一、利润回归——SAP谈新经济的管理创新（论文文献综述）
陈友骏,赵磊[1]（2021）在《疫情背景下日本供应链的重塑及前景分析》文中研究指明新冠肺炎疫情冲击了全球本已脆弱的政治经济格局。后疫情时代,全球供应链网络重塑已成定局。与此同时,新冠肺炎疫情凸显了中日经济合作必要性,也带来了更多的不确定性和复杂性因素。中日两国长期产业分工合作形成的供应链体系面临威胁,正在遭受来自新冠肺炎疫情、中美战略博弈以及技术民族主义等因素的多重冲击。面对中美战略竞争与经济科技竞争,日本考虑重组供应链网络,提升供应链弹性及推动核心产业的本土回迁与多元分散供应。后疫情时代,日本将对华采取"有限合作型"的供应链合作模式,在数字与绿色产业等重点领域推动建立"自主可控、安全可靠"的供应链体系,加强与"共享价值观国家"的供应链合作。对此,中国应从建立现代化供应链体系、提升核心技术研发实力、推动制造业提质升级、强化区域融合发展等层面入手,应对日本的供应链政策调整。
韩璐[2]（2021）在《制造企业供应链数字化转型机理与决策模型》文中认为在数字化时代,零售商、分销商以及最终消费者对供应链的期待越来越高。为了满足客户需求并帮助企业实现数字化运营,供应链管理需要进行数字化转型。然而,对于生产环节众多、管理内容复杂的制造企业来讲,供应链的数字化转型是一项极为艰难的任务。转型方案与业务需求脱节、转型管理效率低下等原因致使很多实践以失败告终。关于制造企业供应链的数字化转型问题,目前行业和学术界的研究成果往往将管理、技术以及组织支持相混淆,对转型驱动要素、转型机理、转型研究方法以及转型管理方案尚无清晰的认识和有效的建议。针对这一现状,本文从管理层面对以上不足展开深入研究,帮助制造企业对供应链数字化转型形成理论认识与进行科学管理。本文从制造企业供应链数字化转型的难点出发,以供应链管理理论、信息管理理论和系统工程理论为理论基础,提出制造企业供应链数字化转型的三个关键驱动要素,即数据管理（对数据资源的获取与管理）、信息融合（对信息到相关决策点的可达性管理）以及智能优化（对数字化供应链管理点的系统性优化）,构建转型驱动机理概念模型,并分析运作管理中三个驱动要素的内在联系,对制造企业供应链数字化转型的管理思想进行系统阐述,所提出的观点得到了上市公司真实数据的实证支持。另外,本文提出了制造企业供应链数字化转型驱动要素的研究方法,为驱动要素的深入研究提供思路指导。基于所提出的制造企业供应链数字化转型机理和转型驱动要素研究方法,本文对每一个驱动要素展开了进一步研究。首先为驱动要素构建完整的管理内容体系,帮助制造企业明确驱动要素的管理范围。然后针对驱动要素关键问题的管理需求构建决策模型,依据建模结果制定驱动要素的管理方案。最后结合驱动要素的数字化属性,提出管理方案中不同对象的管理策略,帮助企业实现驱动要素的高效管理。实例分析章节的模型计算结果表明,本文所提出的数据管理决策模型对数据的相对重要性具有良好的区分度,所提出的信息融合仿真模型对信息的关联性具有良好的识别能力,所提出的智能优化决策模型对决策效用的提升具有良好的规划能力。本文的创新成果主要体现在3个方面:（1）阐明了制造企业供应链数字化转型驱动机理。现有研究供应链数字化转型影响因素尚不完整或者分散于人力资源等供应链管理之外的领域,对供应链数字化转型中的管理分析不够聚焦与完善,缺乏综合性研究视角。为了分析制造企业供应链数字化转型管理问题,本文从供应链管理的本质出发,结合数字化特点与信息管理学理论,对制造企业供应链数字化转型的影响因素进行分析和归纳,系统性地提出了制造企业供应链数字化转型的驱动要素——数据管理、信息融合以及智能优化,构建了转型驱动机理概念模型,探讨了驱动要素的运作机理与递进关系,从理论角度阐明了制造企业供应链数字化转型的基本原理,并且通过上市公司的真实数据,使用Malmquist指数法和回归分析法对所提出的驱动要素和驱动机理进行验证,进一步证明了本文所提出驱动要素和驱动机理的有效性。