一、支持企业群体决策的一种数据仓库模型（论文文献综述）
孙鑫[1]（2021）在《基于收益管理的第三方仓库A的收益改善研究》文中认为第三方仓库是为具有仓储外包需求的工商企业提供仓储服务的第三方供应商。近年来,伴随着我国新零售、智能制造等行业的迅猛发展,仓储服务需求激增,第三方仓库的数量、规模快速发展,仓储服务需求市场竞争不断加剧,收益问题已经成为第三方仓库关注的热点。本文以第三方仓库A为研究对象,利用收益管理思想分析A仓库收益存在的问题和原因,基于收益管理的方法对A仓库进行需求分析改善方案设计,利用EMSR模型为A仓库改善仓位分配方案,利用动态定价方法对A仓库制定仓位价格,为A仓库设计了一套完整的收益管理流程,为改善A仓库的收益提供一套可行方案。首先,本文介绍A仓库概况,分析A仓库收益现状,提出A仓库需求分析、仓位控制、仓位定价等方面存在的问题并进行原因分析,确定A仓库开展收益管理必要性。根据第三方仓库运营管理特征对第三方仓库应用收益管理进行可行性研究,构建第三方仓库收益管理的概念模型。然后,针对A仓库中需求分析存在的问题,一方面,对A仓库进行深入的市场细分分析,基于A仓库客户预定仓位的时间特点将A仓库客户进行分类为协议型大客户、普通零散型客户、加急零散型客户。另一方面,结合仓储服务需求预测特点列举A仓库需求预测变量。然后,汇总收益管理中常用需求预测方法优缺点、适用性,为A仓库提供变量之间关系预测应用合适的需求预测方法。进一步,在仓位控制方面,以提高A仓库仓位占用率和提升仓位平均费率为目标,提出基于EMSR（期望座位边际收益）模型收益管理仓位控制的改善方案。通过EMSR模型可以利用统计学中需求分布和平均仓位费率的乘积计算仓位期望费率来确定低等级仓位费率是否要为高等级仓位费率保留仓位来获得部分客户的购买剩余价值来提高仓位效益,同时如果低等级仓位费率高于一定需求高等级仓位期望收益时又会接受地支付意愿的客户来保证仓库稳定收益。接着,关于仓位定价方面,在EMSR模型确立的仓位分配结果下,通过A仓库各等级仓位期望收益函数,求得各等级仓位对应的最优仓位费率。然后通过离散价格动态模型,在确定客户需求到达率的基础上建立A仓库整体系统收益最大化线性规划模型得到各个等级仓位的细分销售时间。在平衡A仓库仓位供求关系的同时保证A仓库收益最大化。最后,结合A仓库收益存在的问题的原因,提出仓库要更新收益管理理念、完善收益管理组织架构、加强收益管理人才培养、建设收益管理系统信息平台的改善方案实施保障措施。
马伊茗[2]（2021）在《东北三省玉米收储供应链模式选择及其治理研究》文中研究说明2016年粮食收储制度改革,玉米由政策性收储为主向政府引导下市场化收购为主转变,发生收储供应链断链问题,以及收储服务主体市场运营不成熟实践问题,对此提出东北三省以产后收储服务主体为核心的收储供应链模式选择和治理问题,这是粮食经济领域亟待解决的科学问题。对此,运用问卷调查法,明确东北三省以玉米产后收储服务主体为核心的收储供应链的结构,得出该收储供应链的关键问题,依序进行研究,得出如下结果:一是收储供应链主要模式的选择机理。针对归纳以产后收储服务主体为核心的收储供应链模式,用农产品供应链绩效评价理论进行评价,得出:各模式均有存在的必然性,且按绩效增排序是国家补贴型、关系型、带设备上门收购型、长期储存型、质量优型、相对综合最优型,发现具有信任关系和质量投入特征的相对综合最优型玉米收储供应链模式是可推广的;运用多项Logit模型,研究收储供应链主要模式的选择机理,主要包括:相对综合最优型,核心主体的储存能力和销售方式、收购资金获得渠道、储存能力和时间分别对选择长期储存型、质量优型、国家补贴型有负向影响,建立仓储方式、地区因素、买家履约、烘干能力、企业规模分别对选择长期储存型、质量优型、国家级补贴型、关系型有正向影响。二是以信任关系和质量投入为关键特征的相对综合最优型模式在推广中的治理机理和机制。基于Stackelberg博弈方法,得出引入信任关系和质量投入的玉米收储供应链利润提升的供应链治理机理,主要包括:玉米收储主体无论采取分散决策还是集成决策,信任关系未形成时农场主质量投入利润回报不明显;信任关系专用性投资是提升供应链利润、激励农场主质量投入的有效策略;集成决策中收储主体采取信任关系专用性投资替代贷款投入策略是有条件的;在此基础上,提出玉米收储供应链治理机制,其特点是:信任关系协调机制的特点是信用抵押为主,利益共享机制以质量返利为主,该治理机制可用区块链技术支撑。三是从需求、技术、组织模式、经营模式视角为政府在粮食产后服务中心建设落实以及相关收储政策出台提出政策建议,主要包括分类进行收储供应链内部治理培训、选取新型玉米产后服务中心为试点的收储供应链治理的示范项目等。
赵明静[3]（2021）在《基于公共安全视角的城市物流风险分析及预测研究》文中认为我国城镇化人口超过60%,城市成为人口的主要聚集地,城市中各类要素高频流动的需求带动城市物流的蓬勃发展,同时城市物流公共安全事件呈现出多样性、复杂性、紧迫性和不确定性等特点,城市公共安全、经济社会运行秩序和人民生命财产安全受到严重威胁。为实现城市物流公共安全风险的有效治理,一方面需要认清城市物流运营对公共安全影响较大的风险因素,完善治理方案,另一方面需要对现实困境进一步分析,归纳当前城市物流公共安全事件的发生特征及规律,进而构建高效且精细的城市物流公共安全风险治理方案。以前的物流企业为保证物流运营安全,大多采取加强监管、安全宣传等传统手段。但是,巨大的人力和物力等资源的耗费给物流企业增加较大的经济负担。虽然目前物流风险研究领域已存在大量的理论思想与方法,但是仍亟需解决很多现实问题。目前的物流风险管理研究过度依赖经验判断和专家知识,风险分析方法理论研究需要继续完善;此外,由于事故数据记录没有统一的规范,导致数据的结构化程度不同,如何对非结构化以及半结构化的数据进行风险分析成为当前研究的热点问题之一。基于以上问题,本文依据风险管理理论的流程,完成的主要工作有:（1）统计分析2008～2020年城市物流公共安全事故。分别对事故类型、事故时间、风险源、后果等多个角度作统计,并结合死亡人数、事故等级等指标对事故特征进行分析,详细梳理事故风险因素及相关规律,使后续风险因素集的建立有据可依;（2）利用文献法与业务流程分析法对事故风险因素进行识别,建立风险因素候选集,采用NASA-TXL量表法得到各因素权重,在风险发生概率和风险损失程度两个属性下利用逼近于理想值的排序法对候选风险因素的重要性程度进行筛选梳理,建立最终的关键风险因素集。并对风险因素的独立性进行检验,为后续建立贝叶斯网络评估模型奠定基础;（3）提出了改进的Apriori算法快速挖掘频繁项集,设计出标准化的公共安全视角下的城市物流风险因素关联规则挖掘流程,运用数据分析和处理等手段,基于建立的关键风险因素集,对统计的235起事故进行分析,共得到374条风险因素关联规则,并对高支持度关联规则、高置信度关联规则以及所有关联规则进行可视化展示。通过可视化结果可以得出城市物流风险因素关联规则呈现显着的聚集特征;（4）基于解释结构模型建立贝叶斯网络的初始结构,通过因果映射方法进行改进建立最终的贝叶斯网络动态风险评估模型。利用贝叶斯网络的推理功能对风险进行结果评估及原因推理,通过敏感度分析,揭示了“人-车-货”是造成事故的重要因素,结果表明贝叶斯网络在提升城市快递物流作业能力、规避公共安全风险方面是有效的。（5）提出了粒子群算法与广义回归神经网络算法相结合的风险等级预测模型优化方法。将模型预测结果与BP神经网络算法预测结果对比,结果显示PSOGRNN模型具有预测准确率高、稳定性高、误差较小的优点,对风险等级进行预测并提前相应的风险防控机制,降低事故造成的人民生命财产损失。本文共有图53幅,表49个,参考文献144篇。
