發(fā)布時(shí)間：2020-03-24 22:03

【摘要】：目前,在絕大多數(shù)行業(yè)中,企業(yè)產(chǎn)品在性能、質(zhì)量方面具有越來(lái)越同質(zhì)化的趨勢(shì),此時(shí)成本管理的水平便決定了企業(yè)在市場(chǎng)中的競(jìng)爭(zhēng)能力,也就是說(shuō)企業(yè)如果能夠做好成本管控,則會(huì)取得更強(qiáng)的競(jìng)爭(zhēng)力。企業(yè)的成本管理往往涉及到許多要素,成本控制的效果也取決于這些,所有的要素又貫穿到企業(yè)的生產(chǎn)或經(jīng)營(yíng)的全生命周期中,那么如何通過(guò)數(shù)據(jù)挖掘手段得到與企業(yè)經(jīng)營(yíng)成功相關(guān)的要素,并尋找出這些要素特征與企業(yè)成本控制的內(nèi)在聯(lián)系就顯得至關(guān)重要。在很多企業(yè)經(jīng)營(yíng)管理過(guò)程中,保留著大量的信息和數(shù)據(jù),這些數(shù)據(jù)的深度挖掘與應(yīng)用往往能夠?yàn)槌杀竟芾硖峁┮罁?jù),也是實(shí)施企業(yè)成本控制的重要手段。借助數(shù)據(jù)挖掘技術(shù)可以更好地實(shí)現(xiàn)成本控制的目標(biāo),完成從數(shù)據(jù)表象向數(shù)據(jù)內(nèi)在關(guān)系的縱向延伸。本文在收集了深圳某化肥農(nóng)資企業(yè)成本明細(xì)賬的基礎(chǔ)上,借助數(shù)據(jù)挖掘技術(shù)對(duì)企業(yè)成本數(shù)據(jù)進(jìn)行處理,對(duì)決策樹算法在該企業(yè)成本控制中的應(yīng)用進(jìn)行了研究,主要研究?jī)?nèi)容如下:(1)理論概述:本文針對(duì)決策樹算法的理論思想數(shù)據(jù)挖掘技術(shù)進(jìn)行理論概述,之后就決策樹經(jīng)典算法展開相關(guān)論述,奠定全文研究的理論基礎(chǔ)。(2)成本建模:本文進(jìn)行決策樹算法在企業(yè)成本控制中的建模分析,重點(diǎn)針對(duì)企業(yè)成本控制決策環(huán)節(jié)的缺陷,以成本控制作為基本控制對(duì)象,借助Python語(yǔ)言,圍繞決策樹ID3算法實(shí)施成本控制的建模,最終構(gòu)建能夠預(yù)測(cè)企業(yè)成本的系列規(guī)則。(3)算法改進(jìn):本文算法的改進(jìn)是基于ID3傳統(tǒng)決策樹算法存在的不足和缺陷進(jìn)行的,通過(guò)文獻(xiàn)調(diào)研發(fā)現(xiàn)傳統(tǒng)ID3算法決策屬性的選擇上存在多值傾向性的問題,因此本文提出了基于PCA的決策樹優(yōu)化算法,在普通的基于PCA的決策樹改進(jìn)算法中,存在數(shù)據(jù)經(jīng)過(guò)降維處理之后代表性不高的問題,導(dǎo)致算法需經(jīng)過(guò)多次數(shù)據(jù)運(yùn)行后準(zhǔn)確率才能小幅提升,本文在ID3算法基礎(chǔ)上進(jìn)行兩次分類前提取屬性特征值操作,并計(jì)算了需要分類的數(shù)據(jù)的量,也就是對(duì)于原始數(shù)據(jù)進(jìn)行最重要的屬性上的選擇,在子樹建立之后,再進(jìn)行數(shù)據(jù)的降維合并選擇,并采用UCI數(shù)據(jù)庫(kù)中的三個(gè)數(shù)據(jù)集對(duì)改進(jìn)后的算法進(jìn)行驗(yàn)證,結(jié)果表明在三個(gè)數(shù)據(jù)集中平均準(zhǔn)確率達(dá)到了94.6%,分別就傳統(tǒng)ID3算法和普通PCA決策樹優(yōu)化算法提升了1.6%和0.6%,基于PCA的決策樹算法能在一定程度上提升了結(jié)果準(zhǔn)確率,具備一定的現(xiàn)實(shí)意義,后續(xù)還將改進(jìn)之后的ID3算法實(shí)施二次建模,獲得更加高效的決策樹模型。(4)改進(jìn)分析:本文將改進(jìn)后的ID3算法應(yīng)用在企業(yè)成本控制中,完成實(shí)際的驗(yàn)證。通過(guò)研究發(fā)現(xiàn),優(yōu)化后的算法比傳統(tǒng)ID3算法在建模時(shí)間、結(jié)點(diǎn)總量、葉子結(jié)點(diǎn)數(shù)量、決策規(guī)則數(shù)量、平均準(zhǔn)確率等層面均具有明顯的優(yōu)越性,對(duì)于企業(yè)成本控制決策樹的構(gòu)建而言是更具有實(shí)用性的。本文將決策樹算法在企業(yè)的成本控制中進(jìn)行應(yīng)用,采用決策樹算法實(shí)現(xiàn)了對(duì)企業(yè)成本控制的建模預(yù)測(cè),使用預(yù)測(cè)模型,能夠讓企業(yè)的成本控制做到有的放矢,提高企業(yè)成本控制的效率和效果。利用決策樹算法實(shí)現(xiàn)的企業(yè)成本控制模型,將企業(yè)的成本控制過(guò)程信息化,實(shí)現(xiàn)了企業(yè)歷史數(shù)據(jù)在不同階段和部門之間的共享、傳遞,同時(shí)為成本決策者提供重要的數(shù)據(jù)支撐,有效彌補(bǔ)企業(yè)在成本控制過(guò)程中的短板。
【圖文】：

