時間：2023-06-01 09:32:54
開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇數(shù)據(jù)分析的方法，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進步。
一、看數(shù)據(jù)分布
最簡單的拆分方法就是不看平均值，看數(shù)據(jù)分布。因為凡 是“總和”或者“平均”類的統(tǒng)計數(shù)據(jù)都會丟失掉很多重要的信息。例如李嘉誠來我們公司參觀，這一時間我們公司辦公室里的“平均資產(chǎn)”就會因為李嘉誠一個人 被抬高到人均幾億身家。如果有人根據(jù)這個“平均資產(chǎn)”數(shù)據(jù)來判定說我們辦公室的人都是豪華游艇的潛在顧客，這自然是荒謬的。
可實際上，我們每天都在做著類似的判斷，比如當我們聽到說顧客“平均在線時間”是3分34秒，就可能根據(jù)這個時間來進行業(yè)務(wù)決策，例如設(shè)置“停留時間超過3分34秒為高價值流量”，或者設(shè)置系統(tǒng)，在用戶停留了3分34秒還沒有下單的話就彈出在線客服服務(wù)窗口。我們設(shè)置這些時間點的根據(jù)是“平均停留時間”，在我們的想象里，我們的每個顧客都有著“平均的”表現(xiàn)，停留時間大致都是3分34秒，可實際上真正的顧客訪問時間有長有短，差別巨大：
在一些數(shù)據(jù)中我們可以看得出來，訪客平均停留在頁面的時間非常的短暫，具體的也就是說，問需要在淘寶數(shù)據(jù)分析上面下工夫的，那么，究竟該怎么弄才能比較好的呢？這個就看個人是怎么想的了，這里也就不多說了。
再舉一個例子，比如我們看到上個月平均訂單金額500元/單，這個月也是500元/單，可能會覺得數(shù)字沒有變化。可是實際上有可能上個月5萬單都是400～600元，而這個月5萬單則是2萬單300元，2萬單400元，5千單500元，5000單超過2500元 ——客戶購買習慣已經(jīng)發(fā)生了巨大變化，一方面可能是客戶訂單在變小（可能是因為產(chǎn)品單價下降，采購數(shù)量減少，或者客戶選擇了比較便宜的替代品），另一方面 出現(xiàn)了一些相對較大的訂單（可能是中小企業(yè)采購，或者是網(wǎng)站擴充產(chǎn)品線見效了）。——看數(shù)據(jù)分布可以讓我們更容易發(fā)現(xiàn)這些潛在的變化，及時的做出應(yīng)對。
二、拆因子
很多時候我們很難直接從數(shù)據(jù)變化中分析出具體的原因，這時可以考慮拆分因子，將問題一步步細化找尋原因。
例如網(wǎng)站轉(zhuǎn)化率下降，我們要找原因。因為“轉(zhuǎn)化率”=“訂單”/“流 量”，所以“轉(zhuǎn)化率”下降的原因很可能是“訂單量下降”，“流量上升”，或者兩者皆是。按照這個思路我們可能發(fā)現(xiàn)主要的原因是“流量上升”和“訂單量升幅 不明顯”，那么
下面我們就可以來拆解“流量”的構(gòu)成，例如拆成“直接訪問流量”、“廣告訪問流量”和“搜索引擎訪問流量”再看具體是哪部分的流量發(fā)生了變 化，接下來再找原因。這時我們可能看到說是搜索引擎訪問流量上升，那就可以再進一步分析是付費關(guān)鍵詞部分上升，還是自然搜索流量上升，如果是自然流量，是 品牌（或者網(wǎng)站名相關(guān)）關(guān)鍵詞流量上升，還是其他詞帶來的流
量上升——假如最后發(fā)現(xiàn)是非品牌類關(guān)鍵詞帶來的流量上升，那么繼續(xù)尋找原因——市場變化（淡季旺季之類），競爭對手行動，還是自身改變。假如剛好在最近把產(chǎn)品頁面改版過，就可以查一下是不是因為改版讓搜索引擎收錄變多，權(quán)重變高。接下來再分析自己到底哪里做對了幫助網(wǎng)站SEO了（比如把頁面導(dǎo)航欄從圖片換成了文字），把經(jīng)驗記下來為以后改版提供參考；另
一方面還要分析哪里沒做好（因為新增流量但是并沒有相應(yīng)增加太多銷售），研究怎樣讓“產(chǎn)品頁面”更具吸引力——因為對很多搜索引擎流量來說，他們對網(wǎng)站的第一印象是產(chǎn)品頁面，而不是首頁。
三、拆步驟
還有些時候，我們通過拆分步驟來獲取更多信息。
舉兩個例子：
第一個例子：兩個營銷活動，帶來一樣多的流量，一樣多的銷售，是不是說明兩個營銷活動效率差不多？
如果我們把每個營銷活動的流量拆細去看每一步，就會發(fā)現(xiàn)不一樣的地方。營銷活動B雖然和營銷活動A帶來了等量的流量，可是這部分流量對產(chǎn)品更感興趣，看完著陸頁之后更多的人去看了產(chǎn)品頁面。可惜的是雖然看產(chǎn)品的人很多，最后轉(zhuǎn)化率不高，訂單數(shù)和營銷活動 A一樣。
這里面還可以再深入分析（結(jié)合之前提到的分析方法，和下一章要說的細分方法），但是光憑直覺，也可以簡單的得出一些猜測來，例如兩個營銷活動的顧客習慣不太一樣，營銷活動 B的著陸頁設(shè)計更好，營銷活動 B的顧客更符合我們的目標客戶描述、更懂產(chǎn)品——但是我們的價格沒有優(yōu)勢等等這些猜想是我們深入進行分析，得出行動方案的起點。至少，它可以幫助我們
更快的累計經(jīng)驗，下次設(shè)計營銷活動的時候會更有的放矢，而不是僅僅寫一個簡單report說這兩個營銷活動效果一樣就結(jié)案了。（注：這是個簡化的例子，實際上還可以分更多層）
第二個例子可能更常見一些，比如網(wǎng)站轉(zhuǎn)化率下降，我們可以拆成這樣的漏斗：
這樣拆好之后，更能清楚地看到到底是哪一步的轉(zhuǎn)化率發(fā)生了變化。有可能是訪客質(zhì)量下降，都在著陸頁流失了，也可能是“購物車–>登錄”流失了（如果你把運費放到購物車中計算，很可能就看到這一步流失率飆升），這樣拆細之后更方便我們分析。
曾經(jīng)有一個例子就是轉(zhuǎn)化率下降，市場部查流量質(zhì)量發(fā)現(xiàn)沒問題，產(chǎn)品經(jīng)理查價格競爭力也沒問題——最后發(fā)現(xiàn)是技術(shù)部為了防止惡意注冊，在登錄頁面加了驗證碼（而且那個驗證碼極度復(fù)雜），降低了“登錄頁面–>填寫訂單信息“這一步的轉(zhuǎn)化率。
四、細分用戶族群
很多時候，我們需要把用戶行為數(shù)據(jù)拆分開，看不同族群的人有什么不同的表現(xiàn)，通過比較異同來獲取更多的洞察。從實踐出發(fā)，客戶族群細分的方法主要有三種：
Abstract：In view of the problems of the social survey data processing and analysis， this paper establishes the mathematical model of three dimensional matrix which is based on the three dimensional matrix.On the basis of the established three dimensional matrix model，we can use the properties of three dimensional matrix to deal it with a variety of mathematical methods， and use the hypergraph theory for further analysis. This enriches the method of the survey data processing greatly.
Key Words：Social survey data；Three-dimension matrix；Hypergraph
社會調(diào)查是了解各方面信息的重要途徑之一，社會調(diào)查數(shù)據(jù)主要是通過調(diào)查問卷的方法得到的。由于社會調(diào)查數(shù)據(jù)的維數(shù)較高，加上人為主觀因素，數(shù)據(jù)類型主要為二元變量、離散變量、序數(shù)變量等為主，所以對于社會調(diào)查數(shù)據(jù)的分析和處理大都基于統(tǒng)計學，只對單一題目進行統(tǒng)計學分析，其分析方法主要是基于題型進行處理的，對于題目和題目之間的關(guān)系很少關(guān)心[1]。許多數(shù)據(jù)挖掘算法因為種種限制無法在社會調(diào)查的數(shù)據(jù)分析中得到應(yīng)用。因為方法的限制，所以現(xiàn)在很多社會調(diào)查只能驗證事先想好的內(nèi)容和假設(shè)，很少可以對高維數(shù)據(jù)進行相對復(fù)雜的回歸分析處理。
根據(jù)以上存在的問題，該文建立了基于三維矩陣的數(shù)學模型，將單選題、多選題和排序題用向量形式進行表示，每一題定義為空間中的一個維度，從而所有的題目就可以構(gòu)成一個N維空間。每份問卷的信息用一個M×N矩陣表示。這樣表示可以將所有問卷內(nèi)容當作一個整體，作為后續(xù)算法的基礎(chǔ)。
1 社會調(diào)查數(shù)據(jù)的特點
通常情況下，社會調(diào)查數(shù)據(jù)特點如下。
（1）相關(guān)性。對于一個樣本個體而言，它具有本身的多個特征，這些特征之間就具有一定的相關(guān)性。對于多個樣本而言，個體與個體的特征之間具有相關(guān)性。如果樣本隨時間而變化，那么該樣本在不同時刻的特征之間又具有相關(guān)性。因此，由于上述多個原因使得社會調(diào)查數(shù)據(jù)具有了復(fù)雜的相關(guān)性，傳統(tǒng)的統(tǒng)計學調(diào)查難以解決這樣的問題。
（2）離散性。因為社會調(diào)查數(shù)據(jù)是通過自填式問卷、網(wǎng)絡(luò)調(diào)查數(shù)據(jù)庫等方法得到，所以社會調(diào)查數(shù)據(jù)一般以離散變量為主，且這些數(shù)據(jù)之間只有標示作用，并沒有嚴格的邏輯關(guān)系。
（3）模糊性。社會調(diào)查數(shù)據(jù)當中不可避免的會接觸到各種表達方式和概念，因此，它具有模糊性。
因為由自填式問卷或結(jié)構(gòu)式訪問的方法得到的社會調(diào)查數(shù)據(jù)具有以上特點，所以在實際應(yīng)用中基于統(tǒng)計學的處理方法只能籠統(tǒng)的顯示數(shù)據(jù)的部分特性，如頻數(shù)、離散程度等[2]。對于數(shù)據(jù)之間的關(guān)系只能分析出維數(shù)極少的大致的關(guān)系。
而且利用軟件進行數(shù)據(jù)挖掘時，因為現(xiàn)有的軟件中的數(shù)據(jù)挖掘算法對于數(shù)據(jù)類型和格式要求較高，所以能應(yīng)用到的數(shù)據(jù)挖掘算法很少。就算是數(shù)據(jù)要求較低的關(guān)聯(lián)分析，其結(jié)果也存在大量的冗余。因此，我們需要建立一個合適的社會調(diào)查數(shù)據(jù)的數(shù)學模型來完善原先的方法并使跟多的數(shù)據(jù)挖掘方法可以運用到其中，使得結(jié)果更準確。
2 社會調(diào)查數(shù)據(jù)的建模
研究中我們發(fā)現(xiàn)，三維矩陣可適用于社會調(diào)查數(shù)據(jù)的建模。
2.1 三維矩陣的定義
三維矩陣的定義：由n個p×q階的矩陣組成的n×p×q階的矩陣A稱為三維矩陣，又稱立體陣。Ak，i，j表示三維矩陣A的第k層，第i行，第j列上的元素。其中n，p，q分別表示三維矩陣的高度，厚度和寬度。
2.2 三維矩陣模型的建立
調(diào)查問卷的題目一般有三種類型：單選題、多選題和排序題。這三類題目都可以表示成向量的形式，其中每一道單選題、多選題可以表示成一個向量，排序題可以表示成多個向量組成的矩陣。對于單選題和多選題，可以按選項的順序可以表示成一個向量，其中選中的項用“1”表示，未選中的項用“0”表示。對于排序題，可以表示成一個n×n的方陣，其中n表示該排序題的選項個數(shù)，。這樣，每一題就可以定義為空間中的一個維度，從而所有的題目就可以構(gòu)成一個N維空間。每份調(diào)查問卷的信息用一個M×N矩陣表示（M為題目的最大選項數(shù)），其在每一維上的選擇稱之為一個元素，這樣每份問卷的信息就包括了N個元素。以第1，2，3題數(shù)據(jù)為例，其中第1題為單選題選擇“B”，用向量表示為一個元素，第2題為多選題選擇“ACE”，用向量表示為一個元素，第3題為排序題順序為CBADEFIHG，用矩陣表示，每一個列向量是一個元素，如圖1所示。
那么，假設(shè)有一問卷信息用一個大小為M×N的矩陣表示。K份的問卷信息就可以用K個大小為M×N的矩陣表示。將這K個矩陣疊加，形成一個三維矩陣。這個三維矩陣就是我們建立的三維矩陣數(shù)學模型，如圖2所示。
在圖2中我們看到，該三維矩陣數(shù)學模型有三個坐標軸，它們分別是題目，人數(shù)，選項。題目軸以每一道題為一個單位；人數(shù)軸以每一份問卷為一個單位；選項軸的刻度為A，B，C，D，E，F(xiàn)等題目選項，其個數(shù)為該調(diào)查問卷中選項最多的題目的選項個數(shù)。
在此基礎(chǔ)之上，這樣的三維矩陣具有以下性質(zhì)。
（1）在題目軸中選取對應(yīng)的題目，將三維矩陣面向豎切得到截面1（如圖2中01所示），截面2表示每一道題所有人選擇的信息。
（2）在人數(shù)軸中選取對應(yīng)的人，將三維矩陣橫切得到橫截面1（如圖2中02所示），橫截面1表示對應(yīng)的人選擇所有題目的信息。
在得到三維矩陣后，可對它進行像素化處理，置1的元素用黑點代替，置0元素的則空白，在得到像素化三維矩陣后我們可以將三維矩陣沿著人數(shù)維度上向下投影，這樣就可以得到一個具有濃黑不一的點的平面。通過這些點的濃度，可以知道每一選項選擇的人數(shù)。接下來我們可用灰度級表示點的濃度，篩選出濃度大于一定程度的點，在此基礎(chǔ)上進行后續(xù)算法處理。
上述三維矩陣數(shù)學模型具有數(shù)學三維矩陣的所有性質(zhì)，可依據(jù)調(diào)查問卷的需求進行轉(zhuǎn)置，加權(quán)、相乘、篩選等數(shù)學處理，另外在數(shù)學處理的基礎(chǔ)上，采用超圖理論可以大大豐富了調(diào)查問卷的處理方法。
3 基于超圖算法的調(diào)查問卷分析技術(shù)
超圖是離散數(shù)學中重要的內(nèi)容，是對圖論的推廣[3]。超圖是有限集合的子系統(tǒng)，它是一個由頂點的集合V和超邊集合E組成的二元對，超圖的一條邊可以有多個頂點的特性，這與一般的圖有很大不同。超圖分為有向超圖與無向超圖兩類，在無向超圖的每條超邊上添加方向后得到的有向二元對就是有向超圖。超圖在許多領(lǐng)域有廣泛的應(yīng)用。
大家可以利用無向超圖表示每一道題的選擇情況，先將這每一題的每一個選項設(shè)成一個節(jié)點，然后將三維矩陣從上向下投影，如果某一題的若干個選項同時被一個人選擇，就用一條超邊包圍這些節(jié)點，那么選這些選項的人越多，投影得到的超邊就越濃。這樣就用超圖表示了問卷中每道題的信息，可以進行聚類處理。
利用有向超圖，可以將關(guān)聯(lián)規(guī)則表示成有向超圖的形式，在得到了關(guān)聯(lián)規(guī)則后，設(shè)實際中得到的關(guān)聯(lián)規(guī)則的形式為：，前項和后項都是由多個項組成的集合。該文定義一條關(guān)聯(lián)規(guī)則由一條有向超邊表示，有向超邊的頭節(jié)點表示關(guān)聯(lián)規(guī)則的前項，有向超邊的尾節(jié)點表示關(guān)聯(lián)規(guī)則的后項。每條有向超邊的頭節(jié)點和尾節(jié)點均可以為多個，如此便成功表示了復(fù)合規(guī)則，從而可以使用相關(guān)算法進行冗余規(guī)則檢測。
通過基于有向超圖的冗余規(guī)則檢測就可以將關(guān)聯(lián)規(guī)則之間存在著的大量冗余檢測出，減少挖掘資源的浪費，從而增加了挖掘結(jié)果的有效性。
傳統(tǒng)的聚類方法都對原始數(shù)據(jù)計算它們之間的距離來得到相似度，然后通過相似度進行聚類，這樣的方法對于低維數(shù)據(jù)有良好的效果，但是對于高維數(shù)據(jù)卻不能產(chǎn)生很好的聚類效果，因為高維數(shù)據(jù)的分布有其特殊性。通過超圖模型的分割實現(xiàn)對高維數(shù)據(jù)的聚類卻能產(chǎn)生較好的效果。它先將原始數(shù)據(jù)之間關(guān)系轉(zhuǎn)化成超圖，數(shù)據(jù)點表示成超圖的節(jié)點，數(shù)據(jù)點間的關(guān)系用超邊的權(quán)重來表示。然后對超圖進行分割，除去相應(yīng)的超邊使得權(quán)重大的超邊中的點聚于一個類中，同時使被除去的超邊權(quán)重之和最小。這樣就通過對超圖的分割實現(xiàn)了對數(shù)據(jù)的聚類。具體的算法流程如下。
首先，將數(shù)據(jù)點之間的關(guān)系轉(zhuǎn)化為超圖，數(shù)據(jù)點表示為超圖節(jié)點。如果某幾個數(shù)據(jù)點的支持度大于一定閾值，則它們能構(gòu)成一個頻繁集，就將它們用一條超邊連接，超邊的權(quán)重就是這一頻繁集的置信度，重復(fù)同樣的方法就可以得超邊和權(quán)重。
然后，在基礎(chǔ)此上，通過超圖分割實現(xiàn)數(shù)據(jù)的聚類。若設(shè)將數(shù)據(jù)分成k類，則就是對超圖的k類分割，不斷除去相應(yīng)的超邊，直到將數(shù)據(jù)分為k類，且每個分割中數(shù)據(jù)都密切相關(guān)為止，同時保持每次被除去的超邊權(quán)重和最小，最終得到的分割就是聚類的結(jié)果。
如圖3所示是基于超圖算法的選題型調(diào)查問卷的分析技術(shù)的流程圖，主要包括4個主要部分，一是用向量表示調(diào)查問卷結(jié)果，二是將向量表示的調(diào)查問卷轉(zhuǎn)化為三維矩陣數(shù)學模型表示調(diào)查問卷結(jié)果，三是使用超圖算法進行優(yōu)化，四是根據(jù)要求顯示調(diào)查問卷結(jié)果。
【關(guān)鍵詞】大數(shù)據(jù) 網(wǎng)絡(luò)規(guī)劃 用戶價值 用戶感知
doi：10.3969/j.issn.1006-1010.2015.10.004 中圖分類號：TN929.53 文獻標識碼：A 文章編號：1006-1010（2015）10-0022-06
引用格式：李梅，杜翠鳳，沈文明. 基于大數(shù)據(jù)分析的移動通信網(wǎng)絡(luò)規(guī)劃方法[J]. 移動通信， 2015，39（10）： 22-27.
