数据革命正在改变我们的经济和社会，从购物方式到约会方式。但研究、创新和增长 (RIG) 政策又如何呢？
数据革命正在改变我们的经济和社会，从购物方式到约会方式。但研究、创新和增长 (RIG) 政策又如何呢？
有点讽刺的是，支持学术界和工业界前沿思想的 RIG 政策制定者本身在使用新数据源和分析方法方面并没有太多创新。
与 10 年前一样，商业调查、专利和出版物仍然是该领域的数据主力。然而，尽管这些数据来源很有价值，但它们也存在一些重要的局限性，使得它们对 RIG 政策制定者来说用处不大：它们的定义基于旧类别（例如行业代码），这使得它们与新行业的分析无关，它们无法完美地捕捉到没有专利或出版物的创新网络和行业，而且它们与创新系统中的重要参与者（如企业家或投资者）不太相关，因为他们想要详细（而非汇总）的数据，了解与谁合作和资助谁。
近年来，政策制定者和研究人员开始寻 Facebook 数据 找方法利用新的数据来源和分析方法来克服这些挑战，从而提供更及时、更全面、更详细的创新系统视图
这些实验的范围很广，从使用从公司网站和商业目录中“抓取”的数据来衡量数字经济和视频游戏行业，到使用有关技术聚会的信息来绘制创意行业的合作网络。结果越来越多地以交互式数据可视化和仪表板的形式提供，以鼓励众多参与者进行数据探索。
我们 Nesta 正在通过即将推出的威尔士政府创新仪表板Arloesiadur探索其中的一些机会，并在我们在 2016 年 OECD 蓝天会议上提交的论文《研究和创新政策的新数据》中总结了目前的进展。
2017 年 6 月，IGL 全球大会包括一个平行会议，我们在会上了解了一些“创新政策中的数据创新”，并思考了它们对 RIG 政策的意义
Endeavor Insight研究总监Rhett Morris向我们介绍了他们的工作，即通过结合调查、LinkedIn 数据和引人注目的网络可视化来绘制创业生态系统图，从而全面描绘出初创企业生态系统的状态及其演变（见下图）。
结果往往令人惊讶。例如，Endeavor 对纽约创业生态系统的分析显示，许多创始人并非来自科学、技术、工程和数学 (STEM) 学科，而且他们的年龄比普遍认为的要大。它还表明，“网络利他主义”（指导和激励新企业家）对生态系统的健康和利他主义者自身的成功非常有益。
科技行业增长图
该图展示了纽约市生态系统发展不同阶段的创业活动水平和组织之间的联系。 来源
麻省理工学院经济学教授斯科特·斯特恩介绍了他对美国创业“现在预测”和“地点预测”的研究：斯科特和他的合著者豪尔赫·古兹曼使用开放数据（包括企业注册和专利数据）训练机器学习模型，以识别与高影响力创业相关的因素，然后使用这些模型来预测这种创业现在发生的地点。
这些分析揭示了美国的创新地理，有助于详细定义高增长集群的边界；它们还表明，尽管美国初创企业成立速度明显放缓，但具有高影响力潜力的企业仍在快速创建。
创业水平
这张地图显示了美国不同地区的创业水平。根据 Guzman 和 Stern 的预测模型，橙色表示高影响力创业的概率更高。 来源。
西班牙经济科学技术部研究、开发和创新司司长克拉拉·尤金尼亚·加西亚介绍了该部在使用数据监测和指导研究与开发 (R&D) 政策方面正在进行的转变。
这涉及到整合来自许多不同来源的数据（例如拨款申请、管理数据、官方调查和研究成果），使用自然语言处理（NLP）分析数据，将项目描述转化为关于其在不同研究主题上的专业化的指标，并通过交互式仪表板和可视化将得到的信息放在政策制定者的指尖。
网络图
该网络图显示了某机构收到的 ICT 学科资助中研究主题之间的关系。资料来源：Clara Eugenia García 的 IGL 全球会议演讲。
在演讲后的小组讨论中，我们讨论了将分析实验纳入 RIG 政策主流的潜在策略，解决政策制定者对数据代表性和质量的担忧，以及难以理解和解释的“黑箱”模型。
专家组指出，我们需要在数据现状的背景下设定这些限制，因为数据现状有很多不足之处，而且有些数据变得毫无意义。这意味着不要把完美变成好的敌人，承认现有工具的局限性并明智地使用它们。特别是，我们应该抓住新的机会，吸引那些认为自己无法反映在过时的官方总体统计数据中的创新者和企业家，并衡量经常被 RIG 政策制定者忽视的低技术或制造业的活动。
新数据有助于建立对创新系统和生态系统状况的共同理解，支持推动创新的合作政策，例如麻省理工学院的 REAP 计划。然而，在开始政策创新分析项目之前，确保组织已准备好吸收和应用结果也至关重要。
会议结束后，我感到非常振奋：虽然将数据分析纳入 RIG 政策制定者的工具包还有很多工作要做，但需求显然存在
有了新的数据和方法，我们可以更好地理解创新系统和创业生态系统，采用更加开放和协作的方法来设计和实施政策，更准确地追踪其影响，甚至衡量政策如何推动迄今为止仍未发现的复杂网络结构的变化。
我们从许多其他行业的技术采用研究中了解到，要实现这些好处，需要在 RIG 组织中进行大量实验、新流程和技能。我们期待与政策制定者合作，将 RIG 政策带入大数据时代。