王营[4]（2021）在《基于产品售后服务的闭环质量控制研究》文中研究说明近年来,制造业的高速发展,使得企业面临的挑战日益艰巨,企业也越来越认识到质量管理的重要性和紧迫性,售后服务质量控制是质量控制中不可缺少的一部分,其也越来越被广泛认为是在当今竞争激烈的环境中制造企业成功的关键因素。本文将围绕售后服务质量控制的实现框架及关键技术展开研究,通过数据挖掘技术发掘售后服务过程中所蕴含的质量问题,对于改进产品质量和服务质量,提高企业市场占有率和竞争力具有重要的现实意义。首先,针对在售后服务质量控制中对于质量问题的探究和反馈较少,难以从源头解决质量缺陷的问题,提出了基于产品售后服务的闭环质量控制框架,以支持设计、制造及售后服务阶段的质量控制和基于售后服务阶段的质量反馈,为后续关键技术研究奠定基础。其次,用户需求可以为质量改进提供决策支持,但目前难以全面地从用户评论中获取用户需求,基于此提出一种基于完善后的词典与依存句法相结合的用户需求挖掘模型。利用TF-IDF算法从评论数据中提取产品特征词与情感词,完善相关词典后与依存句法相结合对产品特征进行量化来获取用户需求。然后,虽然在保养、维修等服务过程中产生了海量数据,然而对这些数据分析较为匮乏,基于此提出一种基于改进FP-growth算法的服务数据挖掘模型。经实例对比分析得出,基于改进FP-growth算法的挖掘模型比利用改进前的算法得到的挖掘模型时间更短,挖掘结果相关性更高。接着,针对零件在服务过程中出现的质量缺陷难以追溯的问题,建立零件质量数据仓库,来集成与零件质量相关的数据,并在此基础上提出一种基于决策树C4.5算法的零件质量追溯模型,挖掘质量影响产品质量的关键因素。经实例分析得出,利用零件质量数据仓库与基于决策树C4.5算法的追溯模型能够有效完成质量追溯。最后,基于上述框架及关键技术的研究,设计基于产品售后服务的闭环质量控制系统的架构及功能模块,并利用开发平台、数据库及Python语言完成系统的开发。
赵惜茹[5]（2021）在《基于大数据技术的银行客户画像构建的研究与应用》文中研究表明近年来,用户画像技术被广泛研究及应用,这离不开信息技术的快速发展及新冠疫情下诞生的基于线上的新的生活方式和消费模式,“大数据”成为企业了解用户的绝佳载体。传统商业银行也在数字化转型的时代背景下、线上金融业务需求的不断升级中以及以支付宝为代表的互联网金融产品的挑战下不得不进行更详细的客户分析工作。基于此,本文以银行业务为研究场景,以银行客户大数据为基础,研究基于大数据技术（大数据预处理、大数据分析挖掘、大数据计算）的用户画像的构建及应用。本文主要研究工作成果如下:（1）针对银行中小企业客户,为解决目前放贷决策过多受限于人为因素、信贷评估耗时耗力且缺乏科学性等实际问题,构建基于软间隔二次曲面支持向量机（QSSVM）算法的“甄选识别”模型,为中小企业客户打上可以进行放贷的“好客户”和不可以放贷的“坏客户”的画像标签;并设计了 QSSVM算法与QSVM、线性SVM、高斯核函数SVM算法的对比实验,在ZS银行部分信贷交易数据集上采用交叉验证法验证了QSSVM模型分类效果的优越性。最后分析探讨了该标签在银行自动授信环节、规避信贷风险方面的具体应用。（2）针对银行个人客户,为了更好了解客户群体、衡量客户价值和创利能力以及满足多样化客户需求,提出基于改进的K-means算法构建的客户价值细分模型。在细分标签构建的指标选取上,参考RFM模型,并结合银行业务情况,建立了细分模型的RFMPA指标体系;在细分标签的模型构建中,采用离群因子确定初始聚类中心的方法改进K-means算法;通过对比实验,以sse指标值作为衡量标准验证了改进的聚类算法效果良好。最后分析探讨了这四种不同人群标签的针对性营销策略制定。（3）为使画像标签更好地服务于业务,设计并实现了基于大数据技术的客户画像系统,包含标签开发模块、标签存储模块以及标签应用模块。该系统可实现标签新建、标签查询及人群圈选等功能,具有一定的普适性。
张凯[6]（2020）在《基于兰州银行客户关系管理的大数据分析平台构建研究》文中指出在云计算、大数据、人工智能技术、区块链技术、互联网金融快速发展的环境下,商业银行传统营销的不足日益突显。营销决策,尤其是客户关系管理依赖于经验而不是数据,信息不对称、广撒网的粗放模式使得营销成本很高。风险防范方面,伴随着客户范围的不断扩大、传统以人工干预、现场检查为核心的风险防范和应对模型,从成本和反应速度上来说都无法适应新格局的需求。商业银行的数据挖掘技术是一种全新的信息处理手段,其关键技术是对海量数据进行批量加工、转换和模型化处理,从中筛选出有价值的数据。一方面,可以通过客户数据分析中客户的行为偏好、财务状况、资产结构、收入结构等,实现客户分层和客户视图创建,有效实施客户资源细分和客户精准营销;另一方面,通过整合银行内外部数据以构造更完整的客户画像,从而进行更为精准的风险管理,实现客户异常信息的自动抓取、监测和预警。本文将立足于兰州银行现阶段客户关系管理方面的发展现状及存在的问题,充分运用大数据资源,制定出符合兰州银行实际情况的客户关系管理体系。本文基于大数据、客户关系价值理论和客户关系营销理论,将大数据技术运用到客户关系管理中,构建以客户标签体系为基础,以机器学习模型为支撑的客户关系管理系统。依托该系统从真正意义上实现差异化的精准营销和智能化的风险信息预警,为兰州银行提升盈利能力,拓展业务结构,提高风险管控水平,增强核心竞争力提供保障。
刘茜茜[7]（2020）在《基于保税仓的跨境生鲜电商物流网络优化研究》文中研究表明自生鲜电商兴起后,随着我国人民生活水平的提高和国际贸易交流的增多,跨境生鲜电商逐渐在市场中崭露头角,但高昂的国际物流成本和进口生鲜产品的损耗制约着跨境生鲜电商的发展。近年来,随着信息化和国际化的发展,跨境电商的报关报检流程不断优化,现有政策在税费和报关报检流程上均对跨境生鲜电商企业有一定的扶持,同时保税区和保税仓的快速发展,为跨境电商物流提供了新的解决方案。在此背景下,本文基于保税仓的选址决策对跨境生鲜电商物流网络进行了优化,一定程度上推动了跨境生鲜电商及跨境物流网络优化相关研究的发展。本文研究内容的核心在于考虑到了跨境生鲜电商企业目标客户群体不同的情况和需求,基于保税区相关政策和保税仓的应用,构建了有差异的跨境生鲜电商物流网络优化模型并通过实际案例进行了验证,以期能够提供一种有效可行的优化方法辅助相关利益者进行决策。本文首先介绍了跨境生鲜电商的研究背景,对现有相关研究进行了分析和总结,发现目前跨境生鲜电商物流网络优化问题相关理论研究已落后于实际发展。