1 引言
隨著移動通信網(wǎng)絡(luò)的發(fā)展和移動互聯(lián)網(wǎng)業(yè)務(wù)的增長，移動通信網(wǎng)絡(luò)的各類相關(guān)數(shù)據(jù)呈爆炸式增長。借助大數(shù)據(jù)強大的數(shù)據(jù)處理能力和數(shù)據(jù)挖掘技術(shù)，通過分析用戶行為、基于用戶價值和用戶感知規(guī)劃設(shè)計網(wǎng)絡(luò)，成為運營商提升網(wǎng)絡(luò)競爭力的關(guān)鍵環(huán)節(jié)。
傳統(tǒng)的移動通信網(wǎng)絡(luò)規(guī)劃需要借助海量的測試，分析總結(jié)網(wǎng)絡(luò)存在的問題，再基于對市場和業(yè)務(wù)的經(jīng)驗預(yù)測，制定規(guī)劃方案。該過程中，測試結(jié)果的普遍性和業(yè)務(wù)預(yù)測的準確性制約了規(guī)劃方案的合理性，高昂的測試成本和冗長的測試工期影響了規(guī)劃效率。
基于此，提出了基于大數(shù)據(jù)分析的移動通信網(wǎng)絡(luò)規(guī)劃方法，通過大數(shù)據(jù)工具分析海量數(shù)據(jù)，實現(xiàn)用戶業(yè)務(wù)趨勢預(yù)測、用戶價值挖掘、用戶感知評估分析，進而能夠以用戶為中心、面向具體業(yè)務(wù)場景展開通信網(wǎng)絡(luò)規(guī)劃。同時，該方法能夠綜合分析CQT（Call Quality Test，呼叫質(zhì)量撥打測試）、DT（Drive Test，路測）等多種前端測試數(shù)據(jù)和信令數(shù)據(jù)、位置數(shù)據(jù)、用戶業(yè)務(wù)信息等大量后臺數(shù)據(jù)，克服單一數(shù)據(jù)分析的局限，不僅能夠大規(guī)模降低測試成本、縮短方案制定時間，而且還提高了方案的科學合理性。
2 基于大數(shù)據(jù)分析的移動通信網(wǎng)絡(luò)規(guī)劃
體系
如圖1所示，本文提出的移動通信網(wǎng)絡(luò)規(guī)劃體系可分為數(shù)據(jù)層、管理層、業(yè)務(wù)層和展示層，各層均與大數(shù)據(jù)密切相關(guān)。
2.1 大數(shù)據(jù)數(shù)據(jù)層
該層采用HDFS數(shù)據(jù)庫和Hbase數(shù)據(jù)庫管理通信網(wǎng)絡(luò)相關(guān)的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)主要來自于網(wǎng)管側(cè)和計費側(cè)，包括：核心網(wǎng)管數(shù)據(jù)、詳單數(shù)據(jù)、網(wǎng)優(yōu)平臺數(shù)據(jù)、投訴數(shù)據(jù)、用戶信息表等，這些數(shù)據(jù)經(jīng)過預(yù)處理、算法處理后，按照標準數(shù)據(jù)格式存放在Hbase里面。
2.2 大數(shù)據(jù)管理層
該層基于Hadoop管理平臺建立特定的數(shù)據(jù)預(yù)處理腳本和算法模型，實現(xiàn)對用戶價值和用戶感知數(shù)據(jù)的分析管理。
數(shù)據(jù)的預(yù)處理主要包括確實數(shù)據(jù)處理以及噪音數(shù)據(jù)處理。為分析用戶價值和用戶感知，本系統(tǒng)用到的大數(shù)據(jù)分析算法模型主要有層次分析法和聚類閾值法。
2.3 大數(shù)據(jù)業(yè)務(wù)層
該層是對用戶價值和用戶感知業(yè)務(wù)實施梳理與管理，對影響用戶價值和感知業(yè)務(wù)的各維度進行分析并找出其關(guān)聯(lián)關(guān)系。例如：用戶價值與收入、終端、業(yè)務(wù)、套餐的各維度關(guān)聯(lián)關(guān)系的梳理；用戶感知與回落之間的關(guān)系梳理等。
2.4 大數(shù)據(jù)展示層
該層是以圖表進行展示數(shù)據(jù)分析結(jié)果，輔助開展通信規(guī)劃，重點是對用戶價值與感知進行地理化展現(xiàn)、相關(guān)圖表的輸出。
3 用戶價值與感知評價分析方法構(gòu)建
3.1 用戶價值評價體系構(gòu)建
通信領(lǐng)域中的用戶價值評估是一個多層次、多因素的問題，需要針對相關(guān)的業(yè)務(wù)構(gòu)建評價指標體系，能夠全面考慮用戶的收入特征、層次結(jié)構(gòu)、業(yè)務(wù)特征相互聯(lián)系。
（1）建立用戶價值評價體系結(jié)構(gòu)模型――AHP分析法
采用AHP法評價用戶價值時，首先是把用戶價值進行梳理，建立出以業(yè)務(wù)為基礎(chǔ)的層次結(jié)構(gòu)模型，然后將用戶價值分解成收入、套餐、業(yè)務(wù)和終端4部分。具體如圖2所示：
用戶價值評價模型的層次一般分為：
最高層：用戶價值。
中間層：用戶潛力和消費能力。
最底層：用戶潛力包括用戶的套餐指標與終端指標；消費能力包括用戶的收入指標與業(yè)務(wù)指標。
基于以上的維度進行評分，可將評分落到各基站扇區(qū)，根據(jù)評分做出扇區(qū)化的圖層，并將網(wǎng)絡(luò)的價值扇區(qū)進行地理化呈現(xiàn)。
（2）確定用戶價值評價模型各指標權(quán)重
以AHP法確定用戶價值評價模型各指標的權(quán)重分為以下兩步：
首先，構(gòu)建遞階層次結(jié)構(gòu)。如圖2所示，目標層是用戶價值，該層是建立評價模型的目的和追求的最終結(jié)果。一級指標層為{用戶潛力，消費能力}；二級指標層包括套餐、終端、收入、業(yè)務(wù)等。
其次，要建立判斷矩陣。根據(jù)模型同一層級的相關(guān)指標體系指標可構(gòu)造判斷矩陣，將同一層次的指標元素按照其上層指標元素的重要性進行兩兩比較，判斷相對重要程度。一般都會邀請通信專業(yè)人士和資深人員組成專家小組，依據(jù)他們的通信專業(yè)知識和研究經(jīng)驗進行評估，構(gòu)造判斷矩陣。
（3）綜合權(quán)重計算用戶價值
針對移動通信系統(tǒng)，服從一定社會（地理和邏輯）分布的具有不同消費能力、行為和移動特征的客戶群體，在通信過程中形成的具有運營價值的業(yè)務(wù)活動區(qū)域叫做價值區(qū)域。
價值區(qū)域可以采用收入、終端、用戶、業(yè)務(wù)（數(shù)據(jù)和語音）“四維度”，基于各自評分標準進行評分；將評分落到各基站扇區(qū)，再根據(jù)評分做出扇區(qū)化的圖層，就可以將網(wǎng)絡(luò)的價值扇區(qū)進行地理化呈現(xiàn)。
根據(jù)AHP法得出的權(quán)重以及各維度的評分標準，可以算出各小區(qū)的綜合評分；再根據(jù)綜合評分，可定義TOP30%為高價值扇區(qū)，TOP30%～TOP50%為中價值扇區(qū)，TOP50%～TOP80%為一般價值扇區(qū)，TOP80%以上為低價值扇區(qū)；最后，根據(jù)高低價值區(qū)域的評定，可以將網(wǎng)絡(luò)的價值扇區(qū)進行地理化呈現(xiàn)。
該價值分析結(jié)果在規(guī)劃中可進一步拓展到區(qū)域?qū)用妗⑽⒕W(wǎng)格層面，從而實現(xiàn)網(wǎng)絡(luò)建設(shè)目標精準定位，以更好地指導(dǎo)網(wǎng)絡(luò)資源投放。
3.2 用戶感知分析方法
（1）建立用戶感知評價體系結(jié)構(gòu)模型
如圖3所示，與用戶價值評價體系結(jié)構(gòu)模型建立的方法相似，仍采用AHP分析法，用戶感知評價模型可分為：
最高層：用戶感知。
中間層：網(wǎng)絡(luò)覆蓋和網(wǎng)絡(luò)質(zhì)量。
最底層：網(wǎng)絡(luò)覆蓋主要為MR（Measurement Report，測量報告）覆蓋指標；網(wǎng)絡(luò)質(zhì)量包括HSDPA（High Speed Downlink Packet Access，高速下行分組接入）用戶速率與3G回落指標。
（2）確定用戶感知評價模型各指標權(quán)重
與用戶價值評價模型各指標權(quán)重計算方法相似。
首先，構(gòu)建遞階層次結(jié)構(gòu)。如圖3所示，目標層是用戶感知，該層是建立用戶感知評價模型的目的和追求的最終結(jié)果。一級指標層為{網(wǎng)絡(luò)覆蓋，網(wǎng)絡(luò)質(zhì)量}；二級指標層包括MR覆蓋指標、HSDPA用戶速率、3G回落指標等。
其次，建立判斷矩陣。由專家根據(jù)經(jīng)驗確定權(quán)重。
（3）綜合權(quán)重計算用戶感知
用戶感知可以采用MR覆蓋指標、HSDPA用戶速率、3G回落指標“三維度”，按照評分標準進行評分，再將評分結(jié)果落到各基站扇區(qū)，做出扇區(qū)化圖層實現(xiàn)網(wǎng)絡(luò)感知的地理化呈現(xiàn)。
3.3 價值與感知聯(lián)合評估
為了更好地指導(dǎo)網(wǎng)絡(luò)規(guī)劃建設(shè)，可將用戶價值分析方法和用戶感知分析方法聯(lián)合起來，建立4×3的價值與感知聯(lián)合評估矩陣，針對不同矩陣中的網(wǎng)格分別制定對應(yīng)的資源投放策略。
價值與感知聯(lián)合評估矩陣中，不同網(wǎng)格的資源投放策略建議如表1所示（紅色、綠色區(qū)域為重點投資區(qū)域）。
4 應(yīng)用案例
在某運營商本地網(wǎng)的無線網(wǎng)絡(luò)規(guī)劃中，運用上述的分析方法對2014年6月的7 000萬條語音原始詳單、5億條數(shù)據(jù)原始詳單、238萬條用戶原始信息詳單進行了大數(shù)據(jù)分析。
4.1 價值區(qū)域分析
（1）終端分布分析
網(wǎng)上現(xiàn)有用戶約110萬戶，其中支持3G業(yè)務(wù)的終端56萬戶，占比50.7%，僅支持2G業(yè)務(wù)的終端54萬戶，占比49.3%；約一半用戶終端不支持3G業(yè)務(wù)，3G終端使用者中有一半終端使用的是2G套餐。
（2）業(yè)務(wù)分布分析
現(xiàn)網(wǎng)用戶的業(yè)務(wù)分布統(tǒng)計情況是：語音業(yè)務(wù)63%承載在2G網(wǎng)絡(luò)上，37%承載在3G網(wǎng)絡(luò)上；數(shù)據(jù)流量2G承載24%，3G承載76%。考慮到3G網(wǎng)絡(luò)的業(yè)務(wù)體驗更好，且網(wǎng)絡(luò)資源更為豐富，應(yīng)通過各種措施加快業(yè)務(wù)的遷移，促進2G/3G網(wǎng)絡(luò)的融合發(fā)展。
（3）套餐分布分析
現(xiàn)有用戶的套餐數(shù)據(jù)統(tǒng)計結(jié)果如圖4所示：
從圖4統(tǒng)計分布可知，低端用戶貢獻了61%的收入，但占用了73%的流量資源和65%的語音資源。低端用戶單位收入消耗的網(wǎng)絡(luò)資源更高，說明高流量不一定帶來高收入；市場營銷策略是影響用戶規(guī)模、用戶行為以及網(wǎng)絡(luò)資源使用的主要因素，為此，建議規(guī)劃與市場應(yīng)緊密結(jié)合，以計劃為先、網(wǎng)絡(luò)先行，市場與建設(shè)互相配合、逐步推進。
（4）用戶收入分布分析
從用戶收入角度分析，結(jié)果如表2所示：
從表2統(tǒng)計分析可知，使用2G套餐2G終端ARPU（Average Revenue Per User，每用戶平均收入）值低于2G套餐3G終端，3G套餐2G終端ARPU值低于3G套餐3G終端，3G套餐ARPU值整體高于2G套餐，3G終端ARPU值整體高于2G終端。
從以上“收入、套餐、終端、業(yè)務(wù)”四維度進行扇區(qū)化統(tǒng)計，各扇區(qū)統(tǒng)計結(jié)果如圖5所示：
從圖5統(tǒng)計分布可知，高價值小區(qū)數(shù)占比為30%，收入占比達到72%；中價值小區(qū)數(shù)占比為20%，收入占比達到16%；高/中價值全網(wǎng)小區(qū)數(shù)占比為50%，收入占比達到88%，高價值小區(qū)各維度占比均接近70%，各維度評估合理。
4.2 用戶感知分析
（1）用戶速率分析
網(wǎng)絡(luò)單用戶下載速率統(tǒng)計分布如圖6所示：
從圖6統(tǒng)計分布可知，全網(wǎng)速率大于1Mbps的扇區(qū)占比為90.3%，需重點關(guān)注低于1Mbps區(qū)域的速率改善。
（2）3G用戶回落分析
3G用戶回落指標統(tǒng)計分布如圖7所示：
從圖7統(tǒng)計分布可知，全網(wǎng)回落評估指標差的扇區(qū)占比為23.2%，需重點關(guān)注回落評估指標差的扇區(qū)的深度覆蓋問題。
（3）用戶感知MR覆蓋分析
對MR數(shù)據(jù)中扇區(qū)級的RSCP（Received Signal Code Power，接收信號碼功率）進行統(tǒng)計，其分布如圖8所示：
從圖8統(tǒng)計分布可知，全網(wǎng)MR覆蓋指標差的扇區(qū)占比為20.87%，需重點關(guān)注MR覆蓋指標差的扇區(qū)的深度覆蓋問題。
4.3 價值與感知聯(lián)合分析
綜合以上價值區(qū)域及用戶感知分析，按照專家法取定的權(quán)重對各維度指標進行綜合評分，得到全網(wǎng)各小區(qū)的綜合評估分析結(jié)果，統(tǒng)計各類小區(qū)占比如圖9所示：
從圖9統(tǒng)計分布可知，全網(wǎng)綜合評估高/中價值扇區(qū)中感知中/差的扇區(qū)占比為34%，這部分區(qū)域?qū)⑹潜敬我?guī)劃中需要重點投入網(wǎng)絡(luò)資源的區(qū)域。具體分布如圖10所示：
5 結(jié)束語
綜上所述，通過對現(xiàn)網(wǎng)用戶的收入分布、終端分布、套餐、業(yè)務(wù)、用戶感知等多維度分析，可精準定位高價值扇區(qū)及高價值區(qū)域，以進一步指導(dǎo)網(wǎng)絡(luò)的精準化規(guī)劃設(shè)計，引導(dǎo)投資的精準投放。除此之外，基于用戶價值和用戶感知的多維度分析還可以應(yīng)用于市場營銷、渠道規(guī)劃等領(lǐng)域。
基于大數(shù)據(jù)的價值分析對運營商而言，是市場驅(qū)動、精細化管理的重要途徑，有利于改變傳統(tǒng)的經(jīng)營模式，改善用戶感知、增強自身競爭力，從而能夠有效應(yīng)對來自于虛擬運營和OTT業(yè)務(wù)的沖擊。
參考文獻：
[1] 黃勇軍，馮明，丁圣勇，等. 電信運營商大數(shù)據(jù)發(fā)展策略探討[J]. 電信科學， 2013（3）： 6-11.
