面向数据空间体系构建的电力制造业多价值链经营风险识别与管控研究

doi:10.16381/j.cnki.issn1003-207x.2021.2138

摘要/Abstract

摘要：

目前，我国电力事业快速发展，智能制造也在不断推进，电力制造行业存在着科技创新不足、竞争能力较弱等问题。对于电力制造企业来说，如何有效识别和控制经营风险，形成新的多价值链风险管理模式，对提高电力制造企业风险管控水平，从而提高经济效益具有重要意义。本文基于数据空间和文本挖掘技术，通过大数据爬虫技术收集电力制造业相关风险政策和新闻报道共16034篇，利用文本挖掘模型进行风险主题的挖掘，识别经营风险关键因素和风险主题；然后利用风险识别结果，从多价值链角度构建电力制造企业全生命周期经营风险安全数据空间；最后，本文利用某电力制造企业近20年生产经营数据进行实例分析，验证风险数据空间构建的有效性。研究结果表明，从多价值链角度对电力制造企业经营风险进行识别具备合理性，电力制造企业全生命周期经营风险安全数据空间的构建能够在各环节实现风险的合理规避和智能管控。

关键词: 数据空间, 文本挖掘, 多价值链, 经营风险, 风险识别与管控

Abstract:

With the rapid development of electric power industry and the continuous advancement of intelligent manufacturing in China， electric power manufacturing companies are facing problems such as insufficient technological innovation and weak competitiveness. For power manufacturing companies， how to effectively identify and control operating risks and form a new multi-value chain risk management model is of great significance to strengthen the level of risk management and control of power manufacturing companies. Based on data space and text mining technology，16，034 related risk policies and news reports of the electric power manufacturing industry are collected through big data crawler technology. The LDA text mining model is used to mine text topics and identify key business risk factors and risk topics. Then the results of risk identification are used to construct a safety data space for the entire life cycle of power manufacturing enterprises from the perspective of multiple value chains. Finally， the production and operation data of a power manufacturing company in the past 20 years are used to conduct a case analysis to verify the effectiveness of risk identification and control. The research results show that it is reasonable to identify the operating risks of power manufacturing companies from the perspective of multiple value chains. The construction of a safe data space for operating risks in the entire life cycle of power manufacturing enterprises can achieve reasonable risk avoidance and intelligent management in all links.

Key words: dataspace, text mining, multiple value chains, business risk, risk identification and control

中图分类号:

F270.7

李明钰,牛东晓,纪正森,施博文,兰心怡,张焕粉. 面向数据空间体系构建的电力制造业多价值链经营风险识别与管控研究[J]. 中国管理科学, 2023, 31(11): 349-360.

Ming-yu LI,Dong-xiao NIU,Zheng-sen JI,Bo-wen SHI,Xin-yi LAN,Huan-fen ZHANG. Research on Multi-value Chain Management Risk Identification and Control of Electric Power Manufacturing Industry Oriented to the Construction of Data Space System[J]. Chinese Journal of Management Science, 2023, 31(11): 349-360.

