一、基于数据仓库的企业赊销决策数据建模分析(论文文献综述)
李大洲[1](2020)在《基于大数据的用户行为日志系统设计与实现》文中指出针对用户行为日志,提出基于大数据的用户行为日志系统设计方案。该方案在公司现有框架的基础上,对用户行为日志收集系统进行了重组,并提出了高可靠性和高可用的设计要求。采用Flume框架实时收集用户行为日志数据,通过编写ETL拦截器、Type拦截器,实现了对日志数据的过滤。通过优化参数配置,实现了多线程日志收集,提高了日志收集系统的可靠性和实用性。采用Kafka框架实时传输日志,通过对生产者端、Broker端和消费者端的优化,实现了消息传输的精确一次语义,使系统的消息传输与存储更加稳定和高效。采用Hive搭建数据仓库分层搭建数据仓库,通过分析用户主题的相关指标,为系统决策提供支持。实现数据可视化模块,为系统开发人员提供了方便且准确的可视化服务。
李英楠[2](2020)在《基于Hive的购销数据仓库系统的设计与实现》文中指出科学技术的发展带来了人们生活办公方式的转变,当今时代所倡导的人工智能,大数据等技术的发展都以数据作为基石。数据的价值在生活的方方面面都日益明显,而对于一个企业来说数据的价值更是在一个企业当中扮演着至关重要的角色,企业在日常经营与生产中积累了海量的数据,数据进入了DT时代,如何合理地处理和利用这些数据成了所有企业所关心的重要问题。大数据技术在这种背景下孕育而生,并在潮流之中稳步向前发展,在大数据的浪潮之中,Hadoop技术脱颖而出,并得到了学术界和工业界的广泛认可,Hadoop集群之上的开源数据仓库应用Hive具有模式自由、扩展性高和容错性高等特点,能够很好的为企业级数据仓库的建设提供服务,因此,越来越多的企业开始考虑如何很好地利用Hive数据仓库带来的优势,创建自己企业的数据仓库,使自身的信息化建设迈上一个新的台阶。数据仓库是一个面向主题,经过加工和集成,相对稳定并且随时间变化的数据集合,然而传统数据仓库扩展性、容错性等较低,处理大规模数据效果非常差劲,使数据仓库完全脱离了时代的潮流,发挥不出应有的功能。在数据仓库中,查询是其所有操作的重要组成部分,数据仓库中的数据会长期存在,方便用户直接进行查询操作。大数据背景下,新的数据仓库建设方案迫在眉睫。针对上面所提出的问题本文提出了一种大数据时代下新的数据仓库建设思路,更好的服务于当今社会背景下的企业的信息化建设。企业数据仓库为企业提供数据支持,方便企业更好地进行数据管理和数据挖掘工作,是企业信息化建设的核心所在。文章以数据仓库建设的背景和意义作为文章的开始,而后深刻地分析了现在国内外对数据仓库技术的研究成果,在对现有技术的研究之上,本文采用自动化的数据处理技术和新颖的数据分层思想,并且对目标系统进行了需求分析和设计得知数据处理、数据建模、数据仓库管理和可视化是我们目标系统的四个重要组成部分。因此本文的主要研究内容有:1、数据处理使用Hadoop平台,Hadoop为数据仓库提供高效且廉价的数据处理平台,利用Hive sql方便了数据处理流程,并且自主设计使用SHELL脚本实现了ETL自动化过程,通过实验分析得出最佳线程数,使用Yarn来进行资源管理提高数据仓库的稳定性和扩展性,并且利用Map Reduce并行计算的优势,能够很好地支持企业大规模数据的处理。2、数据建模数据建模的核心是逐层解耦。越到底层越接近业务发生的记录,越到上层,越接近业务目标。数据仓库的建设使用维度建模法,在建模的同时设计数据分层,使数据变得更加可靠,数据结构更加明确,方便我们对数据进行血缘追踪,为数据开发提供极大的便利。3、可视化部分利用spring MVC+spring+mybatis+Echars作为整个系统的框架,向企业展示他们所关心的关键购销数据。4、测试部分针对各个功能模块设计了相应的测试用例。根据我们所设计的测试用例对系统的性能、功能以及安全性进行测试,测试结果在我们的预料之中,系统运转正常。
王笑笑[3](2020)在《H饲料公司应收账款风险控制研究》文中研究说明应收账款作为企业一项重要的流动资产,把应收账款的风险控制到一个安全的范围,能否高效收回直接影响着企业的现金流和最终利润。一般来言,公司应收账款风险控制的风险产生的原因主要为两方面:外部赊销商自身还款风险和公司自身应收账款风险管理。外部赊销商还款风险体现在数量有限,饲料行业的企业众多、竞争大;再者赊销商自身还款压力大,财务风险较高。这种数量和质量上的“不对等”使得赊销商有绝对的话语权,很多赊销商习惯了先拿货后付款,很难做到账款及时付清。就公司自身应收账款风险管理而言,主要是企业自身希望通过赊销这种信用方式抢占饲料市场份额,扩大销售,却因为应收账款信用政策的不完善,导致应收账款风险增加。分析应收账款风险产生的来源是那种,及时采取对应的解决方案,将风险发生的可能性和风险的破坏性降到最低,有利于促进企业应收账款能够顺利回收。H饲料公司属于临潼当地饲料行业的上游龙头企业。本人在H饲料公司财务部实习工作,通过实地调查问卷得知:主要风险因素集中在外部赊销商自身风险。因此对H饲料公司应收账款的风险控制需要主要从外部赊销商角度,辅之以完善信用账款制度为研究的对象。思路方面:首先分析H饲料公司的经营状况、再从定性和定量两方面分析应收账款管理现状、应收账款的质量状况,在此基础上分析应收账款风险控制存在的问题及原因分析。其次,通过实地的问卷调查得出H饲料公司应收账款风险来源主要是外部赊销商还款风险,运用最小偏二乘法对H饲料公司的最典型的赊销商通过模型的建立,对外部赊销商的风险进行识别和评价。基于H饲料公司应收账款风险控制存在的问题及原因,根据应收账款风险控制整体风险控制的思路,结合H饲料公司企业历年应收账款相关财务数据资料研究设计出最大和最佳的信用管理规模的模型,并根据应收账款风险控制原理设计出H饲料公司应收账款风险控制事前、事中及事后三步控制方案。以期进一步提升H饲料公司应收账款风险控制水平。最后,在文章的结论中总结重点研究成果,同时提出本文的不足,希望能给H饲料公司及同行业公司些许在应收账款风险控制方面的借鉴帮助,解决一些实际问题。
