技术产业化知识管理运行绩效的各个方面。

（4）独立性。评价指标应尽量避免概念上的重叠性和统计上的相关性，不能出现严重的包容关系或重复关系，以确保各评价指标的相对独立性。

（5）可比性。评价指标对不同行业、不同性质的高新技术产业化的知识管理运行绩效评价均具有普遍适用性，并且可以通过横向比较达到对比分析的目的。

（6）可操作性。评价指标应便于数据收集和整理，尽可能采用现行统计报表中的已有指标，统计过程尽量简洁，具有实践上的可行性。难以统计或计算繁杂的指标，原则上不予采用。

（7）动态持续性。高新技术产业化的知识管理本身是一个动态持续的概念，这就要求评价指标能够切实反映其发展动态，并能描述其运行趋势与可持续性，使指标体系具有更强的生命力。

2 产业化知识管理运行绩效评价预选指标体系

根据以上高新技术产业化的知识管理运行体系分析，本文在文献查阅、专家咨询的基础上，从知识对接、知识学习、知识共享、知识整合、知识创新五个维度，初步设计35个评价指标，构成高新技术产业化知识管理运行绩效评价的预选指标体系，如表1所示。

表1 产业化知识管理运行绩效评价预选指标体系

该预选指标体系在一定程度上能够反映高新技术产业化的知识管理运行绩效，但根据评价指标体系设计原则，该指标体系中各指标的独立性、可比性、可操作性和动态持续性尚需进一步考察。因此，需要在此基础上识别出关键性评价指标，剔除相关性较高和鉴别力较差的评价指标，以进一步优化高新技术产业化的知识管理运行绩效评价指标体系。

3 产业化知识管理运行绩效评价指标识别

3.1 关键指标识别方法与应用步骤

聚类分析是数值分类学的一个年轻的分支，是研究和处理如何根据观测数据将样品（或变量）进行分类的数学方法[9]。处理具有模糊性的问题，则产生了模糊聚类分析方法。由于预选指标体系中各指标对高新技术产业化的知识管理运行绩效的反映视角和程度，彼此界限并不明显，具有一定模糊性，因此适用模糊聚类方法进行关键评价指标识别。分析步骤如下[10][11]：

（4）聚类。求模糊等价关系矩阵R*在不同阈值λ下的截矩阵，通过λ-截矩阵分析诸评价要素的相似程度，从而将各预选评价指标进行聚类。

3.2 基于模糊聚类的关键指标识别

表2 高新技术产业化的知识创新指标合理性评分表

首先，从高新技术领域的企业、高校、研究所聘请高新技术产业化与知识管理方面经验丰富的52名资深专家进行问卷调查，问卷选择上述高新技术产业化知识管理运行绩效评价的35个预选评价指标，形成了模糊聚类分析的论域。本文从科学性、可比性、动态持续性和可操作性四个维度，将每个评价要素的反映程度分别设计“很合理、合理、不合理”三个等级，对应的权重依次为3、2、1，请专家根据实践经验进行选择判断。

其次，以高新技术产业化知识管理运行绩效评价中的知识创新指标为例，运用模糊聚类分析法对关键评价指标进行识别，其他二级指标的识别依此进行。选择反映产业化知识创新的八个预选评价指标作为论域B5={ }C51,C52,…,C58，以调查问卷的方式，请专家针对每个评价指标的科学性、可比性、动态持续性和可操作性四个维度，对其“很合理、合理、不合理”三个等级进行评判，再予以累加，即得到每个评价指标合理程度的原始评分矩阵，如表2所示。

经过Matlab程序循环计算，对于λ值从0.9793到1的不同聚类，可形成动态聚类分析图。

图2 动态聚类分析图

当λ=0.982时，产业化知识创新评价指标聚为三层，聚类结果如表3所示。本文选择属于“很合理”和“合理”层次的评价要素，即专利授权数、技术秘密和技术诀窍数量、高新技术产品年销售收入占产品销售收入比重、知识创新奖励办法及实施状况四个指标作为产业化知识创新评价指标。

表3 高新技术产业化的知识创新评价指标的聚类分析结果

依照上述原理，可对高新技术产业化知识管理运行绩效评价的其它二级指标进行模糊聚类分析，给出其合理性排序，同样选取聚类分析结果中“很合理”和“合理”层次的评价要素作为最终评价指标。

4 评价指标含义及采集方法

（1）成果供给方与转化方的知识合作稳定程度。该指标为定性指标，由专家打分综合得出，反映高新技术企业从成果提供方学习、共享而获取知识的能力。知识合作稳定程度从多方面体现，包括成果提供方是否提供培训、是否参与转化全过程等。

（2）技术市场科技成果交易额。该指标为定量指标，即高新技术企业在技术市场上的成果交易金额，直接从其财务报告中获得，反映企业技术知识（显性知识）的对接与获取状况。

（3）技术费占技术引进合同金额比重。该指标反映高新技术企业的技术引进投入水平，是企业学习外部技术知识的投入能力的表现。该指标是正向性指标，指标数值越大，表明企业技术知识学习投入能力越强。

（4）学习型组织建设水平。该指标为定性指标，由专家打分综合得出，反映高新技术企业知识学习的有序程度，是企业知识管理重视程度与知识学习综合能力的集中体现。一般而言，高新技术企业建设学习型组织与否在知识学习效果上会产生很大区别。

（5）科技人员人均培训费支出占人均工资比重。该指标为正向定量指标，一般可直接由被调研单位的人力资源部门提供。培训对于科技人员的知识学习是一种有效方式，培训费支出占工资比重越大，越能体现高新技术企业对员工知识学习的重视程度。

