种业企业并购数据挖掘决策.PDFVIP

2019年第７期 专题论述 11 种业企业并购数据挖掘决策 马玉璞　侯军岐 （北京信息科技大学经管学院/ 中国信息化与乡村振兴研究院，北京100192 ） 摘要：面对我国种业发展呈现出“多、小、散、乱”的特点，利用企业并购整合较之于依靠企业内部资金积累，具有更强的推 动力。种业企业并购决策及其整合依赖于相关数据收集与整理。就种业企业并购及数据挖掘、并购数据结构、决策数据挖掘 思路等问题进行研究，旨在提高并购整合效率，降低并购整合风险。 种业企业；并购；数据挖掘；服务；决策 关键词： 2012 年 12 月国务院办公厅印发了《全国现代 常用的聚类算法包括CURE 算法、BICRCH 算法以 [4] 农作物种业发展规划（2012-2020 》，提出了“鼓励 及STING 算法 。 育繁推一体化”。但是我国种业企业在种子销售方 1.2　分类预测功能　数据挖掘技术可以总结数据 面，由于利润空间较大，销售公司遍地开花，经常会 的规律，分类和预测是数据挖掘过程的两个重要步 发生囤积堵售、哄抬价格等无序竞争，产业链条下游 骤。首先，分类是进行数据挖掘的起始步骤，较为常 无序生长[1] 。所以，我国种业企业需要进行适当的 见的方法为利用神经网络或决策树模型对可预测的 纵向整合，以此来优化产业结构，实现“育繁推一体 数据按照数据相应的特征构建不同的集合，再利用 化”。在种子的繁育环节，由于我国一直实行以农户 回归分析法对数据进行动态估计，以此来发挥数据 为主体的农业生产承包责任制，大多数种子生产繁 挖掘的预测功能。 育是通过分散的农户在露天环境下进行的，这种小 1.3　关联分析功能　从著名的沃尔玛啤酒和尿布 而散的种子繁育生产活动，与规模化杂交生产种植 案例中可以看出各不同的事物之间具有盘根错节的 所要求的严格隔离、单品种（组合）成片种植标准相 关联，一件事情的发生，可能引起一系列不相关事件 悖[2] 。所以，我国种业企业同样需要以扩大经营规 的发生。数据挖掘通过一系列事件发生的概率进行 模、减少固定成本为主的横向并购。侯军岐等[3] 提 分析，找到这些隐性的关联，利用发现的规律对未来 出，我国目前的并购方式应是“纵向整合优先，横向 可能发生的事件进行估计。 整合为主”。以最小的代价换取最大的收获，发挥并 2　种业企业并购数据结构 购整合项目最大的价值，就需要在进行并购整合项 在进行数据挖掘时，不光要对企业的经营、财 目前，进行对企业的数据收集和挖掘，以此为基础施 务状况等企业数据进行挖掘、分析工作，还需对种子 行并购风险预测以及并购标选择等并购决策工作， 商品本身进行数据收集工作，因为种子作为一种特 提高整合效率。 殊的商品，价值最终的实现除了种子自身品质外， 1　数据挖掘技术主要的三大功能 还必须与外部的自然条件（温度、湿度、水分、土壤 1.1　聚类功能　是通过对某些事物进行集合和分 等）、栽培技术、管理技术、加工工艺等相配套[5] 。以 组，将类似的事物组成新的集合，并找到其中有价值 种业价值链条来进行分析，种业大数据分为种子研 的部分，根据事物的特征将其划分为不同类别，便于 发阶段大数据、种子生产阶段大数据和种子销售阶 数据后续查询和应用管理。现阶段数据挖掘领域中 段大数据，每阶段的数据信息不仅具有估计企业价