其次,本文总结分析了我国跨境生鲜电商及其物流网络现状,包括对跨境生鲜电商的产品、业务、运作模式、物流网络发展现状,阐述了保税仓的内涵及运作流程,明确了生鲜保税仓的概念和功能,汇总了相关政策等,进而分析我国跨境生鲜电商及其物流网络现存问题及原因,总结跨境生鲜电商物流网络影响因素,提出跨境生鲜电商物流网络的优化目标和优化方向。然后,本文基于保税仓的选址决策分别构建了面对个人客户和企业客户的跨境生鲜电商物流网络优化模型,进行对应的模型构建,并设计求解算法,对相应的实际案例背景进行描述,再通过处理过的真实数据进行求解。最后,通过对优化后的结果进行分析、总结和对比,得出相关结论。研究结果表明,生鲜电商企业在跨境物流网络中合理使用保税仓可以降低成本和产品损耗率,提高运营效率和利润率。因此,保税仓的合理应用将成为跨境生鲜电商在未来发展中进行国际物流运作的主要解决方案之一。基于这一结论,本文所研究的内容在一定程度上推动了跨境生鲜电商及跨境物流网络优化相关研究的发展。图13幅,表18个,参考文献90篇。
胥香宇[8]（2020）在《面向科技咨询大数据服务平台的研究与实现》文中提出科技咨询是由熟悉咨询业务的专家组成的智力团体为政府和企业等各阶层客户提供决策的智力服务,团体会综合利用科学知识与经验提供咨询成果。传统科技咨询服务对信息过载的互联网大数据环境显得力不从心,数据说话、精准定位、快捷响应成为科技咨询服务的基本诉求,因此科技咨询亟需从服务模式上寻求创新、引入数据驱动,通过咨询专家与大数据和智能工具的结合,提升科技咨询服务效率。科技咨询大数据服务平台就是为咨询专家提供的,基于大数据搭建的简单易用的咨询辅助工具,它应具备以下三个性质:功能流程工程化,不能像传统科技咨询一样各个步骤分散进行;数据资源统一管理,不同来源的海量数据结构和存储都存在很大的差异,因此平台要能够对数据资源进行统一组织;简单快捷可视化,海量数据导致传统咨询方式中可视化图谱绘制工作效率低下,因此平台应提供快速可视化的方式提供优质咨询策略。但是在当前大多科学咨询服务中,还存在行业信息数据冗余分散、过度人工依赖和对于新服务模式没有形成工程化流程的问题与挑战:当前行业信息数据孤岛现象严重、分类范畴模糊,使得科技数据之间难以共享与使用;丰富的数据可视化是科技咨询服务中的不可或缺的部分,目前大多数据可视化都有很好的插件支持,但是描述产业分布的生态图谱只能依赖人工手动布局,对科技咨询服务工程化转型产生了很大的限制;以及当前大多的科技咨询服务还是遵循传统模式,数据搜索、专家分析、撰写报告等各个步骤分散进行,步骤间流程不顺畅且容易产生信息缺失。针对以上问题与挑战,本文重点围绕科技咨询大数据统一资源管理架构、产业生态图谱自动化排版布局技术和对外提供智能可视化报告服务的大数据服务平台进行研究与分析,完成了科技咨询大数据服务平台的研究与实现,主要研究内容有以下三项:1)提出并实现了一套关于科技咨询大数据统一数据资源管理的顶层架构,旨在解决科技咨询大数据海量多源异构、难以统一组织管理的问题,为科技咨询大数据实际同步和存储提供一定的理论支撑和参考价值;2)提出并实现了一种面向生态图谱可视化的企业标识图片自动布局的算法,用于解决产业图谱可视化过程中生态图谱过于依赖人工排版布局的问题,提高科技咨询服务效率;3)提出一种面向科技咨询的数据驱动的工程化平台化的新型服务模式,并基于上述两项研究内容设计实现了基于Web的科技咨询大数据服务平台,为科技咨询专家搭建一个从数据汇聚、到数据分析、最终到数据可视化的全流程工程化服务平台,做到用数据说话,快捷准确的为咨询专家提供具有信服力的分析结果,提升科技咨询的服务效率和洞察能力。文章最后以互联网电子商务领域为例,展示了平台的应用效果,确保了平台的有效性和实用性。
谢迎凤[9]（2020）在《某电信公司的商业智能分析系统的设计与实现》文中认为随着信息化社会的发展以及企业业务水平的不断提高,决策支持系统已经难以继续为管理者提供有效的支持,所以随之而来的商业智能分析系统具有非常重要的应用价值。它从大量数据中获取有效的信息,帮助用户全方位的了解业务情况,进而做出明智的、可付诸实践的决策,让业务更加高效、快速地运转。目前市场上的商业智能分析系统普遍侧重于数据的抽取、转换和加载,即ETL（Extract-Transform-Load）处理或者自助式报表分析,致使其开发过程中涉及的工具较多,无法进行统一的管理。同时在实际应用中单一工具存在一定的局限性,例如kettle工具缺乏监控运维服务,且不支持kerberos认证,无法接入开启了该认证的大数据集群,这在一定程度上为开发人员的工作增加了难度。为了解决上述问题,本文设计了基于大数据技术的商业智能分析系统。在该系统中,本人主要参与了kettle ETL平台、数据挖掘、报表平台、数据源管理和权限管理功能的设计与研发工作,并采用前后端分离技术将界面展示和业务逻辑处理进行有效解耦。其中,kettle ETL平台通过拖拽和组件配置的方式完成了数据的转换处理操作,并实现了kerberos认证支持、任务调度和监控管理功能。数据挖掘模块主要根据数据仓库的客户流失主题,采用随机森林、XGBoost（e Xtreme Gradient Boosting）等算法实现了流失预测模型的构建,并使用K-means算法对客户进行群体细分,结合流失因素分析和群体特征对潜在流失的客户给出相应的客户关怀。报表平台主要负责数据的可视化过程,包括数据建模、多维分析和数据报表定制。权限管理提供了数据的安全保障,其主要负责系统资源的分配和控制,包括角色管理、菜单栏管理和权限控制三个模块。系统研发过程主要基于Spring Boot框架,将My SQL和分布式文件系统HDFS（Hadoop Distributed File System）作为数据存储工具,并使用Apache Kylin等工具完成数据计算,最终采用微服务架构将各个功能集为一体,为用户提供一站式的应用服务,提高了统计分析的工作效率。目前本系统已初步上线,运行状况较好。该系统底层接入了公司的大数据平台,数据的处理和分析都在该平台下完成,因此系统的运行效率相较于之前提高了约10倍;同时该系统将kettle ETL、数据挖掘和可视化分析无缝结合,进而可以更便捷的完成数据的处理和分析展示过程。
