STEUNPUNT ONDERNEMEN EN REGIONALE ECONOMIE NAAMSESTRAAT 61 – BUS 3550 BE-3000 LEUVEN TEL + 32 16 32 66 61 | FAX + 32 16 37 35 11
[email protected] www.steunpuntore.be
Beleidsrapport STORE-B-13-023
Geografische clustering van industriële bedrijfstakken in het Vlaamse Gewest: van clusterkaarten tot een eerste netwerk-gebaseerde definitie van duurzame chemie
THOMAS VANOUTRIVE Promotor: prof. ANN VERHETSEL APRIL 2014
Samenvatting Geografische concentraties van bedrijven die in dezelfde bedrijfstak actief zijn, wekken de aandacht van zowel wetenschappers en beleidsmakers. Concentratie laat specialisatie toe, wat een voordeel kan opleveren voor bedrijven wiens markten de grenzen van de eigen regio overschrijden. Ruimtelijkeconomische clusters zijn echter niet zo eenvoudig te definiëren. In deze paper wordt het ruimtelijk patroon van industriële bedrijfstakken in kaart gebracht. Maar omdat de ruimtelijk spreiding van bedrijven slechts één element is in het geheel van processen die met clusters worden geassocieerd, zoekt deze paper naar een alternatieve definiëring van cluster-achtige concepten. Samenwerking en netwerken zijn immers niet zichtbaar op een traditionele kaart van de verspreiding van een industriële sector. Daarenboven zijn door overheden geselecteerde speerpunten als ‘duurzame chemie’ niet op basis van traditionele statistieken af te bakenen. Een verkennende analyse van duurzame chemie in het Vlaamse Gewest op basis van netwerkevents illustreert hoe op een andere manier cluster-gerelateerde concepten kunnen worden gedefinieerd. Onderstaande figuur (Figuur 0) is de zo bekomen ‘kaart’ van duurzame chemie. Deze geeft weer welke organisaties betrokken zijn bij activiteiten die met het FISCH-platform voor duurzame chemie worden geassocieerd. De afstand tussen organisaties in de figuur is een maat voor hun verwantschap en de lijnen geven weer dat er contact geweest is tussen twee organisaties. Figuur 0: Grafische weergave van ‘duurzame chemie’
STORE-B-13-023
2
1. Introductie Clusters zijn geografische concentraties van bedrijven die in dezelfde bedrijfstak actief zijn. Doordat ondernemingen in elkaars nabijheid gelegen zijn, kunnen ze genieten van een aantal voordelen zoals een gespecialiseerde arbeidsmarkt, de aanwezigheid van complementaire activiteiten en een intensere kennisuitwisseling met actoren in dezelfde sector. De co-locatie van gelijksoortige bedrijven is een zichtbare indicator voor clusters, iets minder zichtbaar zijn de klant-leverancier relaties tussen ondernemingen in hetzelfde gebied en de meer informele samenwerking tussen bedrijven (Feser and Bergman 2000). Nochtans zijn de contacten tussen werknemers van diverse bedrijven een essentieel onderdeel van de werking van een cluster. Het vergemakkelijken van kennisuitwisseling wordt in de literatuur immers gezien als één van de grote voordelen van clustering. Zeker in de ‘Italiaanse’ literatuur betreffende clusters worden deze ruimtelijke concentraties van economische activiteit dikwijls ‘industrial districts’ genoemd. Op basis van voornoemde elementen definieert Becattini (2004, p.19) een cluster of ‘industrial district’ als ‘a socioterritorial entity which is characterised by the active presence of both a community of people and a population of firms in one naturally and historically bounded area’. Het gaat hierbij dus niet enkel over bedrijven, maar ook over onderwijsinstellingen, de attitude van overheden ten opzichte van een bepaalde bedrijfstak en culturele elementen. Auteurs als Becattini verwijzen daarbij naar de sociologische dimensie van een cluster en benadrukken het belang van vertrouwen, een gevoel van verbondenheid en regelmatige informele contacten tussen actoren die tot de cluster behoren. Hetgeen binnen een cluster gebeurt, wordt ook wel eens omschreven als ‘local buzz’,in een cluster circuleren nieuwtjes en informatie veel sneller en door de persoonlijke contacten krijgt men een beter zicht op het verhaal achter nieuwe ontwikkelingen. Veel informatie kan immers niet gewoon neergeschreven worden maar vergt interpretatie en achtergrondkennis. Naast informatie