大數(shù)據(jù)與社會層面商業(yè)和管理問題研究專欄介紹

主評嘉賓：吳天石，彭澤余，吳俊杰，李敏強，郭熙銅

管理信息系統(tǒng)

ManagementInformation

Systems

伴隨著經(jīng)濟和社會的發(fā)展，尤其是近30年信息技術(shù)的廣泛應(yīng)用，人類認知和活動的范圍得到了極大的拓展。但與此同時，也給人類發(fā)展帶來了巨大的挑戰(zhàn)。一方面，人類的活動已經(jīng)引發(fā)了一系列人類發(fā)展史上從未遇到過的社會問題，如環(huán)境問題、人口問題、資源問題等。如何有效地解決這些問題，對于人類的存續(xù)和發(fā)展至關(guān)重要。另一方面，人類社會的有效運行越來越依賴于對相關(guān)數(shù)據(jù)和信息的獲取和處理。但在這個信息爆炸的時代，獲取和處理信息的難度在不斷增加，這在客觀上讓人類活動變得更加復(fù)雜和難以預(yù)測，從而增加了上述社會層面問題的不確定性。

近幾年，大數(shù)據(jù)成為學(xué)術(shù)界一個熱點議題，并在相關(guān)領(lǐng)域得到了初步的應(yīng)用，如電子商務(wù)、電子醫(yī)療、公共管理等。大數(shù)據(jù)相關(guān)理論和技術(shù)致力于獲取、存儲、管理和分析海量數(shù)據(jù)，以期得到有用的高質(zhì)量信息，這將為解決上述社會層面議題提供無限可能。但應(yīng)該看到，學(xué)術(shù)界對于大數(shù)據(jù)相關(guān)理論和技術(shù)的研究亟待加強，商業(yè)實踐中的諸多問題尚未解決，而對于如何有效使用大數(shù)據(jù)以應(yīng)對社會層面挑戰(zhàn)的管理實踐和政策指導(dǎo)急需探索。

本專欄針對電子商務(wù)和電子健康等相關(guān)領(lǐng)域，利用大數(shù)據(jù)挖掘現(xiàn)象背后的理論機制，進而為社會層面商業(yè)和管理問題提供啟示和指導(dǎo)。專欄的3篇文章利用不同方法，針對不同行業(yè)，從不同角度分別對相關(guān)問題進行了深入的研究。

《基于隨機游走的電子商務(wù)退貨風(fēng)險預(yù)測研究》一文，利用二部圖結(jié)構(gòu)和隨機游走規(guī)則對電子商務(wù)中的商品退貨的風(fēng)險預(yù)測進行研究。電子商務(wù)環(huán)境下的退貨問題是隨著近年來電子商務(wù)的迅猛發(fā)展而產(chǎn)生的重要問題，在大數(shù)據(jù)背景下，電子商務(wù)企業(yè)積累了大量銷售、退貨和客戶等多源異構(gòu)數(shù)據(jù)，并可基于此挖掘用戶在電子商務(wù)平臺中的購買和退貨的行為模式，進而預(yù)測退貨風(fēng)險。論文針對電子商務(wù)環(huán)境下的退貨風(fēng)險建模，引入了二部圖結(jié)構(gòu)來組織歷史退貨記錄，并將問題形式化為二部圖上的節(jié)點排序問題。根據(jù)退貨的用戶和被退貨產(chǎn)品的結(jié)構(gòu)特點，在退貨二部圖中定義了隨機游走規(guī)則，以表征退貨風(fēng)險在不同產(chǎn)品與用戶之間的傳遞，即將客戶的退貨風(fēng)險表征為其退貨的產(chǎn)品，而產(chǎn)品的風(fēng)險則表征為相關(guān)的客戶。此外，考慮到退貨記錄的稀疏性問題，進一步引入影響退貨的用戶和產(chǎn)品等各類特征，作為隨機游走的先驗信息，從而提出一種融合特征的退貨風(fēng)險預(yù)測方法。針對提出的預(yù)測算法，采用淘寶一商家的真實退貨數(shù)據(jù)進行實驗，結(jié)果表明，提出的退貨風(fēng)險預(yù)測方法相較SVD、NMF等同類方法具有更高的預(yù)測精度，同時相關(guān)特征的引入有效提升了模型的預(yù)測能力，特別是產(chǎn)品價格和質(zhì)保證書對于預(yù)測精度的提高具有很好的效度。該方法對于電子商務(wù)企業(yè)有效防范退貨風(fēng)險、加強客戶管理等方面具有較強的實際意義。

