3．神经网络BP模型对企业EOS适应水平的识别
上述10种相关性小、完整性好的企业原型体现了企业环境、战略与结构变量之间各不相同的关系，但仍然存在着互动关系的共同规律。这还表明，企业环境、组织与战略之间存在着多元非线性的互动关系，很难用常规的方法构造一个EOS变量与企业适应性水平之间的函数，所以本文采用神经网络来对企业环境、组织和战略加以识别。
以上述聚类得到的企业原型为样本，训练人工神经网络BP模型，以识别企业的EOS水平。选择BP网络是基于（1）EOS的水平反映的是企业环境、组织和战略的一种态势，而神经网络善长模式识别；（2）EOS变量之间的约束关系复杂，规律难寻，采用规范的方法难免有失客观，而神经网络善于归纳实证得到的大量数据；（3）具有一个隐含层的BP网络能够逼近任何连续函数。因此，我们可以通过构造适当的神经网络以及进行相应的训练后，获得一个能够通过29个EOS变量判断企业成功水平的函数：Fitness=f(V1,V2……V29)。
本文构造的神经网络具有29个输入层的神经元，3个隐含层神经元和1个输出层神经元。对所有输入样本都进行归一化处理，在调整适当的参数后，采用已总结出的10种典型模式进行训练。我们调查了国内几家典型企业EOS水平，对完成训练的神经网络模型进行检验，结果表明该神经网络能够正确计算国内企业的成功水平。
4．EOS适应水平分析对企业诊断的应用实例
本文以联想集团为例说明企业应如何实现环境、组织和战略的合理匹配。
4．1背景
联想集团是一家以研究、开发和销售计算机设备及其相关产品为主、贸工技一体、多元化发展的大型信息产业集团，在国内外共拥有40多家分公司及分支机构，近千个经销服务网点；净资产16亿人民币。联想目前已形成了六大支柱产业，构造了在信息产业领域内多元化发展的新格局。联想之所以能在激烈且不断变化的环境中高速发展，主要原因是采取了不断调整的组织结构和适时而动的企业战略，从而使企业的EOS一直保持着较高的水平。
