一、挖掘数据 应用升级（论文文献综述）
唐彬[1]（2021）在《跨界搜寻、大数据能力对平台企业商业模式创新的影响研究》文中指出平台企业是网络信息时代发展最快、最具活力的组织形式,创造了巨大的经济价值和社会价值,以亚马逊、阿里巴巴、腾讯等为代表的一批平台企业成为互联网经济时代新兴商业模式的典范。顺应时下多元化、个性化、重视体验的消费需求,平台企业带动供应链上下游融合发展,在政府与市场共同推动下,引领我国经济向数字化转型发展。纵观平台企业的成长过程,创新性的商业模式是其快速成长、迅速占据市场份额的重要驱动力。然而,随着数字技术的发展、竞争全球化以及消费需求升级,平台企业已从最初的蓝海进入红海,每一个行业市场几乎都被细分,平台同质化严重,用户流量日渐枯竭、增长困难。商业模式创新已成为平台企业应对环境变化、保持竞争优势的关键所在。资源基础观认为企业商业模式创新受资源禀赋影响。平台所体现的开放性、交互性、网络效应等特性促进了市场知识资源聚集,对其商业模式创新具有驱动作用。然而知识具有时效性,面对不确定的市场环境,只有高效创造新知识,并与环境变化相匹配,才能真正助力企业商业模式创新。近年来,跨界成为平台企业突破资源禀赋限制、培育市场适应性的重要手段,通过跨界搜寻外部异质性知识,可以扩展平台企业知识基,有效弥补平台知识缺口。大数据能力是数字经济背景下的企业新能力,可以加强平台企业对自身知识库的洞察和了解,拓展跨界搜寻的广度和深度,降低对外部知识吸收、消化、融合的风险和成本。跨界搜寻、大数据能力二者协同促进新知识创造,为平台企业商业模式创新提供知识资源。基于上述背景,本研究重点关注以下几个问题:第一,跨界搜寻、大数据能力及二者交互项如何影响平台企业商业模式创新;第二,知识创造在跨界搜寻、大数据能力及二者交互项与平台企业商业模式创新之间发挥了何种作用;第三,环境不确定性在知识创造与平台企业商业模式创新之间发挥何种作用。基于此,本文根据知识管理理论、组织搜寻理论、企业能力理论构建本文的理论模型,对跨界搜寻、大数据能力、知识创造、环境不确定性、商业模式创新之间的关系进行充分论证,提出相关研究假设。采用问卷调研的方式最终获取322份有效问卷,运用SPSS22.0、AMOS21.0等软件对调研数据进行了实证分析和检验,主要结论如下:（1）跨界搜寻、大数据能力及二者交互项均正向影响平台企业商业模式创新;（2）知识创造在跨界搜寻、大数据能力及二者交互项与平台企业商业模式创新关系之间发挥中介作用;（3）环境不确定性负向调节知识创造与平台企业商业模式创新之间的关系。本研究旨在探索数字经济背景下跨界搜寻、大数据能力对平台企业商业模式创新的影响机理,研究的创新点主要有以下三个方面:第一,本研究聚焦跨界搜寻、大数据能力及二者交互作用对平台企业商业模式创新的影响,丰富了平台企业商业模式创新的相关研究。跨界搜寻为平台企业资源配置提供“知识池”,是大数据能力发展的助推器。大数据能力可以帮助平台企业在对内部知识清晰认知的基础上准确判断和评估所需的外部知识,增强跨界搜寻的宽度和深度。以往研究大多讨论跨界搜寻、大数据能力单一因素的作用,忽视了二者在商业模式创新中相互促进、相互依赖的交互效应。本研究通过实证分析,证实了跨界搜寻、大数据能力及二者交互作用对平台企业商业模式创新具有积极影响,弥补了先前研究只关注资源或能力的不足,拓展了企业能力理论。第二,本研究打开跨界搜寻、大数据能力与平台商业模式创新之间作用关系的理论“黑箱”,引入知识创造这一中介变量,探讨了平台企业如何把外部知识应用到商业模式创新的具体实践过程。已有研究大多探讨的是企业如何利用外部新知识实现商业模式创新,忽视了知识创造的互补作用。只有将不同类型的外部知识要素耦合应用到新知识体系中,才能实现要素价值放大,从而形成针对在位企业的竞争优势。知识创造是连接跨界搜寻、大数据能力与平台企业商业模式创新的关键因素,本文将知识创造作为中介变量纳入研究模型,全面检验知识创造在跨界搜寻、大数据能力及二者交互项与商业模式创新之间的中介作用,不仅拓展了平台企业商业模式创新的影响因素研究,而且为知识创造相关研究提供崭新视角。第三,本研究揭示了环境不确定性在知识创造与平台企业商业模式创新之间的调节作用。现有研究大多从高管创造力、高管支持等组织内部的微观视角探讨影响平台商业模式创新的边界条件,忽视了外部环境这一权变因素,而主观判断可能对研究结果的普适性造成一定影响。实际上,数字经济时代下的平台企业,所处的外部环境愈加复杂多变,留给平台企业知识创造的时间缩短,平台企业及时整合新旧知识、重塑知识体系的难度加大,无法及时为平台企业商业模式创新提供有力支持。基于此,本研究探讨了环境不确定性在知识创造与平台企业商业模式创新之间的调节作用,研究结论完善了平台企业商业模式创新的边界条件,充实了该领域的研究成果。综上,本研究是对当前数字化背景下平台企业商业模式创新相关研究的有效补充,虽然提出一些有创新性的成果,但仍存在一些局限和不足,未来将在研究方法和研究内容上进一步完善。
李鑫[2]（2021）在《铁路机车设备画像理论及关键技术研究》文中指出铁路机务专业是铁路运输系统的重要行车专业,主要负责各型机车的运用组织、整备保养和综合检修。作为重要的铁路运输生产设备,机车的运输生产效率、设备质量状态、整备检修能力、安全管理水平等均会对铁路运输生产能力的稳健提升和经营管理工作的稳步发展产生重要影响。随着各种监测检测设备以及各类信息管理系统的广泛应用,围绕机车积累了形式多样的海量数据,数据增量及质量均大幅提升,数据价值日益体现,铁路行业对于完善机车健康管理的需求十分迫切。当前铁路机务专业在进行机车健康管理的过程中,存在分析方法较少、大数据挖掘不足、管理决策科学性较弱、综合分析平台缺失等问题。铁路机车设备画像理论及关键技术研究作为实现机车健康管理的重要手段,致力于加强机车数据资源的整合利用,通过客观、形象、科学的标签体系全面而精准地刻画机车的质量安全状态,并以此为基础深入挖掘潜藏的数据价值,实现机车事故故障关联分析、安全状态预警盯控、质量安全态势预测、检修养护差异化施修、稳健可靠管理决策等目的,支撑起铁路运输生产及质量安全管理工作的科学化、数字化、智能化发展。本文主要对铁路机车设备画像理论及其一系列关键技术进行了研究与应用,取得了以下创新成果:（1）提出了铁路机车设备画像理论。通过梳理机车设备画像的含义及研究意义,明确了构建铁路机车设备画像理论的必要性及其定位。基于此,给出铁路机车设备画像理论的定义与内涵,梳理了符合现阶段机车运输生产管理需要的铁路机车设备画像理论的构成,阐述了关键技术的研究方法及之间的逻辑关系。同时,设计相匹配的应用架构,介绍了其所包含的核心应用、赋能应用、总体目标等6个方面内容。这为系统性地开展机车健康管理相关研究提供了崭新的理论和方法支持。（2）构建了基于设备画像的铁路机车画像标签体系。通过整合利用机车多维度数据,提出了机车设备画像3级标签体系技术架构,全面分析所包含的数据采集层、标签库层和标签应用层,详细阐释各级标签的内容构成,形成机车画像标签体系的构建方法。针对聚类这一标签产生方式,改进K均值（K-means）聚类算法的初始质心选取方法,提高标签获取的精度和稳定性。通过在某铁路局开展机车设备画像实地应用研究,获得了客观、精准、完整、可靠的机车画像。（3）提出了基于Ms Eclat算法的铁路机车事故故障多最小支持度关联规则挖掘方法。针对机车事故故障在关联规则挖掘中具有不同支持度的特点,提出了改进的等价变换类（Eclat）算法——多最小支持度等价变换类（Ms Eclat）算法,以各项目的支持度值为排序依据重新构建数据集,进而运用垂直挖掘思想获得频繁项集;为了进一步提高Ms Eclat算法在大数据分析场景中的执行效率,将布尔矩阵和并行计算编程模型Map Reduce应用于算法的计算过程,得到优化的Ms Eclat算法,设计并阐述了相应的频繁项集挖掘步骤。通过比较,Ms Eclat算法及其优化算法在多最小支持度关联规则挖掘方面有着极大的计算效率优势。通过在某铁路局开展实际应用研究,验证了算法的有效性、高效性和准确性。（4）设计了基于时变概率的PSO+DE混合优化BP神经网络的机车质量安全态势预测模型。通过总结反向传播（BP）神经网络、粒子群优化（PSO）算法和差分进化（DE）算法的原理及优缺点,设计了基于时变概率且融入了防早熟机制的PSO+DE混合优化BP神经网络预测模型,详细阐释了这一预测模型的训练步骤。以某铁路局的机车质量评价办法为依托,选用灰色关联度分析方法选择出运用故障件数、碎修件数等7个评价项点,预测机车未来3个月的质量安全态势。经过实验对比,新提出的预测模型有着更好的收敛能力,对于机车质量评价等级预测及分值变化趋势预测的准确度分别可以达到98%和91%以上。最后开展了实际预测应用及分析,为科学把控机车质量安全态势提供了较好的技术方法。（5）设计了基于铁路机车设备画像理论的铁路机车健康管理应用。通过总结梳理铁路机车健康管理应用与铁路机车设备画像理论及机务大数据三者间的关系,设计了基于铁路机车设备画像理论的铁路机车健康管理应用的“N+1+3”总体架构及其技术架构。基于此,从设备、人员和综合管理3个方面介绍了机车运用组织、机车整备检修、辅助决策分析等7个典型应用场景,并特别给出这些场景的数据挖掘分析思路及框架,为铁路机车设备画像理论的扎实应用奠定了重要基础。最后,将本文所取得的相关研究成果在某铁路局开展实地的铁路机车健康管理应用实践,通过搭建人机友好的应用系统,完成一系列机务大数据挖掘分析算法模型的封装,实现了机车画像标签生成及设备画像分析、机车事故故障关联分析、机车质量评价分析、机车质量安全态势预测分析等多项功能。通过实际的工程应用,实现了铁路机车设备画像理论及其关键技术的创新实践,取得了良好的效果。全文共有图56幅,表21个,参考文献267篇。
