基于ICA對價值鏈與企業家心智的關聯研究

摘要：

文章在分析影響價值鏈的企業家心智因素過程中引入了ICA理論，對應用ICA理論進行企業家心智因素的提取進行了可行性分析。在實證研究中通過基于ICA理論的FastICA算法從一組觀測數據中分離出了影響價值鏈波動的主要因素，經分析，企業家的認知結構對價值鏈的影響比較顯著。該方法用于篩選企業家心智因素是可行的，為ICA理論用于價值鏈管理和優化提供了理論參考。

關鍵詞：價值鏈;企業家心智;獨立分量分析（ICA）;FastICA

中圖分類號：F27291 " 文獻標志碼：A " 文章編號：

10085831（2015）04008006

一、問題的提出

價值鏈管理作為企業戰略的核心理念，在企業識別競爭優勢資源方面發揮著重要作用[1]。以核心競爭力為基礎的整個價值鏈的競爭成為當代企業競爭的重點[2]，企業要想生存發展就必須將分析重心從“競爭”轉移到“優勢”的構建上。企業家決定和影響了企業價值鏈的發展，對企業生存和發展起主導作用;并且企業家能力對企業價值鏈的發展和協調是企業生產經營效率的保證[3]。這就要求企業從企業家的角度實現價值鏈的高效率、高效益，進而提高企業核心競爭力，打造企業的競爭優勢。

欲通過改造企業家心智來提高價值鏈效益，必須首先能夠證實企業家心智與價值鏈之間的相互關聯，把握企業家心智的不同因素對價值鏈的影響情況。企業價值鏈的統計數據中包含著大量信息，能從中通過統計數據的波動情況挖掘出企業家心智對于價值鏈的影響，將會對企業通過企業家的改造來提升競爭力具有重要意義。

ICA可以從觀測數據中分離出不同的影響因素，這與從價值鏈影響因素中分離企業家心智的不同方面的分析有相同的過程研究。針對價值鏈影響因素的特征，將ICA理論引入社會科學的數據處理中，以期加深對價值鏈受企業家心智影響的認識，為提高企業家對價值鏈的管理能力奠定一定的基礎。

二、價值鏈與企業家的關聯分析

（一）價值鏈的相關理論

價值鏈的概念由邁克爾·波特在20世紀80年代提出，最初是為了研究企業創造價值的過程。在邁克爾·波特《競爭優勢》一書中企業的價值鏈是指企業基本活動與輔助活動在企業價值創造相互聯系、相互依存的動態過程系統。其中，價值鏈基本活動是創造價值的必經過程，指的是從產品創造到產品銷售轉移以及后續售后服務;另外，從原料采購、企業基礎設施建設到產品技術開發與人力資源管理的一系列價值鏈輔助活動是基本活動得以順利完成的保證，也是價值增值、保值的核心。

時代在變革，價值鏈由傳統價值鏈、虛擬價值鏈轉向價值網，理論界對價值鏈研究也在不斷創新[4-5]。毫無疑問，只有對價值鏈管理作出精準把握的企業才能取得價值最大化，才能始終在時代的變革中取得有利的競爭地位。

本文中企業家是指在固有心智模式下對戰略形成有主導作用的各類群體，包括企業領導者、CEO、總經理、高級經理和其他專門人員，他們對整個價值鏈管理負有責任。

在價值鏈管理過程中，只有通過企業家的組織協同，整個企業流程才能達到最優運行效果[6]。企業家是企業持續發展的主導力，企業家是企業的管理者和戰略者，因此，企業運行中價值鏈的優化更離不開企業家本身[7]。此外，企業獲得或保持競爭優勢主要取決于企業家對價值鏈的影響。可以說，企業的競爭優勢取決于企業家認識和組織其企業自身價值鏈，也取決于企業家理解和適應整個產業的價值鏈[8]。因此，企業家尋求價值鏈核心創造力的過程就是企業家樹立企業競爭地位的嘗試[9]。可以說，企業家是戰略決策的主體，也是企業價值鏈優化的主體。

