数字化变革与转型

信息系统协会中国分会第七届学术大会（cnais 2017)

参会总体情况报告

中国上海 2017年10月20-22日

• 10月20日上午

• 成都双流-上海虹桥机场，往返机票共计2240元。

• 10月20日下午

• 复旦大学管理学院报道，会议注册费240元、会务费1500元、住宿费548元。

主会场部分

• 10月21日上午

• 1、开幕式（黄丽华主持开幕式、毛基业致辞）

• 2、全体代表合影、理事选举投票

• 3、大会报告（中文）（王刊良主持、陈国青、李一军、张英、黄丽华主题报告）

• 10月21日下午

• 4、大会报告（英文）（王刊良主持、bernard c.y.tan、kai h.lim、徐心、胡清主题报告）

分论坛部分

• 10月21日下午

• 专业建设（左美云主持、陈国青、毛基业、崔巍、王颖纯、倪静、牛东来报告）

• 10月22日上午

• 行为研究（组织承诺、协同消费、隐私决策、数据挖掘）

• 媒体研究（社会资本、风险沟通、信息检索、社群影响）

理事会部分

• 10月21日晚

• 理事会会议（王刊良主持、常务理事选举、几个重要议题、会议选址、会议决议）

• 10月22日下午

• 返回成都

会议纪要

主会场部分

1、毛基业致辞

      cnais诞生于2005年，历时十二年后，今年年会规模空前。这是一个最好的时代，各种新事物层出不穷，仿佛一切皆有可能；这也是一个最坏的时代，在大量信息冲击下，我们是否还能一如既往的坚守理想、情怀、专业精神、职业操守、认真态度和工匠精神？

2、全体代表合影、选举新一届理事

3、大会主题报告

3.1 陈国青大数据环境下信息系统的造与用-技术增强与领域增强

      大数据环境具有粒度缩放、跨界联动、全局试图三大特征。而信息系统作为一个携载组织业务模式的人机计算平台，其主流学科领域呈现出技术与管理并重的特点。从“用”的视角来看，其研究与应用关注信息系统是如何被采纳和使用（信息行为）、组织是如何被影响和改变（信息经济）。从“造”的视角来看，其研究和应用关注信息是如何提取和处理（信息分析）、系统是如何开发和构建（系统开发）。

     如何更好的采纳技术增强其信息能力，提升组织整体智能？通常是采用模型驱动的方法。首先从现实情境中通过观察、抽象出问题，然后利用所学习的理论和实践经验构造模型或提出假设。然后搜集相关数据，最后对模型或假设进行检验。一方面可以构造出反应概念关系或影响因素的行为模型，然后通过问卷或址报告的方式搜集数据，最后再用结构方程或统计方法进行检验；另一方面也可以构造出反应变量关系或内生外生关系的计量模型，然后采集相关主题的数值数据，最后再对模型进行验证。

例1:通过各种技术增强技术方法和工具，收集朋友圈、产品评论和政策精神，从各种类型的数据（文本、语音、图像、视频、意念等）中提炼出具有实质内容的话题。发现各种对象的构成及其关系。

商务分析（business analytics, ba）是一个重要的趋势，商务智能（business intelligence, bi）强调以商务运作和决策支持为目的的，从大量数据中发现知识（隐藏的、异常的、有用）的过程。而商务分析则是我们这个大数据时代商务智能的核心技术，基于大量数据（传统方法搜集到的数据；文本类的数据；来自社会网络的数据；包含各种图片、声音、视频富媒体数据；以及通过神经科学采集到的意念数据等）的分析技术。

       如何制造出更好的系统增强领域活力？这不仅仅需要方法上的创新，还需要不断拓展领域数据的范围和处理能力。未来商务会变得越来越简单，现实世界被进一步数据化、各种新的分析方法和技术不断出现，信息科技的精准采纳将持续改善企业的商务智能水平，增强企业应变能力。

3.2 李一军：2016年管理科学部基金评审情况介绍

3.2.1管理科学基础研究的形式和任务

      现阶段存在的问题与制约因素包括：（1）具有方向引领作用和重要国际影响力的原创性研究成果偏少。（2）高端创新型人才和科学领军人物尚少。（3）与中国管理实践的结合需要进一步加强。（4）支持高水平研究的基础条件建设尚显不足。（5）支持学科交叉研究的资助工具不足。

