You are on page 1of 7

 Rough Draft, not for circulation 

White Paper Series ‐ Helping Distressed Communities  
Business Profiling based on Complementary Capabilities and Innovation Temperament Advanced Manufacturing Institute  Working Paper Objective:  This  paper  briefly  describes  the  tools  that  the  economic  development  agents  could  use  to  support  a  wide group of businesses and entrepreneurs in their community to recognize and capitalize on regional  opportunities based on shared needs and complementary capabilities.  Background:  Distressed communities often engage in one of two strategies of revival ‐ economic growth strategies or  economic  development  strategies  (Malizia  1986).  Economic  Growth  strategies  focus  on  recruiting  businesses  in  the  region  and  focuses  on  short‐term  growth  of  the  region.  Economic  development  strategies such as encouraging entrepreneurship focus on a development process to achieve long‐term  changes in the economic structure.   Traditionally  in distressed  rural communities, an economic  development agent’s approach is based on  either recruiting new businesses into the community or more recently developing industries based on a  cluster  development  approach.  This  is  usually  based  on  a  strategy  that  has  been  successful  in  some  other  setting.  An  approach  that  works  for  one  region  may  be  adopted  by  other  regions  without  fully  considering the unique situations that made the method successful in a particular setting. Every region is  different with its own strengths and assets and might require a different approach than what is being  employed elsewhere.   The  recruitment  strategy  focuses  on  attracting  new  businesses  into  the  region,  sometimes  considered  the ‘steal the business from thy neighbor’ approach. While this approach may bring new businesses into  a community, it seldom adds to the total wealth of the community and does not work as successfully for  small  rural  regions  (Emery,  Wall  and  Macke  2004).  Usually  these  recruitments  attract  branch  manufacturing  facilities  (Malizia  1986)  into  the  community  to  expand  the  employment  base.  Most  of  these facilities locate in a  community  to take advantage of the  tax and location based incentive.   This  potentially  exasperates  an  existing  lack  of  educated  workforce  and  offers  little  to  entice  workers  to  locate  to  a  distressed  community  with  few  quality  of  life  offerings  or  little  to  offer  a  young  educated  workforce. As more regions become aggressive with recruitment activities and companies demand more  lucrative incentives from regions, in the form of tax abatements, infrastructure improvements or even  direct loans, the regional tax base continues to erode or grow at an artificially slow rate. The reduced tax  earnings can mean, in many cases, that the region cannot address some of the underling quality of life  issues and attract more people into the region (Crowe 2006). The recruitment strategy does not lead to  development if the production facility attracted to the region is substituting for production somewhere  else  (Malizia  1986)  or  the  retail  outlets  that  add  more  of  the  low  wage  jobs  (Emery,  Wall  and  Macke  2004).  A  second  and  more  recent  approach  focuses  on  conducting  a  cluster  analysis  and  identifying  a  few  clusters  to  improve  upon  or  develop.  An  Industrial  cluster  is  defined  by  Porter  as  “a  geographically  proximate group of inter‐connected companies and associated institutions in a particular field, linked by  commonalities and complementarities” (Porter 2008). UNIDO goes a step further and defines clusters as  1 | P a g e    