從企業價值鏈的角度看，企業家支撐著整個價值鏈。而上至企業最高領導，下到每位主管都應是價值鏈管理的中堅力量[10]。此外，企業在整合資源的過程中，具有能力的企業家是企業持續競爭優勢的根本源泉[11]。總之，企業家是影響企業價值創造的主導力量[12]，占不足企業人數20%的企業家可以創造企業80%以上的價值[13]。

（二）企業家心智的基本理論

上述研究認可了價值鏈中企業家主導作用的普遍存在，而隨著研究的不斷深入和實踐的不斷發展，一些研究發現，價值鏈管理失敗的部分原因是企業家管理技術所無法分離出來的。湯姆·彼得斯認為管理的成功95%在于對不斷變化的心理因素的把控，5%在于掌握的技術因素。又如張根明、陳才就企業家能力對企業競爭優勢的影響所做的研究指出，企業家的決策可能由于企業家過于大膽的策略或是過程中的其他不可控因素導致不能取得滿意的效果[14]。有鑒于此，一些研究人員逐漸拓展到企業家的心理層次，針對企業家心理的負面影響提出了問題和應對策略。如Antonio、Anna等則對企業家心智的影響進行了驗證[15-16]。

彼得·圣吉認為“心智模式”是根深蒂固于每個人心中的，能夠影響其認識世界和改造世界的種種假設、成見甚至圖象、印象[17]。價值鏈中企業家心智的構建要素有很多，為了研究方便起見，本文對影響價值鏈的企業家心智主要構建了以下三個變量：企業家的情緒、認知結構和認知能力。

迪斯尼的首席執行官邁克爾·艾斯納在講述身邊盲目自信的教訓時警示心智是需要管理的[18]。很多人已經認識到企業家在進行戰略決策時心智中的情緒在決定企業組織的思維模式和行動上扮演著重要角色[19];自我認知中的自信心水平與主觀偏好對機會和風險的識別具有顯著影響[20];此外，如果一個企業領導人不具備企業家能力，在現代激烈的競爭中企業將很難生存和發展[11];但事實上大多數人都無法肯定什么才是企業家心智。正是由于人們對企業家心智概念理解上的模糊和不統一，才導致企業家心智理論在應用上的困難。因此，較為全面地分析企業家心智特性的描述，有助于理解企業家心智的概念和本質。

綜合國內外學者的分析，筆者認為企業家心智的特性可分為：（1）主觀性。企業家心智是具有企業家個人風格的，在主導企業戰略中企業家常常強烈地遵循自己的習慣、偏好和風格;（2）客觀性。企業家心智是在歷史和遺傳等事實的基礎上形成的;（3）相對性。企業家心智本身沒有好壞之分，只是相對于企業發展的時間和空間而言時，企業家心智對競爭優勢才會有正負影響的區別。企業家若想保持競爭優勢，就必須對自身心智持續不斷地進行創新、修煉和培育，以實現自身能力的全面和深入發展。

以上分析從不同角度揭示了企業家心智對企業的影響，但究其本質來說是企業家心智中這些因素對價值鏈制定和優化的影響。正基于此，本文認為，只有深入到企業家心智對企業家競爭優勢原生性因素進行研究，企業家對價值鏈的決定性才能得到徹底肯定。

三、ICA的基本原理

獨立分量分析（ICA）[21]是20世紀90年代發展起來的數據處理技術，其目的是從觀測的混合數據中分離出分布未知但相互統計獨立的分量。該數據處理方法由Pierre Common于1994年提出，最初是為了解決雞尾酒會的問題，后來逐漸應用于數據挖掘[22]及經濟學[23]等領域。1996年Makeig運用信息最大化等算法對EEG和ERP進行數據分離并成功分離出腦電圖中的非人腦電波[24]。1997年Mekeown等嘗試從fMRI數據中分析確定與任務相關的人腦活動，通過擴展的ICA算法分離出大腦中包含大量特定瞬時獨立分量的區域并成功確定與瞬變任務相關的腦活動的空間分布[25]。因此可見，獨立分量分析可用于分析隱藏在現象背后的深層次原因。

