Evolution of corporate environmental information disclosure framework of “knowledge and action”: Based on big data background

Cloud accounting is based on the traditional financial work process, the context of big data, and the necessary trend of future corporate accounting development. Its emergence and rapid development will have a fundamental impact on corporate environmental information disclosure. In the big data era of information sharing, companies will have a new understanding of the emergence, balance, and final consideration of social responsibility, and will have new changes in their overall decision-making and information disclosure methods. "Knowing" and "behavior" will be combined on the basis of rational judgment, so that corporate environmental information disclosure is more in line with the overall social development requirements. Based on the background of big data, this article starts with the disclosure of impact factors, footholds, and path choices. It describes the evolution of corporate environmental information disclosure and provides reference suggestions for enterprises to disclose environmental information truthfully and perform social responsibilities.

数智经济时代财会人才培养模式的构建

随着大数据时代的到来,财会人员的作用正在被重新定义。财务人的角色已逐步从提供报告演变为业务合作伙伴。基于我国2019年《中国管理会计职业能力框架》,同时借鉴IMA《2022管理会计能力素质框架》,构建具有成长型特色的财会人才培养模式。该模式以培养职业适应力和可持续发展力为引擎,设置业财融合、技财融合、人财融合的专业课程体系,明确知识、能力、素质和元学习四个维度的培养规格和四级递增的专业能力水平,为我国财会专业的人才培养和职业发展规划提供了参考。

大数据驱动的产品创新商务智能——基于SSP框架的分析

人工智能改变产品创新主体,引发产品创新战略与流程变革。本文依据大数据合作资产理论,从企业与用户互动的适应性创新视角,通过逻辑推演分析提出大数据驱动的产品创新商务智能主体—战略—流程框架,以探讨人工智能影响制造产品创新的新机制。研究表明:首先,人与人工智能双向卷入形成要素组合与知识积累的双向反馈式增强机制,促使创新主体发生结构性改变,形成产品创新战略与流程变革的新基础。其次,企业人工智能认知战略与竞争战略、组织文化、商业模式和生态系统的匹配,共同影响人工智能在创新流程中的一体化应用。最后,模糊前端的全流程扩散、需求—解决方案对的非线性迭代和智能制造的生成式自测构成大数据驱动的产品创新流程的新特征。研究表明,主体—战略—流程框架适合分析大数据驱动的产品创新商务智能的新机制,可为人工智能与产品创新的关系研究提供新视角。

智能物探技术的过去、现在与未来

通过梳理国内外人工智能技术在地球物理勘探(物探)领域中的发展历程、主要研究进展以及发展方向,总结了智能物探的优势和面临的难题,并提出了解决方案。研究结果表明:(1)物探技术在人工智能发展的第2次浪潮中开始与人工智能技术相结合,得益于物探领域数据量的指数级增长、硬件算力的高速发展以及不断出现的新深度学习框架,智能物探技术从早期的机器学习发展为目前的深度学习,在地震资料处理、解释等方面的应用中取得了大量研究成果。(2)目前智能物探技术被广泛应用于标签集的构建、去噪、断裂检测、层位与层序解释、地震相分类和异常体检测、岩性识别与油气藏开发、地震反演成像等方面,大幅提高了工作效率,降低了工作成本,克服了人工交互操作和人工经验的主观性和不可靠性,助力打破传统物探技术瓶颈。(3)智能物探技术的发展面临着缺少公开的标签数据集、缺少解决地球物理领域问题的智能化框架及尚未形成适用于地球物理领域共享的智能化开发平台等难题,可以从解决数据基础、构建智能平台、开展网络架构基础性研究及与应用场景结合等方面着手解决;此外,智能物探技术的发展方向还包含智能地震成像方法研究,储层成像方法研究,油气大数据挖掘、智能风险评估与智能决策以及超算软件装备研发等方面。

基于流计算和大数据平台的实时交通流预测

目前交通流预测实时性差,很难满足在线分析和预测任务的需求,基于此提出一种Flink流计算框架和大数据平台结合的实时交通流预测方法。基于流计算框架实时捕捉和预处理数据,包括采用Flink的transform算子对数据进行校验和处理,将处理后的数据sink到大数据的HDFS文件系统,交由下一步的大数据并行框架进行分析建模与训练,实现基于流计算和大数据平台的实时交通流预测。实验结果表明,Flink能够实时捕捉和预处理交通流数据,把数据准时无误送入分布式文件系统中,在此基础上借助大数据框架下的并行分析和建模优势,在实时性数据分析与预测方面取得了较好的效果。

