RFID技术在汽车供应链管理中的应用

RFID技术与汽车供应链 汽车供应链是以汽车制造企业为核心，由各级供应商、物流服务提供商、制造商、销售商与汽车等组成的网络，涵盖从原材料到消费者与移动货物有关的所有过程，如原材料采购、存货管理、     

商贸企业国有资产流失的形式与对策

企业国有资产流失情况的审计调查结果表明,商贸系统国有资产流失严重。其主要形式是:1.企业待弥补亏损挂帐过大。企业待弥补亏损作为国家权益的减少在国有资产流失中占有较大比重。据调查的62户商贸企业统计,1993年底待弥补亏损挂帐总计3674.2万元,占1993年实现利润的65.64%。2.企业潜亏严重。截止1993年底,所调查的62户商贸企业潜亏高达7593.3万元(不包括有问题商品损失),占商贸企业所有者权益总额的49.7%。有相当一部分企业的国家权益没有实物作保证。具体表现在:一是坏帐损失在应收帐款中长期挂帐。在     

乡镇工业办公室的财务管理必须加强

乡镇工业办公室的财务管理必须加强洪世昌乡镇工业办公室是主管乡镇企业的基层职能部门，是联系乡镇企业与上级主管部门的桥梁，在对乡镇企业的管理、服务、监督等方面起着十分重要的作用。近年来，我们注重和加强了乡镇企业的财务管理，但对乡镇工业办公室自身的财务管理...     

预测方法论与“满意预测”新观念

<正> 随着科学技术的飞速发展,人类生产能力的不断提高,预测技术日益受到人们的重视,并在社会、经济、科技等几乎人类生活的各个领域越来越多地得到应用。预测在实践中的重要性和作用是无可置疑的,但就其方法而言,理论和实践中存在着两种不同的观点。预测方法十分繁多,现有300多种。可粗分为两大类:定性分析方法和定量分析方法。理论和实践中有一部分同志认为:定性分析方法只能对预测目标未来发展的性质或趋势作出估计,不能作深入细致的“程度”分析;定性方法大都采用主观经验的判断法,预测结     

关于基尼系数若干问题的再研究--与部分学者商榷

基尼系数是测量收入不平等的一个重要指标，近年来有很多学者对此进行了深入研究，本文主要对有关学者的研究内容进行商榷与补充。首先，实际计算基尼系数应首选离散公式，并且根据具体的抽样方法选择无偏或有效的估计公式；其次，本文论证了对数正态分布下基尼系数G与标准差d的关系式：G=2Ф（σ/√2）-1；再次，针对基尼系数存在的不足，改进基尼系数成为一些学者的研究重点，本文发现一些改进并没有解决基尼系数与洛伦茨曲线的非一一对应问题，并且可操作性较差，通过介绍S基尼系数和E基尼系数，本文说明了基尼系数改进的总体思路；最后，针对学者提出的“部分分布决定性定理（PD定理）”，本文论证了其推理过程中存在的问题，说明该定理是错误的。     

家族企业：老板与经理如何协作双赢

美国42％的企业为家族所控制，欧洲43％的企业是家族企业或家族关联企业，我国90％以上的民营企业是家族企业，可见家族企业在国民经济中占有多么重要的位置。但随着市场经济的深入，竞争加剧，我国家族企业正面临生存和发展的“瓶颈”，要么消亡。要么转型。关于目前我国家族企业的发展存亡，业界基本达成共识：家族企业家族管理必然死路一条，家族企业非家族管理才是必由之路，即引进职业经理人，实行经营权与所有权分离，实现管理的专业化、规范化、现代化。可是。目前我国家族企业中老板与职业经理人往往同床异梦，老板侵犯经理人权益和经理人损害老板利益的事件时有发生，双方互信、协作机制难以建立。难道老板与经理人之间注定不能相融？     

以人为本的发展观及其理论和实践意义

以人为本的发展观的基本要求是富裕人民。富裕人民不仅涉及加快经济增长问题,还涉及经济增长成果的分配问题。以人为本的发展观并不否认收入差距,但要求这种收入差距建立在公平正义的基础上。解决收入差距的重点在于公平权利的实现,特别要关注贫困家庭的基本需要。人力资源作为发展的第一资源,提出了人的现代化的要求。人的现代化包括人的素质现代化,人的身体素质、文化素质和道德素质达到现代化水准。发展观转到以人为本,就要高度重视消费力概念。经济增长由投资需求拉动转向消费需求拉动反映了向以人为本发展观的转变。     

新型工业化与城乡二元工业化的协调发展

由于我国严重的“二元经济结构”和“双重演进”的制度变迁特征,形成了农村工业化和城市工业化同时并存的城乡二元工业化格局。城乡二元工业化格局在促进经济发展的同时,也形成了对经济发展的延迟效应。在新型工业化的实现过程中,既要实现以信息化带动工业化,又要推进城乡工业的协调发展,促进农业工业化的发展,加速完成经典工业化的任务。     

数据挖掘技术及工具的发展和应用

进入21世纪,通信、计算机和网络技术正改变着整个人类和社会.随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累了大量数据信息.人们希望能够了解激增的数据背后隐藏着的重要信息,以便更好地利用这些数据.而目前的数据库系统可以实现高效地数据的录入、查询、统计等功能,但无法发现数据中存在的关系和规则,从而无法根据现有的数据对未来的发展趋势进行预测.缺乏挖掘数据背后隐藏的知识的手段,导致了"数据爆炸"但"知识贫乏"的现象.面对这一挑战,数据挖掘和知识发现(DMKD)技术应运而生,并显示出强大的生命力.