delen clusteractoren ook waarden, attitudes en een specifieke kijk op problemen en oplossingen. Omdat dit zou kunnen leiden tot een in zichzelf gekeerde gemeenschap van aan een cluster verbonden bedrijven, zijn ook de zogeheten ‘global pipelines’ van belang. Door contacten met bedrijven en andere actoren elders kan men kennis importeren, blijft men bij met de laatste ontwikkelingen en kan samengewerkt worden met specialisten die niet aanwezig zijn in de eigen cluster (Bathelt et al. 2004). Congressen, beurzen en andere events faciliteren het delen van kennis en het opzetten van samenwerkingsverbanden en worden daarom wel eens ‘tijdelijke clusters’ genoemd (Maskell et al. 2006). Aangezien clusters ruimtelijk verankerd zijn en regelmatig als economische succesverhalen omschreven worden, is er heel wat beleidsinteresse voor het fenomeen cluster of ‘industrial district’ (Lovering 1999; Martin and Sunley 2003). Aangezien clusters gespecialiseerd zijn in één of enkele aan elkaar gerelateerde bedrijfstakken komt het idee ook naar voor in ‘slimme specialisatie’-beleid. De Europese Unie vraagt lidstaten om cohesiefondsen te concentreren in een beperkt aantal beloftevolle activiteiten. Door specialisering en het samen voorkomen van een diverse set van gerelateerde bedrijven en instituten in één regio is er heel wat potentieel voor innovatie. Ook binnen de Vlaamse beleidscontext worden heel wat initiatieven genomen om ‘speerpunten’ te selecteren en structuren en instituten op te richten die een bepaalde gekozen specialisatie ondersteunen (Vanthillo and Verhetsel 2012; VRWI 2013). Figuur 1 geeft het overzicht van de Vlaamse Raad voor Wetenschap en Innovatie (VRWI) van de veelheid aan initiatieven en structuren die in de Vlaamse context bestaan waarbij ook het Europese kader gegeven wordt (op basis van de in het VRWI-advies besproken ‘conceptnota Innovatiecentrum Vlaanderen’). De VRWI wijst er op dat er een veelheid aan initiatieven is, die soms deels overlappen, en dat er nood is aan een coherent kader waarbinnen afstemming tussen initiatieven wordt gegarandeerd. Het is volgens hen immers niet steeds duidelijk wat de relatie is tussen bijvoorbeeld eerder geselecteerde speerpunten en het Nieuw Industrieel Beleid (NIB). We gaan hier niet dieper in op de veelheid aan initiatieven, maar geven de figuur om te illustreren dat er heel wat leeft in het beleid rond ‘slimme specialisatie’, dat allerhande platformen worden opgericht, strategische sectoren worden geselecteerd en ondersteund, en projecten worden geïnitieerd.
STORE-B-13-023
3
Figuur 1: Overzicht van Vlaamse en Europese initiatieven in het kader van het ‘slimme specialisatie’ beleid (bron: VRWI 2013, p.13)
STORE-B-13-023
4
Voorliggende paper gaat, in navolging van eerder onderzoek binnen het steunpunt Ondernemen en Ruimtelijke Economie (Bringmann et al. 2014a), in op de vraag hoe groepen van bedrijven en eventueel andere actoren kunnen worden afgebakend en in kaart gebracht. Cluster- en slimme specialisatiebeleid heeft het immers over sectoren en activiteiten als biotechnologie, duurzame chemie en de materiaalindustrie welke moeilijk te vatten zijn in traditionele classificatiesystemen. Eerst geven we enkele kaarten die aangeven waar bedrijvigheid in een bepaalde bedrijfstak ruimtelijk is geconcentreerd. Vervolgens bespreken we kort eerder onderzoek dat gezocht heeft naar relaties tussen bedrijven en dus nagaat of er daadwerkelijk sprake is van interactie. Wanneer twee gelijksoortige bedrijven in elkaars nabijheid gelegen zijn, betekent dit immers niet automatisch dat er enige vorm van samenwerking is. Tot slot gaan we aan de hand van een voorbeeld, duurzame chemie, na hoe vetrekkende van concepten als ‘local buzz’ en ‘clustergevoel’ soms moeilijk definieerbare ‘clusters’ kunnen worden gedefinieerd. Door gebruik te maken van concepten en technieken uit de sociale netwerkanalyse kan de gemeenschap die actief is rond een ‘speerpunt’ in kaart worden gebracht. Zoals zal blijken gaat het daarbij niet enkel om industriële bedrijven, maar ook om kennisinstellingen, sectorfederaties en overheidsdiensten.