基于Spark平台的分类算法性能比较分析

针对目前大数据与机器学习技术的快速发展,使用基于Spark平台的MLlib机器学习库实现前馈神经网络(Feedforward Artificial Neural Network)、支持向量机(Support Vector Machine)与随机森林(Random Forest)三种机器学习算法,并分析与评估三种算法在大数据平台下的运行与分类性能。实验结果表明,随着节点数的增加,三种算法在大数据平台上消耗的时间都逐步变少。当数据集小于100MB时神经网络与支持向量机算法加速比较高,数据集大于1GB时随机森林算法加速比优于其他两种算法。神经网络算法在数据集100MB时可扩展性最小,支持向量机算法在数据集500MB时可扩展性最小。随机森林算法在数据集大于1GB时规模增长性优于其他两种算法。通过对于三种分类算法的时间效率与准确性比较,支持向量机算法消耗的时间最少,但是分类准确性最低。神经网络算法消耗的时间最长,分类准确性低于随机森林算法。随机森林算法的分类准确性最高,但是算法运行时间高于支持向量机算法。集成分类算法在大数据平台上表现出较好的时间性能与分类准确性。

基于Hadoop大数据框架的Transformer智能客服辅助决策系统

针对当前电力智能客服辅助决策系统存在的安全性低、占用率高、响应时间长等问题,提出了一种基于Hadoop大数据框架的电力智能客服辅助决策系统的设计方案。通过使用Hadoop技术,实现更高水平的数据安全性,确保客户和企业的敏感信息得到充分保护;通过采用分布式架构,有效降低系统占用率,提高其稳定性和可伸缩性;引入Transformer技术,进一步降低CPU占用率,从而提高了系统响应时间以及客户体验。实验结果表明,该系统不仅提高了客户服务质量,还提升了电力企业的运营效率,为未来的发展奠定了坚实的基础。

浅析基于大数据水利工程监管体系构建与应用

大数据技术的不断发展与应用,大幅度推动了其他行业的快速进步。然而在水利工程领域,大多数从业者对大数据技术还比较陌生,尤为不了解基于大数据技术水利工程监管体系的运行原理和应用现状。通过大量调研,在梳理大数据与水利大数据概念基础上,探讨与分析水利工程中大数据监管体系框架的构建与应用情况,发掘目前水利工程中大数据技术应用还偏向宏观框架或侧重单项需求,以期为水利行业人员了解与推动大数据技术发展提供一定参考。

基于大数据技术的电子商务信息管理系统构建

针对电子商务行业中数据处理速度慢和信息洞察不足的问题,文章提出一种基于Apache Spark框架的电子商务信息管理系统。利用该系统高效处理大规模的电子商务数据,可为企业制定决策提供支持。利用Apache Spark的高速数据处理能力,结合先进的数据分析工具,如SparkSQL和MLlib,系统能够快速地处理来自不同源的海量数据,提供即时的数据分析和可视化结果。此外,ApacheSpark的强大机器学习库MLlib用于挖掘用户行为模式,预测市场发展趋势,优化营销策略,并改善客户服务体验。

基于Spark的并行频繁项集挖掘算法

针对大数据环境下基于Spark的频繁模式增长(FP-Growth)算法存在创建条件频繁模式树(FP-tree)时空效率低,节点间通信开销大,以及冗余搜索等问题,提出了基于Spark的并行频繁项集挖掘算法(PAFMFI-Spark)。首先,该算法提出非负矩阵分解策略(SNMF),通过提供支持度计数查询和分解储存支持度计数的矩阵,解决了创建条件FP-tree的时空效率低的问题;其次,提出基于遗传算法的分组策略(GS-GA),均衡分配频繁1项集至各节点,解决了节点间的通信开销大的问题;最后,提出高效缩减树结构策略(ERTSS),缩减FP-tree树结构,解决了冗余搜索的问题。实验结果验证了PAFMFI-Spark算法的可行性以及相较于其他挖掘算法的性能优势,所提算法能有效适应各种数据的频繁项集挖掘。

面向大数据管理决策研究的全景式PAGE框架

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.

联邦学习开源框架综述

近年来,联邦学习作为破解数据共享壁垒的有效解决方案被广泛关注,并被逐步应用于医疗、金融和智慧城市等领域.联邦学习框架是联邦学习学术研究和工业应用的基石.虽然Google、OpenMined、微众银行和百度等企业开源了各自的联邦学习框架和系统,然而,目前缺少对这些联邦学习开源框架的技术原理、适用场景、存在问题等的深入研究和比较.为此,根据各开源框架在业界的受众程度,选取了目前应用较广和影响较大的联邦学习开源框架进行深入研究.针对不同类型的联邦学习框架,首先分别从系统架构和系统功能2个层次对各框架进行剖析;其次从隐私机制、机器学习算法、计算范式、学习类型、训练架构、通信协议、可视化等多个维度对各框架进行深入对比分析.而且,为了帮助读者更好地选择和使用开源框架实现联邦学习应用,给出了面向2个不同应用场景的联邦学习实验.最后,基于目前框架存在的开放性问题,从隐私安全、激励机制、跨框架交互等方面讨论了未来可能的研究发展方向,旨在为开源框架的开发创新、架构优化、安全改进以及算法优化等提供参考和思路.

