商学院PK菜市场

新创业谈(03):商学院PK菜市场

 许伯源/
2010-06-10

 

改革开放了,市场经济了,商学院兴旺了,大家有目共睹。

 

  依我看,目前国内众多商学院开办的水平与大家身边无数的菜市场的经营水平没太大差别,别看一提起商学院大家马上联想到的是高等学府,是MBAEMBA,而提到菜市场大家联想到的是白菜大葱小商小贩,似乎天上地下距离遥远。

 

  为什么这么说呢?

 

  上海著名大学的商学院能招到北京的学员吗?

 

  广州著名大学的商学院能招到河南的学员吗?

 

  成都著名大学的商学院能招到浙江的学员吗?

 

  ......

 

  各地现在都差不多,目前还只是个梦。

 

  肯定的答案是:不能。商学院在这个方面甚至不如各个大学的本科教育。

 

  我在各地的一些商学院授课,发现了上述的这个普遍的结论。

 

  只有北京清华北大的MBA或各类总裁班可以部分招到全国各地的学员。(注:本人未在人民大学、长江商学院及中欧商学院授过课,不了解那里的情况。)

 

  上述的状况说明一个什么问题呢?

 

  让我们先来看看身边的菜市场。居民一般不到超过1KM以外的菜市场买菜,为什么?原因很简单,各处菜市场卖的菜基本上种类和价格都差不多,且卖菜的地方一般离家的距离都不会太远。大家不到离自己居住地远的城市去学习MBA也是同一个原因,即商学院课程种类、内容和价格也都差不多,何必舍近而求远呢?同理。

 

  发生这种内容和种类都差不多的商学院MBA们是正常的吗?这不就是同质化竞争吗?

 

  我们试想,如果海尔的冰箱只能卖给山东人,格兰仕的微波炉只能卖给广东人,农夫山泉的天然水只能卖给浙江人,甚至川菜只能在四川卖,粤菜只能在广东卖,那将是多么宁静平和的一个市场啊?事实当然不是这样,即便是数百年前的中国市场已经不是这样。

 

  商学院办成了菜市场说明了什么问题呢?

 

  经营圈内的人其实只要稍微动动脑子就可以明白问题之所在,无非是战略问题、营销问题、人力资源问题、核心竞争力问题、质量管理问题、产品品种问题、价格问题、品牌问题、渠道问题、广告问题、文化问题,等等等等,与企业经营所能碰到的问题完全一样。但是,令人百思不得其解的只是,商学院正是讲授如何解决这些问题的理论和方法的场所,而商学院自己却没有解决这些问题的能力,商学院还是商学院吗?于是商学院办成了菜市场的水平。如果商学院连自己的营销管理都不能突破,如何教导自己的学员营销各自的产品呢?这就是目前我国多数商学院的水平。

 

  结论很简单,目前国内的大多数商学院缺乏自我的经营和管理的能力,MBA教育缺乏自身的发展底气和动能,经营状态好的一些院校其实在吃祖宗饭,吃牌子饭,如北大、清华和各省的名牌大学商学院都无非如此。说句并非玩笑的话,朱自清陈寅恪对今日的商学院MBA的发展也有贡献,是他们对牌子的历史贡献。我们常说中国改革开放前期的经济发展很大程度依赖于中国的人口红利,经济学家们也在苦心地计算着中国的人口红利消失的拐点将要出现的时间,中国的商学院所依赖的牌子红利是否会永不衰减呢?

 

  中国应该出现有点甜的商学院、非油炸的商学院、好劲道的商学院、狗不理的商学院,切不要多出土地财政的商学院。达到这样的水平看起来似乎路程很遥远,问题很复杂,其实并非如此,中国经过三十年改革开放市场经济的发展出现了那么多著名的企业与产品,思路是一样的,关键的问题还是商学院的经营能力,如杰出企业家的经营能力一样的经营能力,所以商学院要用企业家的思维来办。

 

  改革开放三十年来中国教育的发展远不如企业的发展,并没有如企业一样出现众多著名的院校,企业在大浪淘沙,而高等院校还是一成不变那么几个,只会在扩招上下功夫,这说明了什么问题呢?

 

  上面说的是现象,那么阻碍商学院发展的致命问题都有哪些呢?

 

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值