 Rough Draft, not for circulation  “sectoral  and  geographical  concentrations  of  enterprises  that  produce  and  sell  a  range  of  related  or  complementary products and thus, face common challenges and opportunities (UNIDO, Development of  Clusters  and  Networks  of  SMEs  2001).  Once  a  regional  cluster  has  been  identified,  programs  can  be  planned and targeted at a specific cluster to enhance its collective efficiency (UNIDO 1997). In the realm  of economic development, the cluster analysis approach groups the firms into various clusters based on  their NAICS or SIC codes also known as the supply‐ or production‐based approach (Dalziel 2007).  This  technique supports the development  of concentrations of businesses with interdependent capabilities  and is well supported within the economic development community as an analysis tool to understand  existing communities.1  A cluster development approach is based on collectivity, instead of helping a single company, assistance  for  a  cluster  will  percolate  to  the  entire  region  (Heike  2003).  Following  a  cluster‐based  economic  development  strategy  has  benefit  if  a  ‘true’  cluster  exists  in  a  region.  There  is  a  wealth  of  literature  regarding  identifying  clusters  and  strengthening  those,  some  even  suggest  techniques  for  building  or  creating  new  clusters  (Hill  and  Brennan  2000),  .  Organizations  like  Porter’s  group  at  HBS  or  Purdue  University  have  developed  a  detailed  NAICS  code  list  of  what  is  to  be  included  in  each  cluster.  In  practice, however this output based cluster analysis has shortcomings for less populated regions. Rural  areas  often  show  few  if  any  fully  developed  clusters  using  traditional  definitions.  Yet  today  cluster  analysis  is  a  standard  procedure  not  only  for  measuring  the  shape  of  an  economy  but  also  how  economic development efforts will be directed.   The effectiveness of cluster definitions in rural or heavily distressed communities comes in to question  when the number of total establishments or employees is very small or skewed by large single entities.  Traditional definitions require co‐location of companies having either similar product, markets, shared  resources or are interdependent. Smaller regions do not generally have enough businesses of a kind in  the region to qualify as a cluster. For example, Jewell County in Kansas has a total population of 3,198  (US  Census  Bureau,  2007),  total  of  98  private  establishments  with  458  employees  and  only  one  manufacturing establishment (US Bureau of Labor Statistics, 2007). The traditional cluster analysis might  not  be  the  most  appropriate  tool  for  this  region.  Again,  it  is  arguable  if  a  group  of  15  establishments  (maximum  number  of  establishments  are  retail,  US  Bureau  of  Labor  Statistics,  2007)  can  be  properly  defined  as  a  cluster.  More  importantly,  the  traditional  approaches  of  using  cluster  based  economic  development  do  not  have  much  relevance  in  such  regions.  No  doubt,  the  cluster  analysis  based  approach to economic development is one of the most frequently employed tools available today, but  cannot be applied to all regions irrespective of the actual regional conditions.   Large  communities  or  metro  regions  can  often  support  focused  development  that  develops  and  supports  existing  clusters  to  compete  on  an  international  scale.  In  smaller  communities,  artificial  support for output based cluster analysis creates two problems. The first problem arises from the lack of  diversity in the number and types of clusters in the area. In the areas we studied, the few preexisting  industries already drive a large amount of employment and activity in the area. Output based definitions  reinforce clusters that can be driven by economic factors from outside the area. As an example, in the  State of Kansas where the aviation industry is one of the most defined and important clusters in state,  the  global  economic  crisis  of  2009  created  far‐reaching  disturbances  that  brought  many  businesses  in  the area to the brink of failure.                                                               
 There are a lot of studies that have done cluster analysis for understanding the regions and formulating economic  development polices. E.g. (University of Minnesota Extension Servcie 1999), (Luger, Stewart and Androney 2003),  (Heike 2003), etc  

2 | P a g e    

 Rough Draft, not for circulation  The second major concern arises from the limited number of firms within a cluster in an area where the  number  of  employers  involved  is  small.  For  the  local  economic  development  offices,  the  job  of  supporting  a  single  cluster  without  appearing  to  supporting  a  single  private  entity  exposes  potential  conflicts. The office that supports the single, albeit important, business is now acting in behest of that  single entity that may or may not have the best interest of the whole community at heart. This becomes  painfully  clear  when  a  company  changes  ownership  and  a  plant  is  forced  to  move  or  close  down.  To  avoid  this  potential  issue  many  economic  development  offices  find  themselves  reverting  to  the  comparatively safe activity of business recruitment over business retention despite low success rate of  such activities.  Contention  A cluster analysis that works for rural communities needs to drive economies toward a more sustainable  model  for  their  economy,  while  maintaining  the  drive  for  smart  synergy  inherent  in  cluster  type  development.  Traditional  output  based  cluster  definitions  fail  to  consider  how  with  modern  business  structures  and  manufacturing methods, the way a company functions is often more important than what they produce.  Ironically,  this  model  of  flexibility  was  inherent  in  the  way  rural  business  functioned  for  many  years.  However, over the last half century many rural manufacturers have followed the path of modern mono‐ crop agriculture and pursued singular efficiencies over flexibility. We propose a method to help agents in  rural areas support flexible and diverse method doing business.  We propose a new methodology to overcome all the issues discussed above called “needs‐based cluster  analysis”.  Solution:  To  overcome  the  lack  of  clear  actionable  strategies  for  economic  development  in  a  rural  community  with  no  critical  mass  of similar  industries  to  call  it  a  traditional  cluster,  we  are  proposing  an  alternate  methodology to profile businesses in specific region. Rather than considering shared industries, the new  method  will  develop  profiles  that  identify  shared  infrastructure,  complementary  services  and  work  styles  of  businesses  and  hence  help  economic  development  agents  make  better  decisions  on  how  to  help those businesses work to improve the business environment of the entire region.  As  an  institution,  AMI  has  been  helping  small  and  medium  sized  companies,  mostly  in  rural  areas,  develop new products and serve new customers for over a decade. Through this time, we have begun to  understand  that  small  companies  need  a  mix  of  technical,  market  and  user  intelligence  to  succeed  in  business  and  help  their  communities  grow.  Our  clients  are  often  well  situated  to  respond  to  opportunities in one or two of the aspects, we have seen a need in helping companies build or partner  to develop the missing component(s).   We  propose  a  “needs  based  cluster  analysis”  that  while  not  completely  ignoring  the  industries  of  the  areas businesses, considers the needs, phases, and possibilities of the constituent businesses. A major  component of the preparation stages of the study will determine the appropriate factors that will best  conform to the needs of the local economic development agent. The components will generally capture  the three business components that are important for business success.  1. Technical Capabilities: skill at New Product Development, Production, Precision  2. Market Responsiveness: Sales reach, Brand definition, Market understanding  3. User Focus: Experience design, User understanding 

