2019年1月4日
[本篇访问: 2271]
陈国青教授在南大人文社科大数据研究院名家讲坛首次开讲

2018年10月18日,手机赌博网站人文社会科学研究所发起的“着名论坛”首次出台。 EMC教授,清华大学经济管理学院教授,​​教育部部长姜特来教授,国立解放大学获奖者陈国庆教授。登上“着名系列讲座”的第一位学者在Nandalin校区新闻与传播学院的讲堂上发表了一篇精彩的报道,题为“管理”会见“大数据——范式转换与前沿问题”。观众结束了250人。该论坛由信息管理学院院长孙建军教授主持,由信息管理学院,新闻与传播学院和腾讯互联网+研究中心共同主办。 陈国庆教授是中国管理信息系统的领先专家。他曾担任国际信息系统协会(CNAIS)(2005-2013)的创始主席。他的主要研究和教学领域是商业智能和电子商务,IT战略和管理以及模糊性。逻辑和数据模型。在这次讲座中,陈国庆教授从大数据时代的“数字生存”出发,提出可以通过数据记录和跟踪当前的人物,事件和活动,从而为研究人,事件提供事实依据。 ,从数据的角度来看活动。 。从理论上讲,大数据时代可以分为数据商务和算法商务两个典型阶段。前者只是从片段数据中感知,改进或改进业务活动,并且更接近数据描述和数据感知。后者使用完整的数据源,完整的数据链来进行全景数据表示,同时通过更有效的算法设计发现或实现更多价值。与传统的“小数据”相比,大数据具有典型的“4V”数据特征,这导致了数据科学研究的三个典型问题视角:问题粒度变焦视角,问题跨境关联视角和全球观察视角。这些是过去难以用小数据或传统管理研究方法研究的问题领域。另一方面,大数据研究不仅为管理决策带来了更多面向未来的预测问题,而且在问题描述,问题归因或因果关系解释方面也带来了创新和扩展。 TR陈国庆教授在报告中指出,大数据驱动的研究范式转换和大数据嵌入的创新应用是管理领域大数据研究的主要挑战和机遇。在过去的管理研究分析中,它主要依赖于模型驱动的数据分析方法,包括聚类分析,模式分析和关联分析等传统方法,以及文本分析和社交网络分析等新方法,主要用于模型检查和管理。研究的一部分。然而,在管理大数据问题的研究中,数据分析中将面临的多变量组合和潜在变量关系更加复杂和多样化。研究所需的样本量和可变数据的可用性发生了根本性的变化,使得传统的模型驱动的研究设计很难解决大数据的管理问题。 TR 因此,当管理层学会“达到”大数据时,它肯定会在新的研究范式中寻求突破。具体而言,大数据驱动的研究范式至少出现了三种典型的“外部嵌入”,“技术增强”和“促进创新”的研究模型和视角:外部嵌入是指将传统理论嵌入解释变量而不注意。或者无法衡量的变量,从而构建新的因子关系系统,拓展管理研究的视野;技术增强扩展了传统测量研究方法的体系,并引入了更多的高维数据转换和隐藏变量关系发现技术。该方法扩展了管理研究的技术手段;实现创新是将大数据分析和相关能力引入管理价值,商业模式创新,展现新的商业视角,拓展管理研究的观察视角。目前,典型的研究实践是充分利用富媒体数据资源,识别和研究过去无法测量或不可用的大量隐藏变量。与此同时,大数据驱动的管理研究并非“替代”模型驱动的研究。相反,它们相互补充,更全面地呈现管理研究问题。 TR 在谈到管理领域的大数据前沿时,陈国庆教授结合他主持的自然科学基金重大研究项目的大数据驱动管理和决策研究,并认为“三”可以提出三维“”全景PAGE框架“来概括:理论范式(P),分析技术(A),资源治理(G),支持创新(E)四个水平面,粒度缩放,​​跨边界关联,以及全局视图,从而形成12个问题空间。在具体的数据应用场景中,陈国庆教授提出了管理研究五个版本的“意识形态”:V1.0是管理理论+案例分析; V2.0是V1.0 +仿真数据分析; V3.0是V2.0 +基准数据分析; V4.0是V3.0 +大规模实际数据分析; V5.0是V4.0 +用户行为数据分析。同时,管理研究应具有“科学+艺术”的特征。以人工智能为例,未来的IT技术可能具有情感,艺术或美学,也许未来已经到来。 TR在评论部分,孙建军教授认为,大数据在管理研究中的参与确实带来了理论视野,研究方法和问题设置的全方位变化,陈国庆教授具有丰富的研究案例和雄心勃勃。理论视野清晰地提出了管理科学拥抱大数据,探索大数据,利用大数据的必然趋势。在管理科学研究的学者和学生的管理研究过程中提出了大数据素养的现实要求,并应积极应对。

(裴雷)