创新推动生产率，而生产率带动就业增长，并创造财富，为我们的医疗、教育、国防和社会保障体系提供资金。简言之，创新至关重要。政府、企业和学者都对此高度关注。我们需要了解什么有效、什么无效以及原因，这意味着要借助测量和指标。但如今我们真的能衡量创新吗？我们做得对吗？我们的指标是否更适用于工业2.0和3.0，而非4.0？
在工业4.0时代，所有创新都是组合式创新。来自英格兰公立国家医疗服务体系的以及前任谷歌首席执行官埃里克·施密特的领导者都承认这一事实。几乎没有任何创新可以归功于单一来源。
例如，iPhone或许出自史蒂夫·乔布斯、乔纳森·艾夫以及他们才华横溢的工程师和设计师团队之手，但它也受益于美国政府主导的创新，例如GPS，当然还有互联网。把iPhone这类创新完全归功于国家，实在荒谬；但与此同时，真正原创的想法寥寥无几。大多数成功的创新取决于执行，而非创意本身，因为许多人可能同时在追求相同的创意。外观相似的LG Prada在iPhone问世前不久上市，而在iPhone之前也有不少类似触屏掌上电脑的手机，但没有一款产生了像iPhone那样的定义行业的影响。
然而，衡量这类创新虽然复杂，也不应阻止我们尝试。
衡量创新很重要……
良好的指标有助于制定更好的政策。经济合作与发展组织的国际学生评估项目（PISA）衡量在校学生的数学、科学和阅读表现；该项目改善了政策讨论，并在一些国家带来了更好的成果。它推动了新加坡非凡的教育成就。与此同时，关于死亡原因的统计数据在引导卫生资源转向早期干预方面发挥了重要作用，从而延长了预期寿命。
但衡量创新并非易事。
……但很难
指标必须涵盖多种形式的创新，这些创新的动机、开发过程和后果各不相同。过去，人们可以在特定组织、团队或个人中识别创新；如今，创新更常由多个参与者通过网络协作完成，因此更难衡量。人们希望指标简单、易于获取、可跨国比较，且采集和计算成本低廉，这些要求妨碍了创新数据的收集。它们也无法反映创新复杂且往往纷乱的现实，更不用说捕捉创新是否会造成负面后果，例如在冰箱中使用氯氟烃（CFC）。
过去60年来，经济从产品转向服务，再转向日益注重体验的形态，这改变了研究与开发（R&D）的性质。研发投资和专利等传统创新衡量方式，在创新主要发生于大型制造企业时尚可适用；但如今许多创新活动发生在服务、商业模式和创业型初创企业中，这些传统方式的价值有限。许多创新并不依赖传统的研发投入和流程，也有许多创新并未通过正式的知识产权加以保护，而是依靠快速变化和保密；这使它们难以衡量。
围绕创新调查，人们积累了大量专业经验。这类调查会询问企业是否进行创新，以及创新的形式。欧盟的共同体创新调查（CIS）就是一例。该调查协调各国统计机构，广泛收集欧盟各地区和行业的创新数据。但自我申报的创新可能带有主观性，也难以校准。我们知道基础设施和资源行业中存在世界领先的创新，却未被统计记录；相反，一家在政府调查中被认定为创新型的企业，后来发现只是一家使用新品牌染发剂的理发店。
还需要作出其他判断：创新是世界范围内的新事物、行业或地区的新事物，还是仅对企业而言是新的？将现有产品或服务调整后推向新市场，算不算创新？这些调查可以告诉我们自称具有创新性的企业的数量和类型，却没有回答更重要的问题：企业如何进行创新，以及这种创新是否有所改善。
在工业4.0时代，资本品——即用于生产的资产——的性质及其衡量方式发生了重大变化。过去，资本品主要包括大型工厂和生产设备方面的投资，并为会计和税务目的进行细致记录，为政府提供准确的信息。如今，设计等无形投资和活动重要得多，但也更难衡量。工业4.0的新型数字技术，例如人工智能和机器学习、虚拟现实与增强现实、仿真和建模方法，以及增材制造和基因组编辑等新颖的小规模物质操控方式，都使重要创新投资的记录和分类变得更加复杂。
创新的衡量方式正在改变
负责收集国家和国际统计数据的机构充分认识到自身方法的不足，正在寻找更切合实际的方式来衡量创新绩效。例如，澳大利亚政府一直是这一领域的先行者，目前正在对指标进行重大审查，其中包括全面的文献综述和公众咨询。
这些机构已从中吸取了重要经验。研发等投入指标，以及研发总支出占国内生产总值（GDP）的比例等创新绩效平均值，存在局限性，可能掩盖分布偏斜，并无助于评估。人们正在认识到，在国家和组织层面操纵制度的机会。人们也意识到，定义不当的指标一旦成为政府的目标，就会带来危险。
我们欢迎这类信息收集工作有所改善，但认为还需辅以一些截然不同的方法。
衡量与洞察的新机遇
纳入行为科学的洞见大有裨益。现代经济中占比最大的服务业，其新服务创意往往产生于消费环节。这意味着，消费者和“用户创新者”的行为日益重要。此外，随着人工智能和自动化取代重复性工作，创造力、直觉和共情等人类特质变得更加重要，了解创新相关行为也至关重要。行为科学通过改变个人和群体的行为，正开始被用于应对环境和健康等重大全球问题。希望提升创新绩效的政府和组织，越来越需要将行为心理学和行为经济学的洞见纳入指标。比如，将行为科学应用于推广良好的创新实践和改进风险管理，或许能帮助我们洞察未来绩效。
数据科学和数字科学为开发实用的创新指标带来了新机遇。创新统计机构正在探索新的数据来源如何补充和完善其工作。分析社交媒体网站以及用于创意和就业的电子市场，例如 InnoCentive 和 LinkedIn，可以提供宝贵洞见。尽管人们担心所收集的信息存在自我选择偏差，且可能缺乏代表性，但数据抓取和分析工具可以为创新活动提供有用的新洞见和实时洞见。
诸如Digital Science这样的公司正在利用人工智能工具绘制科学发展轨迹，这些工具也可用于绘制创新轨迹。科学家已创建算法并运用机器学习研究健康状况和天气预报等复杂的新兴现象，这些方法也可以改造后用于衡量创新。要真正理解创新，就必须深入了解组织内部的运作情况。衡量时必须考虑风险如何评估、决策如何制定和实施，以及如何应对内部政治的坎坷和组织内部围绕资源展开的角力。要为政府政策提供依据，就必须以定性案例研究补充创新绩效的量化指标。要让这些案例研究有价值，就必须遵循正式的研究方法规范，以确保研究相关、准确且可比较。
政府的创新政策必须立足于新工业时代的绩效和实践，并以改善这些绩效和实践为目标。创新的发生方式正在改变，因此衡量创新的指标也必须回应这一新现实。