2. Ruimtelijke concentratie Aangezien clusters kunnen gedefinieerd worden als geografische concentraties van bedrijven die in dezelfde bedrijfstak actief zijn, vormen kaarten een veelgebruikt instrument voor verkennende analyses. Hier geven we enkele kaarten die de concentratie van werkgelegenheid weergeven voor verschillende industrietakken in België. Hiervoor maken we gebruik van de balanscentrale van de Nationale Bank van België (jaar 2010) waarbij we bedrijven groeperen per gemeente. Hierbij dient te worden opgemerkt dat sommige bedrijven meerdere vestigingen hebben maar dat al het personeel soms toegewezen wordt aan de hoofdvestiging. Daardoor kan het belang van locaties met veel hoofdkwartieren (bv. Brussel) worden overschat. Hier maken we gebruik van de tweecijferige code uit de NACE 2008 classificatie om ondernemingen in te delen in bedrijfstakken. Industrie omvat de codes 10 tot en met 33, de laatste categorie (33) beelden we niet afzonderlijk af omdat ‘Reparatie en installatie van machines en apparaten’ niet gaat over ‘vervaardiging’ of productie zoals bij de overige categorieën wel het geval is. Voor de volledigheid en vergelijkbaarheid met andere bronnen, nemen we categorie 33wel op in het totaal van de industrie. De 23 bedrijfstakken worden samengevoegd in 11 groepen om zo tot een overzichtelijk aantal te komen. Dit samenvoegen gebeurt op basis van de symmetrische input-outputtabel van de binnenlandse productie voor het jaar 2010 (zie voor meer geavanceerde applicaties van dergelijke methoden bv. Feser and Bergman 2000; Feser and Sweeney 2002). Wanneer de interactie tussen twee bedrijfstakken minstens 20% betekent van de totale hoeveelheid interacties van één van de bedrijfstakken, dan worden deze samengevoegd. Een uitzondering werd gemaakt voor de voedingssector en de papiersector die heel wat input-output relaties hebben, maar desalniettemin toch een ander product afleveren. Hetzelfde geldt voor textiel en chemie. Tabel 1 geeft een overzicht van de bekomen bedrijfstakken.
STORE-B-13-023
5
Tabel 1: Bedrijfstakken die in kaart worden gebracht Groep a a a b b b c
NACE 10 11 12 13 14 15 16
d d e e e e f g g h g h i j k k
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
omschrijving Vervaardiging van voedingsmiddelen Vervaardiging van dranken Vervaardiging van tabaksproducten Vervaardiging van textiel Vervaardiging van kleding Vervaardiging van leer en van producten van leer Houtindustrie en vervaardiging van artikelen van hout en van kurk, exclusief meubelen; vervaardiging van artikelen van riet en van vlechtwerk Vervaardiging van papier en papierwaren Drukkerijen, reproductie van opgenomen media Vervaardiging van cokes en van geraffineerde aardolieproducten Vervaardiging van chemische producten Vervaardiging van farmaceutische grondstoffen en producten Vervaardiging van producten van rubber of kunststof Vervaardiging van andere niet-metaalhoudende minerale producten Vervaardiging van metalen in primaire vorm Vervaardiging van producten van metaal, exclusief machines en apparaten Vervaardiging van informaticaproducten en van elektronische en optische producten Vervaardiging van elektrische apparatuur Vervaardiging van machines, apparaten en werktuigen, n.e.g. Vervaardiging en assemblage van motorvoertuigen, aanhangwagens en opleggers Vervaardiging van andere transportmiddelen Vervaardiging van meubelen Overige industrie
Figuur 2 toont kaarten van het absolute aantal voltijdsequivalenten in elke gegroepeerde bedrijfstak. Als vergelijkingsbasis is ook een kaart van de werkgelegenheid in de industrie in zijn geheel gegeven. Verschillende kaarten wijken slechts in beperkte mate af van de spreiding van de industrie in haar geheel, terwijl sectoren als textiel en kledij sterk geconcentreerd zijn (in het zuiden van WestVlaanderen en in Oost-Vlaanderen). Een aantal bedrijfstakken telt een beperkt aantal werkplaatsen waardoor een meer diepgaande ruimtelijke analyse weinig nieuwe elementen zou aanbrengen (bv. in het geval van de vervaardiging van transportmiddelen). Voor dergelijke sectoren is bv. case study onderzoek relevanter. Voor drie grote bedrijfstakken wordt het ruimtelijk patroon wel onderworpen aan een analyse in het volgende deel.
STORE-B-13-023
6
Figuur 2: Werkgelegenheid in industriële sectoren in 2010 per gemeente (bron: balanscentrale NBB)
STORE-B-13-023
7
Figuur 2 (vervolg): Werkgelegenheid in industriële sectoren in 2010 per gemeente (bron: balanscentrale NBB)
STORE-B-13-023
8
3. Clustering meten op basis van co-locatie Onderzoekers meten het verschijnsel ruimtelijk-economische cluster op verschillende manieren (zie Bringmann et al. (2014a) voor een overzicht). Een eerste groep studies legt de nadruk vooral op specialisatie en meet clustering relatief, i.e. in welke gebieden staat een bepaalde bedrijfstak in voor een hoger percentage van de werkgelegenheid of toegevoegde waarde? Echter, ook absolute cijfers zijn van belang (van den Heuvel et al. 2011). Voor heel wat processen die geassocieerd worden met ruimtelijke clustering is het niet van essentieel belang dat de bedrijfstak ook relatief gesproken groter is, er moet enkel voldoende massa aanwezig zijn om regelmatige interactie tussen sectorgenoten mogelijk te maken en om een gespecialiseerde arbeidsmarkt te ontwikkelen. Geïsoleerde industriële bedrijven in een landelijke omgeving kunnen er voor zorgen dat de gemeente in relatieve