摘要:大数据和人工智能的飞速发展增加了管理决策领域的复杂性和动态性，也为研究和应用提供了广袤的拓新空间.全景式PAGE框架作为大数据管理决策研究的方向性框架，在大数据问题特征的映射下形成了一个4×3要素矩阵，在理论范式(P)、分析技术(A)、资源治理(G)、使能创新(E)的研究探索中发挥着重要作用.本文结合NSFC大数据重大研究计划的开展，进一步阐释全景式PAGE框架的内涵和关系逻辑，并面向领域情境讨论重要科学问题、求解路径和新知贡献.本文旨在从大数据管理决策研究的视角为大数据等颠覆性信息技术应用的相关研究提供前沿方向和创新突破上的启迪；同时为管理学科及其相关学科领域开展交叉属性强、应用情境差异化特点突出的科研攻关提供参考.

摘要:财务报表作为企业财务状况、经营成果和现金流量的结构性表达，为信息使用者提供了披露形式规范、具有较强可验证性与可比性的企业信息，在公司估值、契约设立履行以及资本市场监管中发挥了至关重要的作用.但是，随着大数据时代的到来，严格的信息审核、会计准则要求以及披露形式和频率的限制，导致三张财务报表在信息的完整性和及时性上遇到了极大的挑战.本文立足于会计信息的估值功能和契约功能，提出企业“第四张报表”的要素内容以及数据实现的技术和方法.在此基础上，进一步提出“第四张报表”在企业估值、契约以及监管等方面的潜在应用价值以及未来的研究机会.

摘要:大数据环境下传统的决策范式正转变为基于数据的决策范式，本文以O2O即时服务这种新型商业模式为情景，研究大数据驱动的新决策范式下的O2O即时物流调度模型.本文跨域融合物流部门、其他运营部门以及外部环境信息构成全景式数据，同时放宽传统决策范式的经典假设，实现从无差异化配送时间到个性化配送时间的转变，以及需求服从先验分布到考虑未来需求时空属性的转变.本文融合机器学习和运筹优化方法，实现新决策范式下的O2O即时物流调度模型.在预测层面，构建个性化众包配送时间预测模型和基于订单集时空相似性的需求场景预测算法；在决策层面，同时考虑个性化预测模型的点估计及其不确定性，并考虑未来订单集的时空分布，构建考虑预测不确定性的调度模型，同时设计同步预测和决策算法求解.本文与中国主流的O2O商超平台合作，通过基于真实数据的模拟仿真，验证了新决策范式下的O2O即时物流调度模型的可行性和有效性.相较于传统的决策范式，本文提出的模型能实现更精准的供需匹配，降低延误订单数、平均配送时间和配送成本.

摘要:考虑风险度量中常见的分位数回归模型，给出在超大容量数据且复杂数据类型下的几类快速分布式算法.虽然仅考虑分位数回归模型，但本文提供的算法大多数可以应用到其它更一般的模型中.由于分位数回归模型的目标函数为非光滑函数，通常的分块集成法和光滑函数高效通讯算法并不适用.本文首先针对完整观测数据，给出了分位数回归模型参数估计的等度连续法，光滑函数逼近法和改进的数萃(Meta)方法三种分布式通讯有效算法.进一步，考虑了非平衡半监督数据，分别针对无标签数据样本量较小和较大两种情形，提出了加权损失函数法和改进的数萃方法两种数据融合方法.所提出的方法可以把分散在不同机器上的半监督数据进行数据融合，从而实现不同数据类型和不同样本量情形下的高效通讯分布式计算，提高算法的精度和参数估计的效率.本文通过大量仿真模拟研究了所提出的算法在有限样本下的表现，并将其应用到了洛杉矶流浪人口数的实际数据分析中，发现其均具有较好的准确性.