常有学[4](2020)在《基于智能制造的数据仓库的设计与实现》文中提出《中国制造2025》提出了建设制造业强国的目标,中国的制造业逐渐迈入智能制造时代。随着智能制造的发展和信息化建设的普及,制造业企业的智能终端、传感器和工业软件在生产中会产生海量的业务数据,这些海量的业务数据一般都具有大数据的基本特征,但是企业对这些工业大数据的存储和计算都相对困难。同时,在企业中信息化建设中,由于信息隔离、数据驳杂和标准不统一等原因,各个工业软件间数椐隔离,在企业中产生了“信息孤岛”现象。“信息孤岛”现象使得生产数据未得到充分整合和应用,严重制约了以数据为驱动的智能制造模式的发展。如何解决工业大数据的存储与计算问题,帮助企业消除“信息孤岛”现象,从海量的数据中找到有价值的信息,在企业智能制造的发展中具有重要的意义。针对上述问题,本文以制造业中仓储业务为例进行研究,采用大数据+数据仓库的方式对仓储历史订单数据进行处理和分析,主要解决数据存储、计算困难和数据不互通的问题。设计并实现了一个基于Spark+Impala的分布式数据仓库系统,对制造业仓储业务的相关数据进行统一处理,最后利用数据挖掘和可视化技术将工业软件中的数据进行应用,解决仓库货位摆放的问题,实现工业软件中数据的互联互通,为企业提供数据支撑的决策优化支持。本文所做的主要工作如下:(1)针对生产数据不规则、有缺失和异构等问题,设计并实现基于Kettle+Sqoop 的分布式ETL系统,对数据进行抽取、转换和加载,提高ETL速度的同时解决数据更新问题,实现数据的完整和统一。(2)针对生产数据中存储不一致的问题,设计并实现基于Spark+Impala的数据仓库系统,确定该系统中的多种事实表、维度表、维度模型和总体架构。使用 Spark和Hive对数椐进行转换,使用Impala对数据进行交互式查询,提高不同场景下的计算速度,实现数椐的统存储和快速查询。(3)针对工业数据难以共享和利用的问题,对数据仓库系统进行应用。首先对历史订单数据进行关联规划挖掘,以优化货位摆放位置,同时把货品和销量数据进行可视化展示,实现数据的共享和有利数据的挖掘。
苏丽[5](2020)在《天津医药制造企业赊销业务财务风险防范研究》文中提出在医药制造企业之间竞争日趋激烈的背景下,医药制造企业为了能够更快地占领市场陆续使用赊销方式来开展业务,采用赊销方式能够有效提升企业产品销量和影响力。但与此同时也要看到这还会进一步增加赊销风险。从近些年来医药制造企业的情况来看应收账款难以回收已经成为影响医药制造企业长远发展的重要因素。鉴于此就必须要对医药制造企业赊销风险进行严格控制。目前针对医药制造企业赊销财务风险进行研究的文献还非常少且这些文献的研究大多是以一家企业为例来展开分析,而本文则是从宏观角度以天津医药制造企业为主要研究对象,对其赊销财务风险防范问题进行深入分析,从研究视角来看是不同于以往文献的。从现实角度来看本文对于赊销财务风险的分析与控制能够提升医药制造企业财务管理水平,有助于保证其正常运作,对于促进整个行业的良性发展也有着至关重要的意义。本文在对国内外研究现状与相关概念进行分析时采用了文献研究法,在对现状进行分析时利用一些统计资料对医药制造企业相关数据进行了统计分析。在对现状与问题进行分析时采用定性与定量结合分析法,这样能对现状有更加深刻地认识,最后利用归纳总结法来总结本文的观点与结论。本文的创新点表现在以下几个方面:一是选题的创新性,以往研究集中于对某个医药制造企业进行分析,而本文是从宏观角度出发,对天津医药制造企业来展开分析;二是符合发展趋势,在赊销财务风险等影响越来越严重的背景下加强对其研究对于提升医药制造企业财务能力水平,促进其良性发展有着重要意义。通过本文的研究能够得出以下结论:天津医药制造行业发展迅速且有广阔发展前景;样本企业应收账款显着增加,不同程度存在赊销风险;目前天津医药制造企业赊销风险防范存在客户资信调查不完整准确、客户信用评估不真实、授信决策迁就客户、应收账款回收不力这些问题,针对这些问题本文认为应该建立专门平台来采集客户信息,要完善评估标准与方法,要正确处理业务推广同风险管理之间的关系,最后还应该完善应收账款回收程序。
柯建华[6](2019)在《基于推理机和GBDT的企业赊销信用风险研究》文中认为赊销销售已成为一种常态化的企业销售模式,会影响企业的经营成本,限制企业的发展规模,对采取赊销销售业务模式而又没有相应的赊销信用风险管理的企业必然会引起企业经营不确定的风险。如何有效识别优质客户,规避赊销信用风险一直成为困扰着企业赊销信用风险管理的核心问题。本文首先对国内外文献中针对商业信用风险管理相关理论进行了梳理分析,发现赊销信用风险问题单纯的运用理论分析和单统计模型分析得出的结论都存在片面性,且统计模型研究通常基于一些统计学假设,进而导致结论与实际状况有偏。其次,本文基于大数据和机器学习理论支持,结合国内外文献研究结论,对某行业龙头企业的目标赊销客户进行研究,以企业内部赊销客户为样本,对已有历史交易记录和客户基本信息进行分析,预测客户赊销账款逾期信用风险。本研究将时序数据转换成统计特征与基本特征进行结合,从时间维度、空间维度两方面挖掘目标客户赊销风险评估模型的特征表现,构建多层次集成学习模型,通过与SVM、MLP以及Logistic回归等经典模型进行对比,考察预测模型ACC和预测耗时等指标的表现,从理论上得出同一数据集情况下,得到客户赊销信用风险评估模型最优拟合模型。通过对比传统推理机和本研究的混合推理机的效率和准确度,混合推理机在输入特征较多情形下获得极高准确度的同时极大降低推理耗时。同时,对于混合推理机中机器学习模型部分,使用新的集成学习模型代替传统的线性模型和多层感知机,在小数据集上获得与线性模型接近的准确度和性能,在大数据集中较线性模型获得了更高的精准度,相对于多层感知机获得了更高的效率。本文还针对企业实际赊销业务场景,深入分析赊销信用管理流程,评价了各个环节的风险漏洞。提出新的基于混合推理机的赊销信用风险管理流程,并从事前预防、事中控制、事后跟踪三个阶段保证各业务部门和信用管理组织之间的协同运作,覆盖企业赊销信用风险管理的主要环节和关键控制点,形成交易环节的全过程闭环信用管理。