盲信號分離是從已知混合信號x（t）情況下重構出源信號S（t）的一種技術。它是基于源信號之間統計上相互獨立，混合信號在混合上是線性的兩個條件成立的前提下的一種獨立成分分析。假設時刻為t，n維觀測數據向量記為X=x1，x2，…，xnT，m個未知源數據構成的向量記為S=s1，s2，…，smT，則ICA的線性模型可以寫成

X=ASt=mi=1aisi（1）

在此模型中混合矩陣記為A，ai表示A的m個行向量中第i個向量。此類問題的解決方法就是通常所說的ICA方法（也被稱為BSS）。首先是根據觀察向量計算出白化矩陣V，也就是將觀察向量白化使得

Z=VX=VAS（2）

圖1 ICA模型

但將觀察向量白化只能去相關性，只有運用ICA尋求一可逆變換矩陣W、對Z施行線性變換才能輸出n個相互獨立的向量y，保證獲得分量的獨立性才有：

Y=WZ=WVAS（3）

其中Y表示源信號S的估計值。總之，數據分離就是確定一個關于分離矩陣W的目標函數用于衡量Yt中各個數據之間的獨立性，當目標函數接近于最大或最小值時各個數據之間趨于相互獨立，通過不斷對W進行更新，使分離后的Yt為源數據St的準確估計。

ICA理論實現信號分離是假定混合的數據之間是相互獨立的，并通過抽取滿足統計獨立的特征作為輸入的表示。實質上，ICA的求解過程通常可以歸結為兩步[26]：一是確定度量統計獨立性的目標函數，二是選擇合適的優化方法對目標函數進行優化，如圖1所示。

四、企業家心智和ICA模型

（一）價值鏈觀測數據中的獨立分量

獨立分量分析是一個解決盲源分離問題的普遍方法。在ICA中，為了確保ICA的可解性，必須作出如下假設[21]：（1）si之間是相互統計獨立的;（2）所有的獨立分量si中，至多有一個服從高斯分布;（3）常系數矩陣A滿足列滿秩。關于尋找混合矩陣A和源信號有許多方法，本文采用有快速獨立分量分析（FastICA）[27]進行價值鏈影響因素的分析，FastICA采用有較好魯棒性的負熵來建立目標函數。由于FastICA能夠依據獨立分量的影響程度由強到弱逐個進行提取，部分較弱影響因素可以看作干擾不進行提取。例如，價值鏈必然與企業家的情緒、能力、認知結構強烈相關，然而，實際情況中，必定有其他因素影響價值鏈，由于這些因素影響較弱，在利用FastICA對觀測數據進行處理時可以將其作為干擾不進行提取。價值鏈中企業家心智因素的分離實質上就是從價值鏈的影響因素中分離出占主導地位的企業家心智的具體因素。在應用獨立分量分析進行價值鏈影響因素的提取的實驗中，因為價值鏈優化中心智復雜多變，在把不可見分量進行轉化的基礎上，采用快速獨立分量分析（FastICA）法進行可觀察數據分量分析。在此通過企業銷售統計情況來反映價值鏈中企業家心智的變化，這樣可以通過銷售情況的波動來反映企業家心智對價值鏈的影響。在可觀測的銷售數據中，隱藏的企業家心智因素表示為近似線性組合的混合觀察值，因此，運用ICA方法對價值鏈因素分量提取分析是可行的。此外，價值鏈優化中的隨機因素作為噪音處理，在此前提下，銷售數據分量提取的基本模型就可表示為：

X（t）=AS（t）+V（t）（4）

在此模型中A表示m×n混合矩陣，隱藏的價值鏈影響因素作為統計獨立的源信號向量記為S=s1，s2，…，smT，不相關的噪音構成的向量記為V。相當于基本線性盲源分離模型方法假設，某些隱藏的分量信號或時間序列S=s1，s2，…，smT被線性組合成一個多維度量X=x1，x2，…，xnT，這相似于方程（4）中V（t）項為零的情況，即噪音因素V（t）可以不記取。