（6）举办与参加知识讲座、展览、咨询会次数与规模。该指标为定性指标，由专家打分综合得出，反映高新技术企业学习的频度，是企业知识学习意愿与实施程度的体现。指标值越大，说明知识学习的范围和深度越大。

（7）知识共享激励措施制定及实施状况。知识共享的激励对员工知识共享具有重要的驱动作用，是员工知识共享的主要动力来源。该指标为定性指标，反映产业化过程中高新技术企业对员工知识共享的重视程度与实践状况。

（8）主办、参加国际国内学术会议次数。国际国内学术会议交流是员工掌握高新技术产业化相关的前沿知识的重要途径，该指标为定性指标，由专家打分综合得出，反映高新技术企业员工与国内外专家交流的频率。

（9）合理化建议数量。该指标是指高新技术企业通过知识共享获得合理化建议的数量，反映产业化过程中知识共享的深度与效果，是定性指标。

（10）产学研合作的紧密程度。该指标是指高新技术企业从高校或科研院所获得技术成果和技术咨询的程度，反映高新技术企业的外部知识获取和共享的能力，该指标为定性指标。

（11）产业化团队知识结构合理状况。该指标为定性指标，反映产业化团队成员对不同学科门类知识掌握的深度和广度，是产业化过程中知识整合的基础。

（12）产业化过程中技术、管理、营销人才参与协作程度。产业化团队中技术人员、管理人员、营销人员的比例及参与程度，反映高新技术产业化各阶段的知识含量及知识结构。各类人才的参与程度协调性越好，知识整合效果越佳，该指标为定性指标。

（13）内外网建设水平。该指标为定性指标，反映高新技术企业的综合信息化水平。提高内外网建设水平，有利于企业知识管理的智能化，提高产业化过程中的知识管理效率。

（14）知识管理流程信息化水平。该指标为定性指标，反映高新技术企业知识管理业务流程的信息化水平。知识管理流程需建立在企业信息化的基础上，知识管理流程信息化为企业员工吸收学习外部知识、知识共享及知识创新提供条件。

（15）知识创新奖励办法及实施状况。该指标为定性指标，反映高新技术企业对知识创新活动的重视与支持程度。知识创新奖励办法和实施状况越好，员工知识创新意愿越强，知识创新成效越显著。知识创新的激励对于高新技术产业化项目成败具有重要影响。

（16）技术秘密和技术诀窍数量。该指标为定性指标，是指高新技术企业已存储的技术秘密与技术诀窍的数量，反映企业产业化知识创新的成效。

（17）专利授权数。该指标为正向定量指标，反映高新技术企业专利获取能力，指标值从被调研单位知识产权部门获得。

（18）高新技术产品年销售收入占产品销售收入比重。为正向定量指标，反映高新技术企业产业化的经济效益，是高新技术产业化项目成功的重要标志。

5 结论

针对高新技术产业化与知识管理在目标、过程与要素等方面的耦合性，从构成其运行体系的知识对接、知识学习、知识共享、知识整合、知识创新五方面设计高新技术产业化知识管理运行绩效评价指标体系，不仅可以反映知识管理对于产业化全过程支撑的系统性，也使二者的关键耦合域得到有效体现，利于更加全面、客观、准确地评价知识管理运行绩效，确定影响产业化知识管理实施的关键因素，以科学制定发展策略，提升知识管理水平，促进产业化过程管理的科学化、信息化、柔性化，提高高新技术产业化的效率与价值。此外，在本文所提出的高新技术产业化知识管理运行绩效评价指标体系的基础上，今后还可以进一步加强指标数据处理、权重确定以及评价方法的系统研究，以丰富知识管理绩效评价理论体系，同时为高新技术企业产业化提供决策借鉴和方法支持。

[1]McEvily,S.K.,B.Chakravarthy.The PersistenceofKnowl⁃edge-based Advantage：an Empirical Test for Product Performance and Technological Knowledge[J].Strategic Management Journal,2002,(23)2.

[2]Klas Eric Söderquist.Organizing Knowledge Management and Dis⁃semination in New Product Development：Lessons from 12 Global Cor⁃porations[J].Long Range Planning,2006,39(5).

[3]Inkpen A.C.,Tsang E.W.K.Social Capital,Networks and Knowledge Transfer[J].Academy of Management Review,2005,30(1).

[4]Ahn J H,Chang S G.Assessing the Contribution of Knowledge to Business Performance：the KP3 Methodology[J].Decision Support Sys⁃tems,2004,36(4).

[5]王秀红.组织知识管理绩效评价研究[J].科学学与科学技术管理,2006,(3).

[6]Tseng S M.Knowledge Management System Performance Measure In⁃dex[J].Expert Systems with Applications,2008,34(1).

[7]张晶,杨生斌,苏红.基于BSC与价值链的企业知识管理绩效评价指标体系设计[J].情报杂志,2010,29(10).

[8]廖开际,熊会会.企业知识管理绩效的多视角评价模型[J].科技进步与对策,2011,28(9).

[9]楼裕胜.模糊聚类分析方法与应用[J].统计与决策,2005,(2).

[10]张会云,唐元虎.企业技术创新影响因素的模糊聚类分析[J].科研管理,2003,24(6).

[11]袁凌.基于模糊聚类的竞争者识别[J].系统工程,2004,22(7).

[12]Xisong Liu,Zhiyong Xia.Discernment of Key Evaluating Elements of Independent Innovation Ability of Defence Science&Technology Industry[C].Proceedings of 2006 International Conference on Man⁃agement Science&Engineering,2006.