黄府成[7](2019)在《HW公司赊销信用风险管理的研究》文中研究说明随着市场经济的飞速发展,市场的竞争也变得越发激烈。基于越来越快速的经济发展环境,企业的压力也越来越大了。要想在激烈的企业竞争之中存活下来,扩大销售业务的范围增加销售收入成为了企业考虑的重中之重。为了拓展客户群和形成稳定的可信赖的客户关系,常常围绕以信用为基础的赊销手段制定企业各式各样的销售策略。但是,由于对于某些企业而言,赊销业务的体量大、产品与服务的范围广、客户的分布范围遍布世界各地等原因,都是企业在进行信用风险管理探索的过程之中所不得不面对的挑战。如何对形形色色的客户、纷繁复杂的业务进行有效的信用管理,是像HW这样性质的企业所共同面对的问题。既然信用风险管理的问题具有共性,便具有了研究的意义与价值。全文建立于信用风险管理基本理论的基础之上,结合实地实习的HW公司信用管理部门实际遇到到问题,通过对其基本情况的简介包括对其与应收账款联系最密切的收入状况对分析,同时对应收账款的绝对量与相对量进行分析,发现其赊销业务所形成的应收账款金额比较大,同时也发现其信用管理部门所面临的重大压力,其中包括新准则实施很多信用控制的逻辑包括取数的比率都要发生变化,从中找出信用风险管理的风险点所在。针对HW公司信用管理部门的管理现状,基于传统的信用风险管理的“3+1”模式对HW公司信用风险管理的关键控制点进行了补充和完善,使得其信用风险管理能够实现前期的信用评级准确、中期信用保障完善、后期的账款维护有力的全方位、多流程的控制。
张颖[8](2019)在《长川科技重大赊销客户违约风险估计与缓释研究》文中研究表明赊销是企业扩大竞争优势重要且常用的手段,理想状态的赊销以无息的延期付款为代价换取“降低库存、增加获客、扩大销售、占领市场”的期望收益。然而赊销业务实践往往是偏离理想状态的,在信用管理制度不健全、整体经济下行、资本市场债务违约增多的当前环境之下,过度宽松的信用政策往往伴随着较高的赊销客户违约风险。长川科技是一家具有赊销业务占比高、客户集中度高特点的高新技术企业,借着研究其重大赊销客户违约风险和风险缓释的契机,探讨类似赊销企业的赊销管理问题。本文将长川科技重大赊销客户管理研究分为两部分:重大赊销客户违约风险估计和违约风险缓释。在研究重大赊销客户违约风险估计时,通过分析赊销客户违约的影响因素,从债务风险、资产质量、盈利能力、成长能力和守约意识五个角度选取11项能够反映赊销客户还款可能性的指标,结合CRITIC赋权法确定各项指标的权重,再利用灰色关联分析和偏大型正态分布函数量化估计出重大赊销客户的违约概率;接着研究重大赊销客户的违约风险缓释方法,结合各赊销客户违约概率对赊销收益进行风险调整,然后依据风险调整后的赊销收益进行客户关系管理,并分析了应收账款融资、应急资本保障和追债机制以及供应链上下游企业债权流转等风险缓释措施在降低赊销客户违约概率或者违约影响程度方面的作用。最后,文章针对案例及类似企业提出了了几点有益的赊销业务管理启示:合理控制赊销业务比例,把握客户集中度高的双刃剑效应,全程化系统化赊销风险管理,精细化赊销收入和赊销成本管理,保持足够的财务张力。
綦烨[9](2018)在《G公司赊销信用风险管理研究》文中指出赊销及其风险管理是市场经济重要内容。随着中国社会主义市场经济的不断完善与发展,赊销信用风险管理对于中国企业提升市场竞争力具有重要作用。然而,由于缺乏完善的信用风险管理体系,中国企业市场化发展步伐受到严重制约。在赊销及其信用风险管理方面,很多企业陷入赊销信用风险管理困境,给其正常的经营管理带来严重问题。因此,企业为了在激烈市场环境中有效控制风险,就需要提升自身的信用风险管控体系。特别地,需要完善赊销信用风险管理体系,以最大程度促进企业健康发展。本文首先阐述了赊销风险管理的相关概念界定,把握赊销信用风险的定义、管理流程、流程分析、赊销的特点以及相关赊销信用风险管理的方法等方面内容,并阐述了赊销信用风险管理相关理论。影响企业赊销信用风险的因素是多方面的,企业内部管理体系或者机制的完善程度对于账款回收有着重要的影响,而赊销客户信用等级将会直接影响企业赊销风险。本文接着分析了G公司赊销信用风险情况,从G公司赊销信用风险管理的职能部门设置、信用政策制定情况、管理流程、实施效果等方面进行深入分析。其次,通过分析G公司赊销信用风险管理的现状去剖析其现今风险管理体系中存在的问题,其中包括了管理人员职责分工、客户资信调查、客户风险评估以及应收账款回收等不同方面。然后,本文重点对G公司的赊销信用风险进行了识别与评价。最后,本文提出了优化G公司赊销信用风险管理的相关政策建议。本文研究的目的在于,通过对G公司赊销信用风险管理进行深入分析,构建赊销信用风险的识别和评价体系,从而为G公司以及其它公司的赊销信用风险管理提供决策借鉴。