（二）ICA模型對價值鏈中企業家心智的解釋

基于上文的分析，筆者將影響企業價值鏈的主要心智因素歸結為企業家的情緒Y1、認知結構Y2和能力Y3三方面。每個人的情緒表現都是隨時間波動的一條變化曲線且會存在個別突變點。由于情緒管理能力的差異，不同人的情緒波動幅度不同，但總體的波動趨勢大致相同。認知結構是一個人頭腦里的一個有層次、有系統的知識結構，是通過知識和經驗形成的，大多數管理者往往具有較高的知識水平和大量的實踐經驗，認知結構通常已經形成且較為穩定，曲線表現較為平緩。能力同樣受個人教育水平和實踐經驗的影響，是逐漸積累形成的，通常能力表現曲線為一條非降的曲線。

在價值鏈影響因素中分離企業家心智的不同方面，雖然不同人的能力跟他的認知結構相關，但對于同一個人，尤其是一個管理者，認知結構是一個近似不變的量，而能力通常會表現出一定的上升性。同時，情緒不受能力和認知結構影響。因此，對于同一個管理者，情緒、能力和認知結構的表現能大致被假設成互相獨立的分量。分別以s1，s2，s3表示三者的波動曲線，則三條曲線在統計上是相互獨立的，因s2非降，s3表現較為平緩，s2和s3的概率統計明顯為非高斯分布。同時為了確保ICA的可解性，至少需要三組觀測數據（確保A滿足列滿秩）。鑒于影響價值鏈的企業家心智的三方面因素在統計上相互獨立，且只有一個因素的概率統計接近高斯分布，完全可以基于ICA模型實現價值鏈影響因素的分離。

五、價值鏈中企業家心智因素提取

（一）價值鏈觀測數據中的獨立分量——企業家心智

圖2 2010-2012年銷售統計數據

本文以某企業的銷售數據作為實驗的原始數據，即通過選取實際數據分析企業家心智中影響價值鏈的具體因素。以天津某自行車企業為例，在企業的運營過程中僅能得到企業的銷售統計情況，文章試圖通過ICA理論中的FastICA算法挖掘出影響銷售變化的企業家心智因素。以該自行車企業2010-2012年3年的銷售量144組數據作為觀測量，記為X=A·S。其中X=[x1，x2，x3]T，影響企業價值鏈的主要心智因素記作S=[s1，s2，s3]T，A是常系數混合矩陣。則企業家心智對價值鏈的影響模型如下：

x1=a11s1+a12s2+a13s3

x2=a21s1+a22s2+a23s3

x3=a31s1+a32s2+a33s3 （5）

其中，該企業2010-2012年3年的銷售統計情況X如圖2所示。

（二）FastICA算法與價值鏈中企業家心智因素分析

為了避免企業產品分類和企業地理位置等固定因素的影響，FastICA算法要求觀測數據滿足零均值單位方差，因此，在對企業家心智因素進行提取之前，首先對銷售統計數據進行預處理。零均值可通過觀測數據減去統計均值實現。經白化后的信號滿足單位方差的條件，具體通過銷售統計數據X的協方差矩陣的特征值分解實現。

RX=1nni=1XiXiH=Mj=1λjvjvHj（6）

n表示快拍數，M為觀測數據數。假定要提取的主要影響因素數為N，取前N個較大的特征值λ及其對應的特征向量v，令D=diagλ1，λ2，…，λN，V=v1，v2，…，vN。白化矩陣可表示為：T=D-12VH，則Z=TX為預處理之后的觀測信號，滿足EZZH=I。

