智慧商业时代下餐饮旺铺选址策略研究

餐饮选址是一项长期性投资,具有固定性和长期性,选址好的餐饮企业可以长期受益。本文主要从以下三个角度研究餐饮店铺选址策略：首先,把餐饮消费者按不同职业进行划分,分析调研消费者对餐饮网点在不同维度上的选择倾向;其次,研究国内外的选址策略,构建选址影响因素层次结构模型;最后,以上海中心城区餐饮网点为主要研究对象,通过机器学习中的SVM和KNN算法对数据集进行分析,用多轮交叉验证方法对模型进行评估,发现区域餐厅数量、餐厅消费均价和消费者活动半径,是对选址影响较大的因素。SVM和KNN两种模型有各自的适用场景,如果关注的指标是精准率,即希望选址更具有效率性,此时更适用SVM模型;如果关注的指标是召回率,即希望选址更具有全面性,则更适用KNN模型。     

机器学习在市场营销领域的应用探索

随着网络购物、移动支付、社交电商的发展,市场营销过程中产生的数据特征和数据结构出现了翻天覆地的变化,大数据时代已经到来,机器学习也成为更有效的大数据处理方法。机器学习可以帮助构建消费者画像,预测消费者行为,收集消费者评价。然而机器学习应用于市场营销过程中也存在数据质量不高,计算方法选择不当,违反法律和道德的风险等问题。因此企业市场营销实践中需要对机器学习积极探索、谨慎处理。     

我国涉农企业科技成果转化效率提升路径研究——基于SSBM-网络DEA与LightGBM方法

涉农企业科技成果转化效率关乎农业科技与经济“两张皮”问题,为此本文在构建SSBM-网络DEA模型测算涉农企业科技成果转化效率的基础上,基于系统论的视角,构建涉农企业科技成果转化生态系统,将涉农科技成果转化效率影响路径分解为转化能力、转化保障、转化动力与转化环境四大指标,共10项二级指标,并使用LightGBM机器学习方法探究其路径优化问题,主要得到以下研究结论。(1)2009—2017年我国涉农企业科技成果转化效率整体呈上升趋势,但均值仅为0.421,整体效率损失较大。(2)涉农企业科技成果转化效率主要由转化能力贡献(贡献度为68.93%);转化保障、转化动力与转化环境的贡献度较低(贡献度分别为15.64%、14.73%与0.7%),突出表现在协同创新、融资环境与制度环境的促进作用不明显。为此,提出了优化我国涉农企业科技成果转化效率的政策建议。     

中国废水排放量趋势预测——基于任务相关性的机器学习方法

中国的水污染是一个非常严重的问题,为了控制水污染,对中国未来废水排放量进行准确预测具有十分重要的意义。从影响废水排放量的潜在变量中筛选出GDP、人均GDP和产业结构三个关键预测变量,采用1998—2017年中国省域数据和基于任务相关性的机器学习方法对各省份废水排放量趋势进行预测。实验结果表明,所建立的预测模型能够保持线性回归模型的可解释性,并获得较高的预测精度(RMSE、MAE和MAPE分别为0.0882、0.0643和0.5533)。预计全国年废水排放总量2025年最低将达到9081209万吨,最高9903864万吨;2030年最低将达到10864311万吨,最高13081922万吨。政府部门可根据预测结果制定废水减排计划和经济发展规划,在发展经济的同时维持生态环境的平衡。     

证券行业基于大数据和机器学习的智能反洗钱应用实践

可疑交易报告是金融机构发挥金融情报价值的核心义务,是金融系统打击洗钱、恐怖融资及相关犯罪的重要抓手,但证券行业当前反洗钱工作中面临可疑交易监测模型有效性不足以及分析核查手段、工具有限等问题,限制了可疑线索挖掘的广度、精度和深度。为探索解决证券行业可疑交易报告痛点难点问题,银河证券慎思笃行、行稳致远,在监测预警、分析核查环节创新应用大数据、机器学习、知识图谱等技术,优化海量数据特征计算效率,提高可疑监测预警模型有效性,精准刻画客户洗钱风险画像,切实推动反洗钱可疑交易监测工作水平提升。     

