星期日, 3月 11, 2007

做學術研究的微笑曲線

最近我突然覺得,做實驗的工作呢,在生技的領域裡,也有所謂的"微笑曲線", 在左端的源頭,就是提問的能力。問對好問題,這個研究就成功了一半,只是這部份比較牽涉個人哲學觀,有些人以應用科學為主,或是以追求真理為先,問的問題就有先天的不同,強迫不得。問完問題後的設計實驗也是高附加價值的動作。規劃好研究的整體邏輯架構與因果關係,可以清晰判定一開始的假設,釐清問題是什麼,該用什麼方法證明這個問題的對錯,因而規劃出這個研究所需耗損的金錢成本與時間,假使在這裡謹慎,可以讓研究的產能與效率都提高。所以說有一個好的指導者,實驗室會做聰明的工作,而不是努力的工作。

到中端的位置呢,就是做勞力的實驗,把 資料生產出來的動作,這裡是附加價值相對低的地方,訓練的再好,最後頂多當一個technician。現在美國很多大實驗室,都跟中國的頂尖學校合作,中國負責生產資料,美國負責分析,中國人學到國外頂尖的研究如何做,美國人也能減少勞力,多發揮後端靠腦力分析資料的部份。要在技術上勝過這些苦幹的中國人,我想就連生技強國也望之卻步吧,不過,如果真的對這個方面很有興趣,不如就去技術開發部門工作吧,很多生技廠商都很喜歡開發新技術,也是目前生技較蓬勃的地方,只是未來,我想這不會是附加價值最高的地方。當然也不是說這裡不重要,這裡其實是相當重要的,因為這是這一行裡面的遊戲規則,如果你不知道現在技術的限制以及能做什麼,那你的創意或是想法也沒有辦法成功實現。

位於最右端的,當然就是資料的分析與判讀,像是美國Affymetrix Inc. 生產的乳癌檢測晶片,只要做特定的高風險基因變異(potential risk SNPs)檢測,就可以知道病人的得病機會,提早做預防。當然這個背後就是靠精準的分析,如何從幾萬個基因中分析出來,靠少數基因就能判定疾病風險,節省許多醫療與實驗成本。分析資料釐清問題與答案,我想在未來應該是應用性最高的一塊吧,就好像是生技的服務端或是顧問端,因為客人永遠需要你的諮詢。結論是,假使眼光銳利,能夠看清資料忠實呈現的結果,進而問出下一個好問題,那這個人在學術界,或是業界R&D部門應該都可以混的很好吧!

總結上面所述,我想不管是研究微笑曲線的哪一端,最重要的是自己的思考與創意力,是否清楚明白自己適合哪一端,並且評估自己的優勢在哪裡,假使在中端的資料生產,不斷做程序創新與技術改進,一樣可以闖出自己的專業與不可取代性。

8 則留言:

匿名 提到...

喔 爆頭的網志不錯喔,整個很有內容 讚!祝你論文寫的好,再多貼一些網誌啊

Mingtang Yang 提到...

感謝支持啊!有意見也可以提出來討論啊~ 我也好希望快點論文寫完順利畢業啊 ^^"

匿名 提到...

Smile Curve只是一個特殊環境下的現象,並不能解釋其各階段實際的價值!今天這個特殊的背景是高所得區域在分工後給低所得區域的工作產生的狀態!如果生產製造如此低價值,我可以舉個反例:軍火工業!去看看這種無法做國際代工的產業他的設計製造成本有多貴?提出需要分析問題的政府部門又在整個環節中消耗多少資源?到時候會發現這個curve不再smile而是開始grumpy!
一點心得!我覺得你的看法有一點倒因為果.....

Mingtang Yang 提到...

上面的先生您好 ^^
抱歉我有點不懂您的軍火工業的例子,也可以請你解釋一下我的"因"跟"果"各是什麼嗎?謝謝你喔~ 也感謝你提供不一樣的看法!

匿名 提到...

上面的匿名先生你說的沒有錯...我想對於這個smile curve例外的產業有太多,生產製造怎麼可能都是低附加價值?不過你也太認真了....。作者提到的應該只是他對於生技產業方面的看法,我倒是認為分析的蠻有道理。

匿名 提到...

先說我不是認真魔人!只是提一點不一樣的意見去思考....
我認為因是獨特的分工方式,果是smily curve。在不同的分工方式或是其他因素下,會導致不一樣的curve!既然如此,這整篇討論以smily curve為起始點的邏輯就先有問題了,因為作者假設smily curve是導致一個過程各階段的價值差異的根本原因,這是有問題的分析方式!所以作者結論導致的問題是,就算只以生技產業來說,資料產生的價值在作者提供的中美分工模式下很明顯的被低估了。這是我上一篇想說的!歡迎批評指教

匿名 提到...

不好意思!剛剛去仔細研究了一下smile curve的分析,發現我自己沒有搞清楚smile curve的意義!以生物晶片來說,前端應該是晶片的研發,中端是晶片的製造,尾端是service,在這就是醫療服務。以學術研究過程來講,大致上那張圖是對的。我想作者的分析不能說是不對,不過這個現象的存在的確是case by case而不能當一個通則。

Mingtang Yang 提到...

真是抱歉,我表達的方式可能讓大家誤會了,其實我主要是講學術研究上的微笑曲線啦,真是不好意思還舉了公司的例子,可能容易讓人誤會!

先說我的思考路徑好了,其實我是在做研究的時候,漸漸感覺到在研究的不同階段,需要的技術與思考均不同。並且逐漸會發現,在這個領域會成功的案例,大多是知識密集端,如果把研究的前後拆成生產鏈,把附加價值(研究的競爭力)做綜軸考量,那不就和施振榮先生的微笑曲線有相似的結果嗎?所以只是借用施先生的曲線來打個廣告 XD

只是施先生講產業,我這裡講研究,Affymetrix的例子只是想講,資料分析的好,能夠節省多少的成本,以及可以用這樣的成果去商品化,或是顧問化。

像是有網友提到製藥,其實這個曲線涵蓋的範圍也只是R&D那一部份,從提問(找利基市場),假設(推斷疾病治療機制與切入點),實驗(合成,測試藥物活性),到分析(如何修正compound活性,治療機制是否符合假說),這些研究的步驟還是屬於這個微笑曲線的範疇。但是如果說到臨床試驗那邊,當然又是different story了~

謝謝大家的討論與發言,我想每提出一個想法,就是應該要經過大家的檢視與挑戰,歡迎不同的意見加入討論啊 ^^"