度量心智因素之間獨立性的目標函數如下式：

FW=EGWTZ（7）

式中G（·）為非二次函數，通常取Gu=lgcoshu，W為要求的分離矩陣，Z為預處理后的銷售統計數據。由于FastICA無法恢復影響因素的實際波形幅度，為了簡化計算，這里假設相對波形幅度為1，即需滿足條件：EWTZ2=‖W‖2=1。此時影響因素的提取問題轉化為帶約束條件的目標函數優化問題，基于Kuhn-Tucker條件將其轉化為非約束優化問題，得到新的目標函數：

F（W）=E{Z·g（WTZ）}-βW（8）

式中，β=EWT0Z·gWT0Z為拉格朗日乘子，W0是W的初值， g（·）是G（·）的導數。

基于式（9）所示的牛頓迭代法對新的目標函數進行優化，得W的迭代式如式（10）。

Wk+1=Wk-F（Wk）F′（Wk）（9）

Wk+1=EZ·gWTkZ-Eg′WTkZ·Wk（10）

式中，k表示迭代次數，g′（·）是g（·）的導數。

基于式（10）所示的迭代式可求得用于心智因素提取的分離矩陣W，再經Y=W·Z分離出影響因素，將上面的銷售數據輸入到ICA分析程序中去，程序流程圖如圖3。

經過ICA算法處理后得到如圖4所示結果。

圖3 ICA程序流程圖

圖4 影響因素估計結果

比較圖2和圖4，從ICA的基本原理看出y1，y2，y3為s1，s2，s3的估計，此時在圖4中影響因素y1，y3的波動中心比較平穩，y2的波動中心有上揚的趨勢。而在圖2中，作為2011年銷售量的x2從后半年開始有所上漲，其中x2是s1，s2，s3的線性組合。由于反映價值鏈的銷售統計X與企業家心智Y的相關性，決定了y2認知結構是影響x2的可能因素。

（三）價值鏈提取影響因素的結果評價

通過分析可以得到如下結論：在圖4銷售量影響因素分析中第一、第三波形表示企業家情緒和能力，企業家的認知結構是第二個波形。最終實驗成功獲得影響銷售量的深層次因素，制定相應的、更具針對性的戰略政策就可以事半功倍，使企業家能夠更好地管理自身和企業價值鏈。根據以上分析，可知對價值鏈管理和優化的關鍵是分析企業家心智的有效性，而形成良好的心智首先是要保證情緒、認知結構、能力成為管理的推動力，使企業家心智和價值鏈優化可以互相優化。價值鏈優化離不開企業家的主導，這就要求企業首先要了解企業家心智中對該價值鏈影響最大的因素，通過建立ICA模型能迅速調動和監督該因素，進而提高價值鏈優化的效率。企業家心智模式應根據價值鏈的性質來選擇，其具體決定因素可以通過類似銷售數據的統計加以確定。

價值鏈影響因素的提取不同于企業資金和地理位置等固定因素的確定，信息提取結果很難在單個企業家自身下進行驗證，也缺少相對應的信息比較。只能通過身邊的企業家和企業經營狀況，結合設計好的企業家心智方面的調查問卷進行分析驗證，或是實證驗證。將此次經ICA提取的價值鏈影響因素的結果與該企業企業家做好的調查問卷進行疊加分析，得到以下結果：對于同一個企業家，經ICA提取的企業家心智因素與已知的企業銷售額吻合良好，在企業家心智因素提取中，ICA所提取的價值鏈代表銷售額均分布在企業家心智因素變化范圍內。經專家訪談下的問卷調查，證實了經ICA提取的企業家心智影響因素的有效性。

六、結束語

由于價值鏈優化涉及信息眾多，決定了企業家心智的狀態及其演變方向的復雜性。本文利用ICA的思想從觀測數據X（價值鏈）分離出獨立分量Y（企業家心智）的具體因素，對企業的價值鏈管理和優化提供了指引。雖然由于ICA的局限性，Y只是S波動情況的估計，無法反映S的幅值，但研究結論表明，通過分析企業家心智中影響因素波動與銷售統計波動之間的關系可以很好地幫助企業進行價值鏈優化。由于篇幅所限，本文所論述的企業家心智的選擇范圍具有一定的局限性，還需要在以后的研究中進一步深入探究。

參考文獻：

[1]邁克爾·波特.競爭優勢[M].陳小悅，譯.北京：華夏出版社，2004.