何国玉[10]（2020）在《企业活跃度分析系统的研究与实现》文中认为随着政务信息化的深入推进,各类政务信息系统积累了海量的政务数据,这些数据中蕴含着巨大的经济价值和社会价值,通过对海量政务数据的融合分析与应用,可有效支撑政府科学决策和精准监管。近年来,政府利用政务涉企数据和互联网涉企数据开展企业活跃度分析并取得了一些效果,然而当前对企业活跃度的研究存在分析指标体系没有契合特定地域的实际经济产业情况、分析的维度和层次少、没有统筹好宏观分析和微观分析的关系、分析的时效性难以满足实际需要等问题。针对这些问题,本文致力于研究基于企业自身经营规律表现的行为特征和特定区域经济产业特征的企业活跃度分析指标体系和分析模型,利用企业注册登记数据、税务数据和互联网涉企数据等,通过大数据处理技术,实现多维度多层次的企业活跃度分析,为支撑政府的宏观经济决策和市场监管部门的精准监管进行了有意义的探索。本文主要做了以下工作:（1）在企业自身经营行为规律的基础上,根据特定区域经济产业特征及数据资源的实际情况,构建了企业活跃度分析指标体系和分析模型。本文根据贵阳市市场主体的实际情况,在兼顾企业自身经营行为特征和地方经济产业特征的原则下,对注册登记、税务、互联网等相关涉企数据进行了比选,最终确定了18个企业活跃度的分析指标;根据不同用户群体的需求场景,确定了企业活跃度分析的主题、维度、粒度及对应的模型,有效解决了企业活跃度分析应对不同场景、服务不同对象时的度量、比较问题。（2）通过数据仓库和大数据并行处理理念及技术,构建了企业活跃度分析主题数据仓库,实现了企业活跃度分析系统。本文根据选定的企业活跃度分析指标体系,搭建了面向企业活跃度分析主题的数据仓库,采用并行计算技术,解决大数据计算的性能问题,通过数据可视化技术,将相应的分析结果直观友好地展示给用户,满足用户群体的不同分析需求。
二、支持企业群体决策的一种数据仓库模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、支持企业群体决策的一种数据仓库模型（论文提纲范文）
（1）基于收益管理的第三方仓库A的收益改善研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 第三方仓库需求分析研究现状 |
| 1.2.2 第三方仓库资源配置研究现状 |
| 1.2.3 第三方仓库服务定价研究现状 |
| 1.2.4 研究现状述评 |
| 1.3 研究内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究目的 |
| 1.3.3 研究思路 |
| 1.4 创新点 |
| 第二章 相关理论与方法 |
| 2.1 收益管理理论 |
| 2.1.1 收益管理基本概念 |
| 2.1.2 收益管理应用特征 |
| 2.1.3 收益管理核心内容 |
| 2.2 EMSR模型 |
| 2.3 动态定价 |
| 第三章 A仓库收益现状和存在问题分析 |
| 3.1 A仓库概况 |
| 3.2 A仓库收益现状分析 |
| 3.2.1 需求分析现状 |
| 3.2.2 仓位控制现状 |
| 3.2.3 仓位定价现状 |
| 3.3 A仓库收益存在问题及原因分析 |
| 3.3.1 存在问题 |
| 3.3.2 原因分析 |
| 3.4 第三方仓库开展收益管理适用性研究 |
| 3.4.1 影响第三方仓库收益因素 |
| 3.4.2 第三方仓库开展收益管理可行性分析 |
| 3.4.3 第三方仓库收益管理概念模型构建 |
| 3.5 本章小结 |
| 第四章 A仓库收益改善方案研究 |
| 4.1 A仓库需求分析改善方案 |
| 4.1.1 A仓库市场需求细分设计 |
| 4.1.2 A仓库需求预测变量分析 |
| 4.1.4 A仓库需求预测方法适用 |
| 4.2 A仓库仓位控制改善方案 |
| 4.2.1 影响仓位控制的因素分析 |
| 4.2.2 基于EMSR模型的仓位控制改善方案设计 |
| 4.2.3 仓位控制改善方案效果分析 |
| 4.3 A仓库仓位价格改善方案 |
| 4.3.1 仓位价格影响因素分析 |
| 4.3.2 基于动态定价的仓位价格改善方案设计 |
| 4.3.3 仓位价格改善方案效果分析 |
| 4.4 本章小结 |
| 第五章 A仓库收益改善方案实施保障措施 |
| 5.1 更新A仓库收益管理理念 |
| 5.2 完善A仓库收益管理组织架构 |
| 5.3 加强A仓库收益管理人才培养 |
| 5.4 建设A仓库收益管理信息平台 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文及参与的课题 |
（2）东北三省玉米收储供应链模式选择及其治理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究综述 |
| 1.3.1 国外研究综述 |
| 1.3.2 国内研究综述 |
| 1.3.3 国内外研究评述 |
| 1.4 主要研究内容及方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 可能创新之处 |
| 2 理论基础 |
| 2.1 相关概念 |
| 2.1.1 玉米产后收储服务主体 |
| 2.1.2 玉米收储供应链 |
| 2.1.3 玉米收储供应链模式 |
| 2.2 农产品供应链绩效评价理论 |
| 2.3 效用最大化的选择理论 |
| 2.4 供应链治理理论 |
| 2.5 理论研究框架 |
| 2.6 本章小结 |
| 3 东北三省以玉米产后收储服务主体为核心的收储供应链现状 |
| 3.1 东北三省以玉米产后收储服务主体为核心的收储供应链结构 |
| 3.2 东北三省以玉米产后收储服务主体为核心的收储供应链调查 |
| 3.2.1 调查目的和对象 |
| 3.2.2 问卷设计 |
| 3.2.3 调查过程 |
| 3.2.4 调查结果 |
| 3.3 东北三省玉米主产区产后收储服务主体的收储功能主要提升方向 |
| 3.4 聚焦东北三省玉米主产区收储供应链的关键问题 |
| 3.5 本章小结 |
| 4 东北三省以玉米产后收储服务主体为核心的收储供应链主要模式及评价 |
| 4.1 玉米收储供应链主要模式分类 |
| 4.2 玉米收储供应链主要模式评价 |
| 4.2.1 玉米收储供应链主要模式的评价指标选取 |
| 4.2.2 玉米收储供应链主要模式的评价指标权重确定 |
| 4.2.3 玉米收储供应链主要模式评价结果及典型模式归纳 |
| 4.3 相对综合最优型玉米收储供应链模式的信任和质量关键特征发现 |
| 4.4 本章小结 |
| 5 东北三省以玉米产后收储服务主体为核心的收储供应链主要模式选择机理 |
| 5.1 变量选择和数据获取 |
| 5.2 东北主产区玉米收储供应链模式的多项Logit模型构建 |
| 5.3 结果与讨论 |
| 5.4 东北主产区玉米收储供应链模式选择的主要机理 |
| 5.5 基于信任关系和质量投入的相对综合最优型收储供应链模式治理问题聚焦 |
| 5.6 本章小结 |
| 6 东北三省基于信任关系和质量投入的玉米收储供应链治理机制 |
| 6.1 引入信任关系和质量投入的相对综合最优型收储供应链模式治理结构 |
| 6.2 基于信任关系和质量投入的玉米收储供应链治理模式假设 |
| 6.3 基于信任关系和质量投入的收储供应链治理的机理模型构建 |
| 6.3.1 变量说明 |
| 6.3.2 玉米产后收储服务主体销售量和成本模型的建立 |
| 6.3.3 基于信任关系和质量投入的收储供应链利润影响机理分析 |
| 6.3.4 基于信任关系和质量投入的收储供应链利润影响机理结论 |
| 6.4 基于信任和质量的收储供应链治理模式的治理机制设计 |
| 6.4.1 玉米产后收储服务主体为核心的治理机制框架 |
| 6.4.2 基于玉米收储供应链利益分享机制的集成治理策略 |