唐磊[10](2018)在《基于数据仓库的社保统计分析系统的设计与实现》文中认为近年来,随着社保部门信息化建设的飞速发展,各个业务系统保存了海量的历史数据,由于缺乏先进的统计分析平台,未能对历史数据进行全面深层次的分析与利用,对社会保险金的预测、分析、统计、决策缺乏有效的支持,极大影响了数据统计的准确性和分析决策的效率。在这一背景下,基于数据仓库技术建立社保统计分析系统,对于充分利用业务系统的历史数据,为分析决策提供一个科学、合理、务实的数据支持具有重要的意义和价值。本文在构建社保数据仓库的基础上,通过运用维度建模、数据整合、联机分析处理等技术设计开发实现了基于数据仓库的社保统计分析系统。根据社保的软硬件环境,建立统一的数据仓库体系架构,搭建统一的建设框架和应用模式。依据客户提供业务需求进行统计分析业务主题的划分,从而建立维度模型。利用ETL数据抽取工具从社保的各个业务系统抽取数据,进而整合、加载到数据仓库中。在此基础之上,建立面向分析应用的多维数据库和初级汇总表,最后实现固定报表、灵活报表、图形展现等前端应用功能。通过对基于数据仓库的社保统计分析系统的设计与实现,建立了统一的数据存储平台,解决了“信息孤岛”的问题,有效保证了数据质量,极大提高了数据汇总、计算、查询、分析的性能,为用户提供了直观、丰富的前端展示方式,满足了用户多元化分析和辅助决策的需求,为社保部门数据仓库的建设积累了宝贵的经验。
二、基于数据仓库的企业赊销决策数据建模分析(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、基于数据仓库的企业赊销决策数据建模分析(论文提纲范文)
(1)基于大数据的用户行为日志系统设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状 |
1.3 课题主要工作 |
1.4 主要创新点 |
1.5 论文结构 |
第二章 相关背景知识介绍 |
2.1 Flume日志收集系统 |
2.2 Kafka消息引擎系统 |
2.3 数据仓库技术 |
2.3.1 产生背景 |
2.3.2 定义及特性 |
2.3.3 相关概念 |
2.3.4 逻辑模型 |
2.4 Hive技术 |
2.5 本章小结 |
第三章 系统分析 |
3.1 系统现状 |
3.1.1 当前日志收集系统架构 |
3.1.2 当前日志收集系统的问题 |
3.2 需求分析 |
3.3 系统设计原则 |
3.4 本章小结 |
第四章 系统设计与实现 |
4.1 系统总体设计 |
4.1.1 系统架构设计 |
4.1.2 系统功能模块设计 |
4.1.3 系统业务流程的设计 |
4.1.4 系统开发环境 |
4.2 日志格式解析 |
4.3 基于Flume的日志收集模块设计与实现 |
4.3.1 拦截器配置 |
4.3.2 多线程日志收集 |
4.3.3 日志收集模块的实现 |
4.4 基于Kafka的消息引擎模块设计与实现 |
4.4.1 Kafka优化 |
4.4.2 消息引擎模块的实现 |
4.5 基于Hive的用户行为数据仓库模块设计与实现 |
4.5.1 数据仓库架构设计 |
4.5.2 数据仓库建模设计 |
4.5.3 数据仓库分层设计 |
4.6 数据可视化模块的设计与实现 |
4.6.1 Ganglia |
4.6.2 Kafka Manager |
4.6.3 Tree DMS |
4.7 本章小结 |
第五章 系统测试 |
5.1 测试环境 |
5.2 系统功能测试 |
5.3 系统性能测试 |
5.3.1 Flume性能测试 |
5.3.2 Kafka性能测试 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录1 程序清单 |
附录2 攻读硕士学位期间撰写的论文 |
致谢 |
(2)基于Hive的购销数据仓库系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容 |
1.4 论文的组织结构 |
1.5 本章小结 |
第2章 相关理论基础 |
2.1 数据仓库技术 |
2.1.1 数据仓库的产生背景 |
2.1.2 数据仓库定义 |
2.1.3 数据仓库特点 |
2.1.4 数据仓库基本特性 |
2.1.5 数据仓库的相关概念 |
2.1.6 数据仓库的结构 |
2.1.7 数据仓库开发过程 |
2.1.8 数据仓库建模方法 |
2.2 ETL技术 |
2.2.1 ETL技术定义 |
2.2.2 ETL作用 |
2.3 sqoop技术介绍 |
2.4 Flume技术介绍 |
2.5 SSM框架 |
2.5.1 Spring |
2.5.2 Spring Mvc |
2.5.3 Mybatis |
2.6 ECharts |
2.7 本章小结 |
第3章 系统分析 |
3.1 业务需求分析 |
3.2 建设目标 |
3.3 系统功能性分析 |
3.4 系统性能需求 |
3.5 平台构建原则 |
3.6 本章小结 |
第4章 系统设计 |
4.1 系统架构设计 |
4.2 数据仓库设计 |
4.2.1 数据处理模块 |
4.2.2 数据建模模块 |
4.3 数据可视化 |
4.4 本章小结 |
第5章 系统实现 |
5.1 系统开发环境 |
5.2 系统主要功能实现 |
5.2.1 数据仓库实现 |
5.2.2 Web可视化实现 |
5.2.3 其它功能模块 |
5.3 本章小结 |
第6章 系统测试 |
6.1 测试环境 |
6.2 系统测试内容 |
6.2.1 系统功能测试 |
6.2.2 系统性能测试 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 全文工作总结 |
7.2 未来工作展望 |
参考文献 |
致谢 |
(3)H饲料公司应收账款风险控制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 国内外文献综述 |
1.4 研究内容、研究方法及技术路线 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.4.3 技术路线图 |
第二章 应收账款风险控制相关理论概述 |
2.1 应收账款基本理论 |
2.1.1 应收账款的含义 |
2.1.2 应收账款的成本 |
2.1.3 应收账款的作用 |
