大数据环境下网络服务组织的绩效评价方法及在商业银行中的应用研究

As a disruptive technology change of IT industry, big data is redefining the process and way of management decision. Big data has become a hot topic today. Network service organization has the characteristics of complex network structure, and the performance evaluation is an important subject in the modern service operation management. Under the environment of big data, the data has the characteristics of updating with high frequency continuously, huge scale and continuous dynamic change. Thus, it brings challenges to the performance evaluation theory and method of traditional network service organization. This project aims to put forward performance evaluation methods in line with the features of network service organization structure and operation characteristics under the background of big data. The main context of our research is list as follows: (1) the efficiency evaluation of network service organization when big data is updated continuously with high frequency; (2) performance evaluation method of network service organization when data has large sample and high dimension; (3) performance evaluation method of network service organization under the dynamic environment; (4) relevant models and methods in the application of performance evaluation of commercial banks. The emphasis is to apply the results of performance evaluation to the risk control, precise marketing, brand building and the expansion of business and fraud detection. The project will greatly enrich theory and method of network service organization’s performance evaluation, and provide strong decision support for related industries.

大数据作为IT产业又一次颠覆性的技术变革，正在重新定义管理决策的过程和方式。大数据已成为当今业界关注的热点问题。网络服务组织具有复杂的网络结构特征，其绩效评价问题是现代服务运作管理中的重要课题。在大数据环境下，数据高频持续更新、规模巨大以及不断动态变化等特征，给传统网络服务组织绩效评价理论和方法带来挑战。本项目旨在提出大数据背景下符合网络服务组织结构特征和运营特征的绩效评价方法。本项目的主要研究内容包括：（1）高频持续更新环境下的网络服务组织的绩效评价方法，（2）大样本以及高维数据集环境下的网络服务组织的绩效评价方法，（3）动态环境下的网络服务组织的绩效评价，（4）相关模型与方法在商业银行绩效评价中的应用，重点将绩效评价结果应用于风险控制、精准营销、品牌建设与业务扩展、诈骗侦测。本项目预期研究成果将极大丰富网络服务组织绩效评价理论和方法体系，并对相关行业提供有力的决策支持。

本项目的研究对象为大数据 (big data) 环境下的网络服务组织；研究目的是提出大数据环境下网络服务组织的绩效评价方法并据此开展相关的应用研究。在项目执行过程中部分子问题解决难度较大，因此，本项目团队在研究执行工作中调整了部分研究计划。实际研究工作内容主要包括：1）基于两阶段排名区间的分析方法；2）基于集中式DEA模型决定最优碳税税率；3） 两阶段生产系统的效率区间；4）不确定数据/模糊数据情形下的绩效评价方法：委托方和代理方的不确定性、风险和效率：一种机会约束数据包络分析方法以及基于斯坦伯格博弈理论的模糊平行系统绩效评价；5）中国区域工业环境效率评估。主要的创新点和贡献为：1) 针对网络服务组织中的高频持续增加的大数据，合理评价其相对效率、对效率进行排名的思路之一是借鉴排名区间的方法。基于这一考虑，提出基于两阶段排名区间的分析方法。2）为了找到一个最优的碳税率来同时实现多个目标，我们将其视为一个多准则决策问题，并提出了一种基于集中式数据包络分析(DEA)的新方法来解决这一问题。3）针对现有“黑盒子”效率区间的问题展开了进一步的研究，提出两阶段效率区间的分析方法。4）针对网络服务组织中的模糊数据或者不确定数据，考虑模糊网络系统绩效评价模型和机会约束数据包络分析方法，并且将相关模型应用于高校绩效评价和中国16家上市房地产公司。5) 提出了基于非参数前沿面的方法评估中国工业系统效率以及基于两阶段非合作博弈DEA模型的中国工业系统效率评价及实证研究。总之，现有研究对于丰富和发展现有的网络DEA理论体系，以及为高校绩效评价、中国环境绩效评估、银行绩效评价、房地产公司的发展等提供应用支撑有重要作用。