大数据驱动的管理与决策前沿课题.pdf

大数据驱动的管理与决策前沿课题大数据驱动的管理与决策前沿课题摘要：大数据作为互联网、物联网、移动计算、云计算之后 IT 产业又一次颠覆性的技术变革，正在重新定义社会管理与国家战略决策、企业管理决策、组织业务流程、个人决策的过程和方式。大数据已经在政府公共管理、医疗服务、零售业、制造业，以及涉及个人的位置服务等领域得到了广泛应用，并产生了巨大的社会价值和产业空间。关键词：大数据管理与决策前沿课题；大数据资源管理与政策、基于大数据的管理与决策创新、大数据技术的信息科学基础、大数据分析与处理的数学与计算基础等 4 个主要领域的前沿课题进行了梳理，并对制造业/服务业、公共管理、商务、医疗、开放式教育和金融等典型大数据应用领域的实践发展及其潜在影响进行了讨论，以期推动相关研究探索与实践发展，把握和应对大数据为管理与决策科学研究及应用所带来的大机遇和大挑战。一、大数据资源管理与政策1.大数据生态系统与开放共享机制。随着大数据在商务管理、公共管理与社会生活中作用的不断提升，以大数据及所产生知识在社会各主体间流动为基础的社会生态系统将逐步完善。对大数据生态系统基本运行机理及与之相关的大数据管理模式问题的探讨是开展广泛大数据研究的前提和先导。这方面的主要研究问题包括：大数据生态系统的治理模式重构；大数据资源的共享机制及其信息孤岛互联技术；大数据共享及治理的度量与评估；大数据产业发展的公共政策等等。2.大数据质量分析与价值度量。大数据具有重要的战略价值，已成为世界范围内政府、组织、企业以及个人的共识，但大数据固有的稀疏性和低价值密度特性也是对其进行处理和分析所要面对的重要难题，如何从海量异构稀疏的数据中定位有价值的信息？如何判断大数据的价值？回答这些问题，就需要探讨大数据的质量及其价值度量问题。3.大数据研究应用的权属与隐私问题。大数据的伦理与隐私问题是在大数据背景下对社会情境关系与面临问题的反思，同时也是大数据知识与价值开发合法性的基本保障。在这个问题的研究上，即包括管理与治理、社会伦理、政策法规的相关内容，也包括隐私保护的信息技术的创新与突破，主要研究问题包括：大数据隐私保护机制的原理与实现方法；大数据产权问题，包括拥有、转让、接收和使用大数据权利的界定与让渡机制、大数据分析产生知识及生产效益的享有和分配等；大数据责任问题，包括大数据预测技术应用中的道德选择和责任承担的问题等、多主体协作大数据分析的责任边界问题、以及消费者/公民隐私、企业商业秘密和国家安全信息的保护政策、法规及其新技术等等。二、基于大数据的管理与决策创新1.大数据环境下的个体、组织、政府与市场行为机理。大数据和社会网络应用的发展使得当今的网络环境成了一个巨大的、精准映射并持续记录人类社会经济行为特征的数字世界。这一数字世界所蕴藏并不断积累的大量数据已成为深刻理解人在社会和商务活动中的行为规律的必要依托。因此，未来的研究应特别重视大数据环境中的行为机理研究，包括个人、组织或群体、政府等参与者的行为特征及其在社会与经济管理中的意义和影响。这方面的主要研究问题包括：基于大数据的网络行为机理识别；全生命周期的顾客洞察与行为预测；社会个体/群体的网上-网下行为规律及互动机制；复杂信息环境下异质参与者个体决策行为规律；基于大数据的市场行为建模与行业、政府监管机理等等。2.大数据环境下的复杂管理系统建模、预测与优化。大数据为管理系统的建模、预测与优化提供了丰富的可能性。这方面的研究将聚焦于建立在大数据基础上的工商管理、公共管理、社会管理等复杂管理系统的模型构建与分析，以及优化策略的设计与实现。