推动互联网、大数据、人工智能和实体经济深度融合研究

当前,互联网、大数据、人工智能等新一代信息技术蓬勃发展,这些新的技术开始带动资金流、人才流进行不断的交互,同时新技术开始促进资源进行优化和重新配置,种种迹象表明信息化发展开始进入到全新的发展阶段。当前我国政府开始重视新技术的发展,同时强调新技术应当为实体经济服务,因此政府倡导新技术和实体经济进行深度的融合。随着数字工业经济的迅速繁荣发展,网络通信技术的不断创新快速发展和推动实体工业经济的技术深度转化融合,大数据等新兴信息技术仍然是推动全球实体经济快速增长的重要技术推动力。当前处于制造业改革升级的关键时期,如果能够将新技术和传统的产业进行创新发展一定会更好促进我国的供给侧改革,同时实现共同富裕的伟大目标。基于此本文从互联网、大数据、人工智能的基础理论出发,首先研究新技术和农业领域融合的途径,通过新技术对商业模式进行创新、通过新技术助力农业生产效能和安全、通过新技术打造全新的农业产业化服务体系;其次提出新技术和制造业技术进行深度融合,通过新技术来精准识别及挖掘消费者的需求、通过新技术创新制造业发展模式,通过新技术构建灵活的内部生产能力平台;最终提出应当加大宣传、构建集中的整理机构以及统一的...     

人工智能经济学的思想端倪及建构路径

人工智能技术的广泛运用正在悄然改变人类物质文明和精神文明。文章认为人工智能对社会经济、政治、文化乃至对意识形态的影响,已经展露出可建构人工智能经济学的思想端倪。基于数字经济的发展,需要解释人工智能会在哪些方面通过市场机制对厂商投资经营发生作用;厂商运用人工智能技术究竟能在多大程度上提供有效供给和预测需求,厂商在未来普遍采用大数据分析和人工智能技术进行投资经营选择时,社会经济实践会在多大范围内要求经济学家修正微观经济学基础的理性选择理论、厂商理论和产业组织理论;假若大数据分析和人工智能技术在未来果真会引发经济学革命,经济学家如何探寻人工智能经济学的建构路径等。文章拟依据微观经济学原理对以上诸问题作出分析性描述,对有可能在理论上站得住脚的人工智能经济学的建构路径展开研究,以期达到相对前卫的理论认知。     

大数据时代互联网企业竞争的反垄断法挑战

伴随大数据时代的到来,对于互联网竞争来讲,包含着多方面的内容,其中数据竞争较为突出。它是将平台当作媒介,把寡头竞争看成一种模式,产生不一样的特点。就互联网企业来说,它主要是借助数据进一步强化发展,实现自身的转型,增加自身利益,提升市场竞争力。基于数据优势,能够将影响竞争的消极因素排除掉。在互联网企业竞争的背景下,对于给反垄断法所带来的挑战,本文主要从以下方面进行了探讨,以期为有关人士提供参考。     

人工智能在企业财务大数据中的实践

新时代背景下企业所产生的财务数据增多,如若采用手工记账方式或者会计电算化方式均不能有效处理庞大的数据,识别可能存在的财务风险,予以有效地预警与防范,保证企业良好运营。对此,应当将人工智能技术应用于财务工作之中,通过对财务大数据的有效处理,提高财务工作质量,同时有效防控财务风险。本文将从概述企业财务风险防控现状展开,着重分析和探讨人工智能在企业财务大数据中的实践应用。     

大数据征信的创新特点、问题及优化路径

互联网金融的飞速发展对征信业尤其是大数据征信产生了强烈的倒逼效应。文章阐述了大数据征信的创新特点,对大数据征信发展现状及问题进行了深入分析,并在加强法制建设、落实征信监管、鼓励征信产品创新、建立数据共享机制等方面提出了大数据征信的优化路径。     

大数据和人工智能背景下的财务转型与管理

近年来,信息技术在我国得到了广泛的发展与应用,例如大数据与人工智能,这也意味着企业发展的商业模式去虚拟化,财务面临的外部环境也发生着改变,大数据影响着企业的财务数据处理,财务的管理我是需要顺应时代的需求进行创新,企业的财务人员与财务管理都将转型。对于保险企业来说,它的核心竞争力变成了对人员的管理以及大数据的管理,保险企业发展战略的核心是将财务会计转为管理会计,只有这样才能顺应时代的发展,保持保险企业强劲的发展动力。那么大数据与人工智能背景下,保险企业应该怎样对财务进行转型与管理是本文的研究内容。     

