本文選題：數(shù)據(jù)挖掘 + 關(guān)聯(lián)規(guī)則��； 參考：《廣西民族大學(xué)》2017年碩士論文

【摘要】：隨著大數(shù)據(jù)時代的來臨,經(jīng)濟全球化進程日益加速,企業(yè)之間的競爭不斷加大,供應(yīng)鏈之間的競爭也在不斷加劇。服務(wù)供應(yīng)鏈?zhǔn)切畔h(huán)境下以服務(wù)集成商為主導(dǎo)的提供專業(yè)化功能服務(wù)的新型供應(yīng)鏈。在服務(wù)全球化背景下,服務(wù)供應(yīng)鏈之間的市場競爭也日趨加劇,風(fēng)險預(yù)測及管理工作對其極其重要。利用大數(shù)據(jù)信息及數(shù)據(jù)挖掘技術(shù)做風(fēng)險分析與管理已經(jīng)成為服務(wù)供應(yīng)鏈在當(dāng)今日益激烈的市場競爭中保持核心競爭力的重要手段。但是,由于服務(wù)供應(yīng)鏈整體的復(fù)雜性和不確定性,使得服務(wù)供應(yīng)鏈在面對風(fēng)險時更加被動、脆弱,因此風(fēng)險研究也變得越發(fā)重要。相對于發(fā)達國家而言,我國對于服務(wù)供應(yīng)鏈以及供應(yīng)鏈風(fēng)險的研究尚處于起步階段,這使我國的企業(yè)在全球化進程中處于不利的位置,因此要發(fā)展壯大我國企業(yè),須加大對服務(wù)供應(yīng)鏈及其風(fēng)險方面的研究�；谶@樣的背景,本文通過應(yīng)用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法對服務(wù)供應(yīng)鏈風(fēng)險進行預(yù)測研究,并提出相關(guān)的對策建議,望對我國服務(wù)供應(yīng)鏈風(fēng)險及其相關(guān)研究增磚添瓦,對我國企業(yè)的全球化發(fā)展進程有所促進。本文首先對現(xiàn)有的服務(wù)供應(yīng)鏈風(fēng)險和數(shù)據(jù)挖掘的研究基礎(chǔ)進行了論述,然后總結(jié)分析出服務(wù)供應(yīng)鏈風(fēng)險的六大類型,包括信息風(fēng)險、協(xié)同風(fēng)險、管理風(fēng)險、需求風(fēng)險、信用風(fēng)險、環(huán)境風(fēng)險,然后對風(fēng)險的成因進行分析,得出每種風(fēng)險的誘發(fā)事件,并總結(jié)出風(fēng)險類型和風(fēng)險事件之間的關(guān)聯(lián)性。通過模擬實驗的方法得出服務(wù)供應(yīng)鏈風(fēng)險事件發(fā)生的數(shù)據(jù),使用關(guān)聯(lián)規(guī)則中的Apriori算法來對實驗數(shù)據(jù)進行分析,得出風(fēng)險事件之間的關(guān)聯(lián)性,即潛在風(fēng)險事件,然后將風(fēng)險事件以及潛在風(fēng)險事件通過代入模型中求出當(dāng)風(fēng)險事件發(fā)生時對各種類型服務(wù)供應(yīng)鏈風(fēng)險的影響程度,最終得出企業(yè)在不同情況下應(yīng)該注意管理的重點所在,有效降低服務(wù)供應(yīng)鏈風(fēng)險發(fā)生時的損失情況,維護服務(wù)供應(yīng)鏈的整體穩(wěn)定性。
[Abstract]:With the advent of big data era, the process of economic globalization is accelerating day by day, the competition between enterprises is increasing, and the competition between supply chains is also intensifying. Service supply chain (SSC) is a new type of supply chain in which service integrator is the leading service provider in information environment. Under the background of service globalization, the market competition between service supply chain is becoming more and more serious, and risk prediction and management are very important to it. Using big data information and data mining technology to do risk analysis and management has become an important means to maintain the core competitiveness of service supply chain in the increasingly fierce market competition. However, because of the complexity and uncertainty of the whole service supply chain, the service supply chain is more passive and fragile in the face of risks, so the risk research becomes more and more important. Compared with developed countries, the research on service supply chain and supply chain risk in China is still in the initial stage, which makes our enterprises in a disadvantageous position in the process of globalization, so we should develop and strengthen our enterprises. Research on service supply chain and its risk should be increased. Based on this background, this paper uses the association rules algorithm in data mining to predict the risk of service supply chain, and puts forward relevant countermeasures and suggestions, hoping to increase the risk of service supply chain and its related research in China. To our country enterprise globalization development process has promoted. This paper firstly discusses the research foundation of service supply chain risk and data mining, then summarizes and analyzes six types of service supply chain risk, including information risk, collaborative risk, management risk, demand risk. Credit risk, environmental risk, and then analyze the causes of risk, get the induced events of each kind of risk, and summarize the relationship between risk types and risk events. The data of risk events in service supply chain are obtained by simulation experiment. The Apriori algorithm in association rules is used to analyze the experimental data, and the correlation between risk events, that is, potential risk events, is obtained. Then the risk event and the potential risk event are put into the model to find out the degree of influence on the risk of various types of service supply chain when the risk event occurs. Finally, the enterprise should pay attention to the key point of management under different circumstances. Effectively reduce the loss of service supply chain risk, maintain the overall stability of service supply chain.
【學(xué)位授予單位】：廣西民族大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP311.13;F274