图/表 13

图1

图2

图3

图4

表1

图5

图6

图7

图8

图9

图10

表2

表3

参考文献 28

1	李廉水，石喜爱，刘军. 中国制造业40年：智能化进程与展望［J］. 中国软科学，2019（1）：6-14+35.
	Li Lianshui， Shi Xiai， Liu Jun. 40 years of China's manufacturing industry： intelligent process and prospect［J］. China Soft Science， 2019（1）： 6-14+35.
2	国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》［J］.中国标准化，2018（1）：38.
	The State Council issued the “guidance on deepening the Internet+advanced manufacturing” development of industrial Internet［J］. China Standardization， 2018（1）：38.
3	Lin Chen， Schmid T， Weisbach M S. Product price risk and liquidity management： evidence from the electricity industry［J］.Management Science， 2021， 67（4）： 2519-2540.
4	Lin Sheng， Fan Ruidong， Feng Ding， et al. Condition-based maintenance for traction power supply equipment based on partially observable markov decision process［J］. IEEE Transactions on Intelligent Transportation Systems， 2020（99）： 1-15.
5	Guo Liping， Sriyakul T， Nojavan S. Risk-based traded demand response between consumers' aggregator and retailer using downside risk constraints technique［J］. IEEE ACCESS， 2020（8）： 90957-90968.
6	Lai Kexing， Chen Tao， Natarajan B. Optimal scheduling of electric vehicles car-sharing service with multi-temporal and multi-task operation［J］. Energy， 2020， 204： 117929.
7	姜骞，刘亚东，严英杰，等.电力设备多源异构数据空间合成与立体展示方法［J］.高电压技术，2022，48（1）：66-74.
	Jiang Qian， Liu Yadong， Yan Yingjie， et al. Spatial synthesis and three-dimensional display of multi-source heterogeneous data of power equipment［J］. High Voltage Engineering， 2022， 48（1）： 66-74.
8	王继成，潘金贵，张福炎.Web文本挖掘技术研究［J］.计算机研究与发展，2000（5）：513-520.
	Wang Jicheng， Pan Jigui， Zhang Fuyan. Research on Web text mining technology［J］. Journal of Computer Research and Development， 2000（5）：513-520.
9	李成刚，贾鸿业，赵光辉，等.基于信息披露文本的上市公司信用风险预警——来自中文年报管理层讨论与分析的经验证据［J/OL］.中国管理科学，1-14. DOI：10.16381/j.cnki.issn1003-207x.2020.2263 . doi: 10.16381/j.cnki.issn1003-207x.2020.2263
	Li Chenggang， Jia Hongye， Zhao Guanghui， et al. Early warning of credit risk for listed companies based on disclosure texts： empirical evidence from management discussion and analysis of Chinese annual reports［J/OL］. Chinese Journal of Management Science， 1-14. DOI： 10.16381/j.cnki.issn1003-207x.2020.2263 . doi: 10.16381/j.cnki.issn1003-207x.2020.2263
10	张宝建，李鹏利，陈劲，等.国家科技创新政策的主题分析与演化过程——基于文本挖掘的视角［J］.科学学与科学技术管理，2019，40（11）：15-31.
	Zhang Baojian， Li Pengli， Chen Jin， et al. Thematic analysis and evolutionary process of national science and technology innovation policy： a text mining-based perspective［J］. Science of Science and Management of S.& T.， 2019， 40（11）： 15-31.
11	臧维，张延法，徐磊.我国人工智能政策文本量化研究——政策现状与前沿趋势［J］.科技进步与对策，2021，38（15）：125-134.
	Zang Wei， Zhang Yanfa， Xu Lei. A quantitative study of China's artificial intelligence policy texts： current policy status and frontier trends［J］. Science & Technology Progress and Policy， 2021，38（15）：125-134.
12	吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］.管理世界，2021，37（7）： 130-144+10.
	Wu Fei， Hu Huizhi， Lin Huiyan， et al. Corporate digital transformation and capital market performance： empirical evidence from stock liquidity［J］. Management World， 2021， 37（7）： 130-144+10.
13	史金艳，杨健亨，李延喜，等.牵一发而动全身：供应网络位置、经营风险与公司绩效［J］.中国工业经济，2019（9）：136-154.
	Shi Jinyan， Yang Jianheng， Li Yanxi， et al. The whole body is at stake： supply network location， operational risk and company performance［J］. China Industrial Economics， 2019（9）：136-154.
14	李准，李强，曾勇.增长期权的执行、创造与资产风险溢价——企业生命周期的视角［J］.中国管理科学，2018，26（10）：1-9.
	Li Zhun， Li Qiang， Zeng Yong. Growth option execution， creation and asset risk premium： a firm life cycle perspective［J］. Chinese Journal of Management Science， 2018， 26（10）： 1-9.
15	黄乃静，于明哲. 系统性金融风险指标的比较分析——基于实体经济风险预测的视角［J］. 系统工程理论与实践， 2020， 40（10）： 2475-2491.
	Huang Naijing， Yu Mingzhe. A comparative analysis of systemic financial risk indicators： a perspective based on real economy risk forecasting［J］. Systems Engineering-Theory & Practice， 2020， 40（10）： 2475-2491.
16	秦德智，侯怡红.中国中小企业经营创新风险评估［J］.统计与决策，2021，37（9）：184-188.
	Qin Dezhi， Hou Yihong. Business innovation risk assessment for Chinese SMEs［J］. Statistics & Decision， 2021，37（9）：184-188.
17	李斌，王颖慧，朱晓谦，等.保险业重要风险点的识别和演化分析——基于财务报告中披露的文本风险信息［J］.系统工程理论与实践， 2021. DOI： 10.12011/SETP2020-2520 . doi: 10.12011/SETP2020-2520
	Li Bin， Wang Yinghui， Zhu Xiaoqian， et al. Identification and evolution analysis of important risk points in the insurance industry： based on the textual risk information disclosed in financial reports［J］. Systems Engineering-Theory & Practice， 2021， DOI： 10.12011/SETP2020-2520 . doi: 10.12011/SETP2020-2520
18	蔡乌赶，许凤茹.中国制造业产业链现代化水平的测度［J］.统计与决策，2021，37（21）：108-112.
	Cai Wugan， Xu Fengru. Measuring the modernization level of China's manufacturing industry chain［J］. Statistics & Decision， 2021， 37（21）： 108-112.
19	陈丛，周力臻.基于Python爬虫技术的虚假数据溯源与过滤［J］.计算机仿真，2021，38（3）：346-350.
	Chen Cong， Zhou Lizhen. False data tracing and filtering based on Python crawler technology［J］. Computer Simulation， 2021， 38（3）： 346-350.
20	蒋逸雯，李黎，李智威，等.基于深度语义学习的电力变压器运维文本信息挖掘方法［J］.中国电机工程学报，2019，39（14）： 4162-4172.
	Jiang Yiwen， Li Li， Li Zhiwei， et al. A deep semantic learning-based textual information mining method for power transformer operation and maintenance［J］. Proceedings of the CSEE， 2019， 39（14）： 4162-4172.
21	陈艺云.基于信息披露文本的上市公司财务困境预测：以中文年报管理层讨论与分析为样本的研究［J］.中国管理科学，2019，27（7）：23-34.
	Chen Yiyun. Financial distress prediction of listed companies based on disclosure texts： a study with Chinese annual reports management discussion and analysis as a sample［J］. Chinese Journal of Management Science， 2019， 27（7）： 23-34.
22	谢萌萌，夏炎，潘教峰，等.人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究［J］.中国管理科学，2020，28（12）：54-66.
	Xie Mengmeng， Xia Yan， Pan Jiaofeng， et al. Artificial intelligence， technological progress and low-skilled employment： an empirical study based on Chinese manufacturing firms［J］. Chinese Journal of Management Science， 2020，28（12）：54-66.
23	傅元略. 数字经济下的产业价值链四维度协同管控［J］. 财务研究， 2020（4）： 3-10.
	Fu Yuanlue. Four-dimensional collaborative control of industrial value chain in the digital economy［J］. Finance Research， 2020（4）： 3-10.
24	李苍舒，沈艳. 数字经济时代下新金融业态风险的识别、测度及防控［J］. 管理世界， 2019， 35（12）：53-69.
	Li Cangshu， Shen Yan. Identification， measurement and prevention and control of new financial industry risks in the digital economy era［J］. Management World， 2019， 35（12）：53-69.
25	谢佩洪，汪春霞.管理层权力、企业生命周期与投资效率——基于中国制造业上市公司的经验研究［J］.南开管理评论，2017，20（1）：57-66.
	Xie Peihong， Wang Chunxia. Management power， corporate life cycle and investment efficiency： an empirical study based on Chinese manufacturing listed companies［J］. Nankai Business Review， 2017，20（1）：57-66.
26	赵宸宇.数字化发展与服务化转型——来自制造业上市公司的经验证据［J］.南开管理评论，2021，24（2）：149-163.
	Zhao Chenyu. Digital development and service transformation：empirical evidence from listed manufacturing companies［J］. Nankai Business Review， 2021，24（2）：149-163.
27	Cao Yan， Wang Qiangfeng， Fan Qingming. Risk-constrained stochastic power procurement of storage-based large electricity consumer［J］. Journal of Energy Storage， 2020， 28： 101183.
28	施炳展，李建桐. 互联网是否促进了分工：来自中国制造业企业的证据［J］. 管理世界，2020， 36（4）： 130-149.
	Shi Bingzhan， Li Jiantong. Does the Internet promote the division of labor： evidence from Chinese manufacturing firms［J］. Management World， 2020， 36（4）： 130-149.