3 | P a g e    

 Rough Draft, not for circulation  These three factors combine to form a profile for the role the company plays in the marketplace. These  profiles will form the groundwork to allow a more intelligent way to provide  synergy based economic  development. We contend that economic development agent’s resources are better applied to business  and  groups  of  businesses  that  combine  to  create  collaborations  that  work  at  the  highest  levels  of  the  three factors.  

Technical Capabilities 
First Tier Second Tier Third Tier
Repeatable R & D and/or highest  quality production capabilities 

Business Expertise
Ready Access to markets and capital,  capable of serving new markets 

User Understanding
Programmatic system for gathering  and using new user information

Capable of either high production or  high precision production

Competent using standard business  methods and  serving existing  market

Collects existing customer data to  occasionally improves offerings  

Struggles with production, hangs on  to outdated technologies

Struggles with forecasting  and  resource management

Assumes customer actions are  random or unchanging

  Additionally, just as retailers are able to customize local offerings to areas using tools like ERSI’s Custom  Tapestries or Claritas' segmentation system PRIZM, development agents and educational services will be  able develop and target offerings to those that need them most.   Again as an institution AMI has seen where bringing unrelated business together through an economic  development agent can create opportunities and growth for the entire community.  Implementation  Cluster  analysis  activities  require  significant  data  mining  and  analysis  using  public  data,  unfortunately  information resources for smaller areas often have noticeable and significant “holes” and shortcomings.  In  practice,  the  stakeholders  in  a  region  can  often  point  out  missing  or  incorrect  data.  Rather  than  relying on outside sources for data this method will focus on helping to visualize and standardize locally  generated data that can be synthesized in to actionable prospects.   To  implement  needs  based  cluster  AMI  proposes  to  provide  local  economic  development  agents  with  online access to a survey and assessment tool to allow an economic development office to profile and  compile  data  about  the  business  in  the  target  region.  The  survey  system  will  allow  online  entry  and  instant data compilation. The purpose‐built survey will focus on gathering qualitative data and indirect  data  that  infers  the  needs  and  opportunities  of  a  business  and  intentionally  avoid  the  collection  proprietary or highly private data.  

4 | P a g e    

 Rough Draft, not for circulation 
SURVEY ED professional’s  requirements
• Online • Instant

Tool to verify  statistical  significance of the  sample for survey

Regional Profiles
• Rich interactive mapping  visualization   • Company profiles over  geography and industry

Company Profile
• Watch signs • Opportunities 

Profile Database
• Collection of case  study and narratives  based on company  profiles 

Opportunity Matching
• Opportunities & Needs • Capabilities • Weaknesses

Network Weaving
• Complimentary Capabilities • Possible Fits • Potential Connections

  The  collection  of  company  level  data  allows,  the  creation  profiles  based  on  the  actual  feedback  from  subject as well as case studies and generalities of firms and companies with similar profiles. Connecting  company  data  to  scenarios  and  or  case  studies  provides  agents  with  insights  into  how  the  company  participates and reacts to changes in the area.   As  an  area  is  profiled,  agents  and  businesses  will  have  a  wealth  of  resources  to  consider  potential  synergies  among  companies  that  would  neither  be  competitors  or  considered  as  complementary  business in a traditional output based cluster development. These profiles will also allow and encourage  network‐weaving activities among complementary resources within a region.  Dissemination  AMI  proposes  to  extend  its  recent  efforts  in  visualizing  real  business  and  economic  data  in  their  geographic context. The internet will however be leveraged as a tool to ensure the ease of access to the  data and allow business and even residents to have access to information about the growth possibilities  and  conditions  in  the  region.  The  development  of  a  rich  web  interface  to  the  needs  based  cluster  analysis will allow the dissemination of the technologies and technologies to rural areas throughout the  United States.                       5 | P a g e    