termen sterk gespecialiseerd is, ook al is er slechts sprake van één enkel bedrijf en is er dus geen sprake van een cluster. Vandaar dat het nuttig is om naast specialisatie ook oog te hebben voor absolute cijfers. In navolging van Vanoutrive en Verhetsel (2014) maken we hier gebruik van Local Indicators of Spatial Association (LISA) om drie bedrijfstakken te analyseren (Anselin 1995; Bivand et al. 2008). Dit is een zogeheten ruimtelijke methode die in rekening brengt welke observaties in elkaars nabijheid zijn gelegen. Op basis van de werkgelegenheid per km² (log) bepalen we welke gemeenten tot een cluster behoren. De analyse is beperkt tot 307 gemeenten van het Vlaamse Gewest, de gemeente Voeren werd niet opgenomen omdat deze niet grenst aan een andere gemeente, een voorwaarde voor het gebruik van de methode. De rest van België wordt niet meegenomen in de analyse omdat heel wat gemeenten in het Waalse Gewest geen werkgelegenheid hebben in de bedrijfstakken en omdat enkele Brusselse gemeenten extreem hoge waarden kennen. Dit vormt een beperking van deze analyse. De hierboven vermelde methode vereist voldoende observaties die verschillen van nul. Niet elke bedrijfstak komt in aanmerking voor analyse omdat er soms meer dan 200 gemeenten van de 307 zijn zonder werkgelegenheid in een bepaalde bedrijfstak (dit is het geval voor NACE 29 en 30). We selecteerden drie bedrijfstakken die aanwezig zijn in de meerderheid van de 307 gemeenten en waarvan de werkgelegenheid meer dan 40 000 voltijdsequivalenten bedraagt. De drie takken zijn: ‘voeding en dranken’, ‘chemie en farmacie’, en ‘metaal’. Op basis van de methode beschreven in Vanoutrive en Verhetsel (2014) werden de gemeenten ingedeeld in volgende categorieën: -de gemeente behoort tot een cluster op lokaal niveau (op basis van aangrenzende gemeenten) -de gemeente behoort tot een cluster op bovenlokaal niveau (op basis van alle gemeenten binnen een straal van 15km) -de gemeente behoort zowel tot een cluster op lokaal als op bovenlokaal niveau -de gemeente behoort tot de top 20 wat betreft werkgelegenheid in de bedrijfstak per km², maar behoort niet tot één van de voornoemde clusters -overige gemeenten Figuur 3 geeft het resultaat van deze analyse cartografisch weer.
STORE-B-13-023
9
Figuur 3: Ruimtelijke clustering in drie bedrijfstakken in het Vlaamse Gewest: ‘Voeding en Dranken’, ‘Chemie en Farmacie’ en ‘Metaal’ (op basis van balanscentrale NBB 2010)
STORE-B-13-023
10
Wat opvalt is dat de Antwerpse agglomeratie naar voor komt als een cluster in alle drie de bedrijfstakken, net als het zuiden van West-Vlaanderen, Mechelen en de zone langsheen de N16. Dit weerspiegelt het ruimtelijk patroon van de werkgelegenheid in de industrie in het algemeen. Voor de voedingssector kan gewezen worden op de veilingen van Roeselare en Sint-Katelijne-Waver. Deze laatste gemeente staat niet afgebeeld als een cluster maar in de omgeving is wel Mechelen ingekleurd, mede doordat aangrenzende gemeenten als Sint-Katelijne-Waver hoog scoren. Chemie en farmacie scoort zoals te verwachten goed in en rond de Antwerpse haven en langsheen de N16. Ook in de streek van Waregem, Wielsbeke en Oostrozebeke is er een ruimtelijke cluster aanwezig. Tot slot zijn er langsheen het Albertkanaal nog enkele gemeenten aangeduid als kern van een cluster. In de metaalsector vormen de Antwerpse agglomeratie en de zone langsheen de N16 een cluster, net als de streek van Roeselare en die van Kortrijk. Ook rond Genk is een ruimtelijke cluster gedetecteerd.
4. Clustering meten op basis van relaties 4.1 Netwerken en clusters Hierboven werd ingegaan op de geografische concentratie van bedrijven in dezelfde bedrijfstak. Dit vormt één dimensie van clusters (de co-locatie), de andere cruciale dimensie wordt gevormd door de relaties tussen actoren die actief zijn in een cluster. Het is immers door samenwerking en specialisering dat clusters economisch zo succesvol zijn. Zonder inzicht in de netwerken die bestaan tussen actoren geassocieerd met een cluster blijft een analyse onvolledig (Giuliani 2010). Om na te gaan of logistieke bedrijven in België samenwerkten, maakten Vanoutrive en Verhetsel (2014) gebruik van leverancier-klantrelaties. Na het clusteren van dergelijke relaties kon vastgesteld worden dat geografische nabijheid ook gepaard gaat met samenwerking. Deze analyse was wel beperkt tot gelijksoortige actoren, in casu logistieke bedrijven. De netwerken die clusters maken tot wat ze zijn omvatten echter ook andere spelers zoals kennisinstellingen en overheidsinstellingen, en andere relaties dan die tussen klant en leverancier. Bringmann et al. (2014c) brachten het netwerk in kaart van bedrijven actief in biotech en de leveranciers van durfkapitaal. Om jonge bedrijven in de biotech te ondersteunen doen durfkapitalisten immers meer dan kapitaal voorzien, ze maken gebruik van hun netwerk en kennis met betrekking tot de sector om de jonge bedrijven in contact te brengen met andere actoren in de sector en daarbuiten (Bringmann et al. 2014b). Aangezien dergelijke netwerken en dynamieken niet gerapporteerd worden in klassieke databronnen, kan informatie over andere investeringen van de consortia die start-ups financieren en eerdere samenwerkingen inzicht geven in de evolutie van de netwerken die clusters maken tot lerende, innovatie-stimulerende omgevingen met zeer intense kennisuitwisseling (Bringmann and Verhetsel 2014).