多价值链	风险主题	风险因素	风险概率	多价值链	风险主题	风险因素	风险概率
政策与宏观环境因素		政治制度	0.05211	供应价值链	物资供应与运输因素	供应不足风险	0.01964
		法律政策	0.01208			运输风险	0.03399
		作风建设	0.00982			计划变更风险	0.01208
		经济因素	0.03776			原材料检测风险	0.01360
生产价值链	产品及工程因素	生产过程风险	0.03172			库存积压风险	0.00831
		产品管理风险	0.02039			贸易量变更风险	0.02568
		生产规模风险	0.02190		资源调控因素	资源储量不足风险	0.00831
		技术因素风险	0.01964			资源调控风险	0.01057
		生产因素风险	0.01586			供应商不足风险	0.00604
	经营管理因素	安全因素风险	0.01737			业务变更风险	0.00831
		质量管理风险	0.01057			资源获取风险	0.01057
		监督检查风险	0.02870	营销价值链	市场因素	市场变化风险	0.03701
		经营机制风险	0.01511			市场份额变动风险	0.00680
		经营体系建设风险	0.02266			销售渠道风险	0.00755
		经营决策风险	0.00831			用户采购习惯变化风险	0.01360
		税务风险	0.00227			贸易量变化风险	0.00453
		资本决策风险	0.01133			企业行为风险	0.00604
	财务资本因素	资本结构风险	0.06193			宣传风险	0.01057
		财务性投资风险	0.02719			同行竞争风险	0.01057
		非主业投资风险	0.00227		营销制度因素	营销监管风险	0.02266
		成本风险	0.01360		营销制度因素	企业内控风险	0.02870
		收益风险	0.00453	服务价值链	人员服务因素	客户服务风险	0.02568
		资产评估风险	0.02341			群众口碑风险	0.01057
		破产清算风险	0.00755			群众口碑风险	0.01057
		资本回收风险	0.02039			服务培训风险	0.02115
	监督管理因素	生产产权风险	0.01888			服务培训风险	0.02115
		生产变化风险	0.03474			企业文化风险	0.04532
		生产规划风险	0.04003			企业文化风险	0.04532