2.2 应收账款风险相关理论 |
2.2.1 应收账款风险的定义 |
2.2.2 应收账款风险形成的原因 |
2.2.3 应收账款风险的分类及表现形式 |
2.3 应收账款风险计量理论 |
2.4 应收账款风险控制相关理论 |
2.4.1 应收账款风险控制概述 |
2.4.2 应收账款风险控制内容 |
2.4.3 应收账款风险控制的流程 |
2.5 本章小结 |
第三章 H公司应收账款风险控制现状及问题分析 |
3.1 H饲料公司简介 |
3.2 H饲料公司应收账款风险控制现状 |
3.2.1 公司应收账款风险职能部门日常管理 |
3.2.2 公司赊销流程 |
3.2.3 公司应收账款的信用政策 |
3.3 H饲料公司应收账款质量分析 |
3.3.1 H饲料公司应收账款规模分析 |
3.3.2 应收账款占重要财务数据指标的比例分析 |
3.3.3 应收账款账龄分析 |
3.3.4 应收账款周转率及周转天数分析 |
3.3.5 对应收账款赊销商的分析 |
3.4 H饲料公司应收账款风险控制制度有效性调查 |
3.4.1 H饲料公司应收账款风险控制制度有效性问卷调查 |
3.4.2 调查问卷(应收账款风险控制制度有效性)结果的分析 |
3.5 H饲料公司应收账款风险控制存在的问题及原因分析 |
3.5.1 相关管理部门职责混乱 |
3.5.2 赊销商信用管理政策不科学 |
3.5.3 现行的应收账款信用政策不完善 |
3.5.4 现行的应收账款收账政策不完善 |
3.6 本章小结 |
第四章 H公司应收账款赊销商信用风险计量与结果评价 |
4.1 应收账款风险信用计量的方法选择 |
4.2 单因变量偏最小二乘回归风险识别体系构建 |
4.3 单因变量偏最小二乘回归的建模流程 |
4.4 H饲料公司应收账款的信用风险计量应用 |
4.4.1 财务参数的计算 |
4.4.2 非财务参数的计算 |
4.4.3 回归方程的构建运行 |
4.4.4 现有应收帐款回收率预测 |
4.4.5 最小偏二乘法计量信用风险的结果分析 |
4.5 本章小结 |
第五章 H饲料公司应收账款风险应对 |
5.1 建立H饲料公司最大和最佳信用规模模型 |
5.1.1 最佳赊销额和最大信用规模 |
5.1.2 H饲料公司信用规模 |
5.2 H饲料公司应收账款风险控制应对策略 |
5.2.1 事前建立完善信用风险管理体系 |
5.2.2 事中加强应收账款风险的日常监测 |
5.2.3 完善事后应收账款监督体系 |
5.3 本章小结 |
第六章 总结及展望 |
6.1 研究结论 |
6.2 未来展望 |
致谢 |
参考文献 |
附录 |
攻读学位期间参加科研情况及获得的学术成果 |
(4)基于智能制造的数据仓库的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题依据及意义 |
1.2 国内外研究现状 |
1.2.1 智能制造的研究现状 |
1.2.2 数据仓库研究现状 |
1.2.3 分布式计算平台研究现状 |
1.3 课题主要研究内容 |
1.4 本文的组织结构 |
第2章 理论基础、关键技术与需求分析 |
2.1 数据仓库 |
2.1.1 数据仓库的概念和特点 |
2.1.2 数据仓库和数据库的对比 |
2.1.3 数据仓库的架构 |
2.2 大数据理论 |
2.3 Hadoop |
2.4 Spark |
2.4.1 Spark简介 |
2.4.2 Spark的架构 |
2.4.3 Spark和Hadoop自的对比 |
2.5 Hive |
2.6 Impala |
2.7 Kettle |
2.8 需求分析 |
2.9 本章小结 |
第3章 ETL系统的设计 |
3.1 智能制造中ETL系统分析 |
3.1.1 传统ETL系统的介绍及其劣势 |
3.1.2 分布式ETL系统的介绍及其优势 |
3.2 ETL系统的架构设计 |
3.3 分布式ETL系统的模型设计 |
3.3.1 数据抽取 |
3.3.2 数据转换 |
3.3.3 数据加载 |
3.4 本章小结 |
第4章 数据仓库系统的设计 |
4.1 智能制造中仓储业务分析 |
4.2 数据仓库系统的架构设计 |
4.3 建模方法介绍及选择 |
4.3.1 范式建模 |
4.3.2 维度建模 |
4.3.3 独立数据集市 |
4.3.4 数据仓库模型选择 |
4.4 数据仓库的模型设计 |
4.4.1 选择业务过程 |
4.4.2 声明粒度 |
4.4.3 维度表设计 |
4.4.4 事实表设计 |
4.4.5 模型设计 |
4.5 本章小结 |
第5章 系统的实现、应用与性能分析 |
5.1 系统环境部署 |
5.2 系统的实现 |
5.2.1 ETL系统的实现 |
5.2.2 数据仓库系统的实现 |
5.3 系统的应用 |
5.3.1 基于数据挖掘的货位优化 |
5.3.2 数据可视化 |
5.4 系统性能实验分析 |
5.4.1 MapReduce和Spark数据处理速度的对比 |
5.4.2 Impala、Hive和MySQL的查询速度对比 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(5)天津医药制造企业赊销业务财务风险防范研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景、目的与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容与方法 |
1.2.1 研究内容 |
1.2.2 研究方法 |
第二章 相关概念、理论基础与文献综述 |
2.1 相关概念 |
2.1.1 信用管理理论 |
2.1.2 赊销风险防范 |
2.2 理论基础 |
2.2.1 风险管理理论 |
2.2.2 信用管理理论 |
2.3 文献综述 |