（2）构建了制造企业供应链数字化转型数据管理决策模型。现有文献对于制造企业供应链数字化转型中数据管理方面的讨论多为定性分析,没有考虑投入产出效率问题。为了提升数据管理效率、有效分配企业资源和精力,本文针对数据管理的方案制定问题,建立了数据管理体系,构建了基于DEMATEL方法和HOQ方法的数据管理决策模型,从信息需求决定数据需求的角度,对数据的相对重要性进行区分,依据结果提出数据的分级管理方案,并且结合数据管理的数字化属性提出不同分级中数据的管理建议,从而实现对制造企业供应链数字化转型中数据的高效管理。（3）构建了制造企业供应链数字化转型智能优化决策模型。以往对于制造企业供应链数字化转型中管理决策方面的研究多为单一管理点的决策效率提升,没有考虑所有管理点的整体决策效率问题。为了系统性地提升智能优化的决策效率,以及帮助企业在有限的计算能力与众多优化需求之间取得平衡,本文针对智能优化的路径规划问题,建立了智能优化体系,构建了基于ISM方法和NK模型的智能优化决策模型,从系统结构、优化目标、决策效用三个角度对所构建的智能优化分析系统进行建模与仿真,求解出提升整体决策效用的最佳优化路径作为智能优化的路径方案,从而实现对制造企业供应链数字化转型智能优化的高效管理。本研究针对制造企业供应链数字化转型缺乏理论指导的问题提出了转型驱动机理;针对转型驱动要素管理的深入研究问题形成了转型驱动要素研究方法;针对转型管理内容零散不全问题构建了驱动要素的内容体系与架构;针对转型管理效率问题分别构建了转型驱动要素决策模型与管理方案。综上所述,本文从管理与决策的角度为制造企业供应链数字化转型建立了一套完整的基本思想和管理方案,有利于构建制造企业供应链数字化转型理论;有利于建立制造企业供应链数字化转型管理体系;并且有利于提升制造企业供应链数字化转型管理效率。
杨宇馨[3]（2021）在《基于大数据分析的市场精准描述与预测》文中进行了进一步梳理经过多年的信息化建设和各种信息化系统的接入,我国无论大中小型企业的运行效率得到了十分显着的提高,并在各自的经营过程中积累了大量的经营数据。近年来,随着大数据概念和技术的兴起,许多大型的软件公司与互联网企业开始利用数据挖掘与分析技术通过数据获取关键信息,下至业务运营策略调整,上达行业发展趋势分析,都依赖分析企业内外部相关海量数据从而实现高效精准的决策。在市场分析过程中最受企业关注的一项目标便是由数据驱动的销售预测分析,精准的销售预测能够为企业在制定或选择提高营收的经营决策方案时提供最直接的评价依据;售预测技术的发展历程曲折,传统的预测路径在当前的复杂环境下无法满足企业的预测需求。无论是预测技术还是源数据的有效处理,当前都是销售预测领域仍在探索的问题;同时,如何理清复杂多源的业务与数据并将分析结果高效直观地传递给使用者同样也是企业决策过程中十分重要的问题,数据可视化应用研究在市场分析中具有重要意义。本文围绕以上三个问题,进行了基于行业知识的业务数据分析、融合多方法的销售预测建模和可视化平台建设进行研究与实践。主要贡献如下:（1）参照博弈思想,向数据集中添加企业市场占有率等相关特征,使得销售预测模型兼顾企业内部特征和外部特征,从而提高预测模型的精度和健壮性。第三章对这部分工作进行了具体的介绍。（2）在时间序列分析的基础上,采用梯度提升树进一步拟合模型残差,提高组合模型对数据样本趋势和特征关系的提取能力。第四章描述了组合模型的设计思路与实验效果。（3）搭建基于多源业务数据的可视化分析平台,能够精准描述当下的销售市场各个维度的表现,并提供销量预测参考进一步指导经营决策,具体内容在第四章。