人工智能潜在替代风险与员工职业能力发展:基于员工不安全感视角

随着智能科技的蓬勃发展,人工智能+在有助于生产和生活的同时,也为员工的职业发展带来了挑战。本文采用机器学习算法计算我国各类职业潜在替代风险,在此基础上深入探讨了潜在替代风险对员工不安全感与职业能力发展的影响。基于13158条职业数据和808份调查问卷的分析,研究发现:我国职业面临着较强的人工智能潜在替代问题的威胁,潜在替代风险高中低的比例分别是52.80%、25.72%和21.48%;潜在替代风险最低的职业大类是企业、事业单位负责人,最高的是生产、运输设备操作人员及有关人员。进一步地,人工智能潜在替代风险在质量性不安全感与职业能力发展间起负向调节作用,当潜在替代风险高时,质量性不安全感对职业能力发展的正向影响作用更小,当潜在替代风险低时,质量性不安全感对职业能力发展的正向影响作用更大。人工智能潜在替代风险对数量性不安全感与职业能力发展的U型关系起正向调节作用,当潜在替代风险高时,数量性不安全感对职业能力发展的U型效应更强,当人工智能潜在替代风险低时,员工数量性不安全感对职业能力发展的U型效应更低。本研究丰富了人工智能领域与职业能力发展的实证研究,为新时代人才培养和技能转型提供建议。     

基于机器学习的企业内部控制重大缺陷预测

企业在全面建设和实施内部控制机制的过程中普遍存在“报喜不报忧”现象,信息披露与真实运营情况严重脱节,内部控制存在重大缺陷。基于机器学习的重大缺陷预测模型能挖掘特征信息,对可能存在的重大缺陷进行识别和预警,以防止潜在的经营风险积累到一定程度并在发生损失后才引起重视。通过构建包括内部治理机制、外部环境风险、财务状况、监管与信息沟通四个维度的预测指标体系,利用2012~2019年沪深两市A股上市企业数据,经过研究后发现:以XGBoost为代表的集成模型在预测性能上强于个体学习器,在不平衡、高维度、相关关系不明确的数据集上的预测效果较为稳健,营业净利率、净资产收益率、产品市场竞争等指标对预测结果的贡献程度较大。     

培养适应技术变革的财务人士

如今组织可用来改善其经营方式的新技术越来越多。从云技术、机器学习、聊天机器人到大数据、人工智能和区块链等,这些技术影响着企业的方方面面—包括日常运营、战术决策及长期战略制定。     

人工智能时代下图书馆行业的机遇与挑战

本文分析了图书馆随科技发展的变化历程,重要讨论了在人工智能时代下图书馆面临的挑战和蕴含的机遇;展望了未来智慧图书馆发展趋势,认为人工智能时代背景下各图书馆间资源差距的缩小,图书资源采访决策能力提升、智能检索与推荐以及用户学习方式的改变是智慧图书馆带来的主要机遇;指出了资源与空间整合调整面临的资金压力、人工智能技术的选择与应用、馆员意识转变和技能提升、行业标准的缺失以及面临的法律、社会和技术风险等是智慧图书馆发展的主要挑战.     

中国共产党金融安全思想发展与历史经验——基于机器学习和主题模型的分析

党的二十大报告对于我国的金融安全工作提出了一系列新的要求,充分反映了党在新时代的金融安全思想。本文以建党以来重要历史文献为分析对象,借助机器学习和主题模型等文本分析工具,提炼出中国共产党发展历史中不同时期金融安全思想的主要内容,以剖析金融安全思想发展的经验与逻辑。研究发现,中国共产党各阶段的金融安全思想呈现出不同特点,但又收敛于坚持党的统一领导、促进经济健康发展、坚持金融对外开放、重视监管防范风险以及推动金融发展改革这五条历史经验,这五条经验与二十大金融安全思想高度统一。本文对经济金融思想史量化研究方法进行了探索,补充和完善了关于党的金融安全思想发展的研究。