4.2 Duurzame chemie als een netwerk Terwijl biotech nog als een categorie terug te vinden is in sommige databanken (Bringmann and Verhetsel 2014), is dit niet het geval voor verschillende speerpunten, transitiegebieden en programma’s die geselecteerd worden door overheden (zie bv. Figuur 1). We gaan hier in op het voorbeeld van de ‘duurzame chemie’. In 2012 werd een vzw opgericht door de Belgische federatie van de chemische industrie en life sciences (Essencia), enkele bedrijven, de Vlaamse Instelling voor Technologisch Onderzoek (VITO) en de Vlaamse universiteiten (associaties). Deze vereniging werd FISCH gedoopt, wat staat voor Flanders Innovation Hub for Sustainable Chemistry. Door de Vlaamse Overheid werd dit erkend als een lichte structuur (competentiepool), dit zijn kleine organisaties die voor een deel gefinancierd worden door de industrie, en innovatie promoten. De leden van FISCH zijn bedrijven, sectororganisaties, universiteiten en andere gelijkaardige platformen (FISCH 2014). Duurzame chemie is een moeilijk te definiëren begrip. Het lijkt vooral te gaan om de effecten en de impact van een technologie of proces, en minder om de technologie en de processen zelf. Een definitie geven van de term ‘duurzaam’ die een eenduidige classificatie toelaat, is misschien wel onbegonnen werk. Volgens de website gaat het om ‘duurzame (bio)chemische oplossingen […] die een positieve
STORE-B-13-023
11
bijdrage leveren tot de huidige en toekomstige maatschappelijke uitdagingen’ (FISCH 2014). In de wetenschappelijke literatuur vinden we ook pleidooien terug voor een duurzame chemische regio Antwerpen-Rotterdam en duurzame chemische industrieparken. De centrale vraag is daarbij hoe dit kan worden gerealiseerd, waarbij het belang van samenwerking tussen bedrijven wordt onderstreept. Maar artikels als Reniers et al. (2010) over duurzame chemische industrieparken laten wel in het midden wat duurzame chemie is of zou moeten zijn. Indien we even teruggrijpen naar de definitie van Becattini (2004) van ‘industrial districts’ (clusters) dan kan die ons echter wel helpen om ‘duurzame chemie’ beter te definiëren. Er is duidelijk een sociologische dimensie aan FISCH, het is immers een netwerk van bedrijven, kennisinstellingen en overheidsinstellingen (de triple helix). De ruimtelijke dimensie is minder expliciet, al is FISCH wel duidelijk geassocieerd met het Vlaamse Gewest. In wat volgt zullen we trachten de ‘cluster’ duurzame chemie empirisch te vatten. Becatinni (2004) benadrukt dat actoren zichzelf (actief) associëren met een cluster. In dit voorbeeld van duurzame chemie gebruiken we dit concept van zelfidentificatie om het empirisch te vatten. Met andere woorden, een actor behoort tot de ‘cluster’ duurzame chemie indien hij of zij zich bewust linkt aan de organisatie die staat voor ‘duurzame chemie’, in casu FISCH. Dit neemt uiteraard niet weg dat er actoren kunnen bestaan die geen band met FISCH hebben , maar die wel activiteiten uitoefenen die als duurzame chemie zouden kunnen worden bestempeld. Aangezien zij geen band hebben met ons vertrekpunt, behoren zij niet tot het netwerk dat we in kaart trachten te brengen. Het definiëren van ‘duurzame chemie’ of FISCH als een cluster is echter niet vrij van problemen. In de wetenschappelijke literatuur is het gebruik van het begrip cluster voor een hele waaier van heterogene ruimtelijk-economische constellaties sterk bekritiseerd (Martin and Sunley 2003). De term cluster wordt immers voor van alles en nog wat gebruikt, naargelang hetgeen men wil onderzoeken gaat het om kleine dan wel grote gebieden, of om een niche en dan weer om een grote groep van economische activiteiten (Ketels (2013) is een goed voorbeeld van dergelijke vaagheid in definitie). In voorliggende paper gebruiken we elementen uit de ‘cluster’literatuur om het verschijnsel ‘duurzame chemie’ in het Vlaamse Gewest beter te vatten. We gaan in voorliggende paper echter niet besluiten of er al dan niet een duurzame chemiecluster bestaat. Een eerste mogelijkheid om duurzame chemie af te bakenen is het inventariseren van de leden van FISCH en haar Raad van Bestuur. Van hen is het duidelijk dat ze zich associëren met duurzame chemie. Het is echter minder evident om een netwerk te construeren op basis van deze lijst van leden en vertegenwoordigers. Vandaar dat we een alternatieve methode gebruiken. De clusterliteratuur stelt dat allerhande events, conferenties en meetings intense en geconcentreerde momenten van kennisuitwisseling zijn. Deze ontmoetingen spelen een centrale rol in de ‘local buzz’ van een cluster. Ook internationale congressen kunnen gezien worden als een soort van tijdelijke clusters waar actoren op een informele manier kennis delen en samenwerkingsverbanden aangaan en bestendigen (Maskell et al. 2006). Op basis hiervan kunnen we dus aannemen dat events kunnen gebruikt worden om cluster-achtige netwerken in kaart te brengen.