杨玥[4]（2021）在《基于多元数据的杭州城西科创大走廊“产城创”融合发展研究》文中研究指明过去四十余年,以办公或产业发展为目的的新城园区建设是中国大规模快速城市化的关键部分,正逐步从关注单一经济增长目标的产业集聚地向关注综合发展目标的复合功能都市区转变。当前中国经济转向创新主导并迎来新一轮产业升级和创新创业发展,科创园区成为未来城市化的重要空间载体,其“产”的发展离不开“城”“创”这两个关键要素。杭州城西科创大走廊代表我国最新园区发展趋势,经历了政府规划、房地产开发、城中村自发嵌入等不同主体主导下的不同阶段、不同规模、不同层级的发展过程。其汇集了多类型科创园区及创新平台,依托杭州数字经济优势、社区共生资源、西溪湿地生态、老余杭仓前文脉,是创新要素集聚、多元功能混合、园区社区并存、经济社会文化生态共赢的新城代表,是研究科创园区“产城创”融合发展的典型范本。本文以衡量科创园区发展的“科创企业发展”反映“产”,以衡量城市用地功能混合的“职住关系”反映“城”,以衡量创新资源的“高校创新力”反映“创”,通过分析职住关系、高校创新力与科创企业发展的关联,来研究“产”“城”“创”的关系,进而从“产城创”融合角度展开对大走廊科创园区发展的研究。采用多元数据包括科创企业发展数据、基于位置服务的职住大数据、高校创新资源数据、地理空间数据,运用统计学回归、案例研究等方法。首先,研究大走廊“产城创”融合发展阶段和空间特征。然后,从企业聚集程度、发展规模、创新能力、经营状况、综合实力选择科创企业发展指标作为因变量;从职住平衡指数和通勤距离选择职住关系指标,从师资队伍、人才培养、科研实力、学术影响、产学合作选择高校创新力指标,作为两组自变量;运用偏最小二乘回归研究职住关系、高校创新力与科创企业发展的关联性。最后,选择大走廊“阿里系”园区阿里巴巴西溪园区和梦想小镇,从园区科创企业发展、职住关系、及其与高校创新力融合发展进行深入案例剖析。研究结论:“产城创”融合为未来科创园区提供了极具活力的发展模式,有利于激发科创园区活力、实现新城综合发展。“产”“城”“创”之间存在关联性,职住平衡和高校创新资源溢出有利于促进科创园区企业发展。本研究以杭州城西科创大走廊为例,从“产城创”融合角度积极探索面向未来的科创园区发展,及时总结我国科创园区发展的智慧和新鲜经验,为未来园区和新城实践提供参考,对支持新型城镇化和创新驱动发展战略具有重要意义。
鲁文琪[5]（2021）在《大数据背景下A公司财务风险管控研究》文中进行了进一步梳理
赵建欣[6]（2021）在《制造企业数字化背景下双元技术与商业模式创新匹配研究》文中研究说明
马培[7]（2021）在《财务共享模式下苏宁易购内部控制问题研究》文中提出
张锦娣[8]（2021）在《安徽合力公司海外市场营销策略研究》文中进行了进一步梳理
王新蓓[9]（2021）在《晨光生物客户信用管理对经营性现金流的影响分析》文中研究说明
汪宁[10]（2021）在《新零售转型对企业绩效的影响研究 ——以家家悦为例》文中提出
二、利润回归——SAP谈新经济的管理创新（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、利润回归——SAP谈新经济的管理创新（论文提纲范文）
（2）制造企业供应链数字化转型机理与决策模型（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 文献综述 |
| 1.2.1 企业供应链数字化转型相关概念 |
| 1.2.2 企业供应链数字化转型的因素分析 |
| 1.2.3 企业供应链数字化转型思路 |
| 1.3 研究意义 |
| 1.4 范围界定 |
| 1.4.1 研究层面界定 |
| 1.4.2 企业类型界定 |
| 1.4.3 供应链管理范围与成员地位界定 |
| 1.4.4 词汇用语简写 |