统计分析
R²		0.787417319
调整的R²		0.620026035
标准误差		0.173216649
观测值		20
系数		标准误差	t 值	P值
	0.828	0.246	3.371	0.0036
息税前利润	-0.642	0.198	3.240	0.0048
经营杠杆系数	0.392	0.232	1.691	0.0090
盈亏平衡点	-0.430	0.197	2.182	0.0434

系数	MAE	MSE	RMSE	SSE
息税前利润	0.477	1.271	1.797	6.462
经营杠杆系数	0.237	0.692	0.979	1.917
盈亏平衡点	0.286	0.812	1.149	2.641

[1]	李成刚, 贾鸿业, 赵光辉, 付红. 基于信息披露文本的上市公司信用风险预警——来自中文年报管理层讨论与分析的经验证据[J]. 中国管理科学, 2023, 31(2): 18-29.
[2]	牛东晓,斯琴卓娅,王董禹,许晓敏,张焕粉. 基于数据挖掘的电力装备企业多价值链协同数据预处理方法研究及应用[J]. 中国管理科学, 2023, 31(11): 321-331.
[3]	韩洁平,赵丹,杨晓龙,顾美玲,张焕粉. 基于语义的制造企业多价值链协同数据空间数字资源聚合识别方法研究[J]. 中国管理科学, 2023, 31(11): 332-340.
[4]	张键,谢庭玉,彭鹏,王宏伟. 制造业多价值链协同数据空间产品知识属性与销量预测关联性研究[J]. 中国管理科学, 2023, 31(11): 341-348.
[5]	王余行, 党延忠, 徐照光. 针对论坛数据特点的汽车质量问题挖掘[J]. 中国管理科学, 2021, 29(9): 201-212.
[6]	王伟, 何翎, Kevin Zhu, 孙锐, 王洪伟. 更新信号的阶段性融资效应:基于众筹市场的跨类别实证研究[J]. 中国管理科学, 2020, 28(11): 155-166.
[7]	于丽萍, 林丽凤, 邱若臻. 基于EVA与经营风险偏好的供应链鲁棒优化模型[J]. 中国管理科学, 2018, 26(2): 62-70.
[8]	朱青, 卫柯臻, 丁兰琳, 黎建强. 基于文本挖掘和自动分类的法院裁判决策支持系统设计[J]. 中国管理科学, 2018, 26(1): 170-178.