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.  

                                                            
1
 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  Business Expertise User Understanding

Repeatable R & D and/or highest  Ready Access to markets and capital,  Programmatic system for gathering 

First Tier quality production capabilities  capable of serving new markets  and using new user information

Competent using standard business 
Capable of either high production or  Collects existing customer data to 
Second Tier high precision production
methods and  serving existing 
occasionally improves offerings  
market

Struggles with production, hangs on  Struggles with forecasting  and  Assumes customer actions are 

Third Tier to outdated technologies resource management 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 Tool to verify 
ED professional’s  • Online statistical 
requirements • Instant significance of the 
sample for survey

Regional Profiles
Company Profile Profile Database
• Rich interactive mapping 
visualization   • Watch signs • Collection of case 
• Company profiles over  study and narratives 
• Opportunities  based on company 
geography and industry
profiles 

Opportunity Matching Network Weaving
• Opportunities & Needs • Complimentary Capabilities
• Capabilities • Possible Fits
• Weaknesses • 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 off a Need Base
ed Clustering Approach 
 

Technical  User 
Business Expeertise
Capaabilities  Undersstandingg

Repeatable R & D and/or  Readyy Access to ma rkets  Programmmatic system for 

high
hest quality pro
oduction  and caapital, capablee of  gatherinng and using neew 
capaabilities  servin
ng new marketss  user info
ormation

Capable of either high  Competent using staandard  Collectss existing custo

omer 
prodduction or high
h  busineess methods a nd   data to occasionally 
preccision productiion servin
ng existing marrket improvees offerings  

Stru
uggles with pro
oduction, 
Strugggles with foreccasting   Assumees customer acttions 
hangs on to outdaated 
and re
esource managgement are rand
dom or unchannging
hnologies
tech

 
 
Possible vvariables for categorizing businesses 

Technologgical  Capaability  /  Business Exp

pertise  Usser Understan
nding 
Adaptability 
1. Market served (Geoographic 11. Customer 
1. Patentts limits)//Global Reachh Feedback/Suggestions/R Reviews 
2. High T
Tech jobs 2. Online ppresence Important  part  of  business 
3. Sciencce and En ngineering 3. Networrks (knoowledge decision maaking process
Graduates employeed networks) 22. Customizable Product/Seervices 
4. R & D efforts 4. Venturee capital acceessed 33.  Social  media  capturing 
precision pro
5. High p oduction 5. Time sp pent in doingg things power/presence 
6. Knowlledge Workeers Vs Plan
nning, Managgement,
7. Value added Leadersship and Straategy
 Website 
W  Webbsite  Websitte
 Online busine
O ess (%)  Onliine business (%)  Onlinee business (%
%)
 CTO  CFO
O  CDO/C CExO
 In
nnovative  Inno
ovative  Innovaative

 
 

6 | P a g e  
 
  Rough Draft, not for circulation 

Bibliography
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