| 1.5 研究内容、方法与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究方法 |
| 1.5.3 技术路线 |
| 1.6 本章小结 |
| 2 相关基础理论与方法 |
| 2.1 基础理论 |
| 2.1.1 供应链管理理论 |
| 2.1.2 信息管理学理论 |
| 2.1.3 系统工程理论 |
| 2.2 模型方法 |
| 2.2.1 统计分析方法 |
| 2.2.2 复杂系统分析方法 |
| 2.2.3 仿真分析法 |
| 2.3 本章小结 |
| 3 制造企业供应链数字化转型机理分析 |
| 3.1 制造企业供应链数字化转型问题分析 |
| 3.1.1 供应链的数字化转型业务需求 |
| 3.1.2 供应链数字化转型内涵与目标 |
| 3.1.3 供应链数字化转型基本原则 |
| 3.2 制造企业供应链数字化转型驱动要素及概念模型 |
| 3.2.1 供应链数字化转型难点 |
| 3.2.2 供应链数字化转型驱动要素提出 |
| 3.2.3 供应链数字化转型驱动机理概念模型 |
| 3.2.4 供应链数字化转型驱动要素运作管理 |
| 3.3 制造企业供应链数字化转型驱动机理实证检验 |
| 3.3.1 实证方法与数据的选择 |
| 3.3.2 供应链数字化转型的测量与分析 |
| 3.3.3 供应链数字化转型驱动作用验证与分析 |
| 3.4 供应链数字化转型驱动要素研究方法 |
| 3.5 本章小结 |
| 4 制造企业供应链数字化转型数据管理决策 |
| 4.1 转型数据管理问题提出 |
| 4.1.1 数据管理业务需求与管理原则 |
| 4.1.2 数据管理的目标与问题描述 |
| 4.1.3 数据管理的研究思路 |
| 4.2 转型数据管理系统分析 |
| 4.2.1 数据管理的数字化属性 |
| 4.2.2 数据来源分类 |
| 4.2.3 数据内容与作用 |
| 4.2.4 数据管理与信息需求的关系 |
| 4.3 基于信息需求的转型数据管理决策建模 |
| 4.3.1 决策模型的选择与适用性 |
| 4.3.2 基于DEMATEL方法的信息需求重要度建模 |
| 4.3.3 基于HOQ方法的数据管理要素重要度建模 |
| 4.4 基于信息需求的数据管理方案制定 |
| 4.5 本章小结 |
| 5 制造企业供应链数字化转型信息融合建模 |
| 5.1 转型信息融合问题提出 |
| 5.1.1 信息融合的业务需求与管理原则 |
| 5.1.2 信息融合的目标与问题描述 |
| 5.1.3 信息融合的研究思路 |
| 5.2 转型信息融合系统分析 |
| 5.2.1 信息融合的数字化属性 |
| 5.2.2 信息的内容与作用 |
| 5.2.3 信息融合的主要环节 |
| 5.2.4 信息融合与业务流程的关系 |
| 5.3 基于业务流程的转型信息融合仿真建模 |
| 5.3.1 仿真模型的选择与适用性 |
| 5.3.2 基于供应链业务流程的Petri网建模 |
| 5.3.3 网系统的关联信息要素识别 |
| 5.4 基于业务流程的信息融合方案制定 |
| 5.5 本章小结 |
| 6 制造企业供应链数字化转型智能优化决策 |
| 6.1 转型智能优化问题提出 |
| 6.1.1 智能优化业务需求与管理原则 |
| 6.1.2 智能优化目标与问题描述 |
| 6.1.3 智能优化的研究思路 |
| 6.2 转型智能优化系统分析 |
| 6.2.1 智能优化的数字化属性 |
| 6.2.2 智能优化的内容与作用 |
| 6.2.3 智能优化系统架构 |
| 6.2.4 智能优化与决策效用的关系 |
| 6.3 基于决策效用的转型智能优化决策建模 |
| 6.3.1 决策模型的选择与适用性 |