《在線健康咨詢市場中的價格溢價研究》一文利用在線醫(yī)療社區(qū)的實證數(shù)據(jù)分析對醫(yī)療行業(yè)的價格溢價進行研究。論文從信息不對稱的視角考察在線健康咨詢市場中的價格溢價問題，根據(jù)在線健康咨詢市場的特點，提出地位和聲譽兩種重要的信號機制，然后從不確定性的角度出發(fā)，識別出在線服務(wù)年限、疾病隱私程度和疾病嚴重程度3個對信號機制產(chǎn)生調(diào)節(jié)作用的重要變量。作者針對糖尿病、胰腺癌、小兒肺炎和不孕不育4種疾病，從好大夫網(wǎng)上連續(xù)收集了5個月所有醫(yī)生的相關(guān)信息，來驗證所提的研究模型和假設(shè)。研究結(jié)果表明，地位和聲譽對價格溢價均有顯著的正向影響。然而，隨著醫(yī)生在線服務(wù)年限的增加，地位對獲取價格溢價的作用逐漸下降。當(dāng)消費者咨詢隱私類疾病時，會更加關(guān)注醫(yī)生的聲譽，因而愿意向高聲譽的醫(yī)生支付更高的服務(wù)費用。當(dāng)疾病嚴重程度較高時，用戶面臨巨大風(fēng)險，更愿意去線下的大醫(yī)院進行當(dāng)面就診。由于對平臺的不信任導(dǎo)致需求萎縮，因而即使是有非常高聲譽的醫(yī)生，也難以在線上獲得更高的價格溢價。論文為在線健康咨詢平臺上的醫(yī)生、消費者和平臺運營商提供了若干指導(dǎo)。對于提供健康咨詢服務(wù)的醫(yī)生而言，該研究有助于理解如何獲得更高的價格溢價，從而幫助醫(yī)生獲得更多的經(jīng)濟收益；對于接受健康咨詢服務(wù)的消費者而言，該研究有助于用合理的價格來選擇合適的醫(yī)生；對于平臺服務(wù)商而言，該研究有助于留住醫(yī)生(尤其是好醫(yī)生)，從而促進平臺的繁榮。

《基于GMM-RBF神經(jīng)網(wǎng)絡(luò)的前列腺癌診斷方法》一文針對癌癥診斷這一重要的醫(yī)療和社會問題對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法進行拓展，以提供更精確的前列腺癌和類似疾病的診斷預(yù)測方法。前列腺癌是近年來發(fā)病率上升速度最快的男性癌癥，嚴重威脅著患者的身體健康。為提升前列腺癌初步診斷的準確性，降低穿刺活檢對身體造成的損傷，論文提出在診斷前使用高斯混合模型(GMM)對徑向基(RBF)神經(jīng)網(wǎng)絡(luò)中的初始徑向基函數(shù)參數(shù)進行預(yù)訓(xùn)練，減少了模型陷入局部最優(yōu)的可能，并采用改進的粒子群優(yōu)化(PSO)算法進行神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，有效簡化了模型的訓(xùn)練過程。使用改進PSO算法訓(xùn)練的GMM-RBF神經(jīng)網(wǎng)絡(luò)(PSO-GMM-RBFNN)方法，采用國家臨床醫(yī)學(xué)科學(xué)數(shù)據(jù)中心提供的前列腺疾病檢查數(shù)據(jù)進行診斷實驗，將該方法與RBF神經(jīng)網(wǎng)絡(luò)、分類回歸樹(CART)、支持向量機(SVM)和邏輯回歸(LR)等主流的機器學(xué)習(xí)算法進行對比，并使用準確性、特異性、敏感性和AUC值對模型表現(xiàn)進行評價。實驗結(jié)果顯示，GMM-RBF神經(jīng)網(wǎng)絡(luò)模型相較于改進前的神經(jīng)網(wǎng)絡(luò)模型收斂速度更快、初始準確度更高。使用改進PSO算法進行訓(xùn)練后的PSO-GMM-RBFNN方法在前列腺癌診斷10折交叉驗證實驗上取得了最好的表現(xiàn)。論文提出的改進PSO算法訓(xùn)練的GMM-RBF神經(jīng)網(wǎng)絡(luò)方法在模型準確性上較傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)模型等有很大提升，能夠得到更為可靠的前列腺癌診斷結(jié)果，為醫(yī)療工作者對前列腺癌的初步診斷和穿刺活檢操作提供有效的輔助決策支持，該方法的提出對于減少患者痛苦、提高患者滿意度和節(jié)約醫(yī)療資源具有實際意義。

2019年管理信息系統(tǒng)專欄征稿

詳見封三

企業(yè)網(wǎng)絡(luò)輿情管理的理論和實證研究

專欄主題：

本專欄主題包括但不限于：

?企業(yè)輿情分析的基本理論和方法?企業(yè)網(wǎng)絡(luò)輿情識別理論和方法?企業(yè)網(wǎng)絡(luò)輿情傳播及其演化機制?網(wǎng)絡(luò)輿情對企業(yè)的影響機制?企業(yè)輿情管理的理論、策略和方法?企業(yè)輿情管理對網(wǎng)絡(luò)輿情的影響?大數(shù)據(jù)和云計算技術(shù)在企業(yè)輿情管理中的應(yīng)用?企業(yè)輿情管理的績效