[2] 劉旭峰，耿慶鵬，許立群. 運營商獲取移動互聯(lián)網(wǎng)用戶價值的策略研究[J]. 郵電設(shè)計技術(shù)， 2012（8）： 9-12.
[3] 袁首. 多網(wǎng)協(xié)同下的電信無線網(wǎng)絡(luò)規(guī)劃方法研究[D]. 北京： 北京郵電大學， 2012.
[4] 曹艷艷. 3G無線網(wǎng)絡(luò)規(guī)劃[D]. 濟南： 山東大學， 2005.
[5] 李勇輝. 大數(shù)據(jù)概念辨析及應(yīng)對措施[J]. 互聯(lián)網(wǎng)天地， 2014（1）： 11-14.
[6] 龍青良，李巍，呂非彼. 基于用戶感知的WCDMA無線資源效能評估方法研究[J]. 郵電設(shè)計技術(shù)， 2014（9）： 33-39.
[7] 朱強. 3G無線網(wǎng)絡(luò)規(guī)劃和優(yōu)化的探討[J]. 通信世界， 2005（30）： 57.
[8] 任毅. 3G無線網(wǎng)絡(luò)規(guī)劃流程[J]. 電信工程技術(shù)與標準化， 2005（11）： 15-18.
[9] 郭金玉，張忠彬，孫慶云. 層次分析法的研究與應(yīng)用[J]. 中國安全科學學報， 2008（5）： 148-153.
完整的數(shù)據(jù)分析主要包括了六個既相對獨立又互有聯(lián)系的階段，它們依次為：明確分析目的和思路、數(shù)據(jù)準備、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)、報告撰寫等六步，所以也叫數(shù)據(jù)分析六步曲。
明確分析目的和思路
做任何事都要有個目標，數(shù)據(jù)分析也不例外。經(jīng)常有一些數(shù)據(jù)分析愛好者，向數(shù)據(jù)分析高手請教以下問題：
這圖表真好看，怎么做的？
這數(shù)據(jù)可以做什么樣的分析？
高級的分析方法在這里能用嗎？
需要做多少張圖表？
數(shù)據(jù)分析報告要寫多少頁？
為什么這些數(shù)據(jù)分析愛好者會提出這些問題呢？原因很簡單，就是他們沒有明確的分析目的，為了分析而分析，而且一味追求高級的分析方法，這就是數(shù)據(jù)分析新手的通病。
如果目的明確，那所有問題就自然迎刃而解了。例如，分析師是不會考慮“需要多少張圖表”這樣的問題的，而是思考這個圖表是否有效表達了觀點？如果沒有，需要怎樣調(diào)整？
所以在開展數(shù)據(jù)分析之前，需要想清楚為什么要開展此次數(shù)據(jù)分析？通過這次數(shù)據(jù)分析需要解決什么問題？只有明確數(shù)據(jù)分析的目的，數(shù)據(jù)分析才不會偏離方向，否則得出的數(shù)據(jù)分析結(jié)果不僅沒有指導(dǎo)意義，甚至可能將決策者引入歧途，后果嚴重。
當分析目的明確后，我們就要對思路進行梳理分析，并搭建分析框架，需要把分析目的分解成若干個不同的分析要點，也就是說要達到這個目的該如何具體開展數(shù)據(jù)分析？需要從哪幾個角度進行分析？采用哪些分析指標？
同時，還要確保分析框架的體系化，以便分析結(jié)果具有說服力。體系化也就是邏輯化，簡單來說就是先分析什么，后分析什么，使得各個分析點之間具有邏輯關(guān)系。如何確保分析框架的體系化呢？可以以營銷、管理等方法和理論為指導(dǎo)，結(jié)合實際業(yè)務(wù)情況，搭建分析框架，這樣才能確保數(shù)據(jù)分析維度的完整性、分析框架的體系化、分析結(jié)果的有效性及正確性。
營銷方面的理論模型有4P理論、用戶使用行為、STP理論、SWOT等，而管理方面的理論模型有PEST、5W2H、時間管理、生命周期、邏輯樹、金字塔、SMART原則等。
明確數(shù)據(jù)分析目的以及確定分析思路，是確保數(shù)據(jù)分析過程有效進行的先決條件，它可以為數(shù)據(jù)收集、處理以及分析提供清晰的指引方向。
數(shù)據(jù)準備
數(shù)據(jù)準備是按照確定的數(shù)據(jù)分析框架，收集相關(guān)數(shù)據(jù)的過程，它為數(shù)據(jù)分析提供了素材和依據(jù)。這里所說的數(shù)據(jù)包括第一手數(shù)據(jù)與第二手數(shù)據(jù)，第一手數(shù)據(jù)主要指可直接獲取的數(shù)據(jù)，如公司內(nèi)部的數(shù)據(jù)庫、市場調(diào)查取得的數(shù)據(jù)等；第二手數(shù)據(jù)主要指經(jīng)過加工整理后得到的數(shù)據(jù)，如統(tǒng)計局在互聯(lián)網(wǎng)上的數(shù)據(jù)、公開出版物中的數(shù)據(jù)等。
數(shù)據(jù)處理
數(shù)據(jù)處理是指對采集到的數(shù)據(jù)進行加工整理，形成適合數(shù)據(jù)分析的樣式，保證數(shù)據(jù)的一致性和有效性。它是數(shù)據(jù)分析前必不可少的階段。
數(shù)據(jù)處理的基本目的是從大量的、可能雜亂無章、難以理解的數(shù)據(jù)中抽取并推導(dǎo)出對解決問題有價值、有意義的數(shù)據(jù)。如果數(shù)據(jù)本身存在錯誤，那么即使采用最先進的數(shù)據(jù)分析方法，得到的結(jié)果也是錯誤的，不具備任何參考價值，甚至還會誤導(dǎo)決策。
數(shù)據(jù)處理主要包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)抽取、數(shù)據(jù)合并、數(shù)據(jù)計算等處理方法。一般拿到手的數(shù)據(jù)都需要進行一定的處理才能用于后續(xù)的數(shù)據(jù)分析工作，即使再“干凈”的原始數(shù)據(jù)也需要先進行一定的處理才能使用。
數(shù)據(jù)分析
數(shù)據(jù)分析是指用適當?shù)姆治龇椒肮ぞ撸瑢κ占瘉淼臄?shù)據(jù)進行分析，提取有價值的信息，形成有效結(jié)論的過程。
在確定數(shù)據(jù)分析思路階段，數(shù)據(jù)分析師就應(yīng)當為需要分析的內(nèi)容確定適合的數(shù)據(jù)分析方法。到了這個階段，就能夠駕馭數(shù)據(jù)，從容地進行分析和研究了。
由于數(shù)據(jù)分析大多是通過軟件來完成的，這就要求數(shù)據(jù)分析師不僅要掌握各種數(shù)據(jù)分析方法，還要熟悉主流數(shù)據(jù)分析軟件的操作。一般的數(shù)據(jù)分析我們可以通過Excel完成，而高級的數(shù)據(jù)分析就要采用專業(yè)的分析軟件進行，如數(shù)據(jù)分析工具SPSS、SAS等。
數(shù)據(jù)展現(xiàn)
通過數(shù)據(jù)分析，隱藏在數(shù)據(jù)內(nèi)部的關(guān)系和規(guī)律就會逐漸浮現(xiàn)出來，那么通過什么方式展現(xiàn)出這些關(guān)系和規(guī)律，才能讓別人一目了然呢？一般情況下，數(shù)據(jù)是通過表格和圖形的方式來呈現(xiàn)的，我們常說用圖表說話就是這個意思。
常用的數(shù)據(jù)圖表包括餅圖、柱形圖、條形圖、折線圖、散點圖、雷達圖等，當然可以對這些圖表進一步整理加工，使之變?yōu)槲覀兯枰膱D形，例如金字塔圖、矩陣圖、瀑布圖、漏斗圖、帕雷托圖等。
多數(shù)情況下，人們更愿意接受圖形這種數(shù)據(jù)展現(xiàn)方式，因為它能更加有效、直觀地傳遞出分析師所要表達的觀點。一般情況下，能用圖說明問題的，就不用表格，能用表格說明問題的，就不用文字。
報告撰寫
數(shù)據(jù)分析報告其實是對整個數(shù)據(jù)分析過程的一個總結(jié)與呈現(xiàn)。通過報告，把數(shù)據(jù)分析的起因、過程、結(jié)果及建議完整地呈現(xiàn)出來，以供決策者參考。所以數(shù)據(jù)分析報告是通過對數(shù)據(jù)全方位的科學分析來評估企業(yè)運營質(zhì)量，為決策者提供科學、嚴謹?shù)臎Q策依據(jù)，以降低企業(yè)運營風險，提高企業(yè)核心競爭力。
一份好的分析報告，首先需要有一個好的分析框架，并且層次明晰，圖文并茂，能夠讓讀者一目了然。結(jié)構(gòu)清晰、主次分明可以使閱讀對象正確理解報告內(nèi)容；圖文并茂，可以令數(shù)據(jù)更加生動活潑，提高視覺沖擊力，有助于讀者更形象、直觀地看清楚問題和結(jié)論，從而產(chǎn)生思考。
另外，分析報告需要有明確的結(jié)論，沒有明確結(jié)論的分析稱不上分析，同時也失去了報告的意義，因為最初就是為尋找或者求證一個結(jié)論才進行分析的，所以千萬不要舍本求末。
【摘 要】 在高等教育領(lǐng)域已經(jīng)儲備有海量教學過程數(shù)據(jù)的背景下，強調(diào)了教學過程數(shù)據(jù)的價值，提出了大數(shù)據(jù)思維下基于教學活動
>> 通信行業(yè)大數(shù)據(jù)分析及應(yīng)用研究 大數(shù)據(jù)時代電子稅務(wù)數(shù)據(jù)分析與應(yīng)用研究 大數(shù)據(jù)時代下數(shù)據(jù)分析理念研究 信息時代背景下數(shù)理統(tǒng)計在大數(shù)據(jù)分析中的應(yīng)用研究 大數(shù)據(jù)分析 煉鋼―連鑄生產(chǎn)過程數(shù)據(jù)分析及在仿真中的應(yīng)用研究 大數(shù)據(jù)分析方法及應(yīng)用初探① 大數(shù)據(jù)分析與應(yīng)用問題研究 教育大數(shù)據(jù)分析研究與典型應(yīng)用 極課大數(shù)據(jù)及教學應(yīng)用研究 基于大數(shù)據(jù)分析評測電網(wǎng)調(diào)度能力的方法研究及應(yīng)用 電信企業(yè)大數(shù)據(jù)分析的應(yīng)用及發(fā)展策略研究 基于大數(shù)據(jù)分析的低壓臺區(qū)降損系統(tǒng)研究及應(yīng)用 油田生產(chǎn)中大數(shù)據(jù)分析技術(shù)的研究及應(yīng)用 基于大數(shù)據(jù)分析下的數(shù)學課堂教學研究 基于大數(shù)據(jù)的學業(yè)、教學過程評價系統(tǒng)的應(yīng)用與研究 探究大數(shù)據(jù)下的智能數(shù)據(jù)分析技術(shù) 大數(shù)據(jù)時代下數(shù)據(jù)分析理念框架探討 大數(shù)據(jù)時代下數(shù)據(jù)分析的主要變化 大數(shù)據(jù)時代下數(shù)據(jù)分析理念探究 常見問題解答 當前所在位置：l Chen， E.， Heritage， M.， & Lee， J. 2005. Identifying and Monitoring Students’Learning Needs With Technology[J]. Journal of Education for Students Placed at Risk， 10（3），309-332.