4.3 Empirische verkenning van duurzame chemie Hier presenteren we een verkennende analyse van duurzame chemie op basis van concepten als ‘local buzz’ en tijdelijke clusters. Concreet hebben we de events geselecteerd die aangekondigd werden op de website van FISCH (http://www.fi-sch.be/nl/nieuws/ laatst geraadpleegd op 29/01/2014). Enkel events in België met een (sub)nationale focus en waarvan het programma beschikbaar was, kwamen in aanmerking. Grote internationale congressen werden dus niet meegenomen in deze verkenning. De basisobservatie-eenheid is de ‘lezing’ of ‘presentatie’. In totaal werden zo 179 lezingen, gegeven door 163 personen die behoren tot 109 organisaties geïnventariseerd op basis van informatie over 19 events die doorgingen tussen oktober 2012 en februari 2014. Een lezing gegeven door twee personen wordt aanzien als twee lezingen. Noteer dat personen kunnen behoren tot meerdere organisaties.
STORE-B-13-023
12
Dit soort data staat bekend in de sociale netwerken literatuur als ‘affiliatienetwerken’. Dit type netwerken wordt onder meer gebruikt om relaties tussen bestuurders die in meerdere raden van bestuur zetelen in kaart te brengen (Wasserman and Faust 1997, hoofdstuk 8). Hier richten we ons op organisaties en laten we personen buiten beschouwing aangezien veel personen slechts op één event als spreker aantraden. Gemiddeld spraken er op een event vertegenwoordigers van 8,7 organisaties. Figuur 4 geeft het bekomen FISCH-netwerk grafisch weer (gebruik makende van het R package ‘network’ en het Fruchterman-Reingold algoritme; Butts 2008a). De rode knooppunten zijn organisaties die elkaar ontmoet hebben op de door groene knopen weergegeven events. Deze figuur geeft weer hoe we ‘duurzame chemie’ conceptueel benaderen. Omdat heel wat organisaties slechts op één enkel event een lezing gaven, laten we die in een volgende stap buiten beeld (zie Figuur 5). Hun aanwezigheid kan immers op ‘toeval’ gebaseerd zijn. Figuur 4: Grafische weergave van het FISCH-netwerk: organisaties (rood) vertegenwoordigd op events (groen)
Figuur 5 geeft de ‘kern’ van het netwerk in Figuur 4 weer, maar dan zonder de events expliciet in beeld te brengen. De afstand tussen organisaties in de figuur is een maat voor hun verwantschap en de lijnen geven weer dat twee organisaties samen aanwezig waren op minstens één event. Doordat ook de namen van de actoren afgebeeld zijn, maakt het beeld duidelijk dat er een heterogene groep actoren betrokken is bij FISCH. Sectorfederaties, bedrijven en kennisinstellingen zijn verweven in één netwerk rondom het thema ‘duurzame chemie’. Ook al dienen we terughoudend te zijn om conclusies te trekken op basis van deze verkennende studie, het valt op dat in dit netwerk de grote petrochemische bedrijven ontbreken die gelegen zijn langsheen de Scheldelaan in Antwerpen, al is er wel één vertegenwoordigd in de Raad van Bestuur van FISCH. Voorts is een subnetwerk zichtbaar centraal links op de figuur en is duidelijk dat grotere Vlaamse universiteiten een meer centrale positie innemen. Om de conclusies robuuster te maken, is het aangewezen om te werken met grotere datasets. Indien meer observaties beschikbaar zouden zijn, dan kan ook de locatie van actoren en events in kaart worden gebracht en kan op basis daarvan worden gezocht naar ruimtelijke patronen. Ook kan de methode uitgebreid worden tot op het niveau van individuele personen of departementen. Universiteiten bijvoorbeeld, zijn grote instellingen waardoor het denkbaar is dat onderzoekers die nu allemaal onder dezelfde noemer vallen, in de praktijk niet met elkaar in contact komen.