業(yè)應(yīng)當(dāng)正確的認(rèn)識(shí)到信息化技術(shù)管理的優(yōu)勢(shì)，并將其作為企業(yè)發(fā)展的新常態(tài)。1.1.1 研究背景從企業(yè)整體戰(zhàn)略的視角來(lái)看，成本管理無(wú)疑是極為重要的，這如同企業(yè)生產(chǎn)的產(chǎn)品質(zhì)量、性能，在企業(yè)發(fā)展和占領(lǐng)市場(chǎng)過(guò)程中具有舉足輕重的作用。在絕大多數(shù)行業(yè)中，企業(yè)產(chǎn)品在性能、質(zhì)量方面具有越來(lái)越同質(zhì)化的趨勢(shì)，此時(shí)成本管理的水平便決定了企業(yè)在市場(chǎng)中的競(jìng)爭(zhēng)能力。企業(yè)成本管理水平越高，企業(yè)的競(jìng)爭(zhēng)力就越強(qiáng)，反之也成立。一般情況下，企業(yè)生產(chǎn)或經(jīng)營(yíng)的成本包含幾個(gè)主要部分，即生產(chǎn)成本、管理成本、銷售成本和主營(yíng)業(yè)務(wù)成本，這些成本中，既包括可變成本，也包括不可變成本，可變成本是能夠有效控制的，以降低資源浪費(fèi)、避免不必要的損失等等手段為基礎(chǔ)，從而降低企業(yè)的整體成本，保障企業(yè)在市場(chǎng)競(jìng)爭(zhēng)中取得不敗之地。對(duì)絕大多數(shù)企業(yè)來(lái)講，成本管理的過(guò)程是涉及到很多復(fù)雜要素的過(guò)程，是這些要素共同作用的結(jié)果，所有的要素又貫穿到企業(yè)的生產(chǎn)或經(jīng)營(yíng)的全生命周期中，所以對(duì)于企業(yè)成本控制上的研究顯得至關(guān)重要，針對(duì)企業(yè)成本控制的研究也日益興盛，具體情況如圖 1.1 所示：

用信息化技術(shù)來(lái)進(jìn)行成本控制，如圖 1.2 所示：圖 1.2 企業(yè)成本控制領(lǐng)域分布圖（來(lái)源：web of science）從圖1.2 中我們可以發(fā)現(xiàn)更多的學(xué)者采用了信息技術(shù)進(jìn)行企業(yè)成本控制上的研究，而且事實(shí)上，在很多企業(yè)經(jīng)營(yíng)管理過(guò)程中，保留著大量的信息和數(shù)據(jù)，這些數(shù)據(jù)的深度挖掘與應(yīng)用往往能夠?yàn)槌杀竟芾硖峁﹥r(jià)值，也是實(shí)施企業(yè)成本控制的重要手段。借助數(shù)據(jù)挖掘技術(shù)可以更好地實(shí)現(xiàn)成本控制的目標(biāo)，完成從數(shù)據(jù)表象向數(shù)據(jù)內(nèi)在關(guān)系的縱向延伸。決策樹算法是數(shù)據(jù)挖掘技術(shù)的典型應(yīng)用算法，本文正是借助該算法對(duì)企業(yè)繁雜的成本歷史數(shù)據(jù)進(jìn)行分析，構(gòu)建決策樹模型，可以讓企業(yè)的成本管理與控制更有方向性，，提升成本控制的決策效率和工作效率，幫助企業(yè)在激烈的競(jìng)爭(zhēng)中立足。1.1.2 研究意義從當(dāng)前研究現(xiàn)狀來(lái)看
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F275.3;F276.3;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董躍華;劉力;;基于相關(guān)系數(shù)的決策樹優(yōu)化算法[J];計(jì)算機(jī)工程與科學(xué);2015年09期

2 周浩;劉萍;邱桃榮;白小明;;基于粒計(jì)算的決策樹并行算法的應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年06期

3 伍育紅;;聚類算法綜述[J];計(jì)算機(jī)科學(xué);2015年S1期

4 胡煜;鄭娟;;基于粗糙集理論的ID3算法的改進(jìn)與應(yīng)用[J];貴陽(yáng)學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年01期

5 朱付保;霍曉齊;徐顯景;;基于粗糙集的ID3決策樹算法改進(jìn)[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年01期

6 黃宇達(dá);王迤冉;;基于樸素貝葉斯與ID3算法的決策樹分類[J];計(jì)算機(jī)工程;2012年14期

7 陶道強(qiáng);馬良荔;彭超;;基于分類矩陣的決策樹算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年06期

8 張素蘭;郭平;張繼福;胡立華;;圖像語(yǔ)義自動(dòng)標(biāo)注及其粒度分析方法[J];自動(dòng)化學(xué)報(bào);2012年05期

9 王永梅;胡學(xué)鋼;;基于用戶興趣度和MID3決策樹改進(jìn)方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年27期

10 孟凡榮;蔣曉云;田恬;施蕾;申麗君;;基于主成分分析的決策樹構(gòu)造方法[J];小型微型計(jì)算機(jī)系統(tǒng);2008年07期

相關(guān)碩士學(xué)位論文 前1條

1 朱玉君;數(shù)據(jù)挖掘技術(shù)在某公司筆記本電腦銷售方面的應(yīng)用[D];東南大學(xué);2016年

本文編號(hào)：2598925