【精品】学术心得_陈旎

《【精品】学术心得_陈旎》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学术心得:陈旎S200711074报告EnterpriseRiskManagement:aDecisionAnalysisofITOutsourcingRisk——报告人：DashWu信息技术外包风险是指企业在把信息技术活动的部分或全部内容外包的过程当中，由于企业经营环境的复杂性，对企业自少核心竞争力的识别能力有限，对外包预测估计不足，造成实际外包结果与预期目标相违背，甚至冇导致整个信息技术外包活动火败的可能性。信息技术的外包能够帮助企业减少成本，获得所需的专业技术支持，拓展服务渠道和提高企业服务水平，但在信息技术外包的整个活动中，如果企业对它的管理和控制不当，就会给企业带来新的风险

2、——信息技术外包风险。企业信息技术外包是一项持续性的活动，决定了外包风险贯穿于信息技术外包的整个过程，表现在其实施的各个环节和完成后对企业的影响当中。如：项H半途而废项目失败，项目时间延长，项目性能不佳，信息泄漏等。风险识别是研究IT风险的重要步骤。风险识别指的是风险管理人员在收集资料和调査研究的基础上，运用各种方法对尚未发牛的潜在的风险以及客观存在的各种风险进行系统归类并查找出来。简单的说，IT风险识别就是要找出风险存在以及引起风险的主要因素，然后才能在这个基础上对风险的后果做出定性或者定量的估计。风险识别的内容,包括确定风险的來源、风险产生的条件、描述其风险特征和确定哪些风险事件

3、有可能影响项目。IT风险识别没冇一个单一的方法和工具，它是一个充满豹慧的知识管理过程，每一个公司需要把项目管理的知识和经验逐步地积累起来，形成口己的项目管理的管理知识库。下而是项目管理的风险识别过程中经常使用的方法：专家调杳法、而谈或访谈法、鱼刺图法、风险分解结构图法及核对表法等。尽管信息化项目存在巨大的风险，企业还要不断地推进信息化工作，TT外包以其不可比拟的优势成为大多数企业的首选。信息技术己经成为企业发展战略的重要组成部分，没冇信息技术，企业在竞争中就会处于明显的劣势，因此问题的关键不在于是否开展信息化而是如何降低信息化项目的风险，要降低风险就要对风险因素进行识别。报告二:如何

4、组建创业团队——报告人：何见得绝人多数创业团队的核心成员都很少，一般是三四人，多也不过十来人，如此少的团队成员从企业管理角度来看，实在是“小儿科”。因为人数太少，儿乎每个从事管理工作的人都觉得能够轻易驾驭。但实际上，这个创业团队成员虽少，但是人人都冇自己的想法，冇自己的观点，更有一股藏于内心的不服管的信念。因此，我们对创业团队中的每个成员都不能抱以轻视的态度。优秀的创业团队的所有成员都应该相互非常熟悉，知根知底。《孙子兵法》中云：“知己知彼，白战不殆。”在创业团队中，团队成员都应非常清醍的认识到自身的优劣势，同时对其他成员的长处和短处也-清二楚，这样可以很好的避免团队成员之间因相互不

5、了解而造成的各种矛盾、纠纷，并迅速提高团队的向心力和凝聚力。创业团队虽小，但是“五脏俱全”。创业团队成员不能是清一色的技术流成员，也不能全部是搞终端销售的，优秀的创业团队成员各有各的长处，大家结合在一起，止好是相互补充，相得益彰。相对來说，一个优秀的创业团队必须包以下几种人：一个创新意识非常强的人，这个人可以决定公司未来发展方向，相当于公司战略决策者；一个策划能力极其强的人，这个人能够全面周到的分析整个公司面临的机遇与风险，能考虑成本、投资、收益的来源及预期收益，甚至还包括公司管理规范章程、长远规划设计等工作；一个执行能力较强的成员，这个人具体负责下面的执行过程，包括联系客户、接触终

6、端消费者、拓展市场等等。此外，如果是一个技术类的创业公司，那么还应该冇一个研究高手（甚至是研究领导者型人物），当然，这个创业因队还需要有人学握必要的财务、法律、审计等方而的专业知识。惟有这样，团队成员才能算是比较介格的。创业团队中必须有可以胜任的领导者，而这种领导者，并不是单单靠资金、技术、专利來决定的，也不是谁出好的点子谁当头的。这种带头人是团队成员在多年同窗、共事过程屮发自内心的认可，其他的所冇一切都是废话。总之，创业非易事，但并非无可作为。创业要想成功，有一个优秀的创业团队是非常关键的。报告三：Value-at-Risk的组合预测法——报告人：刘君浩风险fi（Value-at-

7、Risk,以下简称VaR）是金融市场风险的一种度量标准，常被用于投资决策、金融监管、风险资本分配等。关于VaR研究中的一个重要问题是如何得到准确的VaR预测。尽管预测VaR的方法很多,包括历史模拟法（HistoricalSimulation）、风险矩阵法（RiskMetrics）、极值理论方法（ExtremeValueTheory）以及条件自冋归法（CAViaR）等，但是II前所捉出的预测VaR方法并没有给出一个令人满意的答案，准确地预测VaR（特别是99