商业智能与企业竞争优势

商业智能作为一种新的技术手段,对提升企业的竞争优势具有重要的作用.探讨商业智能与企业竞争优势的关系.阐述商业智能的内涵、企业实施商业智能的步骤,并举例说明了商业智能的应用情况.     

构筑面向决策支持的统计数据挖掘系统面临的几个问题

面向决策支持的统计数据挖掘系统在我国统计信息化进程中具有重要意义,特别是在区县级统计管理部门,必须将日常的统计业务与决策支持相衔接。统计数据的异构性和计算机技术应用的多样性是造成统计部门中信息孤岛的原因。文章认为,要解决该问题,必须设计统一的统计数据仓库和集成多种计算机技术,建立面向决策支持的统计数据挖掘系统,同时,为了保持前瞻性和有效性,必须保持系统的可扩展性,并融入当前最新的统计技术和数据挖掘技术。     

数据挖掘在物流业的应用综述

数据挖掘作为快速有效地从海量数据中提取有效信息的工具,在现代物流业得到了广泛的应用.文章从数据挖掘的基本技术、数据挖掘在物流需求预测、物流决策以及客户关系管理等方面的应用现状及存在的问题出发,对目前这一领域内的研究进行了回顾和评论,并对数据挖掘在物流的发展前景进行了展望.     

数据挖掘在R&D统计中的应用分析

在R&D统计领域,传统的数据分析方法已经越来越难以满足社会经济发展的需要.基于数据挖掘的基本原理与方法,文章首先分析了在R&D统计研究中运用数据挖掘的必要性及其重要作用,进而给出了R&D统计数据挖掘的操作流程,最后提出了R&D统计数据挖掘中应注意的几个问题.     

群决策关键问题研究综述

群决策能够发挥多个决策专家的经验智慧,解决相对复杂的实际问题,地位作用越来越重要.文章在分析群决策一般过程的基础上,针对群决策过程中的评价指标体系构建、决策意见表达方式、权重确定方法和群决策综合集成的研究重点,分别进行了总结和归纳.最后,对未来群决策亟待研究的问题进行了探讨和展望.     

财务智能系统关键技术研究

通过分析财务软件所面临的挑战及商业智能技术所带来的机遇,对财务智能系统的框架设计、财务分析模型与模板的设计、财务分析结果的表示与展示等关键技术进行了讨论,就财务智能软件的理论框架、设计与开发做了些探索性的研究.     

基于Vague集的BBTOPSIS方法

TOPSIS法得到了广泛的应用,由于Vague集对处理不确定信息、不精确信息的优势,Vague集在决策领域应用越来越多,BBTOPSIS在处理非基数信息具有优势,因此在Vague集的环境下研究BBTOPSIS有其必要性.本文首先定义了接受指数,然后讨论了Vague集的BBTOPSIS,并给出具体的算例.     

数据挖掘中基于因子分析的聚类方法及其应用

数据挖掘中处理的数据越来越庞大,传统的聚类方法已经不再适用。因此,本文提出了一种基于因子分析的聚类方法,从而达到数据降维和简化聚类过程的效果。     

统计行业数据分析与数据挖掘应用——统计建模思想

本文通过对应用于公共事业的政府统计和应用于商业领域的企业数据分析与挖掘的介绍,阐述了统计建模思想的产生、发展和趋势。从量化的角度,诠释统计建模思想的几个不同的层次及适用的情境,以提升统计数据化决策在政府和商业领域的广泛应用为目标,目的是在面对公共和商业问题时政府和企业能运用统计建模思想提供的量化方法,实践商业智能与统计智能的互补,最终完成统计大数据决策时代的真正革命（最终实现大数据决策时代统计建模思想的真正价值）。     

基于商业智能的航空货运客户细分

在资源有限的条件下,企业必须将资源投放到那些有利可图的客户上,因此有必要进行客户细分,对于处在激烈竞争环境中的航空货运尤其如此.文章借鉴客户价值理论,并结合航空货运客户管理特点构建航空货运客户价值预测模型,基于此,结合商业智能技术,提出基于商业智能的航空货运客户细分方法,并分析各细分层次的构成要素.     

社会经济不平等及其测度

对社会中普遍存在的不平等现象 ,人们很早就给予了关注和研究 ,并提出了可行的测度不平等程度的方法和指标。然而我们注意到 ,这些传统的研究成果所体现的不平等 ,主要集中在社会的“收入不平等”上 ,实质上也就是经济不平等的即时反映。但生活毕竟不只是生存问题 ,社会中的不平等远不仅是人们收入多少的差异 ,还有很多无法用货币或数值来表现的不平等 ,而这些往往是人们生活质量更深层次、更真实的反映。“社会经济不平等”概念的提出 ,跳出了“收入不平等”这个狭隘的思维体系 ,也为全面研究社会中诸多不平等现象奠定了新的基石。虽然这一…     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

Trimmed and Outer Means and Their Variances

Some properties of trimmed and outer means for the normal situation are considered; in particular, the mean of the outer half of the sample has the same variance as the mean of the inner half. An inequality involving variances of unbiased estimators of location and their complements is derived and some of its consequences are examined.     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.