Duhon， R. 2014. Mapping Learning into the Experience API. Retrieved May 13， 2016， from https：///Publications/Magazines/TD/TD-Archive/2014/01/Mapping-Learning-Into-the-Xapi
Global Pulse. 2012. Big Data for Development： Challenges & Opportunities. Retrieved May 13， 2016， from http：///upload/2012-07/12071822344575.pdf
Glossary of Education Reform. 2013. Learning Experience. Retrieved May 13， 2016， from http：///learning-experience/
《義務(wù)教育教學課程標準（2011年版）》將原來的“統(tǒng)計觀念”改為“數(shù)據(jù)分析觀念”，并把“數(shù)據(jù)分析觀念”作為數(shù)學學習的十個核心觀念之一，指出了統(tǒng)計的核心就是數(shù)據(jù)分析。通過學習，我對數(shù)據(jù)分析觀念的內(nèi)涵有了更深刻的認識：使學生了解在現(xiàn)實生活中有許多問題應(yīng)當先做調(diào)查研究，收集數(shù)據(jù)，通過分析做出判斷，體會數(shù)據(jù)中蘊涵的信息；了解對于同樣的數(shù)據(jù)可以有多種分析的方法，需要根據(jù)問題的背景選擇合適的方法；通過數(shù)據(jù)分析體驗隨機性，一方面對于同樣的事情每次搜集到的數(shù)據(jù)可能不同，另一方面說明只要有足夠的數(shù)據(jù)就可能從中發(fā)現(xiàn)規(guī)律，數(shù)據(jù)分析是統(tǒng)計的核心。
如何發(fā)展學生的數(shù)據(jù)分析觀念，培養(yǎng)他們對數(shù)據(jù)的分析與判斷能力？下面談?wù)勎覀€人的粗淺看法。
一、讓學生參與數(shù)據(jù)搜集的全過程
統(tǒng)計學的一個核心就是數(shù)據(jù)分析。不論是統(tǒng)計還是概率，都要基于數(shù)據(jù)，基于對數(shù)據(jù)的分析；在進行預(yù)測的同時，為了使預(yù)測更合理，也需要搜集更多的數(shù)據(jù)。培養(yǎng)“數(shù)據(jù)分析觀念”最好的辦法是讓學生經(jīng)歷數(shù)據(jù)的搜集、整理、描述、分析的全過程，讓學生親身體驗進行數(shù)據(jù)分析的必要性。學生通過大量重復(fù)試驗，在頭腦中再現(xiàn)知識的形成過程，避免單純地記憶，使學習成為一種再創(chuàng)造的過程，數(shù)據(jù)分析觀念也得到了初步培養(yǎng)。
例如，“組織比賽”的情境，學生在操場上討論：“組織什么比賽好呢？”“去問一問同學，他們最喜歡什么活動？”這就使學生認識到統(tǒng)計對決策的作用，引起學生進行調(diào)查的愿望。教材緊接著安排小調(diào)查，“調(diào)查你們班的部分同學，他們最喜歡什么活動，在下圖中涂一涂。”這就要組織學生搜集數(shù)據(jù)、整理數(shù)據(jù)，用在方格紙上涂一涂的方式呈現(xiàn)數(shù)據(jù)。最后安排學生說一說：
（1）一共調(diào)查了幾個同學？喜歡什么比賽的同學最多？喜歡什么比賽的同學最少？
（2）喜歡足球的同學比喜歡跳繩的同學多多少個？
（3）如果你們班有一名同學沒來，猜一猜他（她）最有可能喜歡什么活動。
（4）你認為你們班最好組織什么比賽？
（5）根據(jù)統(tǒng)計圖，你還能提出什么數(shù)學問題？
這就是引導(dǎo)學生分析數(shù)據(jù)，做出合理的決策。上面的例子就是根據(jù)低年級兒童的特點，組織學生經(jīng)歷統(tǒng)計活動的全過程，發(fā)展學生的數(shù)據(jù)分析觀念。
二、引導(dǎo)多角度分析數(shù)據(jù)
義務(wù)教育階段的統(tǒng)計學習要讓學生有意識地、正確地運用統(tǒng)計來解決實際問題，并理智地分析他人的統(tǒng)計數(shù)據(jù)，以作出合理的判斷。稻莘治齙墓程應(yīng)該把重點放在怎樣分析數(shù)據(jù)上。教師要啟發(fā)學生自己想辦法，多角度全方位分析數(shù)據(jù)，讓學生感悟到我們做統(tǒng)計的目的是解決問題。
案例：《認識中位數(shù)》教學中有以下環(huán)節(jié)：
（課件出示）例題5，出示場景圖，同學們正在進行跳遠比賽，看看他們的成績：
五年級（2）班7名男生的跳遠成績?nèi)缦卤怼?/p>
（1）分別求出這組數(shù)據(jù)的平均數(shù)和中位數(shù)。
（2）用哪個數(shù)代表這組數(shù)據(jù)的一般水平更合適？
（3）如果 2.89m以上為及格，有多少名同學及格了，超過半數(shù)了嗎？
（4）如果再增加一個同學楊冬的成績 2.94m，這組數(shù)據(jù)的中位數(shù)是多少？
首先讓學生分組討論： ①表格中的數(shù)據(jù)有什么特點，有幾位同學的成績，最高是多少，最低是多少？②求數(shù)據(jù)的平均數(shù)和中位數(shù)，看看幾位學生的成績與平均數(shù)和中位數(shù)之間的大小有何關(guān)系？ ③選擇哪兩個統(tǒng)計表示數(shù)據(jù)的一般水平比較合適呢？
（5）學生匯報：7名男生跳遠成績的平均數(shù)是2.96，中位數(shù)是2.89，有5名男生的成績低于平均值，這說明在這里用平均數(shù)來代表該組成績不太合適，應(yīng)選用中位數(shù)。
強調(diào)：①中位數(shù)的求解方法，首先將數(shù)據(jù)按照大小順序排列好；②找到最中間位置的數(shù)據(jù)2.89；③矛盾：當數(shù)據(jù)增加一個后，一共有偶數(shù)個數(shù)，中間位置出現(xiàn)兩個數(shù)據(jù)：2.89和2.90，最中間的數(shù)找不到怎么辦？學生展開討論。討論結(jié)論：一組數(shù)據(jù)中有偶數(shù)個數(shù)的時候，中位數(shù)是最中間的兩個數(shù)的和除以2計算出中位數(shù)來。也就是需要求兩個數(shù)的平均數(shù)，即這組數(shù)據(jù)的中位數(shù)。
數(shù)據(jù)分析應(yīng)該把重點放在怎樣分析數(shù)據(jù)上。因此，我們要啟發(fā)學生自己想辦法，讓學生感悟到我們是為了解決問題而來做統(tǒng)計的。通過數(shù)據(jù)分析，學生從中提取相關(guān)信息，根據(jù)不同的背景，選擇不同的方法，從而培養(yǎng)學生思維的靈活性。學生從中發(fā)現(xiàn)問題，并且思考解決問題的辦法。
三、體驗數(shù)據(jù)分析的隨機性
數(shù)據(jù)的隨機性主要有兩層含義：一方面對于同樣的事情每次搜集到的數(shù)據(jù)可能會不同；另一方面只要有足夠的數(shù)據(jù)就可能從中發(fā)現(xiàn)規(guī)律。
史寧中說：“統(tǒng)計與概率領(lǐng)域的教學重點是發(fā)展學生的數(shù)據(jù)分析意識，培養(yǎng)學生的隨機觀念，難點在于，如何創(chuàng)設(shè)恰當?shù)幕顒樱w現(xiàn)隨機性以及數(shù)據(jù)獲得、分析、處理進而作出決策的全過程。”
如二年級有這樣一個課堂教學片段：
組織小組活動：盒子里有3個黃球、3個白球。每次摸出1個，摸之前先猜猜你會摸到什么顏色的球，每次你都猜對了么？
活動結(jié)束時，老師詢問：有沒有每次都猜對的同學？（全班只有2人舉手）
師：為什么我們那么多的同學都沒有猜對呢？（此時，兩個猜對的同學急于向大家介紹方法）
生1：黃球和白球摸在手里的感覺不一樣！
師：（饒有興趣地問）真的嗎？讓我們見識一下！
生1：（摸出一球，沒看前猜測）黃色！（拿出后是白色，生1低頭坐了下去）
師：怎么不試了？
生1：沒有信心了。
師：怎么就沒有信心了？
生1：摸在手里分辨不出來。
生2：我發(fā)現(xiàn)了，如果第一次摸出來的是黃球，第二次就猜是白球，是交錯出現(xiàn)的。
師：你剛才就是這樣猜的，結(jié)果都對了嗎？
生2：連連點頭。
師（半信半疑）：還有這個規(guī)律？摸1個！
（生2摸出1個白球，放回）
生2：第二次一定是黃球。
（第二次生2果真摸出一個黃球）
師：看來，下次……
生2：第三次該是白球了！
（第三次生2摸出個黃球）
師：這個規(guī)律還成立么？
學生直搖頭。
師：通過剛才的摸球游戲，你發(fā)現(xiàn)了什么？
生：盒子里有黃球又有白球，摸出一個球，可能是黃球，也可能是白球。
通過學生操作實驗，用實驗獲得數(shù)據(jù)，再對數(shù)據(jù)進行分析，這種通過對數(shù)據(jù)進行分析處理，讓學生體會了數(shù)據(jù)的隨機性，從而發(fā)展了學生的數(shù)據(jù)分析觀念。
【關(guān)鍵詞】箱線圖；冪變換；展布水平圖；降水量
一、研究背景及發(fā)展
數(shù)據(jù)分析分為兩大階段，探索階段和實證階段。探索性數(shù)據(jù)分析可以分離出數(shù)據(jù)的模式和特點，把它們有力地給分析者。探索性數(shù)據(jù)分析（exploratory data analysis，簡稱EDA）于上世紀六十年代被提出，并逐步發(fā)展，現(xiàn)今已經(jīng)應(yīng)用非常廣泛。具體來說，是對調(diào)查者觀察得到的原始數(shù)據(jù)直接進行預(yù)處理凈化，做出箱線圖、莖葉圖等等，直觀展現(xiàn)出數(shù)據(jù)的結(jié)構(gòu)等。并沒有先做出相關(guān)的假定或者在部分假定條件下進行分析。即在對數(shù)據(jù)的基本特點還沒有認識的情況下，無法選取相應(yīng)的統(tǒng)計方法進行相關(guān)分析，此時可以應(yīng)用探索性數(shù)據(jù)分析，挖掘數(shù)據(jù)之間的相關(guān)特征，給出之后實證分析的大致方向，此時再運用統(tǒng)計方法則會顯得更加合理，更科學有效。為后來的數(shù)據(jù)實證分析做鋪墊。
二、實例研究
如下，選取數(shù)據(jù)為中國16個大城市三月到10月的降水量，數(shù)據(jù)顯示如下，可知，若直接運用統(tǒng)計方法，如大海撈針，不知何種假定下，選取何種統(tǒng)計方法較為合理。則先運用探索性數(shù)據(jù)分析中的相關(guān)方法。為使結(jié)果直觀顯示，運用箱線圖作圖，結(jié)合R軟件編寫代碼。
（一）未作冪變換前的箱線圖
箱線圖是一批數(shù)據(jù)的五數(shù)總括的圖示，展現(xiàn)了這個批的數(shù)據(jù)結(jié)構(gòu)要點。從箱線圖我們可以發(fā)掘出一個批的某些特性：位置、展布、偏度、尾長、邊遠數(shù)據(jù)點（離群點）。
但是初始箱線圖也有缺點，如遠離原點的批可能比靠近原點的批，有更大的展布，體現(xiàn)在圖形上則會出現(xiàn)有些箱線圖擠在一起，較為扁平，不利于數(shù)據(jù)分析。因此，若用同一尺度來繪圖，將難以看出靠近遠點的批的細節(jié)。
為了改善箱線圖的這個缺點，我們可以做一些適當?shù)淖儞Q，使得這些批的變異性更加一致。我們要從數(shù)據(jù)本身得到關(guān)于數(shù)據(jù)變換的一些指導(dǎo)，一個比較適合的標準就是“展布對水平圖”，它能夠建議一個冪變換，有助于把跨越這些批的不同水平的展布變成相等。
用箱線圖比較幾個批的數(shù)據(jù)，三搜集中國16大城市3月到10月的降水量數(shù)據(jù)，單位為毫米，由于數(shù)據(jù)龐大，不在此列出。數(shù)據(jù)來源于2012年統(tǒng)計年鑒。
構(gòu)造出的箱線圖可以看出位置，展布，尾長和離群值截斷點。圖中四分數(shù)相對于中位數(shù)的位置，可以看出偏度，若中位數(shù)離下四分數(shù)，比離上四分數(shù)近得多，則表明這個批是正偏的，反之則為負偏。由以上箱線圖可知，效果不是很好，有較多的離群值截斷點，不便于我們對數(shù)據(jù)的分析。
由上圖可知，第13個箱線圖（廣州），距離遠點較遠，其降水量不僅有較大的展布，且分布較均勻。第16個箱線圖（烏魯木齊），其降水量展布較小，距離遠點較近。由此可見，箱線圖的局限性，為了解決展布對水平的依賴，以及離群值對數(shù)據(jù)分析的干擾，下面將對其進行改進。做相應(yīng)的冪變換。
（二）冪變換（改善箱線圖）
用R對所有數(shù)據(jù)進行平方根變換，得到新的展布對水平圖。
則與前一個展布對水平圖比較得知，此圖沒有明顯的趨勢，展布對水平不再有依賴性，則說明變換有效，達到了目的。
改善之后的展布水平圖與箱線圖如下。
可知，這個變換確實在幾個重要方面改善了數(shù)據(jù)。我們可以知道，第13個箱線圖（廣州）的降水量普遍較高，其最小值都高于第2個箱線圖（天津），我們得出，即使是在雨季，天津降水量都比廣州要小，地域差異使得降水量有如此大的差異。第11個箱線圖（武漢）的降水量有一個離群點，是在7月，降水量為389.7，可見武漢的雨水集中在7月，在夏天是一個降水量較大的城市。
三、結(jié)論分析
通過運用探索性數(shù)據(jù)分析和R軟件結(jié)合的方法，數(shù)據(jù)被有效地處理與改善了。可見，探索性數(shù)據(jù)分析技術(shù)能幫助我們正確的處理數(shù)據(jù)，與R軟件結(jié)合以后，擁有更加強大的功能，通過冪變換，箱線圖得到了明顯的改善，減少了離群值，展布也不再依賴于水平。總之，探索性數(shù)據(jù)分析在當今軟件計算機如此發(fā)達的時代，其作用得到了越來越充分的體現(xiàn)，沒有探索性分析，證實性分析往往是盲目的， 缺乏根據(jù)的； 沒有證實性分析， 探索性分析則永遠是一次不完整的的統(tǒng)計分析。正確運用探索性數(shù)據(jù)分析與R軟件結(jié)合的方法，對數(shù)據(jù)進行處理與分析，可以帶來很大的便利。
參考文獻：
[1] David C Hoaglin Frederick Monsteller.John W.Tukey著，鏈、郭德媛、楊振海翻譯校訂.探索性數(shù)據(jù)分析[M].中國統(tǒng)計出版社，1983.
[2]李世勇，胡建軍，熊 燕，歐陽虹.2004年我國卷煙焦油量的探索性數(shù)據(jù)分析[J].2005年第7期.
關(guān)鍵詞個性化服務(wù)需求大數(shù)據(jù)分析平臺決策支持數(shù)據(jù)質(zhì)量控制
分類號G250.76
Construction of the Big Data Analysis Platform for the Library based on the Personal Services Requirements
Ma Xiaoting
AbstractCurrently, big data is the best way to make well-informed decisions for personal services in library. This paper firstly describes the analysis requirements about demand of library customer based on the big data. And then, according to the personal services requirements analysis of customer based on the big data, it constructs the big data analysis platform for the library, which can help librarians to make scientific analysis and decisions.
KeywordsPersonal services requirements. Big data analysis platform. Dicision support. Data quality control.