全景式大数据质量评估指标框架构建研究

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.

政府数据开放评估体系在旅游行业中的应用研究——以上海、浙江、广东、福建以及深圳市数据开放平台为例

信息时代和智慧旅游背景下,推动政府完善旅游数据的开放、管理与服务工作,将充分释放旅游大数据的商业价值与社会价值。文章基于政府数据开放评估指标体系,结合数据抓取与统计,从准备度、平台层、数据层、利用层4个维度对长三角、珠三角的5个省(副省)级数据开放平台的旅游数据开放现状进行评估。研究发现,5个平台可分为“高准备度+强数据层”复合模式、“强平台层”或“强利用层”单核驱动模式、“旅游数据开放”初级模式共3种开放状态;各平台均存在的问题包括数据质量要求模糊、主题目录缺失、数据集覆盖率低、应用成果产出少等。

教育数据融通共享:困境、框架与实施路径

在大数据时代,教育数据的融通共享是实现数据驱动教育变革及创新的前提。当前中国教育数据融通共享面临着数据分散、结构多元、权责不清、关键技术尚未成熟以及数据安全等现实困境,亟待构建校内外教育数据融通的框架。文章从价值理念、教育服务以及教育数据“三个维度”构建了教育数据融通共享的理论框架;在此基础上,构建“四个层次”数据融通的技术框架;最后,从制度、主体、条件、技术、应用等“五个层面”提出教育数据融通共享的实施路径。以期对校内外教育数据融通共享提供参考框架,确保各级各类教育数据在应用上统一、高效、便捷,实现数据驱动的教育高质量发展。

分布式大数据资产权益管理问题与对策

[目的/意义]数字技术成为数据生产要素充分开发利用的重要驱动力量,充分利用数据资源的底层伴生议题是产权管理。数据流转中存在所有权与使用权分离的问题,在合理合法、保障用户权益的基础上进行数据资源管理活动成为亟待解决的问题。[方法/过程]基于“实践基础-抽象化分析-一般的具体认识”总思路,本文首先识别出分布式大数据资产的实践情况,而后从技术资源规范、合理使用边界、权益复杂性和使用权解析这4方面抽象化分析其权益管理关键内容。[结果/结论]基于抽象化分析,从机构层面具体说明:1)数据政策的原理和条款,2)权益组合的场景与内容规划,3)数据资产的配置管理,和4)数据资产管理业务的建构标准、工作流程、涉及的协议与规定、评估措施,以期对图书馆等数据资源管理机构在分布式大数据环境下为用户开展数据资产权益管理提供启发。

军事大数据治理框架研究与实施

针对军事大数据及其治理的特殊性,构建了适用于军事领域的大数据治理框架,旨在提升该领域的大数据价值和服务创新能力。首先阐明了大数据治理内涵,然后分析了军事大数据概念、军事大数据特点、军事大数据治理与民用大数据治理的关系,以及来自领导层、管理层、执行层和基础层4个层次的大数据治理需求,对应设计了包括战略与组织、实施与评估、治理域、治理保障4个模块的军事大数据治理框架,最后研究了军事领域大数据治理的实施。

矿山大数据标准化研究

针对矿山行业大数据缺乏整体规划和顶层设计,系统建设兼容性差、扩展性差,信息不能共享等问题,分析矿山大数据数据源分散、数据结构复杂、数据时效性强、数据特征稀疏、数据关联性强等特性及其建设目标,提出了矿山大数据标准体系框架,详细阐述了矿山大数据标准体系框架构成以及5个核心一级域标准主要内容,并提出标准化建议,为矿山大数据标准化的建设和行业应用提供参考。

医院大数据框架体系构建及数据利用分析

在社会信息化水平不断提升的背景下,信息技术被广泛应用于各行各业信息管理工作中,并且取得了良好的应用效果。文章通过构建医院大数据框架体系,提出医疗业务数据信息的应用方法,以期在提升医院数据应用效率的同时,为医疗体系的信息化发展提供支持。

大数据技术在智慧交通中的应用研究

随着智慧交通建设的快速推进,大数据已经成为智慧交通平台的重要资源,作为生产要素发挥着重要作用。智慧交通的核心关键环节在于交通数据的感知、存储与分析,因而大数据技术的迭代更新为智慧交通发展提供了可靠技术支持。针对大数据技术在智慧交通中的应用问题,构建了智慧交通大数据应用框架,梳理了大数据技术在智慧交通中的典型应用场景,旨在促进大数据技术更加深层次应用于智慧交通行业,推动智慧交通持续、稳定发展。