二次割差法在工业企业数据资产评估的应用

工业数据在第二次工业革命后呈爆炸式增长,这时工厂里每一台机器设备所含有的温度、质量等指标共同组成了工业数据的内核。电气化之后工厂之间的车间数据开始交互,于是工业的管理系统和自动化控制系统随之出现,以便处理工厂之间的交互数据。但在第三次工业革命之后,计算机的发展推动着海量的数据系统开始在互联网空间交互聚集,数据慢慢跳出工业企业转而上升到了云平台,进而促进工业的发展[1]。因此,数据资产的价值在工业企业中也占据了一席之地。文章应用二次割差法以柳钢为例对其数据资产进行评估,以期为更加全面地衡量工业企业的价值提供新的思路。     

中国林业上市公司绩效评价与优化——基于灰色关联度指标筛选与数据包络分析

选取14家林业上市公司,搜集2017年相关数据,先用灰色关联度(GRA)挑选投入产出指标,再利用数据包络法(DEA)对林业上市公司绩效进行评价与优化。相比于只用DEA模型分析数据,经过GRA指标筛选的绩效评价结果更加准确。研究结果显示:14家公司综合效率平均值为93%,存在7%的资源浪费。总共有6家林业上市公司达到DEA有效。根据各指标优化量并结合公司实际情况,从资产管理、成本控制、规模发展、技术提升等方面为DEA完全无效的5家林业公司提供绩效优化对策。     

二次割差法对工业数据资产的评估——以宝钢股份为例

工业数据的产生随着第二次工业革命呈爆炸式增长，工厂中每一台机器设备包含的研究数据、生产数据等指标共同构筑了工业数据的基石。电气化之后工厂之间的车间数据开始交互，工业的管理系统和自动化控制系统随之出现，以便高效处理工厂之间的交互数据。第三次工业革命之后，随着信息技术与制造业的深度融合，数据跳出了工业企业开始在互联网空间交互聚集，工业数据已逐渐成为企业经营管理与战略决策的核心资产。本文通过二次割差法对工业企业数据资产进行评估，选取宝钢股份作为研究对象，为完善数据资产价值评估体系提供一定的参考。