據(jù)美國麥肯錫全球研究院2011年6月的《大數(shù)據(jù)：下一個創(chuàng)新、競爭和生產(chǎn)力的前沿》研究報告分析，“大數(shù)據(jù)已成為與物質(zhì)資產(chǎn)和人力資本相提并論的重要生產(chǎn)要素，大數(shù)據(jù)的使用將成為未來提高競爭力的關(guān)鍵要素”。隨著大數(shù)據(jù)時代的到來，圖書館用戶服務(wù)保障能力建設(shè)重點已從以提高數(shù)據(jù)中心基礎(chǔ)設(shè)施結(jié)構(gòu)科學性和運營效率為中心，向以滿足讀者需求為核心的用戶個性化服務(wù)轉(zhuǎn)變。圖書館有效采集、存儲和管理數(shù)據(jù)中心的系統(tǒng)運營與監(jiān)控數(shù)據(jù)，用戶服務(wù)與業(yè)務(wù)管理數(shù)據(jù)，圖書館與客戶關(guān)系數(shù)據(jù)，以及讀者的個性化服務(wù)需求、閱讀模式、閱讀活動和情感、閱讀社會關(guān)系等數(shù)據(jù)，并對海量數(shù)據(jù)進行科學的分析、評價和決策，是關(guān)系圖書館全面、系統(tǒng)和深入了解用戶需求，并將運營與服務(wù)決策方式由傳統(tǒng)的管理層主觀經(jīng)驗式?jīng)Q策，向依靠大數(shù)據(jù)的科學、定量化決策方式轉(zhuǎn)變的重要保證。圖書館只有堅持以用戶需求為中心構(gòu)建大數(shù)據(jù)分析平臺，并采用科學的分析與管理策略，才能保證圖書館管理與用戶服務(wù)決策內(nèi)容全面、準確、連續(xù)和可評估[1]。
1圖書館大數(shù)據(jù)的環(huán)境特征、存在問題與分析需求
1.1大數(shù)據(jù)時代圖書館數(shù)據(jù)結(jié)構(gòu)的特征分類
大數(shù)據(jù)時代，圖書館數(shù)據(jù)主要由結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)組成。結(jié)構(gòu)化數(shù)據(jù)主要是指關(guān)系模型數(shù)據(jù)，即以關(guān)系型數(shù)據(jù)庫表形式管理的數(shù)據(jù)，主要由圖書館數(shù)據(jù)中心系統(tǒng)管理數(shù)據(jù)、監(jiān)控數(shù)據(jù)和部分符合關(guān)系模型數(shù)據(jù)特征的服務(wù)數(shù)據(jù)組成。半結(jié)構(gòu)化數(shù)據(jù)主要指那些非關(guān)系模型的、有基本固定結(jié)構(gòu)模式的數(shù)據(jù)，包括圖書館應(yīng)用日志文件、XML文檔、JSON文檔和電子郵件等。非結(jié)構(gòu)化數(shù)據(jù)主要指除去結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)以外的數(shù)據(jù)。此類數(shù)據(jù)沒有固定的結(jié)構(gòu)模式，主要由WORD、PDF、PPT、EXL文檔及各種格式的圖片和視頻等服務(wù)、監(jiān)控數(shù)據(jù)組成。在圖書館的大數(shù)據(jù)資源中，非結(jié)構(gòu)化數(shù)據(jù)約占據(jù)數(shù)據(jù)總量的80%以上，并以成倍的速度快速增長，大幅度增加了大數(shù)據(jù)系統(tǒng)的結(jié)構(gòu)復(fù)雜度，以及數(shù)據(jù)采集、存儲、處理、分析過程的難度與成本，嚴重影響了圖書館對用戶個性化服務(wù)進行大數(shù)據(jù)分析與決策的科學性、準確性、可用性和可控性[2]。
1.2圖書館的大數(shù)據(jù)分析環(huán)境十分復(fù)雜
大數(shù)據(jù)時代，圖書館通過數(shù)據(jù)中心系統(tǒng)監(jiān)測設(shè)備、閱讀傳感器信息接收、射頻ID數(shù)據(jù)采集、移動閱讀終端識別、用戶閱讀行為和數(shù)據(jù)流監(jiān)控等方式，獲取關(guān)于用戶服務(wù)過程和讀者閱讀行為的數(shù)據(jù)。
首先，圖書館數(shù)據(jù)中心的運營數(shù)據(jù)和龐大讀者群閱讀行為數(shù)據(jù)，具有海量、復(fù)雜、隨機、低價值密度和不可預(yù)測的特性，大幅度增加了數(shù)據(jù)的采集、存儲和標準化難度。其次，圖書館的大數(shù)據(jù)資源通常從多個用戶對象和數(shù)據(jù)源采集，數(shù)據(jù)類型包括圖像、文本、聲音、視頻等多種格式。同時，數(shù)據(jù)內(nèi)容涉及讀者的閱讀模式、閱讀關(guān)系、閱讀愛好、地理位置和時間等信息，具有多源異構(gòu)的特性。第三，圖書館所采集的數(shù)據(jù)中心系統(tǒng)和讀者行為數(shù)據(jù)，具有即時、海量的特點。要求大數(shù)據(jù)分析系統(tǒng)可通過在線實時分析過程，為用戶個性化服務(wù)提供快速的決策支持，滿足用戶個性化閱讀活動的實時性需求。第四，對雜亂無章的大數(shù)據(jù)資源進行深度挖掘和價值提取，并準確發(fā)現(xiàn)關(guān)系，是提高圖書館服務(wù)有效性和用戶滿意度的深層次知識，是建設(shè)智慧圖書館和為讀者提供智慧服務(wù)的關(guān)鍵。
1.3大數(shù)據(jù)分析的個性化服務(wù)需求
圖書館通過對系統(tǒng)管理與運營、用戶服務(wù)和讀者行為數(shù)據(jù)的分析，才能獲取大量有深度和有價值的信息。此外，利用大數(shù)據(jù)的支持可提高圖書館服務(wù)系統(tǒng)的管理和運營效率，保證讀者個性化閱讀服務(wù)過程安全、高效、滿意。
首先，圖書館在管理、運營和服務(wù)過程中，不同的應(yīng)用項目對大數(shù)據(jù)分析過程的數(shù)據(jù)處理性能、數(shù)據(jù)量、運算速度、精確性、實時性和多樣性要求不同。因此，在大數(shù)據(jù)分析過程中應(yīng)結(jié)合不同分析對象、過程的特點，采用恰當?shù)拇髷?shù)據(jù)分析方法與系統(tǒng)資源分配策略。其次，大數(shù)據(jù)分析過程應(yīng)緊密結(jié)合讀者個性化服務(wù)需求，在對讀者個性化閱讀需求和閱讀行為分析深度價值挖掘的前提下，根據(jù)服務(wù)場景特點實現(xiàn)精確、即時的個性化服務(wù)推薦。第三，大數(shù)據(jù)分析結(jié)果應(yīng)根據(jù)分析對象特點實現(xiàn)可視化的表現(xiàn)。圖書館可以交互的方式管理和分析數(shù)據(jù)，分析結(jié)果須反映用戶個性化閱讀活動和服務(wù)的多個屬性與變量，并以多種方式直觀、可視化地表現(xiàn)。
1.4大數(shù)據(jù)分析的數(shù)據(jù)質(zhì)量保證需求
圖書館大數(shù)據(jù)環(huán)境具有數(shù)據(jù)海量、類型復(fù)雜、處理速度高和價值密度低的特點，因此，在大數(shù)據(jù)采集、存儲、處理和分析過程中，如果不根據(jù)分析需求采取有效的質(zhì)量控制策略，則可能導(dǎo)致數(shù)據(jù)分析過程成本投入過高和分析效率下降現(xiàn)象發(fā)生。
首先，圖書館應(yīng)制定科學、可控的大數(shù)據(jù)分析管理策略，提高數(shù)據(jù)采集、處理與分析過程的效率與管理有效性，實現(xiàn)數(shù)據(jù)對象、分析技術(shù)與決策結(jié)果應(yīng)用三者的統(tǒng)一。其次，大數(shù)據(jù)主要由海量數(shù)據(jù)采集、存儲、管理、分析與挖掘、可視化表示和決策等技術(shù)組成，應(yīng)根據(jù)圖書館數(shù)據(jù)分析對象和質(zhì)量要求，選擇正確的大數(shù)據(jù)技術(shù)標準和大數(shù)據(jù)處理平臺，實現(xiàn)大數(shù)據(jù)分析資源、策略和平臺的最優(yōu)化結(jié)合。第三，大數(shù)據(jù)分析過程應(yīng)重點加強對數(shù)據(jù)可視化分析、數(shù)據(jù)挖掘與分析算法、預(yù)測性分析能力、數(shù)據(jù)采集質(zhì)量和分析過程科學性的管理，最終實現(xiàn)大數(shù)據(jù)分析過程的質(zhì)量可控[3]。
1.5大數(shù)據(jù)分析的目標定位
傳統(tǒng)IT環(huán)境下，圖書館在對讀者閱讀需求分析和服務(wù)模式定位時，通常會以自身工作經(jīng)驗、感性認識和知識積累為依據(jù)，而不是依靠大數(shù)據(jù)分析結(jié)果為基礎(chǔ)獲得科學、理性的實證分析，因此分析過程和知識獲取具有較強的盲目性和局限性。隨著大數(shù)據(jù)技術(shù)在圖書館應(yīng)用的不斷深入，圖書館應(yīng)通過科學采集和分析大數(shù)據(jù)資源提升自身的運營效率、服務(wù)質(zhì)量和競爭優(yōu)勢。
圖書館大數(shù)據(jù)分析的目標首先應(yīng)是對讀者閱讀需求、大數(shù)據(jù)服務(wù)環(huán)境、讀者閱讀行為和閱讀模式變革、個性化服務(wù)風險的精確定位和預(yù)測，為讀者個性化閱讀服務(wù)內(nèi)容、方法與模式的變革提供可靠的數(shù)據(jù)支持。其次，可通過大數(shù)據(jù)挖掘來發(fā)現(xiàn)、優(yōu)化圖書館服務(wù)資源的配置，不斷提高服務(wù)管理質(zhì)量、決策水平、系統(tǒng)運營效率和用戶滿意度。第三，大數(shù)據(jù)分析應(yīng)準確定位用戶服務(wù)的風險和市場競爭環(huán)境，及時分析、發(fā)現(xiàn)和預(yù)測用戶個性化服務(wù)過程中存在的安全威脅與不穩(wěn)定因素，提高讀者個性化服務(wù)的安全性和可靠性。
1.6大數(shù)據(jù)分析的風險可控需求
大數(shù)據(jù)時代，圖書館大數(shù)據(jù)資源主要由傳感器設(shè)備采集數(shù)據(jù)、網(wǎng)絡(luò)監(jiān)控和讀者服務(wù)調(diào)查數(shù)據(jù)、移動服務(wù)商共享數(shù)據(jù)、閱讀終端反饋數(shù)據(jù)、射頻ID數(shù)據(jù)等組成。首先，圖書館大數(shù)據(jù)資源呈現(xiàn)數(shù)據(jù)總量快速激增、分散存儲和異構(gòu)數(shù)據(jù)協(xié)同整合的趨勢，導(dǎo)致數(shù)據(jù)管理、存儲、傳輸與分析難度增大。其次，隨著數(shù)據(jù)源的不斷擴展和結(jié)構(gòu)復(fù)雜性增強，大數(shù)據(jù)資源呈現(xiàn)多樣性、低價值密度、價值挖掘難度大、錯誤或無用數(shù)據(jù)占數(shù)據(jù)總量比例上升現(xiàn)象。第三，數(shù)據(jù)分析師的專業(yè)素質(zhì)、大數(shù)據(jù)平臺結(jié)構(gòu)科學性、預(yù)測與分析軟件的可用性、分析結(jié)果對圖書館服務(wù)與讀者滿意度提升有效性等因素，也是關(guān)系圖書館大數(shù)據(jù)分析效率和風險可控的重要因素[4]。
2圖書館大數(shù)據(jù)分析流程與數(shù)據(jù)分析平臺構(gòu)建策略
2.1圖書館大數(shù)據(jù)平臺數(shù)據(jù)分析的流程
圖書館大數(shù)據(jù)平臺信息分析流程圖主要由數(shù)據(jù)源、數(shù)據(jù)采集與存儲、數(shù)據(jù)過濾與價值提取、知識發(fā)現(xiàn)、預(yù)測分析與決策五部分組成，如圖1所示：
圖1圖書館大數(shù)據(jù)平臺信息分析流程圖
圖書館大數(shù)據(jù)資源主要由系統(tǒng)監(jiān)控器、視頻監(jiān)控、射頻信號識別、閱讀終端設(shè)備、網(wǎng)絡(luò)監(jiān)控器和閱讀傳感器等數(shù)據(jù)源組成。數(shù)據(jù)采集與存儲平臺利用云計算、數(shù)據(jù)集成等技術(shù)，對數(shù)據(jù)源進行數(shù)據(jù)的采集與存儲，為上層提供高效的數(shù)據(jù)存儲與管理服務(wù)。數(shù)據(jù)過濾與價值提取層，可對底層采集的海量數(shù)據(jù)進行數(shù)據(jù)過濾和價值提取，并在減少所采集大數(shù)據(jù)資源總量和提高價值密度的前提下，降低大數(shù)據(jù)挖掘與分析系統(tǒng)的負荷。知識發(fā)現(xiàn)層可對下層傳輸?shù)男畔⑦M行深度挖掘，并從信息中發(fā)現(xiàn)知識，實現(xiàn)讀者需求、閱讀行為、系統(tǒng)管理和讀者群關(guān)系的精確發(fā)現(xiàn)。預(yù)測分析與決策層是分析流程的最高層，可對用戶需求、未來閱讀模式發(fā)展趨勢、服務(wù)系統(tǒng)運行、安全隱患和市場環(huán)境變化進行智慧分析和預(yù)測，并對圖書館個性化智慧服務(wù)的模式、策略、內(nèi)容和安全防范措施進行決策與評估[5]。
2.2圖書館大數(shù)據(jù)分析平臺的構(gòu)建策略
2.2.1增強圖書館對大數(shù)據(jù)資源的智慧分析能力
增強對大數(shù)據(jù)資源的智慧分析能力，是圖書館樹立以“智慧分析和決策”為核心的大數(shù)據(jù)戰(zhàn)略思想，以及高效整合大數(shù)據(jù)平臺價值體系和科學分配、調(diào)度系統(tǒng)資源，利用大數(shù)據(jù)支持提高圖書館讀者個性化服務(wù)風險預(yù)測、分析與決策、讀者閱讀體驗、系統(tǒng)運營整體效率和市場競爭力的重要內(nèi)容。
首先，圖書館應(yīng)依靠大數(shù)據(jù)資源的支持，提高對讀者閱讀需求、內(nèi)容、方法和模式的預(yù)測和判斷能力，明確讀者未來個性化閱讀活動的時間、地點、對象、方法和內(nèi)容，并在提高個性化服務(wù)針對性和質(zhì)量的前提下，降低用戶服務(wù)的成本投入。其次，增強圖書館大數(shù)據(jù)的智慧分析能力，就是要將以大數(shù)據(jù)資源為核心的圖書館服務(wù)能力建設(shè)，轉(zhuǎn)變?yōu)橐源髷?shù)據(jù)資源采集、處理、建模、分析和系統(tǒng)反饋、優(yōu)化全過程為核心的綜合保障，確保大數(shù)據(jù)智慧分析過程安全、高效、可用和可控。第三，圖書館應(yīng)根據(jù)大數(shù)據(jù)分析的對象、內(nèi)容和質(zhì)量要求，選擇科學、高效、快速和經(jīng)濟的分析算法，確保對大數(shù)據(jù)資源有較高的質(zhì)量和知識提取效率，并且分析平臺可自動、智能地從數(shù)據(jù)中提取高價值密度的信息。第四，圖書館大數(shù)據(jù)的智慧分析平臺應(yīng)具備實時分析和可視化分析能力，可將分析結(jié)果準確、快速、友好和多模式地表示，確保讀者個性化閱讀服務(wù)過程具有較強的前瞻性、即時性和可控性[6]。
2.2.2大數(shù)據(jù)分析應(yīng)以讀者個性化服務(wù)需求為中心
大數(shù)據(jù)時代，圖書館應(yīng)以讀者個性化需求與服務(wù)為中心，逐步建立依據(jù)用戶需求、業(yè)務(wù)優(yōu)先等級和服務(wù)收益為標準的大數(shù)據(jù)戰(zhàn)略目標，才能有效提高大數(shù)據(jù)采集、處理、整合、分析和決策的效率。
首先，圖書館應(yīng)通過對用戶閱讀反饋與服務(wù)系統(tǒng)運營大數(shù)據(jù)信息的監(jiān)測、分析，提高大數(shù)據(jù)平臺對用戶個性化服務(wù)安全隱患、突發(fā)事件、服務(wù)質(zhì)量潛在風險的預(yù)測、判斷和評估能力，為安全防范策略的制定與實施提供科學的數(shù)據(jù)支持。同時，還應(yīng)通過對用戶閱讀需求、閱讀內(nèi)容和閱讀環(huán)境的準確預(yù)測，提高讀者個性化閱讀滿意度并降低客戶流失率。其次，大數(shù)據(jù)分析過程應(yīng)以絕大多數(shù)讀者的海量閱讀行為數(shù)據(jù)為基礎(chǔ)，不能為了降低數(shù)據(jù)采集、存儲、處理和分析成本而采取用戶抽樣的方法，避免因所采集的個別讀者最小量行為樣本數(shù)據(jù)的片面、局限性，而影響分析結(jié)果的全面性和準確性。第三，大數(shù)據(jù)分析應(yīng)以讀者閱讀時限需求為依據(jù)，對于用戶多媒體閱讀需求預(yù)測、用戶行為即時分析、安全風險監(jiān)控與評估等大數(shù)據(jù)應(yīng)用，應(yīng)采用海量數(shù)據(jù)實時分析的方法，確保大數(shù)據(jù)服務(wù)過程具有較高的安全性、質(zhì)量保證和可靠性。而對于離線統(tǒng)計分析、機器學習、服務(wù)策略評估與優(yōu)化等實時性要求不高的大數(shù)據(jù)分析，則可采用離線數(shù)據(jù)分析的方法，在保證滿足系統(tǒng)管理和服務(wù)需求的前提下大幅度降低大數(shù)據(jù)分析成本[7]。
2.2.3構(gòu)建科學、高效和經(jīng)濟的大數(shù)據(jù)分析中心
圖書館構(gòu)建科學、高效和經(jīng)濟的大數(shù)據(jù)分析中心，重點應(yīng)加強大數(shù)據(jù)分析中心架構(gòu)科學性、數(shù)據(jù)存儲效率和數(shù)據(jù)分析能力建設(shè)三部分內(nèi)容。
首先，圖書館大數(shù)據(jù)信息具有數(shù)據(jù)源多樣性、數(shù)據(jù)海量、數(shù)據(jù)傳輸時效性要求高和處理速度快的特點。因此，大數(shù)據(jù)分析中心架構(gòu)必須科學、開放、異構(gòu)、透明、跨平臺和具備智能化管理的功能，并擁有較高的IT架構(gòu)智慧管理、智能計算和低碳運營能力，可通過智慧管理實現(xiàn)數(shù)據(jù)采集存儲、計算、分析、決策的精細化管理與資源最優(yōu)化配置。其次，隨著圖書館大數(shù)據(jù)資源總量和存儲標準的增長，圖書館應(yīng)依據(jù)大數(shù)據(jù)源位置、數(shù)據(jù)分析流程和數(shù)據(jù)流傳輸時延，構(gòu)建高性能的光纖通道存儲區(qū)域網(wǎng)絡(luò)，滿足大數(shù)據(jù)平臺實時分析過程對數(shù)據(jù)高速即時傳輸?shù)男枨蟆Ｍ瑫r，數(shù)據(jù)存儲應(yīng)采用虛擬化和分布式多節(jié)點存儲方法，將大數(shù)據(jù)資源存儲在位于不同地理位置的圖書館子數(shù)據(jù)中心里，在保證大數(shù)據(jù)資源準確、可控和可快速更新的前提下，確保大數(shù)據(jù)資源存儲管理安全、高效、快捷和經(jīng)濟。第三，圖書館大數(shù)據(jù)分析能力的提升，是一個關(guān)系數(shù)據(jù)中心IT基礎(chǔ)設(shè)施架構(gòu)科學性、數(shù)據(jù)分析算法有效性、數(shù)據(jù)中心系統(tǒng)整體優(yōu)化、數(shù)據(jù)分析過程可視的綜合問題。因此，圖書館應(yīng)重點解決好大數(shù)據(jù)平臺計算資源管理與分配、分析算法科學性與可擴展性、分析系統(tǒng)安全性與穩(wěn)定性、數(shù)據(jù)傳輸網(wǎng)絡(luò)效率、數(shù)據(jù)分析平臺的能耗與低碳等問題。此外，還應(yīng)加強大數(shù)據(jù)分析平臺的智能化與機器自我學習能力，保證分析系統(tǒng)可根據(jù)分析對象和內(nèi)容的變化，對分析算法和過程進行智能的調(diào)整與優(yōu)化[8]。
2.2.4確保大數(shù)據(jù)資源具有較高的安全、可用性
大數(shù)據(jù)環(huán)境下，只有保證大數(shù)據(jù)資源具有較高的安全、可用性，才能保證圖書館大數(shù)據(jù)分析過程安全、高效、可控和經(jīng)濟，才能保證分析結(jié)果全面、準確、可用和可對系統(tǒng)管理與用戶服務(wù)進行實踐指導(dǎo)。
首先，圖書館在用戶行為與閱讀社會關(guān)系數(shù)據(jù)采集過程中，應(yīng)將讀者的個人隱私保護放在首要位置。讀者必須擁有對自身數(shù)據(jù)采集、存儲、分析和共享的知情權(quán)與決定權(quán)，圖書館不能隨意監(jiān)測、采集、使用和泄露用戶隱私數(shù)據(jù)。其次，圖書館應(yīng)建立科學的大數(shù)據(jù)資源采集、存儲和分析流程，不斷提高存儲架構(gòu)科學性和分析過程可行性。同時，應(yīng)通過對大數(shù)據(jù)資源的過濾和價值挖掘，不斷降低大數(shù)據(jù)資源總量并提高數(shù)據(jù)的價值密度，最終建立與讀者個性化服務(wù)相匹配的數(shù)據(jù)分析流程。此外，還應(yīng)防止大數(shù)據(jù)分析過程出現(xiàn)經(jīng)驗主義和長官意志現(xiàn)象。第三，大數(shù)據(jù)資源的安全與可用性保障內(nèi)容，應(yīng)重點放在提高數(shù)據(jù)準確性、存儲適用性、可搜索與查詢性、數(shù)據(jù)集可擴展性與穩(wěn)定性四個方面，這樣才能確保數(shù)據(jù)采集、抽取、清理、分類管理、轉(zhuǎn)換和加載過程規(guī)范、標準化[9]。
3結(jié)語
大數(shù)據(jù)時代，讀者對圖書館個性化服務(wù)的內(nèi)容、模式和服務(wù)質(zhì)量有了更高的要求。同時，大數(shù)據(jù)環(huán)境數(shù)據(jù)量與數(shù)據(jù)結(jié)構(gòu)復(fù)雜度的快速增長，也給圖書館大數(shù)據(jù)的準確、高效、快速和深度分析帶來了挑戰(zhàn)。圖書館在大數(shù)據(jù)平臺數(shù)據(jù)分析能力建設(shè)中，應(yīng)堅持以用戶需求和服務(wù)質(zhì)量保障為中心，重點加強在大數(shù)據(jù)資源采集、存儲、處理、分析和決策過程中的數(shù)據(jù)管理科學性與效率。同時，在大幅度降低大數(shù)據(jù)資源總量和數(shù)據(jù)分析平臺系統(tǒng)負荷的前提下，不斷提高大數(shù)據(jù)分析平臺的系統(tǒng)結(jié)構(gòu)科學性、分析系統(tǒng)運行效率、分析算法可用性和大數(shù)據(jù)資源的價值密度，確保大數(shù)據(jù)分析過程安全、高效、快速和經(jīng)濟，為讀者個性化服務(wù)和圖書館智慧管理提供科學、全面、即時和可靠的大數(shù)據(jù)分析與決策支持[10]。
參考文獻：
[ 1 ][英]維克托?邁爾-舍恩伯格，肯尼思?庫克耶.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].盛楊燕，周濤，譯.杭州:浙江人民出版社，2013：1-15.