张恒[3]（2021）在《L银行大数据分析平台升级项目风险管理研究》文中研究指明
邓晶艳[4]（2021）在《基于大数据的大学生日常思想政治教育创新研究》文中研究表明中国特色社会主义进入新时代,标定了大学生日常思想政治教育的新方位。面对新时代提出的新任务与新要求,大学生日常思想政治教育要不断探索新思路、新路径与新方法,进一步增强工作的针对性与实效性,以满足大学生成长成才需求以及党和国家事业发展需要。当前,随着移动互联网、物联网、云计算、人工智能等为代表的新一代网络信息技术的迅猛发展、全面集成与广泛应用,人类逐步迈入大规模数据挖掘、运用与创新的“大数据时代”。在此时代背景下,如何运用新媒体、新技术加强和创新高校思想政治教育工作,使之富有时代性、增强针对性、彰显实效性,是新时期高校面临的一个重要而现实的课题。作为当代信息技术发展的前沿,大数据广域的信息资源、先进的信息处理技术以及全新的思维范式,为大学生日常思想政治教育带来了即时性、精准性、前瞻性与个性化等创新发展的新动力与新空间。将大数据思维、技术与方法全方位嵌入大学生日常思想政治教育各要素、各环节与全过程,促进大学生日常思想政治教育革新思维、优化供给、改进方法、重构范式,建构科学化、数字化与智能化的大学生日常思想政治教育体系,推进大学生日常思想政治教育向“精准思政”“智慧思政”转型升级,是大学生日常思想政治教育顺应时代发展的现实需要,也是其进一步提质增效、焕发新机的重要生长点与强劲推动力。阐释大数据内涵、价值、特征与功能,阐释大学生日常思想政治教育内涵并且辨析其与大学生思想政治理论教育的关系,有利于进一步探讨两者的深度融合。基于此,大学生日常思想政治教育大数据概念得以提出。从大学生日常思想政治教育大数据资源、大学生日常思想政治教育大数据技术、大学生日常思想政治教育大数据思维三个维度全面阐述大学生日常思想政治教育大数据的内涵与外延,同时运用马克思主义哲学基本原理和方法论论析大学生日常思想政治教育大数据的生成逻辑、发展动因、方法论基础与价值取向,可以明确大数据与大学生日常思想政治教育需求的契合点,理清大数据对大学生日常思想政治教育的作用机理。面对新时代提出的新任务与新要求,大学生日常思想政治教育仍然面临一些困境、存在一些短板和弱环。运用文献资料法、大数据文本挖掘方法与访谈调研法审视大学生日常思想政治教育现状,总结当前大学生日常思想政治教育存在的问题与困境并作原因剖析,同时探讨新时代大学生日常思想政治教育新要求,指出新时代大学生日常思想政治教育面临的新课题以及新时代大学生日常思想政治教育的指导思想与原则、教育内容体系以及教育工作的主体转型,有利于为新时期大学生日常思想政治教育发展创新提供现实依据。通过分析大数据在大学生日常思想政治教育中应用的技术优势以及可能性,进一步探讨大数据在大学生日常思想政治教育中“精准画像”“规律探寻”与“超前感知”三个应用呈现。以之为基础,基于当前大学生日常思想政治教育存在的理念滞后、模式粗放、知行脱节、供需错位等难题,提出利用大数据推进大学生日常思想政治教育由线性思维向系统思维、由普适教育向个性化培育、由认知培育向实践养成、由需求侧适应向供给侧发力四大发展转向并详细阐述四大发展转向的实现路径。基于大数据推进大学生日常思想政治教育不仅要遵循学科规律、注重理论深化,还要坚持实践导向,致力推动大数据应用,促进理论与实践的双向转化。由之,宏观上,探索大学生日常思想政治教育大数据的数据采集、数据预处理与存储、数据挖掘与分析、数据应用与可视化、数据解释与反馈五大工作模块与应用流程;微观上,对大数据在大学生日常思想政治教育典型场域中的“数据画像”“精准资助”“失联告警”三个应用进行数据模型构建,从而为大学生日常思想政治教育利用大数据提供切实可行的实现路径。大数据为大学生日常思想政治教育创新发展带来了前所未有的机遇,然而,当前大学生日常思想政治教育利用大数据还存在观念性、路径性与机制性瓶颈,同时,大数据是一柄双刃剑,对数据的不当应用会带来诸如“数据垄断”“数据滥用”“数据侵害”“数据冰冷”等一些可能的风险与挑战。高校尚须在思维理念、技术开发、政策支持、制度完善、机制建设、校园环境建设等方面对大数据应用作出回应与调试。不仅如此,在基于大数据创新大学生日常思想政治教育过程中,高校要注重发挥教育工作者的主体性与能动性,始终坚持数字技术与人文精神、数据智能与教育智慧相结合。
王磊[5]（2021）在《大学生锻炼坚持行为影响因素及促进策略研究》文中进行了进一步梳理大学生是国家的未来和民族的希望,欲文明其精神,先自野蛮其体魄。大学生的体质健康与锻炼坚持状况,对体育强国建设和中华民族伟大复兴中国梦的实现具有重大意义。锻炼坚持是指个体持续在一段时间内进行规律锻炼并长期保持的行为,是个体通过体育锻炼增强体魄、健康生活、健全人格、锤炼意志的必要条件。《体育强国建设纲要》中明确“要将促进青少年提高身体素养和养成健康生活方式作为学校体育教育的重要内容”。高校体育不但肩负体育教育职能,更兼具促进锻炼坚持、增强学生体质、建设校园体育、建树正确体育观的育人责任。但至今为止,大学生身体活动不足、锻炼坚持困难,依旧是学校体育的突出问题。体育领域学者对大学生锻炼坚持行为的研究由来已久,取得了丰富的研究成果,在梳理时发现,相关研究历经探索与奠基、起步与发展、成熟与融合三个阶段,形成了以健康信念模型、计划行为理论、社会认知理论等为核心的理论框架,但缺乏对决策过程的关注;且近年来信息技术发展赋能大学生锻炼行为虚拟化,虚拟体育社交与用户生成内容知识共享等,改变了传统锻炼坚持行为的研究场域,相关适应性研究稀缺。基于此,提出了大学生锻炼坚持行为影响因素与促进策略的研究问题。本研究综合运用用户生成内容分析与挖掘、文献资料、专家访谈、问卷调查、数理统计、机器学习和逻辑归纳等研究方法,从我国大学生锻炼坚持行为研究历程梳理入手,结合虚拟锻炼社区用户生成内容分析与访谈资料的交互验证,识别大学生锻炼坚持行为的影响因素,理顺大学生锻炼坚持行为的决策过程、建立模型验证影响因素间的作用机制,并细化锻炼坚持行为分类、制定促进策略,通过系统研究得出如下结论:（1）大学生锻炼坚持行为受生活方式自评、健康认知自评、运动认知自评、个人投入、社会支持、锻炼氛围、场地器材、锻炼获益感知、锻炼风险感知、锻炼动机、锻炼自我效能、锻炼坚持时间、锻炼坚持质量等13个因素的影响。这13个因素构成大学生锻炼坚持行为模型的五大因素即健康自我评价、锻炼条件、锻炼效果感知、锻炼内驱力和锻炼坚持行为。（2）大学生锻炼坚持行为模型五大因素之间存在“感知输入-决策-驱动-行为输出”的四层决策逻辑,形成一个链式中介模型,可归纳为具有五因素四层次的“SCeiP”行为模型。该模型是以大学生锻炼坚持行为为研究对象,以促进和优化锻炼坚持相关因素及决策过程为目标,通过不断完善锻炼坚持行为相关因素作用及协同,促进大学生持续做出锻炼坚持决策的行为模型。（3）锻炼内驱力是锻炼坚持行为的动力来源,是“SCeiP”模型中的核心中介变量,且根据个体所处行为阶段不同,影响不同。模型内部两条促进路径和外部两条反馈路径,均遵循“客观-主观-客观”的作用逻辑,说明锻炼坚持是客观因素通过主观因素发挥能动作用的结果,研究既要关注客观影响因素,更要关注主观作用机制。（4）大学生容易受到外界信息的影响,单次锻炼的效果感知与经验总结,会影响后续决策。锻炼坚持实质上是一个动态变化、螺旋发展的系统,是个体针对“是否进行锻炼”做出理性决策的过程。在一段时期内,每次决策及行为输出结果均会反馈至输入层,影响新一轮决策。在虚拟锻炼社区调研中发现锻炼者偏好对锻炼效果进行成本效益分析,只有锻炼获益大于锻炼风险时,个体才会产生足够的锻炼内驱力,选择坚持锻炼。（5）虚拟锻炼社区汇集大学生锻炼坚持及衍生的锻炼知识共享与社交行为,锻炼坚持行为理论在虚拟化锻炼场域中具有一定适应性,但仍需不断拓展。大学生信息化锻炼虚拟社区与平台是新时代锻炼坚持行为叙述规则和价值逻辑建立的主战场,需要着力设计与打造。基于“SCeiP”模型形成了高校大学生锻炼坚持行为线上线下双循环促进的总体思路。根据巴纳姆效应理论,利用信息化平台知识共享塑造科学体育观导向,在尊重学生个体行为差异的前提下,发挥学生体育锻炼坚持价值认同的聚合效应,以促进大学生锻炼坚持。（6）为实现“因人而异”“因材施教”的大学生锻炼坚持行为预测与导向内容推荐,实现分类促进策略,本研究选用PCA-GS-SVM算法训练大学生锻炼坚持行为数据分类器,训练效率高且正确率在训练集及测试集中均高于87%,能够满足大学生锻炼坚持行为信息化平台分类促进策略的应用要求,有效支撑“SCeiP”模型实践应用。将锻炼坚持行为分为八类,针对不同类别行为特点,制定具体分类促进策略。（7）设计实现大学生锻炼坚持行为促进信息化平台,为实现“因人而异”“因材施教”的锻炼坚持促进提供平台策略及保障策略。从应用需求出发设计平台功能,将“SCeiP”行为模型中涉及的理论概念具象化,融合反馈机制、激励体系、粘性强化等,设计锻炼坚持行为信息化促进方法,为“SCeiP”行为模型的应用落地打造良好基础。并针对锻炼坚持行为促进信息化平台的推广应用,从组织保障策略、制度保障策略、监管反馈策略等三个方面,制定保障策略。本研究创新性主要集中于以下三点:第一,研究引入管理学理论拓展锻炼坚持研究理论架构,拓宽现有锻炼行为研究的应用场景;第二,集成大数据研究方法,拓展虚拟锻炼社区用户分类和用户生成内容分析研究路径,丰富了锻炼坚持行为研究的方法论体系;第三,自行发展大学生锻炼坚持行为问卷,为大学生锻炼坚持行为量化研究提供有效量具及实证基础。