主要研究问题包括：复杂社会网络中的行为传播扩散与预测；复杂网络体系动态规律的建模、预测与分析；基于个体大数据的服务商运营效率数据分析和优化；企业网络生态系统及其协调运作与分配机制等。3.大数据驱动的管理决策新范式及其理论与方法。在大数据背景下，商业、运作和管理等活动呈现出高频实时、深度定制化、全周期沉浸式交互、跨组织数据整合、多主体决策等特征。这些新特征的出现，要求设计和构建相应的管理决策分析模型和方法，从而也带来管理决策的相关理论和方法发展上的一些新挑战和新机遇。4.基于大数据的商业/服务模式创新与风险管理理论与方法。大数据为企业全面洞察顾客行为、从而创新产品和服务、提升现有产品创造了空前的机会，同时也为风险管理提供了新的手段。主要研究问题包括：基于互联网和移动网大数据的服务模式创新及其风险管理；基于大数据的流程、业态与商业模式创新；开放经济中体系性风险的建模与管理；复杂管理系统中的大型工业与工程管理模式与决策行为演变等等。三、大数据技术的信息科学基础1.大数据感知、表示与数据复杂性理论。在三元世界中，数据的无边界分布、动态演变、多模态复杂关联和网络化传播是大数据存在的基本特征，为了有效掌握并充分利用这些数据，首先需要感知数据的存在并对复杂数据进行有效的形式化和量化的表示。大数据感知、表示与数据复杂性理论研究聚焦于量化定义大数据复杂性的本质特征及其外在度量指标，进而研究数据复杂性的内在机理。主要研究问题包括：多源异构分布的大数据在时间域和空间域的感知、测量及演变态势分析的理论与方法；网络空间大数据的质量评估、采样与获取方法；多源、异质数据的清洗、提炼与融合表示；富特征数据之间的相关性、差异性与交互作用力的度量方法；网络化动态演变大数据的建模与精简表达理论等等。2.大数据存储、传输与实时处理体系结构。这方面的研究面向“人、机、物”三元世界融合环境下，探讨大规模流式数据在传输、处理和存储全生命周期内的数据处理系统体系结构的能力瓶颈。尤其是针对 ZB 级离线存储、PB 级聚合计算对数据管理与访问能力带来的巨大挑战，研究高可用、高性能、易扩展、低能耗的新型数据存储结构及关键技术。主要研究问题包括：面向数据感知、传输、数据存储与高吞吐访问的新型数据全生命周期处理体系结构及其优化处理技术；面向大数据仓储与分析的数据引擎系统，包括面向数据规模和吞吐量的增长需求、数据类型以及应用的多样性的数据模型、访问接口、查询语言等；实时流数据存储和处理技术，包括流数据的实时存储和流数据的实时计算等等。3.大数据处理的新型计算模式。大数据计算模式指的是根据大数据的不同数据特征和计算特征，从多样化的大数据计算问题和需求中提炼并形式化了的各种高层抽象或模型。传统的并行计算方法主要从体系结构和编程语言的层面定义了一些较为底层的并行计算抽象和模型，但由于大数据规模超大、种类繁多、关系复杂等特性，使得传统的并行计算方法难以为继，另一方面大数据本身具有很多高层的数据特征和计算特征，因此对大数据的处理需要更多地结合这些高层特征考虑更为高层的计算模式。主要研究问题包括：面向高维度、强异质、多关联数据的众包计算与群体智慧理论与方法；面向大规模富特征数据的社会计算、预测与社会调控理论模型；面向大规模数据的量子化、超并行计算模式以及弱一致性满足约束的分布式计算理论与方法等等。总之，面向大数据环境下管理决策理论、方法、技术、应用研究的重大需求，科研机构、企业、政府应紧密协同，汇集创新力量，开展多学科综合研究和政产学研融合实践，为推动我国未来的技术进步、产业升级、管理提升以及核心竞争力的形成贡献力量。参考文献：1张大勇，浅谈大数据驱动的管理与决策前沿课题.2017.2王海生，郎一峰，探讨大数据驱动的管理与决策前沿课题的研究.2017.