[ 2 ]李晨暉，崔建明，陳超泉.大數(shù)據(jù)知識服務(wù)平臺構(gòu)建關(guān)鍵技術(shù)研究[J].情報資料工作，2013（2）：29-34.
[ 3 ]張延松，焦敏，王占偉，等．海量數(shù)據(jù)分析的One-size-fits-all OLAP技術(shù)[J].計算機學報，2011，34（10）：1936－1946.
[ 4 ]覃雄派，王會舉，杜小勇，等.大數(shù)據(jù)分析：RDBMS與MapReduce的競爭與共生[J].軟件學報，2012，23（1）：32-45.
[ 5 ]漆晨曦.電信企業(yè)大數(shù)據(jù)分析、應(yīng)用及管理發(fā)展策略[J].電信科學，2013（3）：12-16.
[ 6 ]沈來信，王偉.基于Tree－Lib的大數(shù)據(jù)實時分析研究[J].計算機科學，2013，40（6）：192-196.
[ 7 ]Russom P. Big Data Analytics[R].Tdwi Best Practices Report. Fourth Quarter，2011：15-21.
[ 8 ]王柯柯，崔貫勛，倪偉，等．基于單元的快速的大數(shù)據(jù)集離群數(shù)據(jù)挖掘算法[J].重慶郵電大學學報：自然科學版，2010，22（5）：673-677.
[ 9 ]唐杰，楊洋.移動社交網(wǎng)絡(luò)中的用戶行為預(yù)測模型[J].中國計算機學會通訊，2012，8（5）：21-25.
[10]王珊，王會舉，覃雄派，等.架構(gòu)大數(shù)據(jù)：挑戰(zhàn)、現(xiàn)狀與展望[J].計算機學報，2011，34（10）：1741-1752.
一、以“復(fù)合型”人才培養(yǎng)為目標創(chuàng)新教學培養(yǎng)模式
應(yīng)用統(tǒng)計專業(yè)學位的設(shè)立是為了適應(yīng)現(xiàn)代統(tǒng)計事業(yè)發(fā)展對應(yīng)用統(tǒng)計專門人才的需要而設(shè)置的，它的培養(yǎng)目標主要是讓學生掌握扎實的理論基礎(chǔ)和系統(tǒng)的專業(yè)知識和技能，具備數(shù)據(jù)采集、整理、分析和開發(fā)的能力，能夠從事統(tǒng)計調(diào)查咨詢、數(shù)據(jù)分析等“應(yīng)用型”統(tǒng)計專門人才[5]110-111。然而，在大數(shù)據(jù)環(huán)境下實現(xiàn)的數(shù)據(jù)分析已不再局限于某一類特殊的行業(yè)統(tǒng)計分析需要，各行各業(yè)的運作發(fā)展都越來越依賴于大數(shù)據(jù)環(huán)境的存儲、計算、統(tǒng)計分析與決策。對于多樣化的大數(shù)據(jù)集，其所涉及的內(nèi)容和知識結(jié)構(gòu)必然是不同學科的交叉應(yīng)用。大數(shù)據(jù)時代的數(shù)據(jù)分析專業(yè)人才的培養(yǎng)目標并不僅僅是傳統(tǒng)的數(shù)據(jù)收集、整理與分析，而是需要掌握能適應(yīng)大數(shù)據(jù)特點的新的研究方法和獨立分析的能力，能很好地融會貫通其他專業(yè)的知識內(nèi)涵，成為真正意義的專業(yè)大數(shù)據(jù)分析人才。然而傳統(tǒng)的統(tǒng)計學人才培養(yǎng)目標和教學模式并不符合社會對大數(shù)據(jù)分析專業(yè)能力的要求。參考和借鑒文獻[6-7]8-9,226提出來的一些建議，筆者探索從以下幾個方面對人才培養(yǎng)目標和教學培養(yǎng)模式進行改革：（一）走出校園，深入社會，挖掘并歸納出社會用人單位對數(shù)據(jù)分析專業(yè)職位技能和能力素質(zhì)要求，進而制定符合社會需求的人才培養(yǎng)目標，以市場需求為導(dǎo)向更好地指導(dǎo)教學實踐活動。為了更好地為用人單位輸送符合大數(shù)據(jù)時代需求的專業(yè)數(shù)據(jù)分析人才，嘗試對高年級學生的培養(yǎng)方案設(shè)計中考慮以崗位需求為標準靈活調(diào)整和制定相應(yīng)的培養(yǎng)目標和內(nèi)容。（二）參考國外本科生專業(yè)人才培養(yǎng)的先進理念，引入“協(xié)作式”培養(yǎng)模式，大力支持大型企業(yè)與高校合作或高校與高校合作培養(yǎng)復(fù)合型和開發(fā)型人才。各個高校、企業(yè)可以發(fā)揮各自專業(yè)特長來實現(xiàn)合作，高校的不同專業(yè)之間也應(yīng)該加強溝通和協(xié)作，例如在制定應(yīng)用統(tǒng)計專業(yè)數(shù)據(jù)分析人才培養(yǎng)方案及實施過程中，可以以統(tǒng)計學科所在的學院為主導(dǎo)，讓計算機學科、經(jīng)濟、金融及管理學科等相關(guān)學院協(xié)作參與完成[8-9]60-64。（三）總結(jié)教學過程存在的不足，探索新的知識學習和能力培養(yǎng)的創(chuàng)新模式。目前的教學活動主要以老師獨立授課，學生被動接受知識為主的方式，培養(yǎng)過程計劃性強，缺乏彈性，培養(yǎng)的評價也過于單一。在本科生培養(yǎng)中可以引入課程學習、導(dǎo)師指導(dǎo)和科學研究三個階段，考慮采用導(dǎo)師指導(dǎo)與集體培養(yǎng)相結(jié)合的方式，一門專業(yè)課程的講授不再局限于單個老師完成，在培養(yǎng)方案中考慮主題分組方式，鼓勵授課教師根據(jù)自己的專業(yè)特點和知識背景共同參與一門課程的教學活動。多名教師協(xié)同工作的模式可以取長補短，在大數(shù)據(jù)分析的實際案例設(shè)計及課程內(nèi)容上都更加貼近實際需求，產(chǎn)生更好的教學效果[6]8-9。
二、基于大數(shù)據(jù)分析的特點科學構(gòu)建課程體系
大數(shù)據(jù)背景下，人們可以通過互聯(lián)網(wǎng)、數(shù)據(jù)庫以及各種通信工具獲得海量數(shù)據(jù)，人們?nèi)粘Ｉ睢W習和工作的各類事物都可以實現(xiàn)信息化，世界幾乎是由各種信息和數(shù)據(jù)所構(gòu)成的。大數(shù)據(jù)的特點可以歸結(jié)為四個V,數(shù)量大（Volume）、類型繁多（Variety）、價值密度低（Value）、速度快時效高(Velocity)[6]8-9。大數(shù)據(jù)的真正意義不在于能提供龐大的數(shù)據(jù)量，而是對海量的數(shù)據(jù)進行專業(yè)的處理和分析，并從中獲取用戶關(guān)注的信息。結(jié)合當前互聯(lián)網(wǎng)應(yīng)用中大數(shù)據(jù)本身的特點，從大數(shù)據(jù)中挖掘出重要知識并對之深度學習和分析的工具和方法也應(yīng)與時俱進地發(fā)生改變，傳統(tǒng)的統(tǒng)計方法和統(tǒng)計分析工具已無法滿足大數(shù)據(jù)分析的需要。然而，在大多數(shù)高等院校中，統(tǒng)計學專業(yè)人才培養(yǎng)的課程體系并沒有考慮社會的實際應(yīng)用需求，仍然停留在以傳統(tǒng)的統(tǒng)計模型框架為主導(dǎo)的課程體系設(shè)置，本科生教育的主要專業(yè)課程包括：數(shù)學分析、高等概率論與數(shù)理統(tǒng)計、應(yīng)用隨機過程、回歸分析和多元統(tǒng)計分析等[10]248-249，這些課程內(nèi)容和知識結(jié)構(gòu)還不足以滿足大數(shù)據(jù)時代對數(shù)據(jù)分析專業(yè)人才知識結(jié)構(gòu)的要求，課程體系設(shè)置中缺少能有效整合的數(shù)據(jù)分析能力培養(yǎng)模塊[11]66-68。因此，有必要針對各類院校師生各自的專業(yè)特點和學科基礎(chǔ)，分層次、分階段地展開課程體系改革。（一）參考國內(nèi)外先進高校大數(shù)據(jù)分析專業(yè)的課程設(shè)置，結(jié)合本校的師資和專業(yè)結(jié)構(gòu)特點采取靈活的策略制定課程計劃，在實施學分制改革的高校中各類學生可以在學業(yè)導(dǎo)師指導(dǎo)下實施符合學生自身特點的課程學習方案。（二）以大數(shù)據(jù)分析人才需求驅(qū)動的課程體系改革要考慮市場的行業(yè)需求變化、大數(shù)據(jù)應(yīng)用中跨學科的特點。素質(zhì)好的數(shù)據(jù)分析人員不僅僅要具備專業(yè)的數(shù)據(jù)分析能力，還應(yīng)該對具體數(shù)據(jù)中涉及的學科知識有較好的儲備，能將不同行業(yè)的專業(yè)知識與數(shù)據(jù)分析緊密關(guān)聯(lián)起來，實現(xiàn)大數(shù)據(jù)分析的效用最大化。此外，在充分借鑒國內(nèi)外大學成功經(jīng)驗的基礎(chǔ)上，課程設(shè)置應(yīng)該與學生的學術(shù)傾向和基礎(chǔ)能力緊密結(jié)合，注重基礎(chǔ)課程教育的同時強調(diào)文理滲透，同時要兼顧學生的興趣與學習的聯(lián)系，在課程體系的設(shè)置中需要增設(shè)一些多領(lǐng)域、跨學科的選修課程，如經(jīng)濟學、金融學、保險學、管理學和會計學等。因此，校內(nèi)跨學科或高校與高校之間聯(lián)合培養(yǎng)是實現(xiàn)跨學科課程建設(shè)的有效方法之一。（三）科學構(gòu)建課程體系的主要思路還包括根據(jù)大數(shù)據(jù)時代需求，對專業(yè)必修和專業(yè)選修課程在課程時間、順序及內(nèi)容等方面進行改革。專業(yè)必修課程重點內(nèi)容為統(tǒng)計學和計算機科學的交叉部分，在講授統(tǒng)計基礎(chǔ)理論（如多元統(tǒng)計、決策樹、時間序列等）課程基礎(chǔ)上設(shè)置大數(shù)據(jù)案例分析課程，在案例分析過程中讓學生實際操作企業(yè)當前應(yīng)用的大數(shù)據(jù)計算平臺[6]8-9，從而增強學生大規(guī)模分布式計算技能。為提高學生的實際動手和二次開發(fā)能力，專業(yè)選修課程需更多地開設(shè)與數(shù)據(jù)挖掘及面向數(shù)據(jù)的編程語言相關(guān)的課程，如數(shù)據(jù)挖掘算法、C++、Java和Python等課程，強化學生的數(shù)據(jù)挖掘和分析能力。
三、基于協(xié)同創(chuàng)新的理念開展實踐教學改革
近幾年，隨著應(yīng)用型、創(chuàng)新型人才培養(yǎng)目標的提出，學校越來越重視和加強對各類專業(yè)人才實踐教學能力的培養(yǎng)，以“數(shù)據(jù)分析”為方向的專業(yè)人才需要運用統(tǒng)計分析軟件對數(shù)據(jù)進行分析和決策，其實踐教學的重要性更是不言而喻。然而，在大數(shù)據(jù)被廣泛應(yīng)用的時代背景下，高等院校中的實踐教學仍然是培養(yǎng)高層次“大數(shù)據(jù)分析”人才的薄弱環(huán)節(jié)，實踐教學教材及內(nèi)容不規(guī)范、教學方法單一、軟硬件的更新以及師資儲備等方面都存在著一些問題[12]96-97。例如以模型驅(qū)動為主的實踐教學模式已不適應(yīng)大數(shù)據(jù)時代的要求，大數(shù)據(jù)時代數(shù)據(jù)是海量且復(fù)雜的，用簡單的SPSS、Eviews為主的軟件教學已無法處理大數(shù)據(jù)[5]110-111。因此，學習其他知名高校構(gòu)建的協(xié)同創(chuàng)新的理念，結(jié)合財經(jīng)類院校的統(tǒng)計學科及人才培養(yǎng)的特點，開展實踐教學改革[13]248-249。對“數(shù)據(jù)分析”專業(yè)人才實踐教學改革，筆者的建議如下：（一）根據(jù)協(xié)同創(chuàng)新理念，解決實踐教學環(huán)節(jié)存在的實驗教材（教學內(nèi)容）缺乏實用性的問題，一方面可以參考企業(yè)對數(shù)據(jù)分析師、調(diào)查分析師資格認證相關(guān)培訓教材，開發(fā)實用性強的《數(shù)據(jù)分析》實踐教材，另一方面學校可以和企業(yè)或其他高校定期舉辦交流座談會，面向企業(yè)需求甄選實踐教學內(nèi)容。（二）高素質(zhì)的師資隊伍對人才的培養(yǎng)無疑起著至關(guān)重要的作用，在提高指導(dǎo)教師理論和實踐能力方面，借鑒協(xié)同創(chuàng)新聯(lián)合培養(yǎng)的模式可以有效充分地利用企業(yè)、學校的各方面師資資源。例如北京大學、中國科學院、中國人民大學、中央財經(jīng)大學、首都經(jīng)濟貿(mào)易大學5所高校已經(jīng)與政府部門和產(chǎn)業(yè)界簽署了聯(lián)合培養(yǎng)大數(shù)據(jù)分析應(yīng)用人才的合作協(xié)議[14]。廣東財經(jīng)大學也可以參照類似聯(lián)合培養(yǎng)的做法，和廣東其他高校、政府和企業(yè)合作。一方面企業(yè)或政府可以利用自身的資源為高校提供人才培養(yǎng)實習基地，并且引薦相關(guān)的技術(shù)人員聘為校外實習導(dǎo)師，指導(dǎo)學生在實習實踐中建立以問題為導(dǎo)向，以項目為牽引的運作機制，讓學生能夠理論聯(lián)系實際，切身體會數(shù)據(jù)分析的商業(yè)操作體系。另一方面，由于高校的專業(yè)教師缺乏社會實踐的機會和經(jīng)驗，高校應(yīng)該制定政策鼓勵并推薦相關(guān)專業(yè)教師走出學校、走進企業(yè)，密切與企業(yè)合作交流，從而更進一步地提高教師對復(fù)合型專業(yè)學位人才培養(yǎng)的能力[15]29-32。（三）為了激發(fā)學生的學習熱情，減少對實踐操作的畏難情緒，實驗課程的教學方法也需要探索創(chuàng)新性實踐教育模式。教學過程可以考慮靈活的制定團隊教學計劃、案例實戰(zhàn)分析、模擬實訓等多樣化的方式，減少單一的課堂內(nèi)容講授，在理論和實踐教學環(huán)節(jié)中積極調(diào)動學生的主觀能動性，提供更真實的企業(yè)大數(shù)據(jù)應(yīng)用環(huán)境，并以學生為主完成實際案例分析。此外，基于不同的授課對象的特點，老師在教學過程中也要適當考慮學生的興趣和需求，隨時調(diào)整實驗教學策略[9]。