黄静[6]（2021）在《产业联盟创新生态系统升级路径研究》文中指出知识经济时代,全球范围内科技力量的竞争日趋激烈。产业联盟作为我国深入实施创新驱动发展战略的重要组织形式,已成为突破产业关键共性技术、核心技术、“卡脖子”技术等的主导力量。“十四五”规划中也明确提出,国家支持企业牵头组建创新组合体。然而,伴随着产业联盟数量与规模的急剧增加,结盟形式化、创新协作松散、创新能力不强等问题日益突出。在由创新体系转向创新生态系统的创新范式变革与升级背景下,发展产业联盟创新生态系统不仅是产业联盟转型升级的战略方向,而且是我国全面推进创新生态系统建设与发展的着力点与抓手。为此,从结构化视角出发,结合产业联盟创新生态系统演化机理,科学设计并选择产业联盟创新生态系统升级路径,构建相应的升级路径实现机制,对促进我国产业联盟创新发展具有重要的理论与现实意义。第一,在对国内外相关研究动态分析的基础上,提出产业联盟创新生态系统内涵特征,构建产业联盟创新生态系统结构模型。揭示产业联盟创新生态系统演进动力,并刻画产业联盟创新生态系统演进过程模型,描述产业联盟创新生态系统不同演进情形,并揭示演进情形影响因素。另外,基于产业联盟创新生态系统演进机理,构建产业联盟创新生态系统升级路径研究框架。第二,遵循产业联盟创新生态系统演进过程规律,提出产业联盟创新生态系统升级路径架构。综合理论分析和解释性案例研究,围绕路径特征与模型、关键过程和适用条件,凝练并设计创新战略变革升级、核心创新平台辐射升级、多样性结构嵌入升级等产业联盟创新生态系统基本升级路径。第三,基于产业联盟创新生态系统升级路径适用条件,研究升级路径选择影响因素。设计升级路径选择思路与流程,围绕产业联盟创新生态系统主体构成优势、主体间关系优势以及生态环境特征设计升级路径选择指标体系,运用AHP与规则评价法构建升级路径选择方法。面向产业联盟持续升级需求,提出路径间动态转化策略。第四,为确保产业联盟创新生态系统升级路径的顺利实施,提出升级路径实现机制框架及不同路径的机制设计重点,围绕升级动力强化、升级过程控制、升级条件保障和升级效果动态评价等维度,系统设计了产业联盟创新生态系统升级路径实现机制。第五,选择TD产业联盟进行实证研究,分析TD产业联盟创新生态系统演进过程,选择面向5G的TD产业联盟创新生态系统升级路径,提出由4G向5G的升级路径转化策略以及升级路径实现机制完善策略,以论证产业联盟创新生态系统演进机理、升级路径及其实现机制的科学有效性。总之,本研究不仅丰富了产业联盟、创新生态系统相关理论方法,还为推动我国产业联盟持续健康发展,全面提升产业联盟创新生态系统的整体创新效率和能力,提供科学的理论指导和决策支持。
李茵[7]（2021）在《面向医院管理的数据驱动决策研究》文中研究说明信息技术的快速发展与应用以及大数据战略的深入实施,使得大数据成为科技创新引领与决策支撑的重要战略资源,科学研究与实践正在完成“假设驱动”到“数据驱动”的巨大转变,大数据的深度挖掘与利用能够为社会发展、政府治理、国家安全等提供新的动能。围绕国家大数据战略,丰富和拓展大数据应用创新领域,推动管理升级,给学术界、产业界以及政府部门带来许多新的重要课题。其中面向健康服务供给侧的决策支持、决策引导和决策创新中的数据驱动、数据价值转换问题即是管理学、数据科学的核心科学问题之一,更是情报学应对大数据环境开展智慧型情报服务必须解决的关键问题之一。健康医疗大数据时代的到来,促使医院管理和医院管理者的观念都随之变化。数据驱动对医院精细化、智慧化管理决策具有重要意义。本研究从提升医疗管理决策质量的角度出发,构建数据驱动医院管理决策过程模型,分析数据驱动医院管理决策的影响因素,进而提出面向医院管理的数据驱动决策模型,并展开实证研究,为数据驱动决策领域的研究理论基础和实证研究提供参考依据,为促进医院精细化管理提供对策及建议。基于此,通过界定“数据驱动”、“医院管理”、“医院管理评价”与“数据驱动决策”等相关概念,以回顾数据驱动决策、面向医疗健康领域的数据驱动决策、面向医院管理的数据驱动决策以及数据驱动决策的影响因素研究现状为基础,综合运用文献调研法、半结构访谈法、问卷调查法、扎根理论法、结构方程法、统计分析法、机器学习法分析了面向医院管理的数据驱动决策的过程模型和影响因素模型,并构建了面向医院管理的数据驱动决策模型。围绕面向医院管理的数据驱动决策模型这一核心研究内容,本文第三章在已有BASM模型研究过程的基础上,结合医院管理决策场景的特殊性,探索面向医院管理的数据驱动决策的运行机理,构建面向医院管理的数据驱动决策过程模型,以梳理驱动的路径,理清其中的内在逻辑。该模型由处理过程模型及支持过程模型两部分构成,旨在分别回答面向医院管理的数据驱动决策过程中两个核心问题,一是数据本身如何转化并如何嵌入到医院管理决策过程中,二是医院中能够支持并且推动数据驱动决策的途径是什么。第四章采用扎根理论进行了面向医疗管理领域数据驱动决策的影响因素识别研究,编码面向医院管理者的半结构化访谈资料,经过饱和度测试,最终识别出了四个维度的影响因素。第五章在对影响因素定性研究的基础上利用结构方程模型方法进一步验证影响因素,探讨相关变量的权重和关系。阐述各个因素对医院管理决策的影响关系,验证数据驱动医院管理决策影响因素模型。第六章整合数据驱动医院管理决策过程模型和影响因素模型,构建支持医院管理决策全过程的数据驱动决策模型,探讨过程模型与影响因素模型的内在联系。第七章根据已构建的面向医院管理的数据驱动决策模型,进行基于DRGs分组的医疗服务能力评价和医生绩效评价管理工作的实证研究,修正和完善已构建的模型。具体内容如下:（1）构建面向医院管理的数据驱动决策过程模型。基于现有的数据驱动决策机制模型,结合医院管理实践,构建面向医院管理的数据驱动决策过程模型,该模型由处理过程模型及支持过程模型两部分构成,处理过程模型包括面向医院管理决策的数据处理过程和数据驱动的医院管理决策处理过程。决策处理过程既是数据处理过程的最后阶段,对数据处理的结果进行展示与应用,又会不断地产生新的数据,前推已有数据的老化和错误,补充和修正数据处理过程。而数据处理过程以决策处理过程中的阶段性需求为导向,能嵌入到决策处理过程的所有阶段,为决策处理的全流程服务。支持过程模型主要涉及两用户一技术。两用户包括数据分析人员和管理者,使能技术是创建和改进能够嵌入到操作系统的分析工具,这三个主体不能割裂独立,而可以互相转化并可能同时存在,共同对数据和决策进行处理,支持处理过程模型运转。（2）系统分析了面向医院管理的数据驱动决策影响因素。对主观及客观上影响管理者数据驱动决策的因素进行整合和相关分析,确定四个核心影响因素范畴分别是医疗数据质量,信息技术,医院组织管理和管理者信息素养,构建了影响因素模型,发现数据驱动医院管理决策能受到管理者信息素养、医院组织管理和信息技术的正向影响,其中管理者信息素养最强,其次是医院组织管理和信息技术;医院组织管理对医疗数据质量、管理者信息素养、决策目标均有影响,对医疗数据质量的影响要强于管理者信息素养;医疗数据质量能够对信息技术产生正向影响;信息技术对决策目标具有正向影响。（3）构建了面向医院管理的数据驱动决策模型。将过程模型与影响因素模型有机结合在一起,构成了面向医院管理的数据驱动决策模型。打造数据驱动决策模型,将医院数据质量标准化管理贯穿于医院管理全流程、智能化管理提升医务人员的信息技术、高效化管理增效医院组织三个方面分析模型的实现,提出模型优化建议。（4）基于DRGs的肺癌医疗服务绩效分析实证研究。模拟医院管理中运用DRGs分组工具解决绩效问题的真实场景,应用数据驱动医院管理决策模型,优化DRGs分组,优化绩效管理。研究最终确定性别、年龄、入院途径、离院方式、住院次数、医保付费方式、是否手术、合并症严重情况八个因素为影响肺癌医疗服务费用的因素,构建了8个DRGs分组,其中合并症严重程度、是否手术、住院次数是决策树分组的分类结点变量。选用医疗服务能力的指标（DRGs总权重、CMI）根据获取的数据进行比较,完成绩效评价工作,实现基于数据驱动决策的绩效管理。