STORE-B-13-023
13
Figuur 5: Het ‘duurzame chemie’ netwerk rond FISCH
Verschillende indices kunnen iets vertellen over de structuur van (sociale) netwerken (Butts 2008b). We beperken ons hier tot maten die worden gemeten op het niveau van de knooppunten omdat er geen andere netwerken zijn om indices voor het hele netwerk met te vergelijken. Tabel 2 geeft eerst de ‘degree’, het aantal links dat elke actor heeft met andere actoren. Dit is informatief en zegt iets over de betrokkenheid en positie in het netwerk, maar zeker in kleinere netwerken kan het aantal sprekers op enkele events het resultaat beïnvloeden. Een tweede maat is de ‘betweenness’, deze geeft aan hoe belangrijk een knooppunt is om andere knooppunten met elkaar te verbinden. Hierbij zien we dat de Openbare Afvalmaatschappij OVAM hoog scoort omdat ze twee verschillende delen van het netwerk met elkaar verbindt. Tot slot toont Tabel 2 de ‘eigenvector centrality’ die aangeeft hoe dicht bij de ‘kern’ van het netwerk een actor zich bevindt, of anders gesteld, hoe snel een actor andere actoren in het netwerk kan bereiken. We kunnen hier concluderen, op basis van de beperkte data, dat twee universiteiten (UGent en KULeuven), de technologische onderzoeksinstelling VITO en het bedrijf Proviron een centrale positie innemen in het FISCH netwerk, naast FISCH zelf.
STORE-B-13-023
14
Tabel 2: Enkele karakteristieken van knooppunten in het netwerk in Figuur 5 naam degree KULeuven 19 Proviron 19 UGent 19 VITO 19 OVAM 16 International Synergies 15 Van Gansewinkel 15 FISCH 14 FEBEM 13 CINBIOS 12 FlandersBio 12 Tereos Syral 12 Bio Base Eur Pilot Plant 11 Procter & Gamble 11 Rodenburg Biopolymers 11 Essencia 10 Wageningen Univ 10 Tessenderlo 9 UMICORE 9 Taminco 8 UHasselt 8 Allnex 7 Centexbel 7 ie net 6 Univ Liege 6 VUB 6 FEDERPLAST 4 Flanders Plastic Vision 4 Noot: evcen: eigenvector centrality
betweenness 56.28 41.58 56.28 54.42 80.64 12.98 12.98 47.74 35.24 2.17 2.17 2.17 0.00 21.57 0.00 4.41 8.31 1.17 7.46 2.24 4.46 2.20 9.83 1.57 2.80 1.30 0.00 0.00
evcent 0.28 0.30 0.28 0.29 0.24 0.26 0.26 0.18 0.17 0.23 0.23 0.23 0.21 0.16 0.21 0.15 0.16 0.14 0.10 0.11 0.11 0.08 0.07 0.08 0.10 0.09 0.04 0.04
5 Besluit Wetenschappers en beleidsmakers besteden heel wat aandacht aan ruimtelijke concentraties van activiteiten in eenzelfde bedrijfstak, de zogenaamde clusters. Ook binnen slimme specialisatiebeleid, waarbij regio’s worden verondersteld middelen te concentreren in de meest beloftevolle sectoren, komt het concept cluster regelmatig aan bod. We vertrokken van eerder traditionele methoden om ruimtelijke concentraties in kaart te brengen. Maar voor speerpunten als ‘duurzame chemie’ is het niet mogelijk om op basis van de gebruikelijke databronnen empirisch vast te stellen welke bedrijven al dan niet onder deze noemer vallen. Methoden die enkel bedrijven opnemen in de analyse, negeren daarbij ook andere types organisaties als kennisinstellingen en overheidsdiensten. Gezien het belang dat gehecht wordt aan de institutionele context bij het verklaren van het al dan niet succesvol zijn van een cluster, is het geïsoleerd analyseren van industriële bedrijven slechts een gedeeltelijke oefening. Vandaar dat een andere methode werd verkend om iets als ‘duurzame chemie’ in kaart te brengen. Vertrekkende van het idee dat zelfidentificatie en clusterbewustzijn essentiële onderdelen zijn van clusterprocessen, én geïnspireerd op het gegeven dat allerhande events gebeurtenissen zijn waar intense kennisuitwisseling plaatsvindt, hebben we ‘duurzame chemie’ gedefinieerd aan de hand van congressen en lezingen. Het centrale vertrekpunt daarbij was de organisatie FISCH, die zowel door de overheid als het bedrijfsleven wordt gezien als een schakel in een ‘duurzaam chemie’ netwerk. Deze verkennende analyse levert daarmee een bijdrage aan het eenduidig empirisch vaststellen van concepten en termen die dikwijls weinig precies gedefinieerd worden.