大數(shù)據(jù)時代，人類的工作和生活都與大數(shù)據(jù)息息相關(guān)，各類行業(yè)的發(fā)展也和大數(shù)據(jù)中的海量信息密切相關(guān)，數(shù)據(jù)及其分析將成為決策唯一的依據(jù)。因此，各行各業(yè)都將需要擁有大數(shù)據(jù)分析能力的統(tǒng)計學專業(yè)人才。各類高等院校作為人才培養(yǎng)的重要載體，更是承載了培養(yǎng)能適應(yīng)大數(shù)據(jù)環(huán)境下數(shù)據(jù)分析專業(yè)人才的重要使命。文章從完善人才培養(yǎng)的目標出發(fā)，總結(jié)和分析了傳統(tǒng)的統(tǒng)計學及數(shù)據(jù)分析人才培養(yǎng)在大數(shù)據(jù)環(huán)境下存在的問題，并基于大數(shù)據(jù)的特點提出了課程體系和內(nèi)容的改革思考，并在此基礎(chǔ)上提出了面向大數(shù)據(jù)分析的課程實驗教學方法，探討如何提高本科生理論與實踐結(jié)合的綜合能力，為大數(shù)據(jù)時代下數(shù)據(jù)分析專業(yè)人才培養(yǎng)改革提供新的思路和參考。
作者:溫雅敏 龔征 單位:廣東財經(jīng)大學 華南師范大學
與此相適應(yīng)，會計信息管理專業(yè)的人才培養(yǎng)課程體系體現(xiàn)為會計學基礎(chǔ)課程、數(shù)據(jù)分析技術(shù)課程以及決策能力提升課程等三個層次。
0 引 言
2012年以來，鋪天蓋地的大數(shù)據(jù)進入了我們的視線，各種流行書籍，各大網(wǎng)站、媒體都在談?wù)摯髷?shù)據(jù)，一時間成為這個時代最熱門的話題。同時，這也引起了我們的關(guān)注。我們說，大數(shù)據(jù)，不單純是數(shù)據(jù)規(guī)模上的大，還在多樣性、速度、精確性上都有突破性增長。更重要的是，這種數(shù)據(jù)的潛在價值也是舊有數(shù)據(jù)難以企及的。我們這里暫且不論如何駕馭大數(shù)據(jù)以及有什么樣的技術(shù)要求，它給我們的一點重要啟示就是要注重數(shù)據(jù)分析的重要性。在此背景下，深圳信息職業(yè)技術(shù)學院會計信息管理專業(yè)積極探索滿足新形勢下人才需求的培養(yǎng)模式，使人才更好地滿足當前企業(yè)的實際需要。
1 大數(shù)據(jù)時代背景引發(fā)對人才需求的變革
可以說，在未來的競爭領(lǐng)域，“占領(lǐng)市場必須先占有數(shù)據(jù)”，也就是要做到基于信息的決策——“用數(shù)據(jù)說話，做理性決策”，即進行數(shù)據(jù)分析。數(shù)據(jù)分析是從海量的數(shù)據(jù)中提取和挖掘出對企業(yè)有價值的規(guī)律和趨勢，為企業(yè)的決策提供支持，這些支持體現(xiàn)在四個方面：①行為預(yù)見鏡——幫助企業(yè)識別機會、規(guī)避風險;②問題良藥——幫助企業(yè)診斷問題、亡羊補牢;③跟蹤檢測——幫助企業(yè)評估效果，提升效益;④引力動力器——幫助企業(yè)提高效率，加強管理。
不可否認，個別公司的決策人具有超人的戰(zhàn)略眼光以及敏銳的洞察力，單靠直覺也能給公司帶來巨大價值。那么究竟靠數(shù)據(jù)分析的決策能否優(yōu)于直覺決策，我們這里也要靠數(shù)據(jù)說話。有學者比較了組織中用直覺決策以及用數(shù)據(jù)分析決策的可能性，研究發(fā)現(xiàn)，業(yè)績優(yōu)秀的組織更多地傾向于采用分析決策，尤其是在財務(wù)管理、運營、戰(zhàn)略等方面。因此，可以推斷，用數(shù)據(jù)分析決策比直覺決策能給企業(yè)帶來更大的價值。與此同時，根據(jù)智聯(lián)招聘網(wǎng)站顯示，短短兩年時間，珠三角地區(qū)數(shù)據(jù)分析人才需求已接近了需求量旺盛的傳統(tǒng)會計專業(yè)。可見，越來越多的公司需要能夠?qū)矩攧?wù)等相關(guān)信息數(shù)據(jù)進行處理、加工、分析以為公司管理層決策提供信息支持的人才。
可以說，傳統(tǒng)會計專業(yè)注重會計核算，即財務(wù)報表編制的整個流程及環(huán)節(jié)的掌握，而會計信息管理專業(yè)更注重對財務(wù)報表數(shù)據(jù)以及其他有用信息數(shù)據(jù)的再加工、處理、分析及呈報，以滿足管理層經(jīng)營決策的需要。 可以說，不同的社會發(fā)展階段和發(fā)展水平要求有不同的專業(yè)設(shè)置及專業(yè)培養(yǎng)目標與之適應(yīng)。從會計電算化到會計信息管理背后的推動力是時代的變革引發(fā)的對人才的需求。
然而，從當前會計信息管理專業(yè)的建設(shè)情況來看，多數(shù)院校存在培養(yǎng)目標不清晰、沒有明確的專業(yè)定位、與會計電算化等專業(yè)沒有明顯區(qū)分以及缺乏明確的專業(yè)核心課程等突出問題，尤其是對會計信息管理專業(yè)名稱中“信息”二字究竟如何體現(xiàn)沒有清晰的把握和界定。 因此，會計信息管理專業(yè)的人才培養(yǎng)模式亟需變革。
2 大數(shù)據(jù)時代背景下會計信息管理人才工作崗位及能力分析
深圳信息職業(yè)技術(shù)學院2012年成功申報會計信息管理新專業(yè)，并于2013年下半年開始首屆招生。與此同時，會計信息管理的專業(yè)定位、培養(yǎng)目標、課程體系也成為擺在專業(yè)任課教師面前的重大課題。近幾年來，全體專任教師圍繞會計信息管理專業(yè)建設(shè)展開了一系列的咨詢、調(diào)研、走訪，并定期進行討論、交流，扎扎實實了解實際中的人才需求，實現(xiàn)專業(yè)人才供給與人才需求無縫對接。到目前，初步形成了具有專業(yè)特色的會計信息管理專業(yè)建設(shè)思路與方法。
首先，會計信息管理專業(yè)人才就業(yè)崗位主要集中在賬務(wù)處理、管理會計、財務(wù)數(shù)據(jù)分析、預(yù)算管理、成本管理、資金管理及內(nèi)部控制等方面。具體工作任務(wù)體現(xiàn)在：會計核算，納稅申報，管理會計，財務(wù)數(shù)據(jù)處理、加工、分析及呈報，以及預(yù)算、成本、資金管理等。
其次，在新形勢下會計信息管理人才的工作崗位領(lǐng)域，會計信息管理專業(yè)人才應(yīng)具備如下三方面能力：
①會計核算能力，指的是熟悉并掌握會計信息生成系統(tǒng)，運用財務(wù)信息對企業(yè)經(jīng)營活動進行評價;②數(shù)據(jù)分析能力，指的是掌握一定的數(shù)據(jù)分析方法，運用Excel、數(shù)據(jù)庫等現(xiàn)代信息技術(shù)手段對數(shù)據(jù)進行采集、處理、分析及呈現(xiàn);③輔助決策能力，指的是能夠依據(jù)相應(yīng)的數(shù)據(jù)分析結(jié)果，為公司日常財務(wù)等管理決策提供支持。
3 大數(shù)據(jù)時代背景下會計信息管理人才培養(yǎng)目標
在當前互聯(lián)網(wǎng)時代及大數(shù)據(jù)時代，對財務(wù)人才的要求，已經(jīng)不局限于傳統(tǒng)賬務(wù)處理，更傾向于對決策相關(guān)信息數(shù)據(jù)的處理和分析。“占領(lǐng)市場必須先占領(lǐng)數(shù)據(jù)”，公司財務(wù)和經(jīng)營決策的制定更多的是基于信息的決策，即“用數(shù)據(jù)說話，做理性決策”，而數(shù)據(jù)分析即是從海量的數(shù)據(jù)中提取和挖掘出對企業(yè)有價值的規(guī)律和趨勢，為企業(yè)的決策提供支持。因此，在新形勢下，會計信息管理專業(yè)的人才培養(yǎng)目標可以確定為數(shù)據(jù)分析引領(lǐng)財務(wù)決策信息化。
為了實現(xiàn)這一培養(yǎng)目標，需要三個層面的支撐體系，即基于財務(wù)會計、強化數(shù)據(jù)分析、服務(wù)管理決策。
4 大數(shù)據(jù)時代背景下會計信息管理人才培養(yǎng)課程體系
在以數(shù)據(jù)分析引領(lǐng)財務(wù)決策信息化的人才培養(yǎng)目標指引下，我們初步形成了如下三個層次的課程體系。
(1)會計學基礎(chǔ)課程：會計信息管理源于會計，不能脫離財務(wù)會計，仍然要以財務(wù)會計為基礎(chǔ)。專業(yè)學生要了解財務(wù)報表的生成過程及會計賬務(wù)處理流程、能夠?qū)σ话闫髽I(yè)常見經(jīng)濟業(yè)務(wù)進行會計處理、進行企業(yè)納稅申報等。
這方面課程主要有：會計學原理、財務(wù)會計、納稅實務(wù)。(2)數(shù)據(jù)分析技術(shù)課程：對信息的把握體現(xiàn)在兩個層面，其一是與企業(yè)信息化相適應(yīng)的一般管理軟件、財務(wù)軟件的使用及熟練操作以及簡單維護，能夠作為關(guān)鍵人物輔助中小企業(yè)實現(xiàn)財務(wù)信息化;另一層面通過對數(shù)據(jù)的采集、整理、分析報告，滿足管理層基于信息的決策以及決策的科學化。數(shù)據(jù)的來源可以來自公司內(nèi)部的管理信息系統(tǒng)，根據(jù)需要也可以來自企業(yè)外部的國家經(jīng)濟產(chǎn)業(yè)政策、行業(yè)市場信息等。
其中，對數(shù)據(jù)的分析能力又從兩方面進行培養(yǎng)，一方面是分析思維方式的培養(yǎng)，這是起主導(dǎo)作用的層面;另一方面是分析工具運用的培養(yǎng)，信息化時代，數(shù)據(jù)量的加大要求借助于一定的分析工具才能實現(xiàn)數(shù)據(jù)分析。企業(yè)信息化實施及數(shù)據(jù)分析方面的主要課程有：財務(wù)報表分析、財經(jīng)數(shù)據(jù)分析、應(yīng)用統(tǒng)計學、數(shù)據(jù)庫原理及應(yīng)用、數(shù)據(jù)處理軟件應(yīng)用、商務(wù)智能等。
(3)決策能力提升課程：新形勢下財務(wù)人員面對和服務(wù)的更多是企業(yè)的管理層和決策層，會計信息管理專業(yè)學生要清楚公司管理層和決策層需要哪方面的決策信息支持，并通過數(shù)據(jù)分析方法進行提供，同時給出合理化建議。這方面課程主要有：管理會計、財務(wù)管理、成本管理等。
具體課程名稱及課程目標見表2。
其中，財經(jīng)數(shù)據(jù)分析課程能夠使學生掌握系統(tǒng)的數(shù)據(jù)分析方法，包括數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)及報告撰寫各環(huán)節(jié)的基本理論及操作技能，同時熟練地運用數(shù)據(jù)分析的思想和方法分析企業(yè)的財務(wù)數(shù)據(jù)，為管理層決策提供信息支持。數(shù)據(jù)分析軟件應(yīng)用課程能夠讓學生熟練運用Excel等常見數(shù)據(jù)分析工具、軟件進行數(shù)據(jù)錄入、數(shù)據(jù)整理和數(shù)據(jù)分析的方法和技巧，培養(yǎng)學生操作Excel等數(shù)據(jù)分析軟件的基本技能。商務(wù)智能(含數(shù)據(jù)挖掘)課程依托商務(wù)智能平臺，從商務(wù)智能概念、商務(wù)智能結(jié)構(gòu)、多維數(shù)據(jù)集內(nèi)容、數(shù)據(jù)挖掘、交付等主要內(nèi)容，使學生在了解如何運用商務(wù)智能的工具、架構(gòu)以及規(guī)則的基礎(chǔ)上，分析企業(yè)數(shù)據(jù)，為企業(yè)管理層提供信息化決策支持系統(tǒng)。
5 結(jié) 語
不同的社會發(fā)展階段和發(fā)展水平要求有不同的專業(yè)設(shè)置及專業(yè)培養(yǎng)目標與之適應(yīng)。從會計電算化到會計信息管理背后的推動力是時代的變革引發(fā)的對人才的需求。大數(shù)據(jù)時代下會計信息管理人才培養(yǎng)目標為數(shù)據(jù)分析引領(lǐng)財務(wù)決策信息化。 相應(yīng)課程體系為財務(wù)會計基礎(chǔ)課程、數(shù)據(jù)分析技術(shù)課程、決策能力提升課程。我們共同期待，會計信息管理人才將通過數(shù)據(jù)分析對企業(yè)財務(wù)等管理決策帶來價值增值。
[關(guān)鍵詞] 審計；大數(shù)據(jù)；數(shù)據(jù)模型
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 13. 023
[中圖分類號] F239.1 [文獻標識碼] A [文章編號] 1673 - 0194（2017）13- 0056- 03
1 大數(shù)據(jù)環(huán)境下的審計特征
傳統(tǒng)審計過程中最困難的就是對被審計對象原始數(shù)據(jù)的獲取，在信息數(shù)據(jù)未歸集的條件下，如何準確獲取審計所需數(shù)據(jù)一直是困擾審計信息化的難題之一。
隨著信息化時代的來臨，審計數(shù)據(jù)發(fā)生了根本性的變化，具有分布廣、數(shù)據(jù)量大、集成度高、更新快等特征。在大數(shù)據(jù)環(huán)境下，非現(xiàn)場審計將逐漸成為主要工作方式。審計不再局限于憑證、賬面、財務(wù)系統(tǒng)等信息，信息化審計極大地拓展了審計視角，能更快地挖掘出被審計單位的全部業(yè)務(wù)信息。審計方法從“抽樣審計”逐漸轉(zhuǎn)變?yōu)椤叭鎸徲嫛保⒃诖髷?shù)據(jù)基礎(chǔ)上的審計變得更加簡便，數(shù)據(jù)更加準確、全面。大數(shù)據(jù)環(huán)境下持續(xù)性審計將成為現(xiàn)實，審計人員可以利用云數(shù)據(jù)掌握公司的運營狀況、風險變化等情況，對內(nèi)部風險及時分析預(yù)警，將風險隱患消除在萌芽狀態(tài)。
因此，積極應(yīng)用“云計算”、數(shù)據(jù)挖掘、智能分析等技術(shù)，能提高審計效率；而探索多維度、智能化數(shù)據(jù)分析方法，加強對各層級、各系統(tǒng)間數(shù)據(jù)的關(guān)聯(lián)分析，更能增強感知風險的能力。
2 審計數(shù)據(jù)分析類型
審計數(shù)據(jù)分析按照其操作方法、實現(xiàn)工具、與審計經(jīng)驗結(jié)合程度等方面的不同，可以分為以下三種類型。
查詢型分析：審計人員借助業(yè)務(wù)信息系統(tǒng)或財務(wù)總賬，訪問和查詢數(shù)據(jù)記錄，進行篩選、查找、排序、核對、抽樣、統(tǒng)計等操作性分析。這是對審計項目進行總體分析，具有直觀、簡易的特點，但缺點是審計思路呈線性結(jié)構(gòu)，數(shù)據(jù)量較大，不易發(fā)現(xiàn)問題線索。
