学术大数据在企业专家对接中的应用.docx

摘要:基于创新驱动战略的大背景，分析了企业和高校科研机构的专家在对接过程中面临 的困难以学术大数据技术为支撑，搭建了产业领域专家数据集成系统，并以此为基础，建 立了科技成果全链转化体系上对企业需求进行收集与核实，利用学者大数据画像技术 进行精确匹配和推送；下联系企业专家进行对接后，持续提供工程管理、风险评估和科 技保险服务目前该系统已经收集了上万个企业的需求，完成了多个企业专家对接工程，提 高了对接的精准度和效率，实现了企业和专家的互利共赢关键词：学术大数据；专家对接；企业服务；科技成果转化1引言随着大数据时代的到来，数据的重要性不断凸显，相比于传统数据库，大数据具有数据量大 (volume)、数据种类繁多(variety)、处理速度快(velocity),价值回报高(value)和数据真实性(veracity)的特点，即“5个V”随着全世界范围内科研活动的进行，每天都有数 以万计的学术数据产生，这些海量学术数据(如专家学者信息、论文、专利等)被统称为学 术大数据学术大数据在学术和科研领域有很多重要的应用目前，企业和专家的对接存在 许多问题和盲点，本文以学术大数据技术作为支撑，结合一对一的交易服务，解决了对接过 程中企业技术转型、专家科研成果具体化、企业专家沟通等方面的难点和痛点。

通过搭建产 业领域专家数据集成系统、线上供需软件即服务(software as a service, SaaS)系统平台， 建立科技成果转化全链体系，帮助专家和企业实现精准对接、企业的科研难题获得突破、专 家的高新技术成功落地，实现双赢的局面企业真实需求是科技成果转化的根本前提，科技成果转化最终要以市场需求为约束条件企业真实的研发需求、技术开展瓶颈、行业共性难点都是促进科技研发的需求源供需SaaS 系统平台优化了企业需求收集、技术点拆分、生产语言转化科研语言等一系列服务流程，解 剖了研发需求结构，明确了产业行业需求列表，尤其是前沿重大领域攻关列表企业和专家 供需对接的SaaS系统平台（以下简称平台）是基于海量学术大数据打造的，这些数据包括 1850万名专家、80万个科技类企业等平台的主要运作流程包括需求征集、需求核实、智 能匹配、精准推送，如图4所示企 业需求、统一管理企 业需求、统一管理通过线上自动审 核和线下专业客 服团队进行核实基于已有的专 家信息和画像 进行大数据分 析，根据需求 智能匹配将企业需求推送 至2 000名专家的 邮箱、和站 内信，等待专家 响应图4供需SaaS系统平台平台通过与高校、科研机构、政府和企业进行合作，可以有效地扩充专家和企业数据库，助 力专家企业高效对接。

平台已覆盖清华大学、北京大学、西安交通大学、同济大学、中国科 学技术协会、中国科学院计算技术研究所、中国科学院理化技术研究所等60多家高校和科 研院所以及全国50多家政府机构1）需求征集平台上征集企业需求，有专家对接需 求的企业在系统中描述工程概况、技术需求、人才需求等信息，并明确给出技术研发与产品 设计的瓶颈为了吸引更多的企业尝试，需求征集系统的注册流程简单方便，门槛较低2） 需求核实由于系统向用户全面开放，企业注册门槛较低，因此需求的真伪性需要由专业团队 进行核实和鉴别专业团队利用企业提交的表单和常用关键字列表，提炼整理需求的关键技 术信息和指标，将企业使用的“生产语言”进行简单易懂的“技术翻译”同时，团队也利 用企查查、天眼查等网站的接口完善企业资料3）智能匹配和精准推送由于产业研发需求 和高校院所的创新要素存在信息鸿沟，要把资源要素和解决技术问题的专家能力与企业研发 难点精准匹配在一起，就要把产业研发需求和创新要素精准对接作为突破口，平台中这一突 破口就是智能匹配技术借助大数据及人工智能的精准匹配功能，挖掘、吸引、整合全国乃 至全球的科技资源，为企业链接技术专家，解决产业技术问题。

