第六届经济管理与大数据应用国际学术会议 (ICEMBDA 2025)

经济管理与大数据应用：数据驱动的决策范式革新

大数据技术重构经济管理的底层逻辑，通过分布式计算框架处理 PB 级交易数据，使传统计量经济学模型升级为动态预测系统。机器学习算法如 LSTM-GARCH 模型可捕捉金融市场非线性波动，将风险预警准确率提升至 92%；强化学习在供应链管理中优化库存策略，通过实时需求感知实现库存周转率提高 35%。

经济管理场景的智能化依赖数据价值链构建：数据清洗层通过自然语言处理解析非结构化文本，特征工程层利用迁移学习整合跨域数据，决策引擎层借助因果推断模型模拟政策干预效果。某零售企业通过消费者行为大数据建模，实现促销策略的千人千面优化，营销投入产出比（ROI）提升 40%。

这种 “数据采集 - 建模分析 - 决策优化” 的闭环，推动经济管理从经验驱动转向数据智能驱动。联邦学习技术保障数据隐私的同时实现跨机构协同建模，使区域经济预测模型的变量覆盖度扩展至传统方法的 5 倍，为宏观政策制定与微观运营决策提供精准支撑。

  第六届经济管理与大数据应用国际学术会议(ICEMBDA 2025)将于2025年7月11-13日在中国深圳隆重举行。