驗證型分析：審計人員借助工作經(jīng)驗首先提出風險點，然后根據(jù)相關(guān)數(shù)據(jù)來檢查風險點，從數(shù)據(jù)中確定審計事實。驗證型分析的關(guān)鍵，是要能提出合理的風險點，這與審計人員的職業(yè)判斷和經(jīng)驗積累息息相關(guān)。
挖掘型分析：審計人員以海量數(shù)據(jù)為基礎(chǔ)，進行深層次數(shù)據(jù)分析，從不同的角度對被審計單位的業(yè)務(wù)數(shù)據(jù)進行挖掘，并以直觀易懂的形式展示分析結(jié)果。
3 審計數(shù)據(jù)分析模型
根據(jù)審計數(shù)據(jù)分析類型，通過對數(shù)據(jù)的查詢、驗證和挖掘，建立更直觀的數(shù)據(jù)模型，結(jié)合審計目標尋找疑點，進而評估被審計單位控制風險、揭示制度問題等。建立數(shù)據(jù)分析模型，主要通過以下幾個步驟。
3.1 采集數(shù)據(jù)，掌握整體情況
采集被審計單位數(shù)據(jù)，對被審計單位的財務(wù)收支、物資出入庫、經(jīng)營管理、內(nèi)部控制等進行總體分析，把握全局，形成對被審計單位的財務(wù)、物資、內(nèi)控的整體印象。
3.2 發(fā)現(xiàn)問題線索，確定審計重點
在整體掌握的基礎(chǔ)上，通過復(fù)核、對比、計算等數(shù)據(jù)分析手段，對采集的數(shù)據(jù)進行整合，建立數(shù)據(jù)分析模型，從而發(fā)現(xiàn)問題線索，確定審計重點。
3.3 核實問題線索，評估控制風險
對數(shù)據(jù)模型分析中發(fā)現(xiàn)的異常情況，通過現(xiàn)場審計獲取證據(jù)予以證或者排除，進而評估控制風險、揭示制度問題。
以上三個方面是緊密聯(lián)系的，只有在掌握整體情況的基礎(chǔ)上，才能建立數(shù)據(jù)分析模型確定審計重點，并對審計重點進行核實，進而實現(xiàn)風險評估。
4 實例分析
2016年8月，對X省電力公司所屬集體企業(yè)A、B公司總經(jīng)理任期經(jīng)濟責任履職情況進行了審計。此次審計按照標準審計流程，結(jié)合已有審計數(shù)據(jù)，對各系統(tǒng)間數(shù)據(jù)進行智能化分析。通過審計軟件及業(yè)務(wù)信息系統(tǒng)獲取更直觀的數(shù)據(jù)，建立了“三重一大”事項、物資采購及合同管理、薪酬福利管理、固定資產(chǎn)管理、財務(wù)管理、三公費用管理等審計數(shù)據(jù)分析模型。
4.1 采集數(shù)據(jù)，掌握整體情況
審計組根據(jù)經(jīng)濟責任審計要求，采集營業(yè)收入、利潤總額、資產(chǎn)總額等數(shù)據(jù)，掌握被審計單位整體情況。將采集的數(shù)據(jù)導(dǎo)入Excel，運用其各種功能，得出如圖1、圖2所示結(jié)果。
4.2 發(fā)現(xiàn)問題線索，確定審計重點
在總體掌握的基礎(chǔ)上，對采集的數(shù)據(jù)進行整合，通過對數(shù)據(jù)進行指標分析、對比，建立數(shù)據(jù)分析模型，發(fā)現(xiàn)問題線索，確定審計重點。
分析結(jié)果如圖3、圖4所示。
從分析結(jié)果看出，A公司資產(chǎn)負債率不高，但負債總額較大，存在一定的風險；銷售凈利率較高，說明該公司收益水平較高；資產(chǎn)凈利率較好，資產(chǎn)的利用效率較高，該公司在增加收入和節(jié)約資金等方面取得了較好的效果。B公司資產(chǎn)負債率較低，該公司成本較低，風險小，償債能力強，經(jīng)營較為穩(wěn)健，投資行為比較謹慎；銷售凈利率較高，收益水平較高；資產(chǎn)凈利率較好，資產(chǎn)的利用效率較高。
4.3 核實問題線索，評估控制風險
在總體分析的基礎(chǔ)上，結(jié)合審計重點建立數(shù)據(jù)分析模型，發(fā)現(xiàn)問題線索，進而評估風險，揭示制度問題。分析結(jié)果如圖5、圖6所示。
從審計問題分布圖中可以直觀地發(fā)現(xiàn)，A公司在物資及合同管理方面的問題涉及的金額比重較大，其次是財務(wù)管理、三重一大、三公費用、薪酬福利方面的問題。因此，該公司在關(guān)注各方面問題的同時，應(yīng)重點關(guān)注物資及合同管理方面的問題。
從圖6分析結(jié)果發(fā)現(xiàn)，B公司在財務(wù)管理方面的問題涉及的金額比重較大，其次是三重一大、物資及合同管理、薪酬福利、三公費用方面的問題。因此，該公司在關(guān)注各方面問題的同時，應(yīng)重點關(guān)注財務(wù)管理方面的問題。
5 結(jié) 語
在大數(shù)據(jù)環(huán)境下，運用審計數(shù)據(jù)分析的前沿理念和技術(shù)，開展數(shù)據(jù)分析和挖掘，致力于構(gòu)建審計數(shù)據(jù)分析模型，可以有效降低審計人員的工作量，提高審計的效率和質(zhì)量。審計人員通過總體分析、關(guān)聯(lián)分析、趨勢分析、多維分析等，從整體上把握被審計單位的財務(wù)狀況、審計重點和疑點，為客觀、真實評價企業(yè)領(lǐng)導(dǎo)干部經(jīng)濟責任履行情況提供了數(shù)據(jù)支撐。利用審計數(shù)據(jù)分析模型，可以使審計報告更有說服力，問題定性更加準確、審計效果更加明顯。
主要參考文獻
[1]馬瀅，喬羽.大數(shù)據(jù)環(huán)境下企業(yè)內(nèi)部審計面臨的機遇和挑戰(zhàn)[J].新經(jīng)濟，2016（27）：73-74.
關(guān)鍵詞：移動信令數(shù)據(jù);大數(shù)據(jù)中間件;研究
現(xiàn)階段，我國有很多企業(yè)都對移動信令數(shù)據(jù)進行研究分析，而且大多數(shù)企業(yè)都有自己的算法庫，但是因為沒有統(tǒng)一的規(guī)范與標準，移動信令數(shù)據(jù)的挖掘與分析存在著重復(fù)性，同時算法庫管理水平也不高，最為重要的是項目模塊幾乎沒有共享性，這使得很多資源沒有得到充分利用，大數(shù)據(jù)庫的管理工作也十分不方便。基于就這個現(xiàn)狀來說，企業(yè)的確應(yīng)該制作大數(shù)據(jù)中間件。
1 移動信令數(shù)據(jù)分析的大數(shù)據(jù)中間件研究必要性
移動信令數(shù)據(jù)分析問題將是未來各界人士只要研究的問題，這主要是由于現(xiàn)代企業(yè)希望通過對移動信令數(shù)據(jù)的挖掘，來獲得更多更有價值的信息，從而推動企業(yè)發(fā)展。移動信令數(shù)據(jù)分析與研究的必要性體現(xiàn)如下：
首先，現(xiàn)代企業(yè)所使用的數(shù)據(jù)分析方法比較落后，已經(jīng)不能滿足大批量數(shù)據(jù)分析的要求，尤其是在互聯(lián)網(wǎng)時代，企業(yè)所需要的數(shù)據(jù)幾乎都來自于移動互聯(lián)網(wǎng)，而互聯(lián)網(wǎng)上的信息非常多，現(xiàn)有數(shù)據(jù)分析方式已經(jīng)不能達到要求，因此企業(yè)有必要建立更先進的數(shù)據(jù)分析框架，以能夠滿足移動大數(shù)據(jù)快速有效的分析要求;其次，移動信令數(shù)據(jù)分析既可以為用戶提供更具權(quán)威性的感知，也可以為用戶提供實時的設(shè)備監(jiān)測數(shù)據(jù)。新型技術(shù)的應(yīng)用可以提高企業(yè)精細化管理的水平，為企業(yè)提供決策正確率奠定基礎(chǔ);再次，現(xiàn)階段移動運營商正在努力的挖掘移動大數(shù)據(jù)但是并沒有形成系統(tǒng)，而此時，各個廠家也都在發(fā)揮自己的效能進行研究與信令監(jiān)測，這就導(dǎo)致研究資源的大量浪費，同時無論是投資、研究，還是開發(fā)都具有重復(fù)性，因此需要大數(shù)據(jù)中間件進行研究，以減少這種浪費;第四，現(xiàn)階段各個企業(yè)所進行都沒有統(tǒng)一的標準與規(guī)范，所以有很多開發(fā)項目都不夠規(guī)范，盡管有很多廠家都具有自己的算法庫以及場景庫，但是卻沒有統(tǒng)一的標準來規(guī)范，所以管理比較混亂，而大數(shù)據(jù)中間件建立之后，標準與規(guī)范相對都比較統(tǒng)一，這為各個廠家也提供參照標準;第五，大數(shù)據(jù)分析由很多模塊構(gòu)成，但是很多處理模塊卻沒有達到統(tǒng)一，也沒有實現(xiàn)共享。無論哪一類項目，挖掘數(shù)據(jù)、分析數(shù)據(jù)等都需要算法，但是現(xiàn)階段卻沒有統(tǒng)一標準來實現(xiàn)算法，再加之，項目與項目之間沒有進行良好的溝通，所以項目中的模塊只能在本項目中應(yīng)用，無法應(yīng)用在其他項目中，即共享性非常弱。
基于上述幾點，企業(yè)有必要對移動信令數(shù)據(jù)進行深入的分析，制作出共享性強、標準統(tǒng)一的中間性軟件，這樣才能實現(xiàn)大數(shù)據(jù)處理，便于大數(shù)據(jù)科學合理的管理與應(yīng)用。
2 基于移動信令數(shù)據(jù)分析的大數(shù)據(jù)中間件
2.1 大數(shù)據(jù)中間件架構(gòu)
企業(yè)在進行移動信令數(shù)據(jù)分析時，為了確保網(wǎng)絡(luò)與營銷分析更加真實可靠，研究人員嘗試著在制作大數(shù)據(jù)中間件，將其放于應(yīng)用層與共享層之間。有關(guān)人員在共享層中挖掘數(shù)據(jù)，而應(yīng)用層通過中間件，共享數(shù)據(jù)。中間件既要模型庫，也有算法庫，同時還有大數(shù)據(jù)分析系統(tǒng)化做支撐，所應(yīng)用的模式，既有語言，也有接口。這種中間件，功能強大，尤其是共享性突出。
中間件具體的處理流程如下：應(yīng)用類型分析。針對具體應(yīng)用場景，對共享層的輸入數(shù)據(jù)進行抽樣，對抽樣數(shù)據(jù)進行主成分分析，提取感興趣的字段，遍歷模型庫，若存在該應(yīng)用類型的應(yīng)用模型，將感興趣的字段與模型庫中對應(yīng)的應(yīng)用模型關(guān)鍵字進行匹配，根據(jù)匹配結(jié)果進行下一步相關(guān)處理;按已確定的關(guān)鍵字提取原始數(shù)據(jù)，對提取的數(shù)據(jù)進行清洗、審核，輸出審核通過的數(shù)據(jù);對海量原始數(shù)據(jù)進行分布式存儲，根據(jù)目標用戶，進行數(shù)據(jù)抽取，得到用戶數(shù)據(jù)文件，然后對用戶數(shù)據(jù)文件進行文件合并;在算法庫中選擇不同的算法對樣本數(shù)據(jù)進行挖掘分析，計算其準確率，用遺傳算法對算法進行組合，得出近似最優(yōu)解，并對組合分類算法進行預(yù)評估;對組合算法模型進行初始參數(shù)配置，對樣本數(shù)據(jù)進行相應(yīng)的數(shù)據(jù)變換。
2.2 并行數(shù)據(jù)挖掘算法庫
數(shù)據(jù)挖掘算法庫是大數(shù)據(jù)中間件的核心組成部分之一，它包括各類數(shù)據(jù)挖掘算法的實現(xiàn)以及組合算法的實現(xiàn)。其中，算法的并行化是算法庫的核心。為實現(xiàn)對多種并行數(shù)據(jù)挖掘算法的管理，更好地利用算法本身并行性以及整個數(shù)據(jù)挖掘算法流程上的并行性，在上述計算框架下增加對數(shù)據(jù)挖掘算法與服務(wù)管理，對數(shù)據(jù)挖掘算法的工作流進行定義，增加對各種數(shù)據(jù)挖掘算法的擴展性支持，靈活配置各種數(shù)據(jù)挖掘算法，對算法整個計算流程進行管理，優(yōu)化算法各個流程所需要的計算框架的分配方式，實現(xiàn)對批量計算的流水并行。
2.3 大數(shù)據(jù)中間件應(yīng)用效果
2.3.1 有效降低移動大數(shù)據(jù)研究項目的重復(fù)投資、重復(fù)研究和重復(fù)建設(shè)，為應(yīng)用層決策提供強大的數(shù)據(jù)支撐，為后續(xù)大數(shù)據(jù)分析的發(fā)展提供基礎(chǔ)平臺。移動大數(shù)據(jù)分析處理中間件預(yù)計每年為湖北移動分公司網(wǎng)管中心節(jié)省大數(shù)據(jù)研究項目經(jīng)費30萬。
2.3.2 大幅減少人力投入。本項目構(gòu)建的移動大數(shù)據(jù)處理中間件，具有高效準確的數(shù)據(jù)挖掘算法支持，數(shù)據(jù)處理智能高效，提供各種大數(shù)據(jù)分析挖掘服務(wù)，提高應(yīng)用層業(yè)務(wù)分析人員的工作效率，從而有效節(jié)省人力資源。應(yīng)用層業(yè)務(wù)研究分析人員通過使用移動大數(shù)據(jù)分析挖掘服務(wù)，能夠快速、準確地進行移動信令大數(shù)據(jù)的統(tǒng)計、挖掘等功能，能提高數(shù)據(jù)分析人員工作效率一倍以上。
2.3.3 大幅提高大數(shù)據(jù)營銷的效率。本項目提供先進的數(shù)據(jù)挖掘算法和算法組合方法，為移動信令大數(shù)據(jù)分析挖掘提供快速、準確、全面的算法支持，提高營銷分析速度和成功率。以終端營銷為例，能將營銷成功率提高百分之六十以上。
結(jié)束語
綜上所述，可知對移動信令數(shù)據(jù)分析的大數(shù)據(jù)中間件研究十分重要。如果大數(shù)據(jù)中間件研究成功，并且應(yīng)用在實際工作中，企業(yè)的潛在價值將會被充分的挖掘出來，不僅能夠提高算法效率，同時能夠提高算法的準確率。通過實驗研究，企業(yè)應(yīng)該自大數(shù)據(jù)中間件之后，不僅減少了重復(fù)投資與研究，同時也減少了人力投入，另外，大數(shù)據(jù)營銷水平也得到了非常大提高，因此，大數(shù)據(jù)中間件完全值得嘗試應(yīng)用。
參考文獻
[1]左超，耿慶鵬，劉旭峰.基于大數(shù)據(jù)的電信業(yè)務(wù)發(fā)展策略研究[J].郵電設(shè)計技術(shù)，2013（10）.
[2]俞國紅.智能化數(shù)據(jù)庫中間件的設(shè)計與實現(xiàn)[J].廊坊師范學院學報（自然科學版），2010（1）.
[3]潘琛宇，唐曉梅，陳家訓.基于平臺中間件的自助式繳費系統(tǒng)[J].微型機與應(yīng)用，2002（12）.
