随着科学技术的发展,尤其是互联网和计算机通信等技术的进步与深入应用,人们已经不可避免地身处在数据海洋里,无论是日常生活还是企业的生产经营活动,数据都无时无刻地产生着。数据的产生渠道不断地增加,使得人们获取数据的方式变得越来越容易,相应的成本也不断地降低,但是同样地,数据量的增加和数据形态的日益复杂导致了数据的利用变得越来越困难,如何有效处理和利用数据,使数据发挥出其应有的作用,为人类生活和社会发展提供强大的支持等问题已成为当前社会各界讨论的焦点。随着数据问题的不断升温,全球学术界、工业界甚至各国政府都高度关注相关的数据技术,数据科学也逐渐成为了一门新的研究科学。由于数据的合理利用不仅可以服务大众,而且可以为企业带来巨大的商业价值,因此数据被称为“未来的新石油”,未来的竞争焦点将聚焦于对数据的占有、控制和运用上。虽然数据的重要性得到了世界的公认,但是由于社会发展的不平衡,国内许多企业仍然无法享受数据为其带来的利益,这些企业在数据的使用上仍然处于初始阶段,相应的企业数据仍然保持着“沉睡”的状态。本文在广泛收集和综合分析国内外企业对数据处理和使用过程中各方面研究成果的基础上,对相应企业进行了深入调研,结合企业目前在数据处理和使用过程中存在的一些问题,确定了本文的研究方向。首先,针对企业数据复杂度和数据维度不断增加、企业数据应用困难等问题,本文对相关的数据预处理方法进行了研究；其次,针对企业成本控制和客户关系管理问题,本文通过对实际问题的分析和相应数据的处理,对基于企业数据的预测问题进行了研究：最后,为了提高企业管理的有效性和科学性,本文研究了基于企业数据的评价问题。本文的具体研究内容和创新性工作主要有以下几点：1为了有效利用企业数据,针对企业数据的特点,首先本文根据差异最大化思想,构建了相应的降维方法;其次本文研究了基于融合空间思想的线性降维方法。通过相关实验表明,本文构建的数据预处理方法有助于企业数据的有效利用。2本文在深入研究深度学习模型原理的基础上,研究并构建了基于企业数据的交叉混合和顺序混合的深度学习结构,同时为了验证模型的有效性,本文通过收集和整理相关的企业数据,抽取了相应的数据集,并利用本文构建的模型对某电信企业客户忠诚度问题进行了预测研究,通过相应的仿真实验与比较分析表明,本文设计的顺序混合深度学习模型具有相对较好的效果。3本文基于CART分类器的分类误差自动调节Boosting算法相关权重的思想,研究并构建了一种基于企业数据的优化预测模型,同时本文在利用该模型对某电信企业客户离网问题进行预测时,采用了直方图检验和卡方检验相结合的方法对模型输入属性的相关性进行了检验。通过相应的仿真实验表明,本文构建的模型具有相对较好的效果。4本文通过对维修过程的深入分析研究,结合更新过程和更新理论对零部件的更换问题进行本质性描述,构建了基于企业数据的更换率预测方法,在对MRO企业零部件更换率预测过程中,本文通过对企业数据的转换,拟合出零部件更换的概率分布,同时利用最小二乘法对相应的威布尔分布的参数进行估计。将零部件更换率与维修BOM信息结合,可以有效控制MRO企业成本,为精益MRO提供支持。5本文在分析研究企业管理评价问题时,将评价问题与动态系统状态的变化问题相结合,提出了一种基于状态熵的评价模型,并对状态熵计算公式进行了相应的数学推导,通过计算评价目标在系统中的状态熵可以确定评价目标的综合绩效。同时本文将该模型应用于MRO企业供应商评价问题中,从MRO企业角度出发,利用平衡积分卡法构建了相应的评价指标体系,并利用网络分析方法对相应的指标权重进行处理。通过利用企业数据进行相应的仿真实验表明,本文设计的模型具有一定有效性。