3.2.2学科代码修订工作进展

      增设“经济科学”一级代码。对于若干新兴研究领域，增删了若干二级代码。给自由探索留有广阔空间。国家自然科学基金鼓励科学家自由探索，保护创作热情，鼓励创新实践，宽容创新挫折。特别是基础研究，由于其具有较强的探索性，有些研究在资助期内可能没有得到预期成果，这也是符合科学发展规律的。

3.3 张英上海智慧城市建设情况

3.3.1 上海智慧城市建设历程

     目前上海已经发布两轮智慧城市三年行动计划。第一次是2011年9月发布《上海市推进智慧城市2011-2013年行动计划》；第二次是2014年8月发布的《上海市推进智慧城市建设2014-2016年行动计划》。

3.3.2 上海智慧城市建设十三五规划考虑

（1）突出需求牵引。结合城市经济社会发展和市民的迫切需求谋划智慧城市建设。

（2）突出应用导向。进一步建设中心由网络设施转为智慧应用，突出智慧城市的感受度。

（3）突出众创机制。围绕形成普惠化的智慧城市应用格局，切实缩小不同群体和区域的数字。

（4）突出普遍惠民。激发市场主体的活力，将万众创新作为智慧城市建设的动力。

3.3.3 智慧城市发展新阶段-工业互联网和人工智能

（1）工业互联网的本质是利用泛在的信息通信网络将包含传感器／执行器、制造装备、控制系统、信息系统在内的整个工业系统连接起来，打通端到端的数据链，实现对海量工业数据的广泛深度感知、实时动态传输与高级建模分析，进而形成智能决策。（2）人工智能起落演化史。20世纪50年代的符号学派，开启计算智能时代，重视逻辑，忽略知识；20世纪70年代的控制学派，发展成为感知智能时代，重视知识，学习不足；20世纪80年代的连接学派，拓展为认知智能时代，重视数据，自主学习。总之，从人工智能发展的历史来看，基本上是一个算法演进的历史，随着计算速度的越来越快，数据越来越丰富，新的算法不断被开发，人工智能的未来发展呈现如下趋势：探索新的机器学习方法；推动以知识处理为核心的研究，攻克费确定性信息处理难题；发展以神经网络为主的感知与识别系统，提升识别准确率。

3.4 黄丽华大数据驱动的管理与决策特征与价值实现体系

     现阶段，大数据的炒作期早已结束，而围绕大数据的应用和研究刚刚开始起步。数据量不断增大，数据产生的量大，存储和处理速度也还跟的上，但是使用速度远远落后于数据生产、存储和处理速度。未来，物联网的普及将出现机器或感知设备产生的数据将远远大于人工产生的数据。未来数据产生／获取、存储、处理，甚至使用都会慢慢被指动画，人类将不再关注数据的“量”，而是更聚焦于数据驱动的业务工作。3.4.1 打开眼界才能打开思维，不同视角将发现大数据不同的特征：

（1）技术视角：具有体量大、多样性、速度快、价值密度低四大特征，简称4v特征。

（2）应用视角：引用杨善林院士的观点，可以总结为决策有用性、功能多样型、可重复采集性、应用协同性、安全危害性等五大特征。

（3）思维视角：多维性、完备性和强相关性三大特征。

（4）研究视角：具有多源多维、高颗粒度、动态实时三大特征。

3.4.2 商务领域应用案例

（1）在线推荐／广告

（2）库存优化

（3）产品定价

3.4.3 大数据驱动的管理与决策特征

（1）任务依赖场景：大数据驱动的管理与决策在设定问题目标和范围时往往会依赖场景，决策任务具有一定的灵活性；相应的，给到的决策答案并不像小数据给予的答案那样仅仅针对特定问题。更适用于不断变化的决策情境和更为复杂，不能再早起进行明确定义的决策问题。