Rough Draft, not for circulation  Phases of f a Need Base ed Clustering Approach   

Technical  Capa abilities 
Repeatable R & D and/or  high hest quality pro oduction  capa abilities 

Business Expe ertise
Ready y Access to ma rkets  and ca apital, capable e of  servin ng new markets s 

User  Unders standing g
Program mmatic system for  gatherin ng and using ne ew  user info ormation

Capable of either high  prod duction or high h  prec cision producti ion

Competent using sta andard  busine ess methods a nd   servin ng existing mar rket

Collects s existing custo omer  data to occasionally  es offerings   improve

Stru uggles with pro oduction,  hangs on to outda ated  hnologies tech

Strugg gles with forec casting   and re esource manag gement

Assume es customer act tions  are rand dom or unchan nging

    variables for categorizing businesses  Possible v Technolog gical  Adaptability  Capa ability  /  Business Exp pertise  1. Market served (Geo ographic /Global Reach limits)/ h 2. Online p presence 3. Networ rks (kno owledge networks) e capital acce essed 4. Venture 5. Time sp pent in doing g things Vs Plan nning, Manag gement, Leaders ship and Stra ategy     Web bsite Onli ine business (%) CFO O Inno ovative ser Understan nding  Us 1 Customer  1. Feedback/Suggestions/R Reviews  Important  part  of  business  decision ma aking process 2 Customizable Product/Se 2. ervices  3  Social  3. media  capturing  power/presence 

1. Patent ts 2. High T Tech jobs 3. Scienc ce and En ngineering Graduates employe ed 4. R & D efforts precision pro oduction 5. High p 6. Knowl ledge Worke ers 7. Value added         Website  W Online busine O ess (%) CTO In nnovative

   

Websit te Online e business (% %) CDO/C CExO Innova ative

6 | P a g e    

 Rough Draft, not for circulation 

Crowe,  Jessica  A.  "Community  Economic  Development  Strategies  in  Rural  Washington:  Towards  a  Synthesis of Natural and Social Capital." Rural Sociology 71, no. 4 (2006): 573‐596.  Dalziel,  Margaret.  "A  systems‐based  approach  to  industry  classification."  Research  Policy  36  (2007):  1559‐1574.  Emery,  Mary,  Milan  Wall,  and  Don  Macke.  "From  theory  to  action:energizing  entrepreneurship  (E2),  strategies  to  aid  distressed  communities  grow  their  own."  Journal  of  the  Community  Development  Society 35, no. 1 (2004): 82‐96.  Heike,  Mayer.  Cluster  Monitor.  A  Guide  for  Analyzing  Industry  Clusters  in  the  Portland‐Vancouver  Metropolitan Region, Portland: Institute of Portland Metropolitan Studies, 2003.  Hill, Edward W, and John F Brennan. "A Methodology for Identifying the Drivers of Industrial Clusters:  The  Foundation  of  Regional  Competitive  Advantage."  Economic  Development  Quaterly  (Sage  Publications) 14, no. 1 (2000): 65‐96.  Luger,  Michael,  Leslie  Stewart,  and  Greg  Androney.  Identifying  Targets  of  Opportunity  ‐  Competitive  Clusters for RTRP and its Sub‐regions. Office of Economic Development, 2003.  Malizia,  Emil  E.  "Economic  Development  in  Smaller  Cities  and  Rural  Areas."  Journal  of  the  American  Planning Association 52, no. 4 (1986): 489‐499.  Porter, Michael. In On Competition, by Michael Porter, 215. Boston: Harvard Business School Publishing,  2008.  UNIDO. Collective Efficiency: A way forward for small firms. Vienna: IDS Policy Briefing Issue 10, 1997.  UNIDO.  Development  of  Clusters  and  Networks  of  SMEs.  Vienna:  Private  Sector  Development  Branch,  Investment Promotion and Institutional Capacity Building Division, 2001, 9.  University  of  Minnesota  Extension  Servcie.  Industry  Clusters  ‐  An  Economic  Development  Strategy  for  Minnesota. Preliminary Report, University of Minnesota Extension Servcie, 1999.       

7 | P a g e