基于人工智能和大数据时代背景刍议财务管理新思维

新信息时代下,大数据、人工智能等各种先进技术应运而生,财务管理模式也会相应发生改变。如果财务管理依然采用传统管理思维方式,已经不能很好地发挥其作用,这就需要寻求创新途径。分析大数据技术及人工智能技术对财务管理造成的影响进行分析,积极探索人工智能财务管理新思路,以提高财务管理水平,对企业的稳定发展起到一定的促进作用,本文着重研究基于人工智能和大数据时代背景刍议财务管理新思维。     

大数据和人工智能时代的情报分析和技术探索

在深入梳理现代情报分析六大关键问题和理想状态的基础上,结合大数据和人工智能技术近10年的跨越式发展,针对目前大数据和人工智能技术应用于情报分析的主要认识误区,详细分析了其用于情报分析领域的六大挑战和所需7项关键支撑技术,并提出了大数据和人工智能基础上的新型情报分析技术体系架构模型和情报生产使用流程。最后,对未来情报界相关系统和工作流程建设提出了四个方面的建议。     

大数据时代我国企业竞争情报研究综述

通过检索和分析2011年来国内企业竞争情报文献,从企业竞争情报系统、企业竞争情报分析、企业竞争情报服务三个方面综述了国内企业竞争情报的研究进展,探讨了现有研究的不足之处,为大数据时代我国企业竞争情报的进一步发展指明了方向。     

大数据人工智能时代会计从业人员应对对策

随着现代理论和技术日益成熟,未来人工智能带来的发展将前所未有,必将成为继互联网之后协助人类发展的重要帮手。一是随着会计证的取消以及初级职称的变革;二是以机器人为首的人工智能开始迅速普及。四大国际化企业如毕马威以及普华永道等纷纷将其自主研发的财务机器人以及其解决方案推向市场,这使得传统财务行业受到了巨大的冲击,其开始逐渐实施转型,人类也迈入了人工智能的新时代。2017年5月,德勤研发的财务机器人领先入市,这在财务圈引起了强烈轰动。安永、毕马威以及普华永道这三家也紧跟其后,先后将其研发的财务机器人与其解决方案推向市场。     

人工智能发展的社会风险及监管路径研究

人工智能技术的出现和发展必然会引发一系列潜在风险,包括伦理道德危机、技术滥用隐患、极化异化风险以及军事战争灾难等。与此同时,人工智能时代的到来也使得诸多法律问题陷入困境,如法律主体资格的确定、著作权的归属、侵权责任的认定、人格权的保护以及无人驾驶汽车和替代劳工的相关问题等。对此,必须深入探究未来人工智能发展的监管路径,采取塑造多元价值目标、构建伦理规范体系、建立法律监管制度和加强国际协同合作等措施,有效规避人工智能带来的社会风险和法律挑战,从而最大程度发挥人工智能的积极作用。     

浅谈大数据时代下的会计专业学生的自主学习

大数据时代的到来为会计学习提供了丰富的数据资源,也给传统的会计学习模式带来了挑战。在大数据时代背景下,面对快速发展的网络科技,会计院校的学生缺乏自主学习意识和对新知识的认知感,对数据的收集、分析处理的敏感度弱。在大数据背景下增强会计专业学生的自主学习能力,需要教师创新教学方式和内容,充分利用网络会计资源和学生数据,开展多角度、全方位的教学实践,培养学生自主学习意识和能力;学生应借助大数据,更好地了解自己的学习状况,有针对性开展自主学习。     

Leveraging Big Data to Develop Supply Chain Management Theory: The Case of Panel Data

Increased data availability is poised to shape both business practice and supply chain management (SCM) research. This article addresses an issue that can arise when trying to use big data to answer academic research questions. This issue is that distilled data often have a panel structure whereby repeated measurements are available on one or more variables for a substantial number of subjects. Thus, to fully leverage the richness of big data for academic research, SCM scholars need an understanding regarding the different types of research questions answerable with panel data. In this article, we devise a framework detailing different types of research questions SCM scholars can answer with panel data. This framework provides a basis to categorize how SCM scholars have examined the services supply chain setting of health care with public data regarding hospital‐level patient satisfaction. We extend prior research by testing a series of three questions not yet examined in this area by fitting a series of structured latent curve models to seven years of hospital‐level patient satisfaction for nearly 4,000 hospitals. The discussion highlights theoretical and methodological challenges SCM scholars are likely to encounter as they use the panel data in their research.     