| 6.3.2 基于ISM方法的智能优化结构建模 |
| 6.3.3 基于NK模型的智能优化路径建模 |
| 6.4 基于决策效用的智能优化方案制定 |
| 6.5 本章小结 |
| 7 实例分析 |
| 7.1 实例介绍 |
| 7.2 数据管理决策分析 |
| 7.3 信息融合建模分析 |
| 7.4 智能优化路径分析 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 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 |
（3）基于大数据分析的市场精准描述与预测（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 序言 |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文组织结构 |
| 1.4 本章小结 |
| 2 相关理论基础及方法 |
| 2.1 一元时间序列 |
| 2.1.1 时间序列的平稳性 |
| 2.1.2 非平稳时间序列确定性分析 |
| 2.1.3 非平稳时间序列随机分析 |
| 2.2 多元时间序列 |
| 2.2.1 多元时间序列的平稳性 |
| 2.2.2 协整分析 |
| 2.2.3 VAR |
| 2.3 机器学习 |
| 2.3.1 回归决策树 |
| 2.3.2 集成学习 |
| 2.3.3 梯度提升树 |
| 2.3.4 XGBOOST |
| 2.3.5 LIGHTGBM |
| 2.4 本章小结 |
| 3 数据处理与特征工程 |
| 3.1 数据处理 |
| 3.1.1 数据源筛选 |
| 3.1.2 数据预处理 |
| 3.1.3 业务数据分析 |
| 3.2 特征工程 |
| 3.2.1 业务特征分析 |
| 3.2.2 特征工程过程 |
| 3.2.3 特征工程结果 |
| 3.3 数据集 |
| 3.4 本章小结 |
| 4 组合模型实验与可视化应用 |
| 4.1 基础模型训练 |
| 4.1.1 ARIMA |
| 4.1.2 PROPHET |
| 4.1.3 VAR |
| 4.1.4 XGBOOST |
| 4.1.5 LIGHTGBM |
| 4.2 组合模型设计与实验 |
| 4.2.1 组合模型算法设计 |
| 4.2.2 组合模型实验结果 |
| 4.3 大数据可视化应用 |
| 4.3.1 数据可视化简介 |
| 4.3.2 可视化分析方法 |
| 4.3.3 大数据可视化分析平台 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 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 |
（4）基于多元数据的杭州城西科创大走廊“产城创”融合发展研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 科技创新成为驱动发展、提升核心竞争力的关键 |
| 1.1.2 快速城市化进程中作为城市经济增长极的产业园区发展面临转型 |
| 1.1.3 科创园区已成为创新驱动背景下城市化的重要空间载体 |
| 1.1.4 “互联网+”数字经济发达的杭州在长三角的重要战略地位 |
| 1.1.5 杭州城西科创大走廊是“产城创”融合发展的新城代表 |
| 1.2 研究问题的提出 |
| 1.3 研究目的与意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 相关概念界定 |
| 1.4.1 科创园区 |
| 1.4.2 “产城创”融合 |
| 1.4.3 “互联网+”新兴产业 |