通过对需求的分析和关键信 息的抽取，在专家集成系统中寻找对应画像匹配的专家平台对一个企业需求会匹配2 000 名相关领域专家，并进行邮件、短信、站内信等形式的推送一般地，推送后3天左右就会 有专家响应对接4.3 提供科技成果全链转化服务学术大数据技术实现了从“人找人”到“大数据找人”的转变，让企业和专家的高效对接成 为可能在大数据技术之外，平台提供额外的系统服务，保障专家和企业的利益，减少技 术交易风险在平台的帮助下，企业、专家和平台可以进行线上三方会谈和线下对接，进而 最终签署合同，完成工程交付作为中间方，平台参与全流程，可起到保险和监督的作用 平台以市场化和专业化的服务支撑科技成果转化工作，需要从以下几点出发•能够识别 基于产业技术问题带来的潜在收益价值，为技术定价•能够判别科技成果与技术研发在 供给方和需求侧的风险状况，建立合理的风险共担体系，确定研发收益和知识产权保护的方 案•能够在科技成果转化过程中承当合同研发的工程管理工作,建立包括研发咨询管理、 专家顾问和工程动态评估在内的服务支撑工作•具备承当研发成品交付的管理能力，包 括组织产品中试、寻找供应商进行方案的设备化管理、成品测试和交付产线等。

•能够合 理管控科技成果转化过程中的风险点，推动各方共同筹建市场导向的研发资金池，组建研发 风险创新担保基金，用于企业合同研发风险投资，开展合同研发风险担保以上的几点工作 实现了成果转化、共享了知识产权、建立了全新的市场导向成果转化收益分配体系提供科 技成果全链转化服务需要从企业的需求中挖掘价值,并申请专利,持续运营,收益合理分配， 建立以知识智力利益最大化的成果转化与收入提供系统，建立基于市场化的创新型的成果收 益提供体系，激发调动积极性，将资源集聚到体系中，打造线上科技服务平台和线下研发机 制，建立完整的成果转化全链服务中心在科技成果全链转化服务的过程中，关键是要实现 产业收益和研发增益，发挥市场需求在科技成果转化配置中发挥的决定性作用在此基础上, 形成具有社会效应和效益的创新驱动开展成效,完善研发合作后的工程管理,推动持续服务, 追踪企业研发后的生产与销售情况，不断完善技术与升级，通过科技保险和担保基金直面交 易风险，解决转化纠纷4.4 平台服务成果在互联网和大数据的创新形式下，平台服务能力相较传统模式大大增强截至2018年12 月，平台已经为企业需求和多个政府人才工程引进需求服务近万次，匹配和通知专家近百万 人次，收到700余个创业工程需求，形成技术交易30余项，促成技术交易额近5 000万元。

在对2018年提供的9 266个需求进行线上核实的过程中，笔者发现一半以上的需求没有实 际意义，或者没有实现的可能性，最终线上核实了 4 432个需求下联系阶段，经过电 话、短信、邮件等方式与企业沟通后，得到真实需求659个，最终能够继续推进的有137个， 占比仅为L5%在这137个需求中，每个需求会匹配2 000名专家在这样一个信息不对称 的背景下，供需SaaS系统平台能在短时间内寻找到对接技术供需的方法，通过“一对一” 的技术咨询，为企业突破技术瓶颈、进行转型升级提供专项“问诊”，平台通过智力资源的 优化和知识技术的溢出，解决生产技术瓶颈,助推企业创新,构建产业链上下游的全新生态 平台通过提高企业和专家对接的精准度和效率，实现企业和专家的互利共赢5企业专家对接服务的应用案例(1)案例一：提高政府科技服务效率与效能通过线上系统的精准匹配与线下对接活动的定 向开展，笔者团队已屡次成功与政府合作举办技术对接会，现场为企业解决问题类、研发类 的技术需求2017年11月，笔者团队协助举办了院士专家集中对接台州市企业活动，50余 位国内外专家为产业转型提供智力支持在会议举办之前，系统收集、核实了当地62家企 业的技术需求，并由专业团队进行需求的技术“问诊把脉”，核实出22个有效需求，共推 送全国相关领域专家10 953位，最终31位专家积极响应，邀约到场12位专家。