| 6.4.3 基于玉米收储供应链关系协调机制的信任关系治理策略 |
| 6.5 本章小结 |
| 7 东北三省推动玉米收储供应链治理的政策启示 |
| 7.1 推广相对综合最优型模式的政策 |
| 7.2 选取新型玉米产后服务中心为试点的收储供应链治理的示范项目 |
| 7.3 依托贴息贷款项目支持产后收储服务主体区块链技术应用的支持政策 |
| 7.4 依托信用评价鼓励产后收储服务主体与种植户建立纵向联盟关系的政策 |
| 7.5 注重玉米收储供应链信息系统和信用系统建设的支持政策 |
| 7.6 本章小结 |
| 8 结论及展望 |
| 8.1 研究结论 |
| 8.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录1 -1 主产区玉米产后收储服务主体收储行为调查问卷 |
| 附录1 -2 主产区玉米种植户收储行为调查问卷 |
| 致谢 |
| 个人简历 |
（3）基于公共安全视角的城市物流风险分析及预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 物流风险研究综述 |
| 1.2.2 事故模型综述 |
| 1.2.3 主要存在问题 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究问题界定 |
| 1.3.2 研究内容 |
| 1.3.3 研究思路及方法 |
| 1.4 本章小结 |
| 2 相关理论基础及事故统计分析 |
| 2.1 城市物流系统概述 |
| 2.1.1 城市物流系统的概念 |
| 2.1.2 城市物流系统的特征 |
| 2.1.3 城市物流系统的体系结构 |
| 2.1.4 城市物流系统的复杂性 |
| 2.2 风险的相关理论 |
| 2.2.1 风险的基本概念 |
| 2.2.2 风险管理概述 |
| 2.3 城市物流公共安全事故统计分析 |
| 2.3.1 城市物流公共安全事故因果连锁理论 |
| 2.3.2 城市物流公共安全事故统计分析 |
| 2.4 本章小结 |
| 3 公共安全视角下的城市物流风险因素分析 |
| 3.1 风险因素分析 |
| 3.1.1 风险因素分析流程 |
| 3.1.2 风险因素识别方法 |
| 3.1.3 风险因素评价方法 |
| 3.1.4 城市物流公共安全领域风险因素分析 |
| 3.2 风险因素识别 |
| 3.2.1 文献法识别 |
| 3.2.2 业务流程分析法识别 |
| 3.2.3 城市物流公共安全风险因素集 |
| 3.3 关键风险因素集的构建 |
| 3.3.1 关键风险因素集构建的基本流程 |
| 3.3.2 关键风险因素集构建原则 |
| 3.3.3 关键风险因素的选择 |
| 3.4 本章小结 |
| 4 风险因素关联规则挖掘和可视化分析 |
| 4.1 风险因素关联规则挖掘方法 |
| 4.1.1 关联规则挖掘方法 |
| 4.1.2 快速挖掘频繁项集的VS_Apriori算法 |
| 4.1.3 关联规则挖掘流程 |
| 4.2 风险分析、数据分析和处理 |
| 4.2.1 风险分析 |
| 4.2.2 数据分析 |
| 4.2.3 数据处理 |
| 4.3 风险因素关联规则挖掘 |
| 4.3.1 高支持度关联规则 |
| 4.3.2 高置信度关联规则 |
| 4.4 风险因素关联规则的可视化分析 |
| 4.4.1 高支持度关联规则可视化分析 |
| 4.4.2 高置信度关联规则可视化分析 |
| 4.4.3 所有关联规则的可视化分析 |
| 4.5 本章小结 |
| 5 公共安全视角下的城市物流动态风险评估 |
| 5.1 贝叶斯网络概述 |
| 5.1.1 贝叶斯网络原理 |
| 5.1.2 参数学习 |
| 5.1.3 结构学习 |
| 5.1.4 贝叶斯网络推理 |
| 5.2 解释结构模型概述 |
| 5.3 基于贝叶斯网络的城市物流公共安全风险评估 |
| 5.3.1 初始网络构建 |
| 5.3.2 网络结构改进 |
| 5.3.3 贝叶斯网络模型的确定 |
| 5.4 动态风险评估贝叶斯网络模型应用 |
| 5.4.1 后验概率分析 |
| 5.4.2 敏感度分析 |
| 5.5 本章小结 |
| 6 公共安全视角下的城市物流风险预测研究 |
| 6.1 城市物流公共安全风险预测方法 |
| 6.1.1 广义回归神经网络理论概述 |
| 6.1.2 粒子群算法概述 |
| 6.1.3 PSO-GRNN预测模型概述 |
| 6.1.4 模型性能评价标准 |
| 6.2 基于PSO-GRNN的城市物流风险预测模型 |
| 6.2.1 数据准备 |
| 6.2.2 基于PSO-GRNN算法的风险预测 |
| 6.2.3 预测结果分析 |
| 6.3 城市物流风险预防及控制措施 |
| 6.3.1 风险预防措施 |
| 6.3.2 风险控制措施 |
| 6.4 本章小结 |
| 7 研究结论与展望 |
| 7.1 主要结论 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录A 物流公共安全事故详表 |
| 附录B 物流公共安全风险因素评估调查问卷 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于产品售后服务的闭环质量控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 质量控制发展及研究现状 |
| 1.2.2 用户需求获取研究现状 |
| 1.2.3 MRO研究现状 |
| 1.3 存在的问题 |
| 1.4 研究目的及意义 |
| 1.5 研究内容及论文章节结构 |
| 第2章 基于产品售后服务的闭环质量控制框架 |
| 2.1 质量控制 |
| 2.1.1 设计阶段 |
| 2.1.2 制造阶段 |
| 2.1.3 售后服务阶段 |
| 2.2 质量反馈 |
| 2.2.1 产品质量反馈 |
| 2.2.2 服务质量反馈 |
| 2.3 基于产品售后服务的闭环质量控制过程 |
| 2.4 本章小结 |
| 第3章 基于用户评论的需求挖掘与获取 |
| 3.1 用户需求挖掘模型 |
| 3.2 数据获取与预处理 |
| 3.3 词典构建与词对提取 |
| 3.3.1 基于TF-IDF算法的特征提取与词典构建 |
| 3.3.2 特征-情感词对提取 |
| 3.4 用户需求获取 |
| 3.4.1 特征量化 |
| 3.4.2 获取用户需求 |
| 3.5 本章小结 |
| 第4章 基于改进FP-growth算法的服务数据挖掘 |
| 4.1 服务数据分析和整理 |
| 4.2 改进FP-growth算法 |
| 4.2.1 FP-growth算法 |
| 4.2.2 改进FP-growth算法 |
| 4.3 实例验证 |
| 4.3.1 运行时间和规则相关性 |
| 4.3.2 规则说明 |
| 4.4 本章小结 |
| 第5章 基于数据的零件质量追溯 |
| 5.1 数据仓库基本概念及设计 |