苑文露[8]（2021）在《大数据在内部审计价值增值中的应用研究 ——以A企业为例》文中研究表明数字化时代背景下,随着企业规模的扩大和生产经营业务的复杂化,大数据的价值和战略意义不断提升,内部审计也面临着新的挑战。合理运用大数据促进内部审计价值增值,是提升内部审计质量与效率、推动内部审计数字化转型的关键,也是新形势下企业必须应对的现实挑战。目前我国企业在大数据应用于内部审计价值增值方面尚处于起步探索阶段,在实践中仍有相当大的发展空间。学术界对于大数据应用于内部审计价值增值方面的研究尚未形成权威性的理论体系与制度规范,企业的内部审计工作缺乏完善的大数据审计理论指导,还存在诸多问题亟需研究与解决。本文采用规范研究法和案例研究法,基于既有理论研究和实务工作案例,探索大数据在内部审计价值增值中应用的实务框架,具有重要的理论意义与现实意义。本文首先阐述了大数据应用于内部审计价值增值的研究背景与意义,系统梳理相关文献与学术成果。其次,对大数据和内部审计价值增值的概念和内涵进行了探讨,总结大数据应用对内部审计的优化以及大数据应用下内部审计的特点,阐述了委托代理理论、价值链理论、产业生命周期理论和平衡记分卡理论等理论基础。再次,尝试从内部审计价值增值目标、内部审计价值增值思维方式、内部审计价值增值模式、内部审计组织管理体系和内部审计战略管理机制的角度构建大数据应用于内部审计价值增值实务框架。最后,基于已构建的实务框架,结合A企业大数据应用于内部审计价值增值的实务案例,从内部审计思维方式创新、业务模式创新、组织管理方式创新和企业战略传递机制创新的角度进行分析,深入挖掘大数据在内部审计价值增值中应用存在的问题,并针对这些问题提出以下建议:重视数字化内部审计环境建设;通过审前加强数据质量控制、审中优化权限与流程管理、审后健全循环整改跟踪机制实现对大数据应用于内部审计全过程的控制;持续推进大数据审计系统建设;关注对大数据系统本身的审计;培养内部审计信息化复合型人才。本文创新点体现于概念内涵创新、实务框架创新和案例分析创新,基于新的时代背景对大数据应用下内部审计价值增值的内涵进行扩展;由内部审计价值增值目标、内部审计价值增值思维方式、内部审计价值增值模式、内部审计组织管理体系和内部审计战略管理机制五个方面构建的大数据应用于内部审计价值增值实务框架创新能够发挥理论对实践的先导作用;从内部审计思维方式创新、业务模式创新、组织管理方式创新和企业战略传递机制创新方面开展的大数据应用于内部审计价值增值的案例分析,在一定程度上能够丰富学术界在案例方面的研究。
苏玲[9]（2021）在《大数据时代背景下H省电子税务建设研究》文中研究指明“大数据”是一场正迎面走来的数据革命,我们不仅要收集掌握数据,更要借助现代化信息技术对数据背后的价值深挖利用。大数据助推国家治理体系和治理能力现代化建设进程加速,也为实现税收现代化提供坚实的数据基础。身处大数据革命时代,大数据、5G、人工智能、云计算等现代化信息技术快速发展为税收现代化建设提供了新的发展机遇,也带来了数据挖掘利用、数据信息安全等诸多挑战。本文以H省电子税务建设为实例,根据H省电子税务建设情况、运行情况、运维情况,运用问卷调查、访谈、案例分析等方法对H省电子税务建设面临的挑战进行分析,参考国内发达地区电子税务建设经验,提出大数据背景下提升H省电子税务建设的对策和建议,通过巩固基础环境建设、加强安全管理、持续优化电子税务建设、加强数据开放共享、提升纳税人办税体验、培养引进大数据人才等方面解决H省电子税务建设存在的问题。
管淑慧[10]（2021）在《国有企业内部审计职能定位与升级路径》文中研究表明当前,许多国有企业都建立了包含内部审计的现代企业管理制度。但是国有企业的内部审计工作还存在一些问题。在国家相关政策下,国有企业的内部审计面临着升级的挑战。文章分析了当前国有企业内部审计职能定位与升级中存在的问题,并提出了国有企业应当改善内部审计形象、细化职能定位、注重内外部风险的管控、建立新型增值型内部审计体系,以切实提高国有企业的整体效益。
二、挖掘数据 应用升级（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、挖掘数据 应用升级（论文提纲范文）
（1）跨界搜寻、大数据能力对平台企业商业模式创新的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 实践背景 |
| 1.1.2 理论背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 第2章 理论基础与文献综述 |
| 2.1 理论基础 |
| 2.1.1 组织搜寻理论 |
| 2.1.2 企业能力理论 |
| 2.1.3 知识管理理论 |
| 2.1.4 创新理论 |
| 2.2 相关文献综述 |
| 2.2.1 商业模式创新相关研究 |
| 2.2.2 跨界搜寻相关研究 |
| 2.2.3 大数据能力相关研究 |
| 2.2.4 知识创造相关研究 |
| 2.2.5 环境不确定性相关研究 |
| 2.3 本章小结 |
| 第3章 研究模型构建 |
| 3.1 相关概念界定 |
| 3.1.1 平台企业 |
| 3.1.2 跨界搜寻 |
| 3.1.3 大数据能力 |
| 3.1.4 知识创造 |
| 3.1.5 商业模式创新 |
| 3.1.6 环境不确定性 |
| 3.2 概念模型提出 |
| 3.2.1 变量间关系梳理 |
| 3.2.2 概念模型构建 |
| 3.3 本章小结 |
| 第4章 研究假设提出 |
| 4.1 跨界搜寻、大数据能力与商业模式创新 |
| 4.1.1 跨界搜寻与商业模式创新 |
| 4.1.2 大数据能力与商业模式创新 |
| 4.1.3 跨界搜寻、大数据能力交互作用与商业模式创新 |
| 4.2 跨界搜寻、大数据能力与知识创造 |
| 4.2.1 跨界搜寻与知识创造 |
| 4.2.2 大数据能力与知识创造 |
| 4.2.3 跨界搜寻、大数据能力交互作用与知识创造 |
| 4.3 知识创造与商业模式创新 |
| 4.4 知识创造的中介作用 |
| 4.5 环境不确定性的调节作用 |
| 4.6 本章小结 |
| 第5章 研究设计 |
| 5.1 问卷设计 |
| 5.1.1 问卷设计的原则 |
| 5.1.2 问卷设计的过程 |
| 5.2 变量测量 |
| 5.2.1 跨界搜寻的测量 |
| 5.2.2 大数据能力的测量 |
| 5.2.3 知识创造的测量 |
| 5.2.4 商业模式创新的测量 |
| 5.2.5 环境不确定性的测量 |
| 5.2.6 控制变量的选择与测量 |
| 5.3 预调研及问卷修正 |
| 5.4 样本与数据收集 |
| 5.4.1 样本选取 |
| 5.4.2 数据收集 |
| 5.5 本章小结 |
| 第6章 实证分析与结果讨论 |
| 6.1 描述性统计与相关性分析 |
| 6.2 共同方法偏差分析 |
| 6.3 信度与效度分析 |
| 6.3.1 信度分析 |
| 6.3.2 效度分析 |
| 6.4 假设检验 |
| 6.4.1 跨界搜寻、大数据能力与商业模式创新关系检验 |
| 6.4.2 跨界搜寻、大数据能力与知识创造关系检验 |
| 6.4.3 知识创造与商业模式创新关系检验 |
| 6.4.4 知识创造的中介作用检验 |
| 6.4.5 环境不确定性的调节作用检验 |
| 6.5 结果分析与讨论 |
| 6.5.1 跨界搜寻、大数据能力与商业模式创新关系讨论 |
| 6.5.2 跨界搜寻、大数据能力与知识创造的关系讨论 |
| 6.5.3 知识创造与商业模式创新的关系讨论 |
| 6.5.4 知识创造的中介作用讨论 |
| 6.5.5 环境不确定性的调节作用讨论 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究创新点 |
| 7.3 管理启示 |
| 7.4 研究局限与未来展望 |
| 参考文献 |
| 附录 关于跨界搜寻、大数据能力、知识创造、环境不确定性、商业模式创新的调研问卷 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（2）铁路机车设备画像理论及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 前言 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 必要性及可行性分析 |
| 1.2.1 必要性 |
| 1.2.2 可行性 |
| 1.3 本文拟解决的主要问题 |
| 1.4 本文研究的主要内容 |
| 1.5 本文组织架构及技术路线 |
| 1.6 本章小结 |
| 2 国内外研究现状及发展趋势 |
| 2.1 机务大数据研究及应用 |
| 2.1.1 国外 |
| 2.1.2 国内 |
| 2.2 机车检修现状 |
| 2.3 设备画像 |
| 2.3.1 画像的概念 |
| 2.3.2 构成要素 |
| 2.3.3 模型与方法 |
| 2.4 标签技术 |
| 2.4.1 画像标签的定义 |
| 2.4.2 标签分类 |
| 2.4.3 标签构建原则 |
| 2.4.4 标签构建方法 |
| 2.5 设备健康管理 |
| 2.5.1 国外设备健康管理现状 |
| 2.5.2 国内设备健康管理现状 |
| 2.5.3 我国铁路机务专业PHM技术发展差距 |
| 2.6 本章小结 |
| 3 铁路机车设备画像理论 |
| 3.1 机车设备画像概述 |
| 3.2 铁路机车设备画像理论构建 |
| 3.2.1 铁路机车设备画像理论的定义与内涵 |
| 3.2.2 铁路机车设备画像理论的构成 |
| 3.2.3 铁路机车设备画像理论的应用架构 |
| 3.3 本章小结 |
| 4 基于设备画像的铁路机车标签体系构建 |
| 4.1 问题概述 |
| 4.2 面向设备画像的标签技术 |
| 4.3 机车画像标签体系构建 |
| 4.3.1 机车画像标签体系技术架构 |
| 4.3.2 机车画像标签体系 |
| 4.4 基于聚类的机车第三级标签获取方法 |
| 4.4.1 K-means算法 |
| 4.4.2 K-means算法的改进 |
| 4.4.3 K-means算法与改进算法的比较验证 |
| 4.5 机车画像标签体系构建实例 |
| 4.5.1 K-means改进算法的应用 |
| 4.5.2 机车完整标签体系的产生 |
| 4.6 本章小结 |
| 5 基于MsEclat算法的铁路机车事故故障多最小支持度关联规则挖掘 |
| 5.1 问题概述 |