匹配专家 推送完成后，系统同步推送信息至科技供需系统平台，形成推送路径图对接会举办后，笔 者团队邀请专家分别前往11家对口企业进行现场考察，对其研发、生产线、物流等进行详 细的技术诊断在与企业深度对接后，为6家企业提供了 8个技术方案，并签署了合作协 议下面是其中一个成功对接案例台州市某环保净化器在对接会前提交了技术难 点供需SaaS系统平台通过专业团队核实和实地走访调研，将需求指标进行量化处理，匹 配出两位专家在对接会上，该企业详细告知了现有的生产工艺、设备以及生产过程中的痛 点两位教授将企业实地数据与自身研发实力进行比照后，认为该技术难题可以解决，并先 由专家方进行技术问题的“预研究”目前，两位专家已为企业交付合格样品2)案例二： 技术创新提升产品附加值位于东莞市的某家企业有面膜生产的基膜别离设备，这套设备需配 合自动折叠机使用该企业的合作专家团队自研了自动折叠机，但在研制自动别离机时，遇 到了技术瓶颈，由于基膜吸头技术要求高，造价昂贵,导致生产本钱过高该企业向供需SaaS系统平台提交了需求，笔者团队做完市场调研后，明确了该技术创新应用的市场价值，决定 开展此工程的研发，并通过科研大数据平台，为其筛选、匹配了专家。

在专家团队的通力合 作下，目前第二版原型机已研发成功该技术还可以用于纺织行业，不仅可以提高生产的自 动化程度，还可以大幅降低生产本钱，因此市场前景非常广阔6结束语大数据时代，数据成为重要的生产要素和战略资源，数据的“5个V”特性，尤其是数据价 值显得越来越重要企业和高校科研机构在学术活动中产生的海量数据成为学术大数据的一 局部，而学术大数据的技术应用又可以促进企业和高校科研机构的学术创新和合作目前, 企业科研水平滞后、专家高新技术难落地的行业问题仍然广泛存在笔者在应用学术大数据 技术的同时，提供供需平台和服务，帮助专家企业对接，取得了很好的效果未来，通过总 结经验和积累技术，平台可以服务更多的政府科技管理部门、高新技术园区、工程孵化园区， 形成更加精准、有效的科研人才及成果供给，帮助企业解决问题、实现创新驱动开展2学术大数据的研究方向和现状近年来，学术数据呈现指数增长趋势，全球学术论文已超过3亿篇，学术工作者也已到达1 亿人学术大数据技术的研究越来越受到高校和科研机构的重视2015年10月，清华大学 联合微软公司，成立了清华大学数据科学研究院科技大数据研究中心，签署了清华-微软学 术大数据工程合作备忘录。

目前学术大数据的研究主要集中在学术图谱、学者画像和学术评 价等方面2.1 学术图谱知识图谱本质上是一种语义网络其节点代表实体(entity)或者概念(concept),边代表实 体/概念之间的各种语义关系知识图谱融合了几种数据管理方式的特征，具体如下•数 据库：知识图谱可以像数据库一样进行结构化查询•图：知识图谱可以像数据结构中的 图一样进行分析•知识库：知识图谱具有形式语义，并且可以用于解释数据和推断出新 的事实近年来，学术关系知识图谱(通常被称为学术图谱)的研究逐渐成为热点2017年， 微软公司和清华大学联合发布了学术图谱(open academic graph, 0AG)o这个亿级图谱集 成了微软学术图谱(Microsoft academic graph, MAG)和清华大学的AMiner学术图谱具 体来说，该学术图谱包含MAG中1.66亿篇学术论文和AMiner中1.55亿篇论文的元数据信 息经过集成这些数据信息，生成了两个学术图谱之间近6 500万链接(匹配)关系2019 年1月，在之前的基础上，2.0版本发布，OAG 2.0版本的更新在于它在论文数据的基础上， 增加了与作者以及出版地点相关的数据，也就是说OAG2.0版本包括论文、作者、出版地 点3类实体以及其相应的匹配关系。

2.2 学者画像学者画像是从学者学术研究信息中抽象出。