| 5.2 零件质量数据仓库的建立 |
| 5.2.1 明确零件质量数据仓库的范围 |
| 5.2.2 零件质量数据仓库概念模型设计 |
| 5.2.3 零件质量数据仓库逻辑模型设计 |
| 5.2.4 零件数据仓库物理模型设计 |
| 5.3 基于决策树C4.5算法的零件质量追溯 |
| 5.3.1 决策树C4.5算法 |
| 5.3.2 基于决策树C4.5算法的零件质量追溯模型 |
| 5.4 实例验证 |
| 5.5 本章小结 |
| 第6章 基于产品售后服务的闭环质量控制系统设计与实现 |
| 6.1 系统功能模块 |
| 6.2 系统架构设计 |
| 6.3 系统开发环境 |
| 6.4 系统模块实例 |
| 6.4.1 用户登录界面 |
| 6.4.2 用户需求获取模块 |
| 6.4.3 服务知识挖掘模块 |
| 6.4.4 零件质量追溯模块 |
| 6.5 本章小节 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（5）基于大数据技术的银行客户画像构建的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 用户画像构建技术的研究现状 |
| 1.2.2 用户画像应用在银行客户分析中的研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 相关理论及技术 |
| 2.1 用户画像概述 |
| 2.2 SVM概述 |
| 2.2.1 硬间隔SVM |
| 2.2.2 软间隔SVM |
| 2.2.3 核函数SVM |
| 2.2.4 核函数SVM的问题及局限 |
| 2.3 K-means聚类算法 |
| 2.3.1 聚类分析概述 |
| 2.3.2 K-means详解 |
| 2.3.3 K-means算法存在的问题及缺陷 |
| 2.4 大数据技术 |
| 2.4.1 基于Hadoop的大数据处理架构 |
| 2.4.2 基于Spark的大数据计算技术 |
| 2.5 本章小结 |
| 第三章 用户画像的构建思路及标签生成方式 |
| 3.1 基于大数据的用户画像构建思路概述 |
| 3.2 银行客户画像及数据准备 |
| 3.2.1 银行客户画像应用场景定位 |
| 3.2.2 应用数据准备 |
| 3.3 银行客户画像的标签生成方式 |
| 3.3.1 基础标签 |
| 3.3.2 统计标签 |
| 3.3.3 规则标签 |
| 3.3.4 模型标签 |
| 3.4 本章小结 |
| 第四章 面向银行客户的画像构建研究 |
| 4.1 中小企业客户画像的甄选识别标签 |
| 4.1.1 需求描述 |
| 4.1.2 变量选取 |
| 4.1.3 变量处理 |
| 4.1.4 基于QSSVM构建甄选识别模型 |
| 4.1.5 实验过程及结果 |
| 4.1.6 标签的应用分析 |
| 4.1.7 小结 |
| 4.2 个人客户画像的价值细分标签 |
| 4.2.1 需求描述 |
| 4.2.2 核心变量的选取 |
| 4.2.3 数据预处理 |
| 4.2.4 基于改进的K-means构建客户价值细分模型 |
| 4.2.5 实验过程及结果 |
| 4.2.6 标签的应用分析 |
| 4.2.7 小结 |
| 4.3 本章小结 |
| 第五章 面向银行客户的画像系统的设计与实现 |
| 5.1 需求分析 |
| 5.2 基于大数据技术的画像系统整体架构设计 |
| 5.3 标签开发模块的设计与实现 |
| 5.3.1 标签开发模块的设计 |
| 5.3.2 标签开发模块的实现 |
| 5.4 标签存储模块的设计与实现 |
| 5.4.1 Hive数据仓库 |
| 5.4.2 Mysql存储 |
| 5.4.3 HBase存储 |
| 5.4.4 Elasticsearch存储 |
| 5.5 标签应用模块的设计与实现 |
| 5.5.1 数据服务层开发 |
| 5.5.2 画像系统可视化操作界面的设计与实现 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
（6）基于兰州银行客户关系管理的大数据分析平台构建研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 客户关系管理及大数据相关理论 |
| 2.1 客户关系管理相关理论 |
| 2.1.1 客户关系营销理论 |
| 2.1.2 客户关系价值理论 |
| 2.2 大数据相关理论 |
| 2.2.1 数据仓库3NF理论 |
| 2.2.2 神经网络挖掘理论 |
| 2.2.3 数据库营销理论 |
| 第3章 兰州银行客户关系管理现状与问题分析 |
| 3.1 兰州银行简介与客户关系管理现状 |
| 3.1.1 兰州银行简介 |
| 3.1.2 兰州银行客户关系管理现状 |
| 3.2 兰州银行客户关系管理存在的问题及问题产生的原因分析 |
| 3.2.1 兰州银行客户关系管理存在的问题 |
| 3.2.2 兰州银行客户关系管理问题原因分析 |
| 第4章 基于大数据分析平台的兰州银行客户关系管理系统设计与实施 |
| 4.1 行内外数据融合 |
| 4.1.1 数据采集 |
| 4.1.2 数据存储 |
| 4.1.3 数据计算 |
| 4.2 客户标签体系建设 |
| 4.2.1 基础标签 |
| 4.2.2 模型标签 |
| 4.3 客户关系深度挖掘 |
| 4.3.1 客户关系模型 |
| 4.3.2 客户特征模型 |
| 4.4 客户营销价值评估与风险管控 |
| 4.4.1 基于决策树的客户营销评价模型 |
| 4.4.2 基于SVM的客户风险评估模型 |
| 4.5 客户关系管理系统的具体应用 |
| 4.5.1 产品推荐 |
| 4.5.2 营销渠道选择 |
| 4.5.3 风控信息推送 |
| 4.5.4 关系客户营销 |
| 第5章 基于大数据分析平台的兰州银行客户关系管理改善策略 |
| 5.1 统一客户数据平台的构建 |
| 5.1.1 建立统一客户数据平台 |
| 5.1.2 建立统一的数据管理标准 |
| 5.2 客户分类分群及差别化管理 |
| 5.2.1 基于客户标签的客户分群 |
| 5.2.2 群体客户特征分析 |
| 5.3 考核评价机制 |
| 5.3.1 细化客户经理考核评价机制 |
| 5.3.2 完善支撑部门绩效考核 |
| 5.4 专业型人才队伍的培养 |
| 5.4.1 加强信息管理与客户关系管理复合型人才队伍的建设 |
| 5.4.2 强化客户经理职能 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）基于保税仓的跨境生鲜电商物流网络优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 跨境生鲜电商市场前景广阔 |
| 1.1.2 物流网络制约生鲜电商企业发展 |
