探索工业部门的关联性

[nurnobi90]

了解我们与剑桥大学贝内特公共政策研究所合作的最新项目的幕后情况，并详细了解我们如何使用实时行业分类来衡量供应链并探索东英吉利关键行业的相关性。

行业关联性
当前的经济正在改变我们对各行业、各行业相互关联方式以及由此产生的供应链的思考方式。技术关联性和行业关联性研究揭示了这一背景。该领域的研究表明，现代经济中各行业之间的联系正朝着更加紧密的方向发展。 

这些发现对我们理解供应链的方式产生了重大影响。如今，产品 阿塞拜疆电报号码数据库 或服务的提供并不总是依赖于线性或顺序的供应链。相反，供应链看起来更像网络：企业往往以多种方式参与服务的生产和提供，并同时在多个领域开展业务。 捕捉、获取和分析能够体现这种变化的数据至关重要。

与贝内特研究所合作
在这个项目中，我们正在探索东英吉利地区 7 个新兴经济部门的关联概念。

这项研究由生产力研究所与贝内特研究所合作设计和开展，该研究所领导着 生产力研究所的剑桥中心。贝内特研究所的工作对于了解区域经济表现至关重要，其创造的知识能够影响政策制定。


贝内特研究所致力于探索东英吉利地区各行业之间的关联性，尤其关注人工智能等赋能技术的作用。我们通过对实时行业分类 (RTIC)进行网络分析来探究这一问题，这使我们能够量化和可视化各行业之间的联系。此类信息可以成为探索行业关联性以及知识和技能转移潜力的核心资源。  

我们的方法
RTIC 不仅是一种捕捉新兴行业公司的有效方法，还能结合其在供应链中的角色、所使用的技术或提供的最终产品/服务，清晰地展现这些公司。RTIC 构建于 The Data Explorer 的机器学习功能之上，该功能处理着 160 万家公司的网站文本数据。

目标行业的网站示例被输入平台，使算法能够识别该行业的相关语言。然后，提供目标行业之外的公司网站示例。这些输入使平台能够根据网站文本数据创建行业分类框架，并根据所有其他可用网站进行评分。输出是符合行业分类框架标准的公司列表。


RTIC 概述。
针对构成行业的各个活动环节，重复进行此操作。选择构成行业的子类别（或垂直行业）的过程，最终形成了行业分类的分类法。

本流程介绍了 RTIC 如何用于调查行业关联性。RTIC 分类并非绝对且互斥，这意味着一家公司可以同时被归类到多个行业或垂直行业。例如，如果一家公司开发使用专有人工智能技术的物联网 (IoT) 产品，那么该公司将同时被归类到物联网和人工智能 RTIC。

因此，RTIC 方法以关联的方式呈现工业部门，从而建立对垂直行业和 RTIC 之间重叠关系的理解。能够同时量化被划分为两个或多个类别的公司数量，表明两个部门（RTIC）或供应链活动（垂直行业）之间存在经济、技术和/或社会合作。

RTIC 和网络分析：构建供应网络 
人们普遍认为，技术变革使一些供应链变得更加流动和灵活，摆脱了线性生产流程。例如，多个行业可能将同一项技术用于不同的目的，从而在传统上互不相关的行业之间架起了桥梁。这一特性使得绘制供应链图谱变得越来越困难。为了解决这个问题，我们建议对RTIC数据集应用网络分析。  


东英吉利各行业之间的关系。第一张地图中的链接表示同时被纳入两个行业的公司。链接越粗，同时被纳入两个RTIC的公司数量越多。接下来的两张地图分别展示了同时被纳入三个和四个RTIC的公司。红色和蓝色节点的大小表示公司数量。
网络分析在经济研究中的应用已有相当长的历史。然而，它尚未被专门应用于供应链建模、技术关联性或知识转移研究。RTIC 的数据结构允许应用网络分析方法，从而揭示部门关联性和较新的供应链结构。 

网络分析探究不同节点之间的关系。在这种情况下，每个节点代表一个行业或垂直行业，而链接则量化了同时被归类于多个行业的公司数量。通过这种方式，我们可以衡量网络的密度，识别层级结构，并找到看似不相关的节点之间的交汇点。 

下一步是什么？
我们将与贝内特研究所合作，将这种方法应用于东英吉利7家RTIC的商业群体。目的是了解该地区传统上实力雄厚的行业，例如生命科学和市场营销领域，是否通过人工智能等赋能技术相互关联。  

对结果感兴趣吗？我们将在接下来的几个月里发布更多关于该项目的发现和见解。

同时，如果您想了解有关我们平台的更多信息，或者有自己的项目想要与我们讨论，请随时联系我们。