| 5.2 MsEclat算法的背景知识 |
| 5.2.1 垂直格式数据集 |
| 5.2.2 支持度、置信度与提升度 |
| 5.2.3 概念格理论 |
| 5.2.4 多最小支持度下的频繁项集判定 |
| 5.2.5 面向有序项目集合的最小支持度索引表 |
| 5.2.6 基于等价类的可连接性判定 |
| 5.3 MsEclat算法原理 |
| 5.3.1 Eclat算法简述 |
| 5.3.2 改进的Eclat算法—MsEclat算法 |
| 5.4 优化的Ms Eclat算法 |
| 5.4.1 基于布尔矩阵的T_(set)位运算求交 |
| 5.4.2 基于MapReduce的等价类并行运算 |
| 5.4.3 大数据场景下优化的MsEclat算法的频繁项集挖掘步骤 |
| 5.5 算法比较验证 |
| 5.5.1 MsEclat算法与水平挖掘算法的对比 |
| 5.5.2 MsEclat算法与其优化算法的对比 |
| 5.6 机车事故故障关联规则挖掘分析 |
| 5.6.1 待分析项目的选取 |
| 5.6.2 关联规则挖掘结果分析 |
| 5.7 本章小结 |
| 6 基于PSO+DE混合优化BP神经网络的铁路机车质量安全态势预测 |
| 6.1 问题概述 |
| 6.2 机车质量等级评价 |
| 6.3 基于机车质量评价项点的特征选择 |
| 6.3.1 灰色关联度分析 |
| 6.3.2 机车质量等级的比较特征选择 |
| 6.4 PSO+DE混合优化BP神经网络 |
| 6.4.1 BP神经网络原理 |
| 6.4.2 PSO算法原理 |
| 6.4.3 DE算法原理 |
| 6.4.4 基于时变概率的PSO+DE混合优化BP神经网络预测模型 |
| 6.5 机车质量安全态势预测分析 |
| 6.5.1 预测模型训练 |
| 6.5.2 预测模型训练结果分析 |
| 6.5.3 预测模型应用分析 |
| 6.6 本章小结 |
| 7 基于铁路机车设备画像理论的铁路机车健康管理应用总体设计 |
| 7.1 机务大数据与机车健康管理 |
| 7.2 铁路机车健康管理应用设计 |
| 7.2.1 设计目标及定位 |
| 7.2.2 总体架构设计 |
| 7.2.3 技术架构设计 |
| 7.3 铁路机车健康管理应用的典型应用场景分析 |
| 7.3.1 设备质量综合分析 |
| 7.3.2 人员运用综合把控 |
| 7.3.3 运输生产综合管理 |
| 7.4 本章小结 |
| 8 某铁路局机车健康管理应用实践 |
| 8.1 应用开发方案 |
| 8.1.1 系统开发环境 |
| 8.1.2 数据调用方式 |
| 8.1.3 分析模型定时任务调用方式 |
| 8.2 机车数据管理功能 |
| 8.2.1 基本数据管理 |
| 8.2.2 视频数据管理 |
| 8.2.3 机务电子地图 |
| 8.3 机车画像标签生成及分析功能 |
| 8.3.1 机车画像标签管理 |
| 8.3.2 单台机车画像分析 |
| 8.3.3 机车设备画像分析 |
| 8.4 机车事故故障关联分析功能 |
| 8.5 机车质量评价分析功能 |
| 8.5.1 单台机车质量安全分析 |
| 8.5.2 机务段级机车质量安全分析 |
| 8.5.3 机务部级机车质量安全分析 |
| 8.5.4 全局机务专业质量安全综合分析 |
| 8.6 机车质量安全态势预测分析功能 |
| 8.7 本章小结 |
| 9 总结与展望 |
| 9.1 本文总结 |
| 9.2 研究展望 |
| 参考文献 |
| 图索引 |
| FIGURE INDEX |
| 表索引 |
| 学位论文数据集 |
| TABLE INDEX |
| 作者简历及攻读博士学位期间取得的科研成果 |
（4）基于大数据的大学生日常思想政治教育创新研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 大数据让大学生日常思想政治教育智能化 |
| 第一节 选题缘由及研究意义 |
| 一、选题缘由 |
| 二、研究意义 |
| 第二节 国内外研究综述 |
| 一、国内研究现状 |
| 二、国外大数据与教育交叉研究综述 |
| 三、研究评析 |
| 第三节 逻辑结构 |
| 一、研究思路 |
| 二、研究方法 |
| 三、内容框架 |
| 第四节 重点、难点及预期创新点 |
| 一、研究重点 |
| 二、研究难点 |
| 三、研究创新点 |
| 第一章 基于大数据创新大学生日常思想政治教育的理论基础 |
| 第一节 核心概念解读 |
| 一、大数据 |
| 二、大学生日常思想政治教育 |
| 三、大学生日常思想政治教育大数据 |
| 第二节 大学生日常思想政治教育大数据之马克思主义哲学审视 |
| 一、感性对象性活动之数据生成逻辑 |
| 二、实践的社会历史性之数据发展动因 |
| 三、辩证唯物主义认识论之数据应用的方法论基础 |
| 四、人的全面自由发展之数据应用的价值取向 |
| 第三节 大学生日常思想政治教育大数据自组织系统阐释 |
| 一、大学生日常思想政治教育之复杂自组织系统特征 |
| 二、大学生日常思想政治教育大数据之数据转化 |
| 三、大学生日常思想政治教育大数据之数据转换 |
| 四、大学生日常思想政治教育之数据工作机制 |
| 第二章 基于大数据创新大学生日常思想政治教育的现实依据 |
| 第一节 大学生日常思想政治教育存在的现实困境 |
| 一、基于大数据文本挖掘方法的大学生日常思想政治教育现实困境分析 |
| 二、大学生日常思想政治教育者访谈 |
| 三、大学生日常思想政治教育存在的问题及原因剖析 |
| 第二节 新时代大学生日常思想政治教育新要求 |
| 一、新时代大学生日常思想政治教育面临的新课题 |
| 二、新时代大学生日常思想政治教育指导思想与原则 |
| 三、新时代大学生日常思想政治教育教育内容体系 |
| 四、新时代大学生日常思想政治教育的主体转型 |
| 第三节 基于大数据创新大学生日常思想政治教育技术优势 |
| 一、大数据关键技术之大学生日常思想政治教育应用 |
| 二、教育主体与教育客体的数据交互 |
| 三、教育管理平台载体的数据智能 |
| 四、教育管理实践数据的跨域应用 |
| 第四节 基于大数据创新大学生日常思想政治教育可能性分析 |
| 一、基于数据技术的效率提升 |
| 二、基于证据的日常教育管理 |
| 三、基于数据评价的工作改进 |
| 第三章 基于大数据促进大学生日常思想政治教育发展转向 |
| 第一节 大学生日常思想政治教育大数据应用呈现 |
| 一、精准画像:大数据精确反映学生行为状态 |
| 二、规律探寻:大数据有效呈现学生活动规律 |
| 三、超前感知:大数据准确研判学生活动趋向 |
| 第二节 基于大数据之由线性思维向系统思维转变 |
| 一、线性思维 |
| 二、系统思维 |
| 三、线性思维向系统思维转变的全面性与准确性 |
| 第三节 基于大数据之由普适教育向个性化培育转变 |
| 一、普适教育 |
| 二、个性化培育 |
| 三、普适教育向个性化培育转变的适应性与有效性 |
| 第四节 基于大数据之由认知培育向实践养成转变 |
| 一、认知培育 |
| 二、实践养成 |
| 三、认知培育向实践养成转变的实效性与长效性 |
| 第五节 基于大数据之由需求侧适应向供给侧发力转变 |
| 一、需求侧适应 |
| 二、供给侧发力 |
| 三、需求侧适应向供给侧发力转变的精准性与有效性 |
| 第四章 基于大数据创新大学生日常思想政治教育的实施路径 |
| 第一节 基于大数据创新大学生日常思想政治教育的原则 |
| 一、以人为本原则 |
| 二、守正创新原则 |
| 三、趋利避害原则 |
| 四、循序渐进原则 |
| 五、理论与实践相结合原则 |
| 第二节 大学生日常思想政治教育大数据资源库建设与运行 |
| 一、大学生日常思想政治教育大数据采集 |
| 二、大学生日常思想政治教育大数据预处理与存储 |
| 三、大学生日常思想政治教育大数据挖掘与建模分析 |
| 四、大学生日常思想政治教育大数据可视化与应用 |
| 五、大学生日常思想政治教育大数据解释与反馈 |
| 第三节 利用大数据推进大学生日常思想政治教育实践应用 |
| 一、数据画像 |
| 二、精准资助 |
| 三、异常告警 |
| 第五章 基于大数据创新大学生日常思想政治教育的条件保障 |
| 第一节 个体主观条件 |
| 一、培育大数据意识与大数据思维 |
| 二、掌握大数据知识与大数据技能 |
| 三、提升大数据伦理与管理理性 |
| 四、把握大数据应用的价值导向 |
| 第二节 技术条件保障 |
| 一、开发和搭建高校思想政治教育大数据技术平台 |
| 二、培育大学生思想政治教育大数据核心技术团队 |
| 第三节 组织与制度保障 |
| 一、加强组织领导 |
| 二、推进教育政策实施与制度建设 |
| 三、加强体制机制建设 |
| 第四节 文化环境保障 |
| 一、优化校园网络环境 |
| 二、培育校园数据文化 |
| 三、优化校园人文环境 |
| 结语:数据智能与教育智慧结合 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（5）大学生锻炼坚持行为影响因素及促进策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 研究内容与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 创新性 |