| 1.1.3 综合保税区快速发展 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 研究对象及研究范围 |
| 1.4 研究内容与技术路线 |
| 1.5 创新点 |
| 2 文献综述 |
| 2.1 跨境生鲜电商研究现状 |
| 2.1.1 生鲜电商的发展 |
| 2.1.2 跨境电商及跨境生鲜电商 |
| 2.2 跨境冷链物流研究现状 |
| 2.2.1 冷链物流的内涵 |
| 2.2.2 生鲜食品跨境物流 |
| 2.2.3 保税区与保税仓 |
| 2.3 物流网络优化研究现状 |
| 2.3.1 物流网络的内涵 |
| 2.3.2 物流网络设计与优化 |
| 2.3.3 跨境物流网络优化 |
| 2.3.4 生鲜物流网络优化 |
| 2.4 文献述评 |
| 3 跨境生鲜电商物流网络优化分析 |
| 3.1 跨境生鲜电商物流网络现状分析 |
| 3.1.1 跨境生鲜电商产品及业务 |
| 3.1.2 跨境生鲜电商物流网络发展概况 |
| 3.1.3 生鲜保税仓的发展现状 |
| 3.2 跨境生鲜电商物流网络问题分析 |
| 3.2.1 跨境生鲜电商现存问题及原因 |
| 3.2.2 跨境生鲜电商物流网络现存问题及原因 |
| 3.3 跨境生鲜电商物流网络影响因素分析 |
| 3.3.1 政策影响因素 |
| 3.3.2 客户影响因素 |
| 3.3.3 电商影响因素 |
| 3.4 跨境生鲜电商物流网络优化目标及方向 |
| 3.5 本章小结 |
| 4 面向企业客户的跨境生鲜电商物流网络优化模型构建与求解 |
| 4.1 面对企业客户的跨境生鲜电商物流网络优化问题描述 |
| 4.2 面对企业客户的跨境生鲜电商物流网络优化问题基本假设 |
| 4.3 面对企业客户的跨境生鲜电商物流网络优化模型构建 |
| 4.3.1 参数说明 |
| 4.3.2 函数分析 |
| 4.3.3 建立模型 |
| 4.4 面对企业客户的跨境生鲜电商物流网络优化模型求解 |
| 4.4.1 求解思路 |
| 4.4.2 求解算法 |
| 4.5 案例分析——以Y公司为例 |
| 4.5.1 案例背景描述 |
| 4.5.2 产品信息及物流网络节点 |
| 4.5.3 参数设置 |
| 4.5.4 计算结果及分析 |
| 4.6 本章小结 |
| 5 面向个人客户的跨境生鲜电商物流网络优化模型构建与求解 |
| 5.1 面向个人客户的跨境生鲜电商物流网络优化问题描述 |
| 5.2 面向个人客户的跨境生鲜电商物流网络优化问题基本假设 |
| 5.3 面向个人客户的跨境生鲜电商物流网络优化模型构建 |
| 5.3.1 参数说明 |
| 5.3.2 函数分析 |
| 5.3.3 建立模型 |
| 5.4 面向个人客户的跨境生鲜电商物流网络优化模型求解 |
| 5.4.1 求解思路 |
| 5.4.2 求解算法 |
| 5.5 案例分析——以X公司为例 |
| 5.5.1 案例背景描述 |
| 5.5.2 产品信息及物流网络节点 |
| 5.5.3 参数设置 |
| 5.5.4 计算结果及分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录A 主程序代码——以面向企业客户的优化模型为例 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）面向科技咨询大数据服务平台的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 大数据服务平台构建技术研究现状 |
| 1.2.2 数据驱动的科技咨询服务研究现状 |
| 1.2.3 国内外研究现状小结 |
| 1.3 主要研究内容与创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文创新点 |
| 1.4 硕士在读期间主要工作 |
| 1.5 论文组织结构 |
| 第二章 相关理论与技术研究 |
| 2.1 基于大数据的科技咨询应用服务平台 |
| 2.1.1 科技咨询服务定义 |
| 2.1.2 大数据应用服务平台数据处理技术 |
| 2.1.3 大数据应用服务平台可视化技术 |
| 2.2 统一资源信息组织相关研究 |
| 2.2.1 元数据定义与管理 |
| 2.2.2 数据中台建设理论 |
| 2.2.3 共享信息与数据模型 |
| 2.3 二维矩形件排样问题与遗传算法 |
| 2.3.1 二维矩阵件排样问题 |
| 2.3.2 遗传算法简介 |
| 2.4 本章小结 |
| 第三章 科技咨询大数据统一资源管理顶层架构的设计实现 |
| 3.1 研究挑战 |
| 3.2 统一数据资源管理顶层架构设计方法论 |
| 3.2.1 元数据驱动 |
| 3.2.2 分层组织 |
| 3.2.3 以域分隔以链重组 |
| 3.3 科技咨询大数据统一资源管理架构实现 |
| 3.3.1 五大信息域 |
| 3.3.2 四大关系链 |
| 3.4 本章小结 |
| 第四章 生态图谱可视化中企业标识图片自动布局方法研究 |
| 4.1 研究挑战 |
| 4.2 问题描述 |
| 4.3 一种基于注意力机制的企业标识图片自动布局算法 |
| 4.3.1 编码方法设计 |
| 4.3.2 构造初始种群 |
| 4.3.3 遗传操作的定义 |
| 4.3.4 解码与二次排件机制 |
| 4.3.5 适应度函数的设计 |
| 4.4 实验设计与算法评估 |
| 4.4.1 实验设计 |
| 4.4.2 实验结果 |
| 4.4.3 算法评估 |
| 4.5 本章小结 |
| 第五章 科技咨询大数据服务平台的设计与实现 |
| 5.1 科技咨询大数据服务平台需求 |
| 5.1.1 平台业务需求 |
| 5.1.2 平台功能需求 |
| 5.2 科技咨询大数据服务平台总体设计 |
| 5.2.1 大数据驱动下科技咨询新型服务模式 |
| 5.2.2 科技咨询大数据服务平台整体架构设计 |
| 5.2.3 平台功能及流程设计 |
| 5.3 核心功能模块设计与开发实现 |
| 5.3.1 工作台模块 |
| 5.3.2 服务应用模块 |
| 5.3.3 资产中心模块 |
| 5.3.4 任务中心模块 |
| 5.4 本章小结 |
| 第六章 科技咨询大数据服务平台的部署与测试 |
| 6.1 平台环境部署 |
| 6.2 平台核心功能测试 |
| 6.2.1 爬虫配置功能测试 |
| 6.2.2 数据同步功能测试 |
| 6.2.3 数据加工功能测试 |
| 6.2.4 数据治理功能测试 |
| 6.2.5 模型管理功能测试 |
| 6.2.6 图谱标签管理功能测试 |
| 6.3 平台应用效果 |
| 6.3.1 关系图谱展示 |
| 6.3.2 市场生态图谱创建 |
| 6.3.3 我的报告生成 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读研究生期间发表的学术成果 |