| 1.4.4 多元数据 |
| 1.5 研究内容、对象与方法 |
| 1.5.1 研究内容 |
| 1.5.2 研究对象 |
| 1.5.3 研究方法 |
| 1.5.4 论文章节安排 |
| 1.5.5 技术路线 |
| 1.6 本章小结 |
| 2 文献综述与研究框架构建 |
| 2.1 科创园区由来及发展历程 |
| 2.1.1 国外园区发展历程 |
| (1)“产”一元孤立发展阶段 |
| (2)“产城”二元复合发展阶段 |
| (3) “产城创”三元关联发展阶段 |
| 2.1.2 国内园区发展历程 |
| (1)“产”一元孤立发展阶段 |
| (2)“产城”二元复合发展阶段 |
| (3)“产城创”三元关联发展阶段 |
| 2.2 科创园区“产城创”融合发展相关研究 |
| 2.2.1 科创园区发展研究 |
| (1)机制路径研究 |
| (2)影响因素研究 |
| (3)评价指标建立 |
| (4)空间规划布局 |
| 2.2.2 “产城创”融合相关研究 |
| (1)产城融合 |
| (2)职住关系 |
| (3)产学合作 |
| 2.3 科创园区“产城创”融合发展相关研究中运用的数据方法 |
| 2.3.1 多元数据在城市空间研究中的运用 |
| 2.3.2 科创园区发展常用量化研究方法 |
| 2.4 科创园区“产城创”融合发展当前实践探索 |
| 2.4.1 科创园区规划与实践发展趋势 |
| 2.4.2 杭州城西科创大走廊实践与研究 |
| 2.5 文献研究评述与启示 |
| 2.5.1 文献研究评述 |
| 2.5.2 对本文研究的启示 |
| 2.6 研究框架构建 |
| 2.6.1 研究假设 |
| 2.6.2 “产城创”指标选择 |
| (1)以“科创企业发展”反映“产” |
| (2)以“职住关系”反映“城” |
| (3)以“高校创新力”反映“创” |
| 2.6.3 研究思路 |
| 2.6.4 研究框架 |
| 2.7 本章小结 |
| 3 大走廊“产城创”融合发展阶段与空间特征研究 |
| 3.1 大走廊“产城创”融合发展阶段演绎 |
| 3.1.1 以传统产业为主导的独立组团发展起步阶段(2007 年以前) |
| 3.1.2 以科技城为核心的产城一体发展加速阶段(2007-2011 年) |
| 3.1.3 以创新为重点的科创产业集聚区快速发展阶段(2011-2016 年) |
| 3.1.4 “产城创”融合发展的科创大走廊阶段(2016 年至今) |
| 3.2 大走廊“产城创”融合空间分布分析 |
| 3.2.1 科创园区空间 |
| 3.2.2 居住区空间 |
| 3.2.3 高等院校空间 |
| 3.2.4 科研院所空间 |
| 3.2.5 综合交通体系 |
| 3.3 大走廊“产城创”融合发展特征归纳 |
| 3.3.1 混合性 |
| 3.3.2 创新性 |
| 3.4 本章小结 |
| 4 大走廊“产城创”融合发展关联性量化研究 |
| 4.1 研究概述 |
| 4.2 研究数据 |
| 4.2.1 科创企业发展数据 |
| (1)指标选择依据 |
| (2)数据采集 |
| (3)数据结果和指标确定 |
| 4.2.2 基于位置服务的职住大数据 |
| (1)LBS数据采集 |
| (2)职住关系指标确定 |
| 4.2.3 高校创新资源数据 |
| (1)指标选择依据 |
| (2)数据来源和指标确定 |
| 4.2.4 地理空间数据 |
| 4.3 研究方法 |
| 4.3.1 核密度分析 |
| 4.3.2 偏最小二乘回归 |
| 4.4 “产城创”指标分析 |
| 4.4.1 科创企业发展指标分析 |
| 4.4.2 职住关系指标分析 |
| (1)职住平衡指数分析 |
| (2)职住通勤距离分析 |