摘要:在管理决策中，管理对象的真实状态往往因隐私、敏感等因素导致自我报告数据质量不高，样本数据存在较大偏差，进而难以掌握目标对象的真实情况.针对这一问题，同时为了满足数字经济时代下的数据隐私保护需求，本文开发了一类基于社交网络间接报告的数据采集方法，并在网络抽样与统计推断理论的基础上，设计了基于间接报告样本数据的总体估计方法(ECM).该方法操作简单，可对调查对象进行随机采样或实施普查，除采集样本的自我陈述数据外，同时采集每个样本关于其密切社交对象的报告数据，从而避免了自身因敏感原因等不愿提供数据或提供不真实数据的问题，提出的估计方法能在样本报告数据的基础上实现对总体的高精度估计，并能实现自报告数据和他报告数据的交互验证.本文的研究方法在一个多达556 627名活跃用户的难接触人群在线社交网络上进行了充分验证，抽样实验表明ECM对全网平均好友数和总体特征的估计误差低于3%.进一步地，本文开展了实证研究，通过设计自报告和他报告问卷，对某企业职员的一般和隐私性问题进行了问卷调查，并通过间接估计方法实现了对目标的总体估计，展示了该方法的实用性和有效性.

摘要:为了汇聚分布在社会网络中的群体智慧以合力化解特大公共安全突发事件重大风险，提出了一种基于共词网络的群智知识挖掘方法，并将其有效运用到突发事件应急管理当中.首先，提出了一种改进的共词网络构建方法，用以实现社会网络公众群智知识的可视化分析，从中获取应急决策属性参数信息；同时，为了确保数据质量、提高群智知识挖掘的有效性，综合数据影响力以及数据涵盖的主题信息两方面因素，构建了群智知识价值测度模型；而后，综合专家属性偏好与公众群体智慧，提出了一种基于群智知识的动态属性信息生成办法.最后，以中国新冠肺炎疫情特大公共安全事件应急决策为例，对本文所提方法进行了应用.

摘要:大数据质量评估工作是促进数字经济、数字社会、数字政府高质量发展的重要保障.本研究针对当前大数据质量评估指标缺少标准化文件来源和全景式评估的相关问题，梳理出大数据质量评估的多种应用场景，以综合集成方法论为指导提出由“人理-事理-数理-机理”(HBDA)构成的全景式大数据质量评估视角.采用内容分析和编码方法，以大数据质量相关标准化文件丰富指标来源的代表性文献，经过3名研究人员的两轮筛选，构建出由56个指标构成的全景式大数据质量评估指标框架.采用案例研究法，开展B市国际大数据交易所、B市城市管理综合行政执法局和B市大数据中心三个实践案例研究，有效验证了该框架的正确性和可用性.所提出的HBDA视角下全景式大数据质量评估指标框架，拓展了全景式PAGE框架在大数据质量评估多场景中的应用；创新了大数据质量评估多维标准化协同的路径；对整体提升数字经济、数字社会和数字政府建设中的大数据质量具有战略意义，对增强数字国家的数据治理能力、大数据驱动的管理与决策能力具有指导意义.

摘要:价值不断提升的政府网站内容数据不仅可以描绘政策注意力，也为中央政策向地方层级扩散的测量与评估提供了新的机遇.在我国多层级政府组织治理模式下，地方政府对中央政策的贯彻落地是政策生效的前提条件.对纵向政策扩散的有效测量和评估将有助于理解政策扩散机制，提升政策落地效果.本文基于全国省、市级政府门户网站每日内容更新数据，通过概率主题建模方法建构主题概率矩阵，刻画政府对不同主题的注意力分配差异，并基于概率主题建模结果构建函数测量地方政府对中央政策的扩散速度与扩散程度.本文讨论了测度建构的原理和细节，并引入机器学习方法进行鲁棒性检验，通过多政策主题扩散的混合回归分析了影响短周期政策层级扩散的因素.研究以测度建构为突破口打通文本数据挖掘到有价值公共管理知识的“中间层”,对政策信息学在政策扩散及评估监测中的应用前景进行了初步探索.