2.3.1 国外研究现状 |
2.3.2 国内研究现状 |
2.3.3 文献述评 |
第三章 天津医药企业赊销业务财务风险防范现状 |
3.1 我国医药制造企业发展整体现状概述 |
3.1.1 发展情况 |
3.1.2 行业特点 |
3.1.3 发展趋势 |
3.2 医药制造企业赊销业务整体情况简析 |
3.2.1 数据来源与选择样本 |
3.2.2 应收账款统计分析 |
3.3 天津医药制造企业赊销业务财务风险防范 |
3.3.1 控制模式与流程 |
3.3.2 控制手段 |
3.3.3 控制效果 |
第四章 天津医药制造企业赊销业务财务风险防范问题与原因分析 |
4.1 风险防范问题 |
4.1.1 客户资信调查不完整准确 |
4.1.2 客户信用评估不真实 |
4.1.3 授信决策迁就客户 |
4.1.4 应收账款回收不力 |
4.2 原因分析 |
4.2.1 缺乏先进的信息采集平台与技术 |
4.2.2 缺乏科学的评估标准与方法 |
4.2.3 盲目追求市场忽视风险 |
4.2.4 回收管理程序不完善 |
第五章 天津医药制造企业赊销业务财务风险防范对策 |
5.1 天津医药制造企业赊销业务财务风险防范思路 |
5.2 对策分析 |
5.2.1 利用先进技术建立信息采集平台 |
5.2.2 建立科学的评估标准并选择科学方法 |
5.2.3 正确处理市场业务推广与风险管理的关系 |
5.2.4 健全应收账款回收管理流程 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
附录 |
(6)基于推理机和GBDT的企业赊销信用风险研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 信用风险评估研究 |
1.2.2 赊销信用风险评估研究 |
1.2.3 文献评价 |
1.3 研究方法与技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 研究路线 |
1.4 研究创新点 |
2 企业赊销信用风险的相关理论 |
2.1 信用风险的基本定义 |
2.1.1 信用风险的基本概念 |
2.1.2 信用风险的基本形式 |
2.1.3 信用风险的基本特征 |
2.2 企业赊销信用风险 |
2.2.1 企业赊销的定义 |
2.2.2 企业赊销信用风险的表现 |
2.2.3 企业赊销信用风险产生的原因 |
2.3 企业赊销信用风险管理体系建设 |
2.3.1 外部影响条件 |
2.3.2 内部影响条件 |
3 X公司企业赊销信用风险管理现状 |
3.1 X公司概况 |
3.1.1 X公司业务发展 |
3.1.2 X公司赊销信用管理发展 |
3.2 X公司企业赊销信用风险管理体系 |
3.2.1 事前预防 |
3.2.2 事中控制 |
3.2.3 事后跟踪 |
3.3 X公司企业赊销信用风险管理的问题 |
4 基于推理机的赊销信用风险评估模型 |
4.1 推理机原理 |
4.1.1 逻辑推理 |
4.1.2 模糊运算 |
4.1.3 模糊推理 |
4.2 推理机基本结构 |
4.2.1 总体结构 |
4.2.2 模糊化 |
4.2.3 解模糊 |
4.3 知识和规则划分 |
5 基于GBDT的赊销信用风险评估模型 |
5.1 GBDT分类器原理 |
5.1.1 GBDT分类器原理 |
5.1.2 GBDT训练方法 |
5.2 xgBoost&LightGBM的提升方法 |
5.3 特征构造 |
5.3.1 老客户模型 |
5.3.2 新客户模型 |
6 实验和结果分析 |
6.1 混合推理机及分类器性能分析 |
6.1.1 混合推理机架构 |
6.1.2 混合推理机性能分析 |
6.1.3 基于推理机与GBDT的赊销风险评估模型结果分析 |
6.2 赊销信用风险全流程管理及优化 |
6.2.1 LTC业务流程管理及优化 |
6.2.2 赊销信用管理流程优化 |
7 研究结论和展望 |
7.1 研究结论 |
7.2 研究不足与展望 |
参考文献 |
(7)HW公司赊销信用风险管理的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国内研究现状 |
1.3.2 国外研究现状 |
1.3.3 国内外研究现状评述 |
1.4 研究内容与方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
第2章 HW公司赊销信用风险管理现状及问题分析 |
2.1 HW公司概况 |
2.1.1 HW公司分业务部收入状况 |
2.1.2 HW公司分地区部收入状况 |
2.1.3 HW公司财务状况综合分析 |
2.2 HW公司赊销信用管理的风险特征 |
2.2.1 多样业务触角下信息收集困难 |
2.2.2 庞大赊销业务下管理难度大 |
2.2.3 复杂业务场景下信用管理流程繁琐 |
2.3 HW公司“3+1”信用风险管理模式 |
2.3.1 “3+1”模式总体框架 |
2.3.2 “3+1”模式具体体现 |
2.4 HW公司赊销信用风险管理存在的问题 |
2.4.1 新准则实施后信用部门面临重压 |
2.4.2 客户资信调查过度依赖第三方 |
2.4.3 国际环境不断变动对评级要求高 |
2.4.4 特定客户信用政策制定缺乏灵活性 |
2.4.5 账款催收过程有待进一步控制 |
2.5 本章小结 |
第3章 基于“3+1”模式的赊销信用风险管理优化路径 |
3.1 信用部门机构设置优化 |
3.2 前期信用评价的方案优化 |
3.2.1 客户评级流程优化 |
3.2.2 特征分析模型下客户信用风险评价流程优化 |
3.2.3 客户信用政策管理 |
3.3 中期信用管理流程优化 |
3.3.1 客户评级的调整 |
3.3.2 应收账款债权保障 |