| 4.4.3 高校创新力指标分析 |
| 4.5 职住关系与科创企业发展关联性 |
| 4.5.1 回归分析步骤 |
| 4.5.2 回归分析结果 |
| 4.6 高校创新力与科创企业发展关联性 |
| 4.6.1 回归分析步骤 |
| 4.6.2 回归分析结果 |
| (1)高校创新力与科创园区企业发展关联性分析结果 |
| (2)不同类型高校创新力与科创企业发展关联性对比分析结果 |
| 4.7 本章小结 |
| 5 大走廊“阿里系”园区“产城创”融合发展案例研究 |
| 5.1 研究概述与案例背景 |
| 5.1.1 研究概述 |
| 5.1.2 案例背景 |
| 5.2 “阿里系”园区科创企业发展 |
| 5.2.1 园区空间布局 |
| (1)阿里巴巴西溪园区空间布局 |
| (2)梦想小镇空间布局 |
| 5.2.2 园区科创产业发展分析 |
| (1)阿里巴巴西溪园区科创产业发展状况 |
| (2)梦想小镇科创产业发展状况 |
| 5.3 “阿里系”园区职住关系 |
| 5.3.1 园区周边业态分布 |
| (1)阿里巴巴西溪园区周边业态分布 |
| (2)梦想小镇周边业态分布 |
| 5.3.2 园区职住通勤分析 |
| (1)阿里巴巴西溪园区职住通勤分析 |
| 5.4 “阿里系”园区与高校融合发展 |
| 5.4.1 园区与高校空间分布关系 |
| (1)阿里巴巴西溪园区与高校空间分布 |
| (2)梦想小镇与高校空间分布 |
| 5.4.2 园区与高校创新力融合分析 |
| (1)阿里巴巴西溪园区与高校创新力融合分析 |
| (2)梦想小镇与高校创新力融合分析 |
| (3)梦想小镇职住通勤分析 |
| 5.5 科创园区“产城创”融合发展路径 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 研究结论 |
| 6.2 大走廊经验对未来科创园区发展的建议 |
| 6.3 研究创新点 |
| 6.4 研究局限 |
| 6.5 研究展望 |
| 参考文献 |
| 附录 |
| 附件1 城西科创产业集聚区管委会访谈记录整理 |
| 附件2 大走廊科创园区企业创始人和工作者访谈记录整理 |
| 附件3 大走廊居住区居民访谈记录整理 |
| 附件4 相关研究已发表于ISPRS International Journal of Geo-Information(SCI)上的文章 |
| 附件5 相关研究已发表于Land(SSCI)上的文章 |
| 作者简历及在学期间所取得的科研成果 |
四、利润回归——SAP谈新经济的管理创新（论文参考文献）
- [1]疫情背景下日本供应链的重塑及前景分析[J]. 陈友骏,赵磊. 日本学刊, 2021(05)
- [2]制造企业供应链数字化转型机理与决策模型[D]. 韩璐. 北京交通大学, 2021
- [3]基于大数据分析的市场精准描述与预测[D]. 杨宇馨. 北京交通大学, 2021
- [4]基于多元数据的杭州城西科创大走廊“产城创”融合发展研究[D]. 杨玥. 浙江大学, 2021(01)
- [5]大数据背景下A公司财务风险管控研究[D]. 鲁文琪. 桂林电子科技大学, 2021
- [6]制造企业数字化背景下双元技术与商业模式创新匹配研究[D]. 赵建欣. 哈尔滨工业大学, 2021
- [7]财务共享模式下苏宁易购内部控制问题研究[D]. 马培. 中南林业科技大学, 2021
- [8]安徽合力公司海外市场营销策略研究[D]. 张锦娣. 西安理工大学, 2021
- [9]晨光生物客户信用管理对经营性现金流的影响分析[D]. 王新蓓. 新疆农业大学, 2021
- [10]新零售转型对企业绩效的影响研究 ——以家家悦为例[D]. 汪宁. 贵州财经大学, 2021