摘要:自2015年以来，随着互联网金融的冲击，银行面临着网点转型或裁撤的巨大压力.新增或裁撤网点对银行绩效会产生什么样的影响?应该新增或裁撤什么类型的网点?这是银行管理者急需解决的问题.为了帮助银行更好地优化其零售网络，本研究运用2015年—2018年的243家银行40余万的银行网点数据和银行周边的开源全景数据，使用岭回归面板模型和基于Hausedorff距离的SAR空间面板模型分析了银行零售网络规模和网点负载对绩效的影响.研究发现：技术型零售网络规模和人力型零售网络规模对银行绩效有显著的正U型影响.并且进一步研究发现，网点负载能调节技术型零售网络规模和人力型零售网络规模对银行绩效的影响，具体地，技术型网点和人力型网点的负载增大时能够增强技术型零售网络规模对银行绩效的正U型影响，但同时也会削弱人力型零售网络规模对银行绩效的正U型影响.本文的研究结论不仅丰富了银行业零售网络空间竞争的研究，同时也为营销学者和管理人员进行网络布局提供了启示.

摘要:面对复杂的管理现象，主流的实证研究通常从某一角度去揭示特定现象.学者难以基于众多细微研究构建出中层理论，甚至也无法评价已有研究所探索的诸多影响因素的相对重要程度.本文提出，通过机器学习方法分析海量数据，并基于学界已经积累的研究结论，学者能够比较准确地把握与现象最相关的因素，从而建立更具解释力的理论.本研究以公司治理中CEO解聘这一流行话题为例，通过梳理现有文献，基于CEO大型文本语料库及CEO任职期间其个人与公司的相关数据，采用机器学习方法提取与CEO解聘相关的三类因素，并进一步计算出三类因素单独和彼此结合的预测力.研究发现证实了近年来这一领域研究话题向个体异质性转变的合理性，也为学者建立解释CEO解聘的整合理论奠定基础.本研究展示了机器学习与实证研究相结合的优势和前景.

摘要:信息是股票市场的基石，影响着投资者的信念和交易行为，进而影响资产价格的波动.本论文集合包括公司公告、分析师报告和新闻在内的多源信息，研究其与股票收益波动之间的联系.实证发现：1)信息日的收益波动率显著高于非信息日，且新闻对收益波动的影响最大；2)通过控制信息数量对贡献度的影响，发现新闻对原始收益波动率和特质收益波动率的贡献最大，而分析师报告的贡献最小；3)处于成熟期的企业(更低换手率、更大年龄)其收益波动受公共信息的影响更大.

摘要:知识图谱是感知智能通往认知智能的重要桥梁，基于知识图谱的知识表示、融合、推理将对管理决策产生深远影响.知识图谱能够有机集成符号表示和神经网络进行更有效的知识推理与决策.本文提出一套基于知识图谱的神经符号集成推理框架及三个技术方法，包括融合本体知识和生成模型的零样本决策、知识图谱嵌入表示学习增强结果异质性和可解释性、基于知识图谱的预训练模型增强面向下游任务的自动决策.该“1+3”技术体系实现了“模型驱动+知识增强”,在数智化管理决策中具有技术创新性.该体系已在实际商务管理实践中落地与应用，充分彰显场景创新性.该体系也具备通用性，可适用于多领域多情境的管理决策.

摘要:新冠肺炎疫情期间“封城”、“限制出行”等措施，严重抑制了城际间的消费流动.随着城市解封以及经济逐渐复苏，城际消费流动是否得到恢复，以及影响城市恢复速度差异化的关键因素仍有待探索.本文基于国内某大型生活服务平台城市消费数据，以长三角地区41个城市为研究对象，探究了疫情对城际消费流动的影响，城市类型、消费流动方向所带来的异质性效应，以及其背后的解释机制.研究发现，疫情平稳后一段时间内，城市消费流动较疫情前仍下降显著.中心城市消费流出恢复较为迅速，但其消费流入相较于非中心城市下降更为明显.本文提出城市消费功能与产业数字化建设是影响城际消费流动恢复差异的关键机制.疫情促进非中心城市数字化建设、缩小了与中心城市之间的数字鸿沟，从而减少对中心城市的依赖，最终影响了两者消费流入流出的恢复.本研究有助于城市识别消费韧性恢复的关键因素，为后疫情时代各城市如何兼顾外需的吸引与内需的拉动提供思路.