制造业设备维护与管理的相对有效性评估

在设备维护与管理的评估中引入数据包络分析,以此为核心构建了设备维护与管理相对有效性的评估方法。该方法在系统功能建模的基础上,全面分析了设备维护与管理作为服务系统的投入与产出构成,以数据包络分析为计算模型完成了设备维护与管理有效性的评估。该方法满足了设备维护与管理评估全面性和客观性的要求,其有效性和可信度通过在某石化企业的应用得到了验证。     

空间OLAP 技术研究

针对决策支持系统中空间数据可视化应用趋势,研究基于空间数据仓库的一种决策分析 工具———在线分析处理,通过改进空间数据立方体的物化视图选择方法,并进行了实例分析, 验证该方法的有效性和优越性,更好地解决空间OLAP 响应时间延迟问题. 进而扩展空间OLAP 应用模型和模式,实现更加完备、灵活的空间OLAP 操作功能.     

面向CRM的动态质量体系管理数据的模型

以ISO9000质量管理体系为背景,本文详细地分析了企业质量体系管理的信息层次结构与流程,针对质量体系的制定、改版以及质量持续改进,研究了质量体系管理对数据模型的复用性、可引用性与可回朔性的要求,讨论了现有质量管理信息系统的局限性,提出了动态质量体系管理数据模型,给出了模型的结构和功能,总结了所提模型的特点。最后,给出了实例分析。     

中国上市公司组合治理机制实证研究

一般地,按公司治理机制发挥作用的机理不同,可将其划分为基于公司治理结构的内部治理机制、基于市场的市场治理机制和基于社会环境的社会治理机制。公司绩效是这些治理机制共同作用的结果。本文首先选择设计了15个公司内部与外部治理机制的实证分析指标和1个公司绩效指标:接着以公司绩效为导向,运用数据挖掘技术对截止到2003年3月26日已发布2002年度报的305家沪市上市公司进行实证分析,得到了不同公司治理机制组合与公司绩效的对应关系,这为优化和设置公司治理机制组合、提高公司绩效提供借鉴。     

基于SCD模型的金融超高频数据信息含量研究

针对随机波动条件持续期模型(SCD模型)对于金融超高频数据的模拟优势,采用股票交易的分笔数据,在模型中引入消息指标变量、交易量和买卖价差三类微观结构变量,通过分析价格持续期与这些结构变量之间的相关性,以研究价格形成过程中的信息传递过程。研究结果表明:利好消息通常导致交易强度增加,利空消息通常会导致交易持续期延长,价格变化对交易持续期造成的影响有限;小盘股买卖价差影响后续价格交易持续期,但大盘股的影响并不明显;交易量的增加具有信息含量。     

我国制造业产能利用率测度与影响因素研究——基于十个重点行业

选取制造业的十个重点行业,使用2001-2014年的面板数据,运用数据包络分析法(DEA)对其产能利用率、技术效率和设备利用率进行了测算,结果显示:我国制造业的部分行业存在严重的产能过剩问题;非金属矿物制品业、黑色金属冶炼和压延加工业等传统行业的产能利用率较低;通信设备、计算机及其他电子设备制造业等新兴行业的产能利用率相对较高.剖析制造业产能过剩的影响因素,发现市场需求与产能利用率存在显著的正相关关系,资本密集度、就业水平、开放度、金融支持与产能利用率有显著的负相关关系.     

当前大学生对国学教育的认知和需求——以某高校调查数据为例

对大学生国学认知程度和需求的调查是有效开展国学教育的基础。这个基础必须通过详实的数据调查和实证分析来奠定。通过在某高校展开问卷调查,我们发现大学生对于国学的不甚了解是一个普遍现象。高校学生对国学教育的需求不仅存在,而且是理性而合理的。真正影响高校国学教育效果的症结仍然是师资力量、课程内容、教学步骤等问题。我们建议应该遵循由易到难、从日常习用到弘文奥义、分类教学的原则,系统地做好国学教育内容的顶层设计。     

大数据和企业精准营销相关性分析

对大数据和企业精准营销相关性的分析能够为精准营销的实施提供基础和技术平台,为企业对大数据的管理提供一定的方向,将很大程度影响企业的竞争力和发展。在拟定大数据和精准营销指标体系基础上,通过对黑龙江省服务业、商业企业、制造业和现代农业企业进行问卷调查,运用结构方程模型分析其相关性。分析结果显示,大数据与精准营销具有显著相关性,客户数据挖掘对大数据具有显著影响,精准广告投放对精准营销具有显著影响。据此指出,企业应当充分利用大数据技术,注重客户数据挖掘,提高营销的精准性,使其能适应市场竞争带来的机遇与挑战。     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.     

大数据时代国防动员潜力调查之路

如何应用大数据提升国防动员潜力调查的效率是当前政府重点关注的话题。从国防动员潜力大数据的定义和特征着手,分析大数据下国防动员潜力调查所具备的优势,发现仍然存在思维局限、指标不统一、体制不健全、技术缺乏及数据共享与防护难协同等困境。通过思维意识、管理体制、指标体系、核心技术、专业人才、安全共享等六大模块,打破“数据不可用、数据不会用”的现实瓶颈,实现整合国防动员数据资源、延展数据内容和提高工作效率的目标。