（2）过程迭代递进：一方面，因为大数据的高颗粒度和实时动态等特征，提供了快速乃至实时作出决策的基础和能力，同时将呈现出更为简短的决策周期。另一方面，持续大量的数据存储和处理让公司决策频率加快。决策任务之间体现出迭代和递进关系，而非简单的线性过程。

（3）结果更佳客观：完备性和高颗粒度的数据，通过深度的挖掘分析，可提取出更为深入和准确的洞察信息；通过对不同决策进行比较选择，降低了个体再决策过程中的介入和参与，从而减少个体因为经验、情绪以及信息不足而导致的偏差，使得决策结果更为客观。决策质量更加依赖于数据及其数据分析系统，重点将落在对决策所需的数据的范围定义、识别，而非决策计算过程。此外，客观透明的决策也可能将得到更多人员的信任和支持，从而提升决策的效力和执行效果。

（4）结构分散扁平：决策权将逐一分解并下降到组织架构中较低层次，自下而上的决策模式将成为趋势，将决策授权给实践一线人员将显著提升运营效率，降低成本。

总之，大数据驱动的管理与决策将尽可能基于数据和数据分析，而非完全依赖于管理决策人员的直觉和经验。

3.4.4 应用挑战

（1）大数据驱动的管理与决策可能造成组织内部的信息过载，从而给公司／组织带来更多的不确定性。

（2）大数据的实时性和高颗粒度也将可能导致决策的高敏感度，而高敏感度一方面会导致决策结果的频率变化；另一方面也会降低决策的有效性。

（3）大数据分析的结果，比较多的体现出（强）相关性，使人们可能没有能力对分析结果、决策方案进行验证和选择。在这种情况下，决策者可能会对决策方案采取被动的、无奈的信赖。

（4）决策结果的扁平化对传统组织带来巨大影响，决策方案的提供和解释权力将更多的掌握在公司从事数据处理和分析的数据科学家手上。

（5）数据处理和分析成本将成为决策成本的主要部分，投资兴建大数据处理和分析系统将成为新一轮管理趋势。

3.4.5 大数据驱动的管理与决策价值实现

      价值实现包含“大数据资源及其管理”、“大数据分析系统”、“管理与决策场景应用”三大要素。

（1）大数据资源及其管理：四平台、两体系、重应用。四平台主要指数据采集平台（内外）、数据加工平台、数据管理平台、数据服务平台；两体系包括数据治理体系、数据安全体系。应用包括各种的数据应用领域。大数据资源地图将成为组织重要资源，数据采集范围将呈现出“有核无边”的态势。

（2）大数据处理分析系统：包含各种工具、分析模型和分析算法。

（3）管理与决策场景应用：围绕用户价值、产品和服务全生命周期、产业协作程度将嵌入企业价值链的各个环节中。

4 主题报告（英文）

4.1 bernard c.y.tan the future of the information systems discipline: emerging trends and industry  transformation

4.1.1 crowdfounding

4.1.2. cybersecurity

4.1.3 industry transformation maps  

4.2 kai h.lim what do top-tier journals want? a research agenda for china-focused information systems research

4.2.1 multidisciplinary nature

4.2.2 the focus of my talk :behavioral  and managerial is research

4.3 徐心信息技术如何降低资本市场异象

4.4  qing hu Neurois ：the next frontier of information  systems research

分论坛部分

1、专业建设

陈国青.新形势下学科建设机遇与挑战

毛基业.大数据时代信管学科的机会与挑战

崔巍.专创融合与新工科引领下的信管专业建设

王颖纯.信管专业本科生实践能力培养与思考

倪静.普通理工院校信管专业建设实践与思考

牛东来.管理信息系统课程的改革与实践

2、行为研究

基于组织承诺与组织控制的信息安全增从研究

农产品电子商务顾客满意度和忠诚度的影响因素-基于产品类型的对比研究

权限请求界面设计：通过情景信息线索降低授权不确定性

基于使用行为分析的共享单车管理优化研究

3、媒体研究

微信、生活满意度与社会资本

社交媒体中食品安全风险沟通效果研究

社会化媒体在多语言翻译资源构建中的应用研究

sharing data on fitness applications :the impact of social factors