| 第二章 文献综述及理论基础 |
| 2.1 文献综述 |
| 2.1.1 相关概念的研究 |
| 2.1.2 锻炼坚持行为影响因素的研究 |
| 2.1.3 锻炼坚持行为促进的相关理论 |
| 2.1.4 文献述评 |
| 2.2 锻炼坚持行为促进的相关管理理论基础 |
| 2.2.1 社会交换理论 |
| 2.2.2 健康自我管理与行为决策 |
| 2.2.3 综合集成思想与TEI@I方法论 |
| 2.3 大数据分析的相关理论与技术 |
| 2.3.1 大数据支持体育行为记录与干预 |
| 2.3.2 用户生成内容的自然语言处理与主题发现 |
| 2.3.3 行为特征的聚类 |
| 2.3.4 基于有监督机器学习的行为特征分类器 |
| 2.4 本章小结 |
| 第三章 大学生锻炼坚持行为因素与结构 |
| 3.1 大学生锻炼坚持行为因素研究设计 |
| 3.1.1 因素筛选方法 |
| 3.1.2 研究过程 |
| 3.1.3 资料收集与处理 |
| 3.1.4 资料初步分析结果 |
| 3.2 因素界定 |
| 3.2.1 基于文献的相关关键词界定 |
| 3.2.2 基于UGC内容的因素提取 |
| 3.3 模型因素一致性检验 |
| 3.3.1 回访专家过程及数据选择 |
| 3.3.2 权重计算与一致性检验 |
| 3.4 因素结构分析 |
| 3.4.1 锻炼坚持行为五因素 |
| 3.4.2 锻炼效果感知双向作用拆分 |
| 3.5 本章小结 |
| 第四章 大学生锻炼坚持行为模型假设与验证 |
| 4.1 锻炼坚持行为分析框架 |
| 4.2 研究假设 |
| 4.2.1 健康行为自评、锻炼效果感知和锻炼内驱力 |
| 4.2.2 锻炼条件、锻炼效果感知和锻炼内驱力 |
| 4.2.3 锻炼效果感知、锻炼内驱力和锻炼行为 |
| 4.2.4 锻炼行为模型中的链式中介 |
| 4.2.5 锻炼行为模型中的调节变量 |
| 4.3 问卷设计原则与题目类型 |
| 4.3.1 问卷题目类型 |
| 4.3.2 问卷设计原则 |
| 4.3.3 问卷题目设计 |
| 4.4 大学生锻炼坚持行为模型验证 |
| 4.4.1 预调研 |
| 4.4.2 正式调研 |
| 4.4.3 结果分析 |
| 4.5 大学生锻炼坚持行为促进的“SCeiP”模型 |
| 4.5.1 “SCeiP”模型逻辑与特征 |
| 4.5.2 “SCeiP”模型内部促进双路径 |
| 4.5.3 “SCeiP”模型外部反馈双路径 |
| 4.6 本章小结 |
| 第五章 大学生锻炼坚持行为分类促进策略 |
| 5.1 大学生锻炼坚持行为分类促进思路、指导原则与目标 |
| 5.1.1 大学生锻炼坚持行为分类促进的总体思路 |
| 5.1.2 大学生锻炼坚持行为分类促进的指导原则 |
| 5.1.3 大学生锻炼坚持行为分类促进的目标 |
| 5.2 大学生锻炼坚持行为分类与结果 |
| 5.2.1 大学生锻炼坚持行为分类需求分析及过程 |
| 5.2.2 大学生锻炼坚持行为分类结果 |
| 5.3 大学生锻炼坚持行为分类特点 |
| 5.3.1 锻炼行为数据分类偏差分析 |
| 5.3.2 不同类别特点形成原因分析 |
| 5.4 大学生锻炼坚持行为分类促进的“因材施教”策略 |
| 5.4.1 大学生锻炼坚持行为分类促进方式 |
| 5.4.2 不同大学生锻炼坚持行为类别促进策略 |
| 5.5 本章小结 |
| 第六章 大学生锻炼坚持行为促进平台及保障策略 |
| 6.1 大学生锻炼坚持行为促进平台设计与实现 |
| 6.1.1 大学生锻炼坚持行为促进平台的设计 |
| 6.1.2 大学生锻炼坚持行为促进平台的实现 |
| 6.2 大学生锻炼坚持行为促进保障策略 |
| 6.2.1 大学生锻炼坚持行为促进组织保障策略 |
| 6.2.2 大学生锻炼坚持行为促进制度保障策略 |
| 6.2.3 大学生锻炼坚持行为促进监督反馈策略 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 附录 |
| 附录1 大学生锻炼坚持行为管理因素构成专家意见调查表 |
| 附录2 大学生锻炼坚持行为影响因素权重专家调查表 |
| 附录3 预调研问卷独立样本T检验结果汇总 |
| 附录4 大学生锻炼坚持行为调查问卷 |
| 附录5 移动应用爬虫程序展示(部分) |
| 附录6 用户生成内容话题识别程序展示(部分) |
| 附录7 Mplus程序部分展示(部分) |
| 附录8 大学生锻炼坚持行为促进平台与应用关键代码(部分) |
| 图目录 |
| 表目录 |
| 攻读期间发表学术论文 |
| 致谢 |
| 附件 |
| 学位论文评阅及答辩情况表 |
（6）产业联盟创新生态系统升级路径研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 联盟演化与创新研究现状 |
| 1.3.2 创新生态系统演化与治理研究现状 |
| 1.3.3 国内外研究现状评述 |
| 1.4 研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 产业联盟创新生态系统演进机理及升级路径研究框架 |
| 2.1 产业联盟创新生态系统内涵与特征 |
| 2.1.1 产业联盟创新生态系统内涵 |
| 2.1.2 产业联盟创新生态系统特征 |
| 2.2 产业联盟创新生态系统结构及功能 |
| 2.2.1 结构要素 |
| 2.2.2 结构模型 |
| 2.2.3 结构化功能 |
| 2.3 产业联盟创新生态系统演进动力 |
| 2.3.1 技术创新驱动 |
| 2.3.2 市场需求拉动 |
| 2.3.3 创新政策引导 |
| 2.4 产业联盟创新生态系统演进过程 |
| 2.4.1 产业联盟创新生态系统演进过程模型 |
| 2.4.2 产业联盟创新生态系统代内演进 |
| 2.4.3 产业联盟创新生态系统代际演进 |
| 2.5 产业联盟创新生态系统演进情形 |
| 2.5.1 产业联盟创新生态系统演进情形描述 |
| 2.5.2 产业联盟创新生态系统演进情形影响因素 |
| 2.6 产业联盟创新生态系统升级路径研究框架 |
| 2.6.1 产业联盟创新生态系统升级路径内涵 |
| 2.6.2 产业联盟创新生态系统升级路径研究框架设计 |
| 2.7 本章小结 |
| 第3章 产业联盟创新生态系统升级路径设计 |
| 3.1 产业联盟创新生态系统升级路径设计依据与架构 |
| 3.1.1 产业联盟创新生态系统升级路径设计依据 |
| 3.1.2 产业联盟创新生态系统升级路径架构 |
| 3.2 创新战略变革升级路径 |
| 3.2.1 创新战略变革升级路径特征与模型 |
| 3.2.2 创新战略变革升级路径关键过程 |
| 3.2.3 创新战略变革升级路径适用条件 |
| 3.2.4 创新战略变革升级路径实例分析 |
| 3.3 核心创新平台辐射升级路径 |
| 3.3.1 核心创新平台辐射升级路径特征与模型 |
| 3.3.2 核心创新平台辐射升级路径关键过程 |
| 3.3.3 核心创新平台辐射升级路径适用条件 |
| 3.3.4 核心创新平台辐射升级路径实例分析 |
| 3.4 多样性结构嵌入升级路径 |
| 3.4.1 多样性结构嵌入升级路径特征与模型 |
| 3.4.2 多样性结构嵌入升级路径关键过程 |
| 3.4.3 多样性结构嵌入升级路径适用条件 |
| 3.4.4 多样性结构嵌入升级路径实例分析 |
| 3.5 产业联盟创新生态系统升级路径对比分析 |
| 3.6 本章小结 |
| 第4章 产业联盟创新生态系统升级路径选择与转化 |
| 4.1 产业联盟创新生态系统升级路径选择思路与流程 |
| 4.1.1 产业联盟创新生态系统升级路径选择思路 |
| 4.1.2 产业联盟创新生态系统升级路径选择流程 |
| 4.2 产业联盟创新生态系统升级路径选择影响因素 |
| 4.2.1 主体构成影响因素 |
| 4.2.2 主体间关系影响因素 |
| 4.2.3 创新生态环境影响因素 |
| 4.3 产业联盟创新生态系统升级路径选择过程 |
| 4.3.1 产业联盟创新生态系统内部结构优势识别 |
| 4.3.2 产业联盟创新生态环境特征分析 |
| 4.3.3 内部结构优势与创新生态环境匹配分析 |
| 4.3.4 产业联盟创新生态系统升级路径确定 |
| 4.4 产业联盟创新生态系统升级路径转化 |
| 4.4.1 产业联盟创新生态系统升级路径转化障碍 |
| 4.4.2 产业联盟创新生态系统升级路径转化模型 |
| 4.4.3 产业联盟创新生态系统升级路径转化策略 |
| 4.5 本章小结 |
| 第5章 产业联盟创新生态系统升级路径实现机制 |
| 5.1 产业联盟创新生态系统升级路径实现机制总体设计 |
| 5.1.1 实现机制的框架设计 |
| 5.1.2 面向不同升级路径的实现机制设计重点 |
| 5.2 产业联盟创新生态系统升级动力强化 |
| 5.2.1 强化核心技术创新主导作用 |
| 5.2.2 深度挖掘市场需求 |
| 5.2.3 完善政策引导体系 |
| 5.3 产业联盟创新生态系统升级过程控制 |
| 5.3.1 升级方向控制 |
| 5.3.2 升级关键点控制 |