STORE-B-13-023
15
Het beleid moedigt samenwerking tussen bedrijven, kennisinstellingen en overheden aan, maar door de vele initiatieven en events is het moeilijker om een overzicht te krijgen van wat er allemaal gaande is. De hier gepresenteerde netwerkanalyse kan worden uitgebreid naar andere platformen (bv. rond nieuwe materialen) en kan worden aangevuld met andere databronnen over samenwerking en interactie. Zo kan op een gestructureerde manier worden gemonitord hoe door het slimme specialisatiebeleid ondersteunde initiatieven evolueren en interageren.
Bibliografie Anselin, L. (1995). "Local Indicators of Spatial Association-LISA." Geographical Analysis, 27(2), 93115. Bathelt, H., Malmberg, A., and Maskell, P. (2004). "Clusters and knowledge: local buzz, global pipelines and the process of knowledge creation." Progress in Human Geography, 28(1), 3156. Becattini, G. (2004). Industrial Districts - A New Approach to Industrial Change, Cheltenham: Edward Elgar. Bivand, R. S., Pebesma, E. J., and Gomez-Rubio, V. (2008). Applied Spatial Data Analysis with R, New York: Springer. Bringmann, K., Vanoutrive, T., and Verhetsel, A. (2014a). Identificatie van ruimtelijke agglomeratie in hightech sectoren in België. steunpunt Ondernemen en Regionale Economie (stORE), deliverable B-13-006, Antwerp. Bringmann, K., Vanoutrive, T., Verhetsel, A., and Reynaerts, J. (2014b). Geografie van het durfkapitaal: een literatuurstudie, Antwerp: steunpunt Ondernemen en Regionale Economie (stORE), deliverable B-13-022. Bringmann, K., Vanoutrive, T., Verhetsel, A., and Reynaerts, J. (2014c). Verankering van financiële en geografische clusters: de case van de biotech in België, Antwerp: steunpunt Ondernemen en Regionale Economie (stORE), deliverable B-13-005. Bringmann, K., and Verhetsel, A. (2014). Onderzoek naar durfkapitaal in een geografische context: een bespreking van methoden voor datacollectie, Antwerp: steunpunt Ondernemen en Regionale Economie (stORE), deliverable B-13-021. Butts, C. T. (2008a). "network: A Package for Managing Relational Data in R." Journal of Statistical Software, 24(2). Butts, C. T. (2008b). "Social Network Analysis with sna." Journal of Statistical Software, 24(6). Feser, E. J., and Bergman, E. M. (2000). "National industry cluster templates: A framework for applied regional cluster analysis." Regional Studies, 34(1), 1-19. Feser, E. J., and Sweeney, S. H. (2002). "Theory, methods and a cross-metropolitan comparison of business clustering", in P. McCann, (ed.), Industrial Location Economics. Cheltenham: Edward Elgar, pp. 222-259. FISCH. (2014). "Flanders Innovation Hub for Sustainable Chemistry, http://www.fi-sch.be/nl/, last accessed 31/01/2014". City: http://www.fi-sch.be/nl/. Giuliani, E. (2010). "Clusters, networks and economic development: an evolutionary economics perspective", in R. Boschma and R. Martin, (eds.), The Handbook of Evolutionary Economic Geography. Cheltenham, UK: Edward Elgar, pp. 261-279. Ketels, C. (2013). "Recent research on competitiveness and clusters: what are the implications for regional policy?" Cambridge Journal of Regions Economy and Society, 6(2), 269-284. Lovering, J. (1999). "Theory led by policy: The inadequacies of the 'new regionalism' (illustrated from the case of Wales)." International Journal of Urban and Regional Research, 23(2), 379-395. Martin, R., and Sunley, P. (2003). "Deconstructing clusters: chaotic concept or policy panacea?" Journal of Economic Geography, 3(1), 5-35. Maskell, P., Bathelt, H., and Malmberg, A. (2006). "Building global knowledge pipelines: The role of temporary clusters." European Planning Studies, 14(8), 997-1013.
STORE-B-13-023
16
Reniers, G., Dullaert, W., and Visser, L. (2010). “Empirically based development of a framework for advancing and stimulating collaboration in the chemical industry (ASC): creating sustainable chemical industrial parks.” Journal of Cleaner Production, 18, 1587-1597. van den Heuvel, F. P., De Langen, P. W., van Donselaar, K. H., and Fransoo, J. C. (2011). "Identification of Employment Concentration Areas". City: Eindhoven, pp. 1-19. Vanoutrive, T., and Verhetsel, A. (2014). Logistiek en Locatie 1: verkennende ruimtelijke analyse van de cluster logistiek en transport. stORE deliverable 12-014., steunpunt Ondernemen en Regionale Economie (stORE), Antwerp. Vanthillo, T., and Verhetsel, A. (2012). "Paradigm change in regional policy : towards smart specialisation ? Lessons from Flanders (Belgium)." Belgeo, 2012(1-2), 16. VRWI. (2013). Advies 186: Conceptnota Slimme Specialisatiestrategie, Brussels: Vlaamse Raad voor Wetenschap en Innovatie. Wasserman, S., and Faust, K. (1997). Social Network Analysis: Methods and Applications, Cambridge, UK: Cambridge University Press.
STORE-B-13-023
17