（9）某电信公司的商业智能分析系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 项目背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 商业智能的研究现状 |
| 1.2.2 客户流失预测的研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 相关理论与关键技术 |
| 2.1 ETL相关技术 |
| 2.2 数据仓库技术 |
| 2.2.1 维度建模概述 |
| 2.2.2 数据仓库开发过程 |
| 2.3 联机分析处理技术 |
| 2.4 数据挖掘 |
| 2.4.1 数据挖掘概述 |
| 2.4.2 相关算法介绍 |
| 2.5 其他技术 |
| 2.5.1 Quartz框架 |
| 2.5.2 Hadoop |
| 2.6 本章小结 |
| 3 系统需求分析 |
| 3.1 系统需求概述 |
| 3.2 系统用户角色分析 |
| 3.3 系统功能性需求 |
| 3.3.1 数据源管理 |
| 3.3.2 kettle ETL子系统 |
| 3.3.3 权限管理 |
| 3.3.4 数据挖掘 |
| 3.3.5 报表子系统 |
| 3.4 系统非功能性需求 |
| 3.4.1 性能需求 |
| 3.4.2 易用性和环境需求 |
| 3.4.3 可维护性需求 |
| 3.5 本章小结 |
| 4 系统概要设计 |
| 4.1 系统整体设计 |
| 4.1.1 功能结构设计 |
| 4.1.2 体系架构设计 |
| 4.1.3 技术架构设计 |
| 4.2 系统子模块设计 |
| 4.2.1 kettle ETL子系统功能结构设计 |
| 4.2.2 大数据平台设计 |
| 4.2.3 数据挖掘功能结构设计 |
| 4.2.4 报表子系统功能结构设计 |
| 4.2.5 权限管理功能结构设计 |
| 4.3 数据库设计 |
| 4.3.1 E-R图设计 |
| 4.3.2 数据库表字段说明 |
| 4.3.3 客户流失主题数据仓库设计 |
| 4.4 本章小结 |
| 5 系统详细设计与实现 |
| 5.1 kettle ETL子系统 |
| 5.1.1 任务管理 |
| 5.1.2 定时调度 |
| 5.1.3 日志管理 |
| 5.1.4 节点管理 |
| 5.2 客户细分 |
| 5.2.1 数据理解和预处理 |
| 5.2.2 K-means模型构建 |
| 5.3 客户流失预测 |
| 5.3.1 数据理解和预处理 |
| 5.3.2 类不平衡样本处理 |
| 5.3.3 模型构建 |
| 5.3.4 客户挽留 |
| 5.4 报表子系统 |
| 5.4.1 数据建模 |
| 5.4.2 多维分析 |
| 5.4.3 统计分析 |
| 5.4.4 数据报表 |
| 5.5 权限管理 |
| 5.6 本章小结 |
| 6 系统测试 |
| 6.1 功能性测试 |
| 6.1.1 测试方案 |
| 6.1.2 测试结果 |
| 6.2 实验结果分析 |
| 6.2.1 实验环境 |
| 6.2.2 评价指标 |
| 6.2.3 客户流失实验结果对比 |
| 6.2.4 客户细分结果分析 |
| 6.3 非功能性测试 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 系统总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）企业活跃度分析系统的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关理论与技术 |
| 2.1 数据预处理 |
| 2.1.1 数据清洗 |
| 2.1.2 数据变换 |
| 2.2 数据仓库 |
| 2.2.1 数据仓库与数据库的区别 |
| 2.2.2 数据仓库的特点 |
| 2.2.3 数据仓库的相关知识点 |
| 2.3 并行(分布式)计算 |
| 2.3.1 数据并行(分布式)计算概述 |
| 2.3.2 MPI的编程模型 |
| 2.4 数据可视化 |
| 2.4.1 数据可视化概述 |
| 2.4.2 常用数据可视化技术 |
| 2.5 本章小结 |
| 第3章 企业活跃度分析系统的需求分析 |
| 3.1 系统用户群体 |
| 3.2 系统的功能性需求 |
| 3.3 系统的非功能性需求 |
| 3.4 本章小结 |
| 第4章 企业活跃度分析的关键问题与建模 |
| 4.1 关键问题描述与分析 |
| 4.1.1 构建健全的分析指标体系 |
| 4.1.2 构建符合场景的计算模型 |
| 4.2 分析指标体系的设置 |
| 4.2.1 分析指标的入选原则 |
| 4.2.2 指标体系的组成 |
| 4.2.3 指标体系的权重分配 |
| 4.3 企业活跃度分析计算模型 |
| 4.3.1 个体企业活跃度计算 |
| 4.3.2 调节参数 |
| 4.3.3 群体企业活跃率计算 |
| 4.4 本章小结 |
| 第5章 系统设计 |
| 5.1 系统架构设计 |
| 5.2 功能模块设计 |
| 5.2.1 数据计算模块 |
| 5.2.2 数据分析模块 |
| 5.2.3 数据展示模块 |
| 5.3 数据仓库设计 |
| 5.3.1 维度设计 |
| 5.3.2 粒度设计 |
| 5.3.3 分析主题设计 |
| 5.3.4 数据仓库表设计 |
| 5.4 本章小结 |
| 第6章 系统实现 |
| 6.1 数据预处理 |
| 6.1.1 数据清洗 |
| 6.1.2 数据变换 |
| 6.2 数据计算模块实现 |
| 6.3 数据分析及效果展示 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 图版 |
四、支持企业群体决策的一种数据仓库模型（论文参考文献）
- [1]基于收益管理的第三方仓库A的收益改善研究[D]. 孙鑫. 江南大学, 2021(01)
- [2]东北三省玉米收储供应链模式选择及其治理研究[D]. 马伊茗. 黑龙江八一农垦大学, 2021(09)
- [3]基于公共安全视角的城市物流风险分析及预测研究[D]. 赵明静. 北京交通大学, 2021(02)
- [4]基于产品售后服务的闭环质量控制研究[D]. 王营. 山东大学, 2021
- [5]基于大数据技术的银行客户画像构建的研究与应用[D]. 赵惜茹. 北京邮电大学, 2021(01)
- [6]基于兰州银行客户关系管理的大数据分析平台构建研究[D]. 张凯. 兰州理工大学, 2020(03)
- [7]基于保税仓的跨境生鲜电商物流网络优化研究[D]. 刘茜茜. 北京交通大学, 2020(03)
- [8]面向科技咨询大数据服务平台的研究与实现[D]. 胥香宇. 北京邮电大学, 2020(04)
- [9]某电信公司的商业智能分析系统的设计与实现[D]. 谢迎凤. 北京交通大学, 2020(03)
- [10]企业活跃度分析系统的研究与实现[D]. 何国玉. 贵州大学, 2020(04)