Datananalyse
Man sagt, wir leben im Zeitalter der Daten und Informationen – Big Data, Machine Learning und andere Verfahren, die auf grossen Datenmengen arbeiten, bestimmen Entscheidungen, Innovationen und auch Alltag mit.
ALPORAs Fondserstellung beruht auf Datenmengen, die mithilfe von speziell entwickelten Methoden ausgewertet werden, um die innovationseffizientesten Unternehmen eines Marktes zu identifizieren.

Datenerhebung
Sie sind allerdings längt nicht alle zuverlässig an einer Stelle zusammengetragen – ausser bei ALPORA.
Denn das ganze Jahr über tragen wir die für unsere Analyse notwenigen Daten aus verschiedenen Quellen zusammen: Aus frei verfügbaren Verzeichnissen einerseits und durch Gespräche, Interviews und Kooperationen andererseits.

Objektive Daten, unabhängig gesammelt
Um die Qualität, also insbesondere Objektivität der Daten sicherzustellen, bietet ALPORA selbst keine Beratung zur Verbesserung der Innovationseffizienz in Unternehmen an. Stattdessen bieten wir Unternehmen als Ausgleich für ihren Aufwand eine ebenso objektive Analyse ihrer Erfolge und Potenzialbereiche an.
So bleibt ALPORA unabhängig und der Nutzen für beide Seiten ist maximal. ALPORA ist an einer unabhängigen Bewertung zur Entwicklung der Innovationsfonds interessiert. Und auf Unternehmerseite sind nur objektive Analysen, basierend auf validierten Daten, wertvolles Feedback.

Datenparameter
DetailsDatenaufbereitung
Das bedeutet, dass sie vor der Analyse mit grosser Sachkenntnis weiterverarbeitet werden müssen: Beispielsweise durch die «Übersetzung» von qualitativen Antworten in einem Interview in konkrete quantitative Angaben, durch das Zusammenfügen von Informationen aus unterschiedlichen Quellen oder umgekehrt durch das Bereinigen einer Information von zusätzlichen, störenden Angaben.

Welche Daten fliessen in die Berechnungen von ALPORA ein?
Sowohl das ICA- als auch das OCA-Verfahren basieren jeweils auf mehreren Dutzend Parametern, die bei jeder Analyse in die Berechnung von Gewichten und Ergebnissen einfliessen.
Zusammenfassend lassen sie sich in zwei sehr grobe – Input- und Output-Parameter – und sieben etwas feinere Kategorien unterteilen:
- Forschung und Entwicklung
- Wissensbildung
- Innovationskultur
- Kooperationen
- Kommerzialisierung
- Patenterfolg
- Prozessverbesserung

Von Daten zu Ergebnissen: ALPORAs Methoden
Im zweiten Schritt werden die erhobenen, bereinigten und aufbereitenden Daten mit Machine-Learning-Verfahren und den von ALPORA entwickelten Analyse-Methoden untersucht, um die innovationseffizientesten Unternehmen eines Marktes zu identifizieren.