| 5.3.3 升级进度控制 |
| 5.4 产业联盟创新生态系统升级条件保障 |
| 5.4.1 资源保障 |
| 5.4.2 利益分配保障 |
| 5.4.3 制度环境保障 |
| 5.4.4 组织文化保障 |
| 5.5 产业联盟创新生态系统升级效果评价 |
| 5.5.1 评价指标设计 |
| 5.5.2 评价方法选择 |
| 5.5.3 评价模型构建 |
| 5.5.4 评价体系应用策略 |
| 5.6 本章小结 |
| 第6章 TD产业联盟创新生态系统升级路径研究 |
| 6.1 TD产业联盟发展概况 |
| 6.2 TD产业联盟创新生态系统演进过程与情形分析 |
| 6.2.1 TD产业联盟创新生态系统演进动力 |
| 6.2.2 TD产业联盟创新生态系统演进过程 |
| 6.2.3 TD产业联盟创新生态系统演进情形分析 |
| 6.3 TD产业联盟创新生态系统升级路径选择与转化 |
| 6.3.1 TD产业联盟创新生态系统内部结构优势识别 |
| 6.3.2 TD产业联盟创新生态环境特征分析 |
| 6.3.3 TD产业联盟创新生态系统升级路径确定 |
| 6.3.4 TD产业联盟创新生态系统升级路径转化策略 |
| 6.4 TD产业联盟创新生态系统升级路径实现机制完善 |
| 6.4.1 机制现状与需求分析 |
| 6.4.2 完善动力强化机制 |
| 6.4.3 优化过程控制机制 |
| 6.4.4 强化条件保障机制 |
| 6.4.5 建立效果评价机制 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间出版的专着 |
| 攻读学位期间参与的课题项目 |
| 致谢 |
（7）面向医院管理的数据驱动决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数据驱动决策的研究现状 |
| 1.3.2 数据驱动医疗健康领域决策的研究现状 |
| 1.3.3 数据驱动医院管理决策的研究现状 |
| 1.3.4 数据驱动决策的影响因素研究现状 |
| 1.3.5 研究现状述评 |
| 1.4 研究框架与研究内容 |
| 1.4.1 研究框架 |
| 1.4.2 主要研究内容 |
| 1.4.3 拟解决的关键问题 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 相关基础理论和方法 |
| 2.1 医院管理相关概念 |
| 2.1.1 医院管理 |
| 2.1.2 医院管理评价 |
| 2.1.3 医院管理者 |
| 2.2 决策支持相关理论 |
| 2.2.1 西蒙决策理论 |
| 2.2.2 数据驱动决策相关理论 |
| 2.3 信息链理论 |
| 2.3.1 信息链与信息技术 |
| 2.3.2 “信息”上溯到“数据”带来的变化 |
| 2.3.3 信息链视域下的数据驱动医院管理决策 |
| 2.4 BASM模型 |
| 2.4.1 BASM模型的产生 |
| 2.4.2 BASM模型的研究现状 |
| 2.4.3 基于BASM模型的数据驱动医院管理决策研究 |
| 2.5 相关研究方法 |
| 2.5.1 扎根理论 |
| 2.5.2 结构方程模型 |
| 2.5.3 决策树算法--CHAID |
| 2.6 相关应用场景 |
| 2.6.1 医疗服务绩效 |
| 2.6.2 DRG在医疗服务绩效管理中的应用 |
| 2.7 本章小结 |
| 第3章 面向医院管理的数据驱动决策过程模型构建 |
| 3.1 面向医院管理决策的数据驱动过程模型 |
| 3.1.1 数据驱动决策模式运行机制 |
| 3.1.2 BASM的过程模型 |
| 3.1.3 基于BASM过程模型的数据驱动医院管理决策过程模型构建 |
| 3.2 面向医院管理的数据驱动决策过程模型要素分析 |
| 3.2.1 驱动要素 |
| 3.2.2 需求要素 |
| 3.2.3 支持要素 |
| 3.2.4 要素间关系 |
| 3.3 数据驱动的医院管理决策中数据处理过程 |
| 3.3.1 医疗数据存在的问题 |
| 3.3.2 面向医院管理决策的数据处理原则 |
| 3.3.3 面向医院管理决策的数据处理过程 |
| 3.4 面向医院管理的数据驱动决策过程模型运行机制 |
| 3.4.1 面向医院管理决策的信息链转化过程 |
| 3.4.2 数据驱动的医院管理决策制定过程 |
| 3.5 本章小结 |
| 第4章 基于扎根理论的数据驱动医院管理决策的影响因素分析 |
| 4.1 研究问题与研究程序 |
| 4.1.1 研究问题 |
| 4.1.2 研究方法 |
| 4.1.3 研究程序 |
| 4.2 研究设计 |
| 4.2.1 研究对象选取 |
| 4.2.2 资料收集 |
| 4.2.3 信效度检验 |
| 4.3 编码分析 |
| 4.3.1 开放式编码 |
| 4.3.2 主轴编码 |
| 4.3.3 选择性编码 |
| 4.3.4 理论饱和度检验 |
| 4.4 数据驱动医院管理决策影响因素理论模型与阐释 |
| 4.4.1 影响因素理论模型构建 |
| 4.4.2 影响因素分析 |
| 4.4.3 影响因素关系分析 |
| 4.5 本章小结 |
| 第5章 数据驱动医院管理决策的影响因素模型构建 |
| 5.1 数据驱动医院管理决策影响因素变量选择与界定 |
| 5.1.1 医疗数据质量维度 |
| 5.1.2 信息技术维度 |
| 5.1.3 医院组织管理维度 |
| 5.1.4 管理者信息素养维度 |
| 5.1.5 数据驱动医院管理决策维度 |
| 5.2 相关研究假设 |
| 5.2.1 医疗数据质量 |
| 5.2.2 信息技术 |
| 5.2.3 医院组织管理 |
| 5.2.4 管理者信息素养 |
| 5.3 调查问卷的编制与问卷修正 |
| 5.4 数据获取与统计分析 |
| 5.4.1 研究对象 |
| 5.4.2 样本量的选择 |
| 5.4.3 信度分析 |
| 5.4.4 样本分布 |
| 5.4.5 样本数据相关性 |
| 5.5 效度分析 |
| 5.5.1 探索性因子分析 |
| 5.5.2 验证性因子分析 |
| 5.6 基于结构方程的影响因素模型构建与检验修正 |
| 5.6.1 影响因素模型构建 |
| 5.6.2 模型基本适配评估 |
| 5.6.3 假设检验的结果 |
| 5.7 结构方程模型检验结果分析 |
| 5.7.1 影响因素强度分析 |
| 5.7.2 医疗数据质量对信息技术影响的验证结果分析 |
| 5.7.3 信息技术对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.4 医院组织管理对医疗数据质量影响的验证结果分析 |
| 5.7.5 医院组织管理对管理者信息素养影响的验证结果分析 |
| 5.7.6 医院组织管理对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.7 管理者信息素养对医疗数据质量影响的验证结果分析 |
| 5.7.8 管理者信息素养对信息技术影响的验证结果分析 |
| 5.7.9 管理者信息素养对数据驱动医院管理决策影响的验证结果分析 |
| 5.8 本章小结 |
| 第6章 面向医院管理的数据驱动决策模型研究 |
| 6.1 数据驱动医院管理决策模型构建 |
| 6.2 面向医院管理的数据驱动决策模型的驱动机制 |
| 6.2.1 面向医院管理的数据驱动决策模型的驱动目标 |
| 6.2.2 面向医院管理的数据驱动决策模型的驱动特征 |
| 6.2.3 面向医院管理的数据驱动决策模型的驱动过程 |
| 6.3 数据驱动医院管理决策模型影响因素的作用机制 |
| 6.3.1 医疗数据质量在数据驱动决策模型中的影响机制 |
| 6.3.2 信息技术在数据驱动决策模型中的影响机制 |
| 6.3.3 医院组织管理在数据驱动决策模型中的影响机制 |
| 6.3.4 管理人员素养在数据驱动决策模型中的影响机制 |
| 6.4 数据驱动医院管理决策模型对医院管理的提升策略 |
| 6.4.1 提升医疗数据质量 |
| 6.4.2 发挥信息技术使能作用 |
| 6.4.3 发挥医院组织管理支持作用 |
| 6.4.4 提高管理人员信息素养 |
| 6.5 本章小结 |
| 第7章 面向医院管理的数据驱动决策的实证研究 |
| 7.1 资料来源与研究对象 |
| 7.2 原发性肺癌患者的DRGS分组 |
| 7.2.1 数据基础 |
| 7.2.2 数据纳入 |
| 7.2.3 术语映射 |
| 7.2.4 DRGs分组结果对比 |
| 7.3 基于DRGS细分组的医疗服务绩效评估 |
| 7.3.1 基于决策树的原发性肺癌患者DRGs细分组模型 |
| 7.3.2 基于DRGs细分组的医疗服务绩效评估指标 |
| 7.3.3 医生医疗服务绩效指标统计结果 |
| 7.3.4 科室医疗服务绩效指标统计结果 |
| 7.4 讨论 |
| 7.4.1 数据驱动医院管理决策过程 |
| 7.4.2 数据驱动医院管理决策影响因素 |
| 7.5 本章小结 |
| 第8章 结论与创新 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 研究局限 |
| 参考文献 |
| 附录1 病案组DRGS分组情况 |
| 附录2 医生组DRGS分组情况 |