Data Science,Predictive Analytics,and Big Data in Supply Chain Management: Current State and Future Potential

While data science, predictive analytics, and big data have been frequently used buzzwords, rigorous academic investigations into these areas are just emerging. In this forward thinking article, we discuss the results of a recent large‐scale survey on these topics among supply chain management (SCM) professionals, complemented with our experiences in developing, implementing, and administering one of the first master's degree programs in predictive analytics. As such, we effectively provide an assessment of the current state of the field via a large‐scale survey, and offer insight into its future potential via the discussion of how a research university is training next‐generation data scientists. Specifically, we report on the current use of predictive analytics in SCM and the underlying motivations, as well as perceived benefits and barriers. In addition, we highlight skills desired for successful data scientists, and provide illustrations of how predictive analytics can be implemented in the curriculum. Relying on one of the largest data sets of predictive analytics users in SCM collected to date and our experiences with one of the first master's degree programs in predictive analytics, it is our intent to provide a timely assessment of the field, illustrate its future potential, and motivate additional research and pedagogical advancements in this domain.     

基于人工智能的足迹识别与特征提取

针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题,提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集,并将数字图像处理算法与传统足迹检验法结合,提取足迹的区域关系特征和形状长度特征,进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明,所提方法准确率超过人工鉴别准确率,达到99.1%,可应用于战场感知及侦破现场足迹准确检测与识别,也可推广应用于人体身份鉴别的相关领域。     

海关大数据知识图谱构建技术及应用

海关业务改革的不断深化对海关管理提出了新的要求。本文结合信息爆炸时代海关管理面临的挑战及业界知识图谱的应用情况,全面分析了在海关管理中引入知识图谱的必要性,提出了海关大数据知识图谱的构建技术流程及应用场景,旨在为智慧海关建设提供参考。     

Data Science,Predictive Analytics,and Big Data: A Revolution That Will Transform Supply Chain Design and Management

We illuminate the myriad of opportunities for research where supply chain management (SCM) intersects with data science, predictive analytics, and big data, collectively referred to as DPB. We show that these terms are not only becoming popular but are also relevant to supply chain research and education. Data science requires both domain knowledge and a broad set of quantitative skills, but there is a dearth of literature on the topic and many questions. We call for research on skills that are needed by SCM data scientists and discuss how such skills and domain knowledge affect the effectiveness of an SCM data scientist. Such knowledge is crucial to develop future supply chain leaders. We propose definitions of data science and predictive analytics as applied to SCM. We examine possible applications of DPB in practice and provide examples of research questions from these applications, as well as examples of research questions employing DPB that stem from management theories. Finally, we propose specific steps interested researchers can take to respond to our call for research on the intersection of SCM and DPB.     

江西物联网产业发展路径探析

目前,各地正在积极部署物联网产业的发展,培育物联网产业的竞争力是部署规划的内容之一,钻石模型是分析产业竞争力的有力工具。本文从生产要素条件、需求条件、企业战略、结构和竞争,相关产业和支持产业的表现,以及机会和政府等几方面分析江西物联网的发展环境,提出政府加快制定江西物联网发展规划,加强知识创新和人才的培养与引进,采取错位发展的策略,加强相关、支持产业的发展,注重物联网应用需求的培养等政策对策。     

Sustainable Supply Chains in the Age of AI and Digitization: Research Challenges and Opportunities

Sustainability has become a global corporate mandate with implementation impacted by two key trends. The first is recognition that global supply chains have a profound impact on sustainability which requires “greening” the entire supply chain. The second is technology—digitization, artificial intelligence (AI), and “big data”—which have become ubiquitous. These technologies are impacting every aspect of how companies organize and manage their supply chains and have a powerful impact on sustainability. In this essay, we synthesize current dominant themes in research on sustainable supply chains in the age of digitization. We also highlight potential new research opportunities and challenges and showcase the papers in our STF.