在当今社会,企业开展新兴业务已经成为了企业在复杂的市场环境下保持竞争力的重要手段。对于企业、投资者和政府来说,如何准确地进行企业新兴业务的预测对于公司竞争情报分析、投资分析和政策分析来说都有至关重要的作用。然而,因为信息不对称性和企业的保密需要,这一问题很难得到解决。研究发现,企业在发展新兴业务时往往会在相关业务板块内招募人才,获取他们的知识和经验来降低自己的准入门槛。据此,我们从人才流动的角度出发,给出一条基于人才流动网络和企业业务板块分类方法的可行的企业新兴业务预测思路。为了解决这一问题,首先我们利用职业社交网络中获得的在线简历信息来构建人才流动网络。然后为了能够更有规模地在我们建立好的人才流动网络上进行企业业务板块分类,我们采用了社区发现中的鲁文算法并对它进行层次性的拓展。为了检验社区发现得到的业务板块分类结果的效度,我们结合定性分析和定量分析,利用现实的数据集来检验业务板块内部的相似性和业务板块间的差异性,为此我们分别采用了股票联动分析和跨业务差异性分析的检验方法。通过研究发现,在提高股票联动分析解释水平和扩大跨业务差异性两方面,相比较传统的产业分类方法和其他学术前沿的研究方法,我们的方法效果要更好。最后,我们利用人才流动网络和业务板块分类方法进行企业新兴业务预测。通过对谷歌、微软和AgileThought软件公司等三个案例的研究说明了我们的方法对不同规模的企业的新兴业务预测都有一定的使用价值,同时我们的方法能够早于企业的年报、新闻报道和产品发布有效地揭示企业进入新兴产业这一行为。本文的创新之处在于:首先针对企业新兴业务预测这一问题,本文创新性地从人才流动的视角切入研究,给出了一条可行的预测思路;此外,本文提出的业务板块分类方法是对传统产业分类方法的重要改善,我们通过实际数据验证了我们的新方法的有效性;最后,结合人才流动网络的特性,我们对传统的社区发现算法——鲁文算法进行了一定的创新性改良,并且定量地证明了我们改良的有效性。