| 附录3 访谈提纲 |
| 附录4 调查问卷 |
| 作者简介及在学期间所取得的科研成果 |
| 后记与致谢 |
（8）大数据在内部审计价值增值中的应用研究 ——以A企业为例（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 关于大数据的文献综述 |
| 1.2.2 关于内部审计价值增值的文献综述 |
| 1.2.3 关于大数据在内部审计价值增值中应用的文献综述 |
| 1.2.4 文献述评 |
| 1.3 研究思路和研究方法 |
| 1.3.1 研究思路与框架 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 创新点 |
| 第2章 相关理论 |
| 2.1 概念及内涵 |
| 2.1.1 大数据 |
| 2.1.2 内部审计价值增值 |
| 2.2 大数据应用对内部审计的优化 |
| 2.2.1 内部审计数据信息层面 |
| 2.2.2 内部审计数据分析层面 |
| 2.2.3 内部审计成本层面 |
| 2.2.4 信息系统可靠性层面 |
| 2.3 大数据应用下内部审计的特点 |
| 2.3.1 全面性 |
| 2.3.2 及时性 |
| 2.3.3 科学性 |
| 2.3.4 适应性 |
| 2.4 理论基础 |
| 2.4.1 委托代理理论 |
| 2.4.2 价值链理论 |
| 2.4.3 产业生命周期理论 |
| 2.4.4 平衡记分卡理论 |
| 本章小结 |
| 第3章 大数据在内部审计价值增值中应用实务框架 |
| 3.1 内部审计价值增值目标 |
| 3.1.1 总体目标 |
| 3.1.2 一般目标 |
| 3.2 思维方式 |
| 3.2.1 数据资产思维 |
| 3.2.2 关联与多元思维 |
| 3.2.3 风险与前瞻思维 |
| 3.3 内部审计价值增值模式 |
| 3.3.1 大数据应用于内部审计价值增值的定位 |
| 3.3.2 大数据内部审计场景的综合应用 |
| 3.3.3 以流程为主线的内部审计业务模式 |
| 3.4 内部审计组织管理体系 |
| 3.4.1 大数据对内部审计组织管理体系的影响 |
| 3.4.2 大数据下内部审计价值增值的工作主体 |
| 3.5 内部审计战略管理机制 |
| 3.5.1 内部审计战略监督反馈机制 |
| 3.5.2 内部审计战略传递机制 |
| 本章小结 |
| 第4章 大数据在内部审计价值增值中应用案例分析 |
| 4.1 A企业内部审计情况概述 |
| 4.2 A企业大数据创新内部审计价值增值情况 |
| 4.2.1 内部审计思维方式创新 |
| 4.2.2 内部审计业务模式创新 |
| 4.2.3 内部审计组织管理方式创新 |
| 4.2.4 企业战略传递机制创新 |
| 4.3 A企业大数据在内部审计价值增值中的应用效果 |
| 4.3.1 管理决策层面的价值增值 |
| 4.3.2 发展战略层面的价值增值 |
| 4.4 A企业大数据在内部审计价值增值应用中存在的问题 |
| 4.4.1 数字化内部审计环境建设问题 |
| 4.4.2 大数据应用于内部审计质量控制问题 |
| 4.4.3 大数据系统建设难度与成本问题 |
| 4.4.4 对大数据系统本身的审计不足 |
| 4.4.5 内部审计人员能力与人才需求问题 |
| 本章小结 |
| 第5章 大数据在内部审计价值增值中应用的建议 |
| 5.1 重视数字化内部审计环境建设 |
| 5.1.1 认知环境建设 |
| 5.1.2 应用环境建设 |
| 5.1.3 制度环境建设 |
| 5.2 加强大数据的全过程控制 |
| 5.2.1 审前:加强数据质量控制 |
| 5.2.2 审中:优化权限与流程管理 |
| 5.2.3 审后:健全循环整改跟踪机制 |
| 5.3 持续推进大数据审计系统建设 |
| 5.4 关注对大数据系统本身的审计 |
| 5.5 培养内部审计信息化复合型人才 |
| 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究局限和不足 |
| 6.3 未来展望 |
| 参考文献 |
| 致谢 |
（9）大数据时代背景下H省电子税务建设研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 选题缘由 |
| 一、选题背景 |
| 二、研究意义 |
| 第二节 国内外相关研究 |
| 一、国外研究动态 |
| 二、国内研究动态 |
| 三、国内外研究评述 |
| 第三节 研究方法与研究思路 |
| 一、研究方法 |
| 二、研究思路 |
| 第二章 核心概念和基础理论 |
| 第一节 核心概念 |
| 一、大数据 |
| 二、互联网+ |
| 三、数据挖掘 |
| 第二节 基础理论 |
| 一、新公共服务理论 |
| 二、税收遵从理论 |
| 第三章 H省电子税务建设现状 |
| 第一节 H省电子税务总体介绍 |
| 一、建设情况 |
| 二、系统功能介绍 |
| 三、系统登录 |
| 第二节 H省电子税务运行情况 |
| 一、覆盖的纳税、缴费人数 |
| 二、主要系统业务量 |
| 第三节 H省电子税务运维情况 |
| 一、主要运维力量 |
| 二、运维渠道 |
| 第四节 H省电子税务建设优势 |
| 一、税收新常态政策支持 |
| 二、夯实的技术基础 |
| 三、全国集中的数据基础 |
| 第四章 H省电子税务建设面临的挑战 |
| 第一节 网络安全隐患 |
| 一、网络安全隐患严峻 |
| 二、网络安全隐患原因分析 |
| 第二节 建设过程资源浪费问题 |
| 一、资源浪费问题凸显 |
| 二、资源浪费原因分析 |
| 第三节 涉税系统运维力量不足 |
| 一、急需壮大运维力量 |
| 二、运维力量不足原因分析 |
| 第四节 数据壁垒制约电子税务建设 |
| 一、数据壁垒难破除 |
| 二、数据壁垒原因分析 |
| 第五节 系统分散、整合性差 |
| 一、系统整合需加强 |
| 二、系统整合性差原因分析 |
| 第六节 税收数据挖掘薄弱 |
| 一、税收大数据未有效利用 |
| 二、数据挖掘欠缺原因分析 |
| 第五章 推进H省电子税务建设的思考 |
| 第一节 巩固基础环境建设 |
| 一、坚定信息化建设思想 |
| 二、强化大数据思维 |
| 三、清理、整合现有系统 |
| 四、单独成立信息化项目建设部门 |
| 第二节 加强安全管理 |
| 一、完善法律法规 |
| 二、加强日常安全管理工作 |
| 三、完善数据灾备体系 |
| 四、借鉴大连市局先进经验 |
| 第三节 持续优化电子税务建设 |
| 一、持续优化系统功能建设 |
| 二、加强系统建设日常管理 |
| 三、增强系统运行运维力量 |
| 四、拓宽运维渠道 |
| 五、提升运维人员能力 |
| 六、借鉴深圳市局先进经验 |
| 第四节 加强数据开放共享 |
| 一、强化数据质量管理 |
| 二、建立数据联通机制 |
| 三、建设政务云平台 |
| 第五节 提升纳税人办税体验 |
| 一、树立科技驱动理念 |
| 二、加强培训、宣传力度 |
| 三、引入评价机制 |
| 四、借鉴山东省局先进经验 |
| 第六节 培养引进大数据人才 |
| 一、盘活税务系统现有人力资源 |
| 二、引进大数据专业人才 |
| 三、充分利用第三方智库 |
| 结论 |
| 附录 |
| 附录 A 税务工作人员问卷调查表 |
| 附录 B 纳税人问卷调查表 |
| 参考文献 |
| 致谢 |
（10）国有企业内部审计职能定位与升级路径（论文提纲范文）
| 0 引言 |
| 1 国有企业内部审计职能定位与升级面临的挑战和难题 |
| 1.1 职能定位模糊，业务层级较低 |
| 1.2 内部审计的权威性不够，没有形成一致的认同度 |
| 1.3 内部审计的职能定位和升级将面临文化与认知的挑战 |
| 2 国有企业内部审计职能定位与升级路径分析 |
| 2.1 细化审计职能定位，构建增值型审计业务体系 |
| 2.2 塑造内部审计形象，使增值型审计身份得到认同 |
| 2.3 扩大风险控制范围，提高增值型审计的风险管控能力 |
| 3 结束语 |
四、挖掘数据 应用升级（论文参考文献）
- [1]跨界搜寻、大数据能力对平台企业商业模式创新的影响研究[D]. 唐彬. 吉林大学, 2021(01)
- [2]铁路机车设备画像理论及关键技术研究[D]. 李鑫. 中国铁道科学研究院, 2021(01)
- [3]L银行大数据分析平台升级项目风险管理研究[D]. 张恒. 兰州交通大学, 2021
- [4]基于大数据的大学生日常思想政治教育创新研究[D]. 邓晶艳. 贵州师范大学, 2021(09)
- [5]大学生锻炼坚持行为影响因素及促进策略研究[D]. 王磊. 山东大学, 2021(10)
- [6]产业联盟创新生态系统升级路径研究[D]. 黄静. 哈尔滨理工大学, 2021(01)
- [7]面向医院管理的数据驱动决策研究[D]. 李茵. 吉林大学, 2021(01)
- [8]大数据在内部审计价值增值中的应用研究 ——以A企业为例[D]. 苑文露. 山东财经大学, 2021(12)
- [9]大数据时代背景下H省电子税务建设研究[D]. 苏玲. 云南师范大学, 2021(08)
- [10]国有企业内部审计职能定位与升级路径[J]. 管淑慧. 当代会计, 2021(09)