3.4 后期应收账款回款优化 |
3.4.1 强化应收账款回款监控流程 |
3.4.2 完善账款催收绩效奖惩机制 |
3.4.3 改良催收方式及程序 |
3.5 本章小结 |
第4章 HW公司赊销信用风险管理保障措施 |
4.1 强化企业员工的信用风险意识 |
4.2 密切信用部门与其他部门的合作 |
4.2.1 密切信用与销售部门的协作 |
4.2.2 密切信用与其他部门的协作 |
4.3 加强对客户信用档案的管理 |
4.4 本章小结 |
结论 |
参考文献 |
致谢 |
(8)长川科技重大赊销客户违约风险估计与缓释研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究的背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献研究综述 |
1.2.1 赊销决策的影响因素和作用的相关研究 |
1.2.2 企业信用风险评估及违约预测的相关研究 |
1.2.3 赊销决策和应收账款管理的相关研究 |
1.2.4 文献评述 |
1.3 研究内容和研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 论文的创新点 |
第二章 概念界定和相关理论方法概述 |
2.1 相关概念界定 |
2.2 全面风险管理理论 |
2.2.1 全面风险管理的内涵与框架 |
2.2.2 信用风险产生的理论根源 |
2.2.3 信用风险管理理论和方法的发展 |
2.3 赊销和应收账款管理方法概述 |
2.3.1 赊销业务管理模式 |
2.3.2 应收账款管理方法概述 |
第三章 长川科技赊销业务现况及风险分析 |
3.1 企业现状及赊销业务情况简介 |
3.1.1 长川科技企业基本情况 |
3.1.2 长川科技赊销业务情况及赊销管理制度 |
3.2 企业赊销业务的风险源分析 |
3.2.1 源于销售模式和管理制度的风险 |
3.2.2 源于赊销客户的风险 |
3.2.3 源于行业和技术的风险 |
第四章 长川科技重大赊销客户违约风险估计 |
4.1 违约风险估计的思路与方法 |
4.1.1 思路设计 |
4.1.2 灰色关联分析原理及适用性 |
4.2 违约风险估计指标体系构建 |
4.2.1 赊销客户违约影响因素分析 |
4.2.2 指标体系构建 |
4.2.3 相关指标关联系数求解 |
4.3 基于CRITIC赋权法确定指标权重 |
4.3.1 CRITIC赋权法介绍 |
4.3.2 指标体系权重确定 |
4.4 重大赊销客户预期违约概率估计 |
4.4.1 与理想状态关联度求解 |
4.4.2 赊销客户预期违约概率估计 |
第五章 长川科技重大赊销客户违约风险缓释措施 |
5.1 基于违约风险调整赊销收益 |
5.1.1 基于违约风险调整赊销收益的方法 |
5.1.2 重大赊销客户赊销收益风险调整的结果 |
5.1.3 赊销收益风险调整结果的管理应用 |
5.2 基于调整赊销收益的赊销客户管理 |
5.2.1 客户关系的维持和退出管理 |
5.2.2 赊销客户的差别定价管理 |
5.3 其他风险缓释措施 |
5.3.1 合理利用应收账款融资 |
5.3.2 建立应急资本保障和追债机制 |
5.3.3 供应链上下游企业债权流转 |
第六章 总结与展望 |
6.1 研究总结 |
6.2 研究的不足与展望 |
参考文献 |
致谢 |
(9)G公司赊销信用风险管理研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景与问题 |
第二节 研究意义 |
第三节 国内外研究文献综述 |
一、国内研究现状 |
二、国外研究现状 |
三、文献评述 |
第四节 研究内容与方法 |
一、研究内容 |
二、研究方法 |
第五节 研究创新点 |
第二章 赊销信用风险管理的理论基础 |
第一节 赊销信用风险管理相关概念界定 |
一、赊销信用风险的定义 |
二、赊销信用风险管理的流程 |
三、赊销信用管理的流程分析 |
第二节 赊销信用风险管理相关理论 |
一、全程信用管理理论 |
二、信用风险的一般理论 |
三、信息不对称理论 |
第三节 赊销信用风险管理的方法 |
一、客户信用评估方法 |
二、客户信用分析模型 |
第三章 G公司赊销信用风险管理现状和问题分析 |
第一节 G公司概况 |
一、G公司基本情况 |
二、G公司赊销状况 |
三、G公司产品销售优惠政策 |
四、G公司销售流程 |
第二节 G公司赊销信用风险管理现状 |
一、G公司赊销信用风险管理的职能部门 |
二、G公司的信用政策 |
三、G公司赊销信用风险管理流程 |
四、G公司赊销信用风险管理的实施效果 |
第三节 G公司赊销信用风险管理中存在的问题 |
一、未设置专门的赊销管理部门 |
二、客户资信调查方面 |
三、客户信用风险评估方面 |
四、客户授信决策方面 |
五、应收账款回收方面 |
第四章 G公司赊销信用风险的识别与评价 |
第一节 G公司赊销信用风险的识别 |
一、G公司外部风险识别 |
二、G公司内部风险识别 |
第二节 G公司赊销信用风险的评价 |
一、赊销风险评价指标体系的构建 |
二、通过对每一层指标的相对重要性进行赋值,构建判断矩阵 |
三、计算G公司赊销风险的综合权重 |
第五章 优化G公司赊销信用风险管理的建议 |
第一节 优化赊销管理组织与实施 |
一、构建赊销管理部门与信用机制 |
二、提升赊销管理的水平与素质 |
第二节 客户赊销价值评估 |
第三节 强化赊销过程中信用管理与控制 |
一、赊销额确定 |
二、加强赊销合同签订管理 |
三、应收账款管理 |
第四节 引入基于CRM的赊销信用管理系统 |
第六章 总结与展望 |
参考文献 |
致谢 |