[2]胡善珍.基于提升企業核心能力的價值鏈管理研究[J].華東經濟管理，2006，20（7）：94-98.

[3]王核成.基于動態能力觀的企業競爭力及其演化研究[D].杭州：浙江大學，2005：4.

[4]李鵬云.基于價值鏈的企業營運資金管理研究——以海爾集團為例[D].青島：中國海洋大學，2011：5.

[5]戈來英.基于價值分析的萊鋼集團公司競爭優勢分析研究[D].南京：南京工業大學，2005：5.

[6]高雅翠.國有紡織企業價值鏈管理問題探討[J].商場現代化，2007（9）：70-71.

[7]李振興.基于價值鏈的優化增強我國鋼鐵企業競爭優勢研究[D].湘潭：湘潭大學，2004：4.

[8]曾忠祿.從企業價值鏈看戰略聯盟優勢[J].當代財經，2001（1）：61-65

[9]林莉.競爭優勢探尋——價值鏈分析法的應用[J].商業研究，2004（1）：42-44.

[10]安穎.從價值鏈角度看各級管理者在企業人力資源管理中的作用[J].延安職業技術學院學報，2010，24（5）：47-48.

[11]蔡銳，孟翔飛，楊猛.創新、企業家能力與裝備制造業國有企業競爭優勢[J].國有經濟評論，2011，3（2）：13-20.

[12]楊依依.企業價值與價值創造的理論研究[D].武漢：武漢理工大學，2006：4.

[13]王家康.基于價值鏈的人力資源價值評價體系的構建[D].武漢：華中科技大學，2005：10.

[14]張根明，陳才.企業家能力對企業競爭優勢的影響研究[J].中國軟科學，2010（10）：164-171.

[15] BERNARDO A E， WELCH I.On the evolution of overconfidence and entrepreneurs[J].Journal of Economics Management Strategy，2001（3）：301-330

[16]MACKO A， TYSZKA T.Entrepreneurship and risk taking[J].Applied Psychology，2009（3）：469-487.

[17]彼得·圣吉.第五項修煉[M].郭進隆，譯.上海：上海三聯出版社，1990.

[18]邁克爾·艾斯納，托尼·施瓦茨[M].劉俊英，譯.北京：中信出版社，2004.

[19] KJRGAARD A L.Organizational identity and strategy：An empirical study of organizational identity’s influence on the strategymaking process[J].International studies of Management and Organization，2009，39（1）：50-69.

[20] KOELLINGER P，MINNITI M，SCHADE C.“I think I can，I think I can”：Overconfidence and entrepreneurial behavior[J].Journal of Economic Psychology，2007，28（4）：502-527.

[21]張啟發，張斌，張喜斌.盲信號處理及應用[M].西安：西安電子科技大學出版社，2006.

[22]BINGHAM E. Advances in independent component analysis with applications to data mining[D].Helsinki：Helsinki University of Technology，2003.

[23]KICILUOTO K，OJA E.Independent component analysis for financial time series[C]//Adaptive Systems for Signal Processing，Communications and Control Symposium 2000，2000：111-116.

[24]MAKEIG S，BELL A J，JUNG T P，et al.Indepengent coponentanalsis of electroencephalographic data，advances in neural information processing systems，first application of ICA to EEG data analysis[M]. Cambridge，MA：MIT Press，1996：145-151.

[25]MEKEOWN M J，SEJNOWSKI T J.Independent component analysis of fMRI data：Examining the assumptions[J].Human Brain Mapping，1998（6）：368-372.

[26]HYVARINEN A，KARHUNEN J，OJA E.Independent component analysis[M].New York：John Wiley，2001.

[27]HYVARINEN A，OJA E.Independent component analysis：Atutorial[J].Neural Networks，2000，13：411-430.