【參考文獻】

相關(guān)期刊論文 前10條

1 張智勇;趙俊;石永強;;基于SLC-SVM的養(yǎng)老服務(wù)供應(yīng)鏈服務(wù)質(zhì)量風(fēng)險識別[J];系統(tǒng)科學(xué)學(xué)報;2015年02期

2 王嬌;;供應(yīng)鏈金融風(fēng)險防范中數(shù)據(jù)挖掘方法的應(yīng)用[J];物流技術(shù);2013年21期

3 郭召海;韋小兵;;物流服務(wù)供應(yīng)鏈風(fēng)險控制研究[J];中小企業(yè)管理與科技(上旬刊);2013年06期

4 維克托·邁爾·舍恩伯格;周濤;;大數(shù)據(jù)時代[J];房地產(chǎn)導(dǎo)刊;2013年04期

5 辛?xí)?王飛;;企業(yè)供應(yīng)鏈風(fēng)險管理中的風(fēng)險識別和控制[J];中國市場;2012年32期

6 楊承梁;;淺談建筑供應(yīng)鏈中的風(fēng)險管理[J];現(xiàn)代工業(yè)經(jīng)濟和信息化;2012年10期

7 王麗杰;宋福玲;;供應(yīng)鏈風(fēng)險預(yù)警及風(fēng)險防范控制研究[J];經(jīng)濟視角(下);2010年10期

8 程建剛;李從東;;服務(wù)供應(yīng)鏈研究綜述[J];現(xiàn)代管理科學(xué);2008年09期

9 王燕;劉永勝;;供應(yīng)鏈風(fēng)險管理概述[J];物流技術(shù);2008年08期

10 謝江林;何宜慶;陳濤;;數(shù)據(jù)挖掘在供應(yīng)鏈金融風(fēng)險控制中的應(yīng)用[J];南昌大學(xué)學(xué)報(理科版);2008年03期

相關(guān)博士學(xué)位論文 前3條

1 丁蕊;物流服務(wù)供應(yīng)鏈的供應(yīng)商選擇與優(yōu)化研究[D];大連海事大學(xué);2011年

2 鄢飛;物流服務(wù)供應(yīng)鏈的協(xié)同機理研究[D];長安大學(xué);2009年

3 柴文光;基于數(shù)據(jù)挖掘的信息系統(tǒng)風(fēng)險評估體系框架研究[D];武漢大學(xué);2009年

相關(guān)碩士學(xué)位論文 前8條

1 邵曉康;Apriori算法研究及在本科招生數(shù)據(jù)挖掘中應(yīng)用[D];北京交通大學(xué);2016年

2 劉智鵬;基于數(shù)據(jù)挖掘的供應(yīng)鏈風(fēng)險預(yù)測研究[D];長安大學(xué);2015年

3 張偉溪;基于數(shù)據(jù)挖掘的IT產(chǎn)業(yè)聯(lián)盟供應(yīng)鏈伙伴選擇的研究[D];哈爾濱理工大學(xué);2015年

4 金霞;供應(yīng)鏈風(fēng)險識別與評估研究[D];蘭州交通大學(xué);2014年

5 蘇曉春;供應(yīng)鏈視角下的港航服務(wù)體系風(fēng)險研究[D];華南理工大學(xué);2013年

6 楊超;Apriori關(guān)聯(lián)規(guī)則挖掘算法在高校教學(xué)管理系統(tǒng)中的應(yīng)用研究[D];電子科技大學(xué);2013年

7 許麗娟;物業(yè)服務(wù)供應(yīng)鏈績效評價研究[D];武漢理工大學(xué);2012年

8 楊晶;基于多元結(jié)構(gòu)的旅游供應(yīng)鏈協(xié)調(diào)機制研究[D];廈門大學(xué);2009年

，

本文編號：1830733