(10)基于数据仓库的社保统计分析系统的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 项目的背景 |
1.2 国内外发展现状 |
1.2.1 国内外数据仓库发展现状 |
1.2.2 社保统计分析系统的发展现状 |
1.3 项目的意义和目的 |
1.4 论文的研究内容 |
1.5 论文的组织结构 |
第二章 数据仓库系统关键技术 |
2.1 数据仓库技术 |
2.1.1 数据仓库的概念 |
2.1.2 数据仓库的特性 |
2.1.3 数据仓库领域的常用概念 |
2.2 维度建模研究 |
2.2.1 维度建模概述 |
2.2.2 维度模型的优点 |
2.2.3 事实表和维度表 |
2.3 ETL技术研究 |
2.4 OLAP技术研究 |
2.5 本章小结 |
第三章 社保统计分析系统需求分析 |
3.1 项目总体需求 |
3.2 系统建设目标 |
3.2.1 项目范围 |
3.2.2 建设目标 |
3.2.3 系统设计原则 |
3.3 功能性需求分析 |
3.3.1 业务模块功能需求 |
3.3.2 数据仓库基础技术平台分析 |
3.3.3 数据建模需求分析 |
3.3.4 数据整合需求分析 |
3.3.5 数据应用客户端需求分析 |
3.4 非功能性需求分析 |
3.4.1 数据存储和性能要求 |
3.4.2 界面友好性 |
3.4.3 安全性 |
3.5 本章小结 |
第四章 社保统计分析系统概要设计 |
4.1 系统技术路线图 |
4.2 系统总体架构 |
4.2.1 数据整合平台 |
4.2.2 数据存储平台 |
4.2.3 应用服务平台 |
4.2.4 信息门户平台 |
4.3 数据整合总体设计 |
4.3.1 数据整合 |
4.3.2 初始数据加载 |
4.3.3 新增数据加载 |
4.4 OLAP模型总体设计 |
4.4.1 社保金征收模块 |
4.4.2 养老保险偿付模块 |
4.4.3 医疗保险偿付模块 |
4.4.4 工伤保险偿付模块 |
4.4.5 失业保险偿付模块 |
4.4.6 生育保险偿付模块 |
4.4.7 住房公积金管理模块 |
4.5 本章小结 |
第五章 社保统计分析系统详细设计 |
5.1 系统数据库设计 |
5.1.1 数据库逻辑设计 |
5.1.2 数据库物理设计 |
5.1.2.1 数据仓库的层次 |
5.1.2.2 数据仓库的STA层 |
5.1.2.3 数据仓库的ODS层 |
5.1.2.4 数据仓库的DW层 |
5.2 数据整合详细设计 |
5.2.1 数据抽取模块设计 |
5.2.2 数据转换模块设计 |
5.2.3 数据装载模块设计 |
5.2.4 元数据管理模块设计 |
5.2.5 ETL抽取方法设计 |
5.3 OLAP模型详细设计 |
5.3.1 分析维度设计 |
5.3.2 分析指标设计 |
5.3.3 分析方法设计 |
5.3.4 数据粒度设计 |
5.4 前端展现详细设计 |
5.4.1 前端展现功能设计 |
5.4.2 征收模块查询分析设计 |
5.5 数据仓库存储空间规划设计 |
5.5.1 数据仓库分区的软硬件配置 |
5.5.2 数据仓库分区的容量估算 |
5.5.3 数据仓库分区的存储规划 |
5.6 本章小结 |
第六章 社保统计分析系统的实现 |
6.1 开发工具的选择 |
6.1.1 ETL工具 |
6.1.2 OLAP工具 |
6.1.3 前端开发工具 |
6.2 开发工具的部署 |
6.2.1 ETL开发工具的部署 |
6.2.2 OLAP开发工具的部署 |
6.2.3 前端开发工具的部署 |
6.3 系统开发实现 |
6.3.1 数据仓库表和索引的建立 |
6.3.2 数据整合开发实现 |
6.3.2.1 ETL开发的步骤 |
6.3.2.2 数据的全量抽取 |
6.3.2.3 数据的增量抽取 |
6.3.3 OLAP开发实现 |
6.3.3.1 OLAP开发的步骤 |
6.3.3.2 ESSBASE全量加载 |
6.3.3.3 ESSBASE增量加载 |
6.3.3.4 ESSBASE的计算脚本 |
6.3.4 前端展现开发实现 |
6.4 客户端界面展示 |
6.4.1 数据分析功能展现 |
6.4.2 固定报表功能展现 |
6.5 系统安全 |
6.5.1 用户权限控制 |
6.5.2 数据存储安全性控制 |
6.6 本章小结 |
第七章 社保统计分析系统的测试 |
7.1 ETL测试 |
7.2 OLAP多维模型测试 |
7.3 前端界面展示测试 |
7.4 本章小结 |
第八章 总结及展望 |
8.1 总结 |
8.2 工作展望 |
致谢 |
参考文献 |
四、基于数据仓库的企业赊销决策数据建模分析(论文参考文献)
- [1]基于大数据的用户行为日志系统设计与实现[D]. 李大洲. 南京邮电大学, 2020(02)
- [2]基于Hive的购销数据仓库系统的设计与实现[D]. 李英楠. 西南大学, 2020(05)
- [3]H饲料公司应收账款风险控制研究[D]. 王笑笑. 西安石油大学, 2020(11)
- [4]基于智能制造的数据仓库的设计与实现[D]. 常有学. 南昌大学, 2020(01)
- [5]天津医药制造企业赊销业务财务风险防范研究[D]. 苏丽. 天津师范大学, 2020(08)
- [6]基于推理机和GBDT的企业赊销信用风险研究[D]. 柯建华. 浙江大学, 2019(01)
- [7]HW公司赊销信用风险管理的研究[D]. 黄府成. 哈尔滨工业大学, 2019(02)
- [8]长川科技重大赊销客户违约风险估计与缓释研究[D]. 张颖. 南京航空航天大学, 2019(02)
- [9]G公司赊销信用风险管理研究[D]. 綦烨. 云南师范大学, 2018(02)
- [10]基于数据仓库的社保统计分析系统的设计与实现[D]. 唐磊. 电子科技大学, 2018(09)