大數據時代的數據分析精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的大數據時代的數據分析主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：大數據時代的數據分析范文
關鍵詞：財經類高校；數據分析課程；課程建設
中圖分類號：G64 文獻標識碼：A 文章編號：1673-9132（2016）34-0040-03
DOI：10.16657/ki.issn1673-9132.2016.34.020
一、引言
隨著大數據時代的到來，數據分析在各行業的重要性日益凸顯出來。大數據時代要求人才具有極強的“數據視野”、“數據意識”和“數據能力”，即對所處行業數據的形式種類詳盡把握，對數據的作用深刻理解，對數據分析方法和分析軟件熟練運用。其中“數據能力”是前兩者的基礎，是實現大數據所有思想和理念的根本保證，是現代經濟管理人才的重要基本素養和技能。
我國的財經類院校肩負著為社會培養經濟管理類高級專業人才的重任，在大數據時代，社會對于經濟管理類高級人才在數據分析方面的要求極大增加，現代經濟管理理論的發展趨勢也體現出越來越重視數據分析的特點。這要求人才既有深厚的經濟管理理論功底，又能夠熟練使用數據分析工具對業務數據進行分析，并得到結論。特別是在研究生教育層面，對數據分析能力培養更加重要。
然而，目前在研究生數據分析能力的培養方面各財經類院校均存在著較多的不足。首先是覆蓋面小，除各院校的統計學院（或類似學科的學院和專業）外，強調這方面能力的培養的學院和專業較少，導致研究生對數據的運用和分析能力不足；其次是形式單一，主要以課堂教學為主，完全忽視了數據分析的實踐性，教學效果不好；再次是教學所用軟件平臺薄弱，多數使用SPSS，極少數專業學習SAS，對于在學術界和業界非常流行R語言、python等平臺則少有涉及。因此，合理設計數據分析類型課程，提高經濟管理類研究生在數據分析方面的理論水平與實踐能力，是廣大財經類高校不得不面對的迫切問題。本文講就財經類高校數據分析類課程的特點、建設思路和建設方案，結合筆者在教學實踐中的一些心得談一談自己的看法。
二、財經類高校數據分析課程的特征
數據分析的目的就是從數據中提取有價值的信息，進而形成知識。因此在絕大多數專業領域均有大量的數據分析需求，對人才的數據分析能力均有較高的需求。從財經類高校的專業分布看，可以把對數據分析能力的需求分成三個不同的類型。
第一類是以統計學院、信息學院（或類似學科的學院和專業）。這兩類專業的教學主要突出理論性、基礎性和方法性，立足于對學生的“數據視野”、“數據意識”和“數據能力”進行全面訓練，使學生能夠在畢業后在任意領域迅速承擔起高級數據分析的任務。
第二類是經濟學門類的相關學科。這類學科對于數據分析教學的要求偏重應用，即學生的“數據視野”、“數據意識”，但由于部分專業（如數量經濟學）對數據分析能力要求較高，因此對于“數據能力”的培養也需要兼顧。
第三類是管理學門類的相關學科。當前的管理學實踐離不開數據，對數據分析教學主要是應用層面的。要求學生具有良好的學生的“數據視野”和“數據意識”，而對于學生的“數據能力”的培養則并沒有太高要求。
三、財經類高校數據分析課程建設的思路
基于上述分析，研究生數據分析課程建設應當采取分層設課的原則，基于不同的教學需求，設置不同的課程群。
對于上述第一類專業，需要在專業核心課程群的基礎上，重點建設大數據相關課程。如分布式計算、非結構化數據分析、R語言、python語言等。在教學中，案例化教學和上機實操應當成為教學的主要形式，尤其軟件類課程應當在機房進行，保證學生有足夠時間熟悉操作并能隨時與教師互動。
對于上述第二類專業，需要以一門基礎課程為先導（如統計學導論），在配合若干專業課與軟件課的組合，如計量經濟學、時間序列分析、縱向數據分析與Eviews、SAS和R語言的配合。在教學時，理論與實操并重，在實操方面突出學生的軟件使用能力訓練，SPSS類型的軟件不應當成為此類專業的主要數據分析平臺（學生應當在學習專業課程時自主學習使用）。
對于上述第三類專業，可以考慮以一門數據分析課程為基礎，配合合適的軟件平臺，同時在其他專業課程教學中突出各個課程的數據分析教學內容和實踐環節，既可以基本達到教學目的。這類課程教學的重點在于對數據分析方法模型的理解，切忌死記硬背，同時輔以一定的案例和上機實操。在軟件平臺使用上，以SPSS這類擁有完善的GUI環境，所見即所得的平臺為主，也可以使用R語言強大的圖形能力作為演示工具，在演示的同時潛移默化地使學生了解R系統，進而為其進一步學習建立基層。
四、財經類高校數據分析課程建設方案――以R語言課程為例
在上述三類專業的數據分析課程建設中，R語言均扮演了重要角色。因此本部分將以R語言課程為例介紹建設方案。
（一）R語言的優勢
R語言作為功能全面地數據分析平臺，在國際學術界和業界得到了廣泛的認同，是應用最普遍的數據分析軟件之一。與其他統計分析平臺（如SAS、SPSS、S-PLUS等）相比，R語言具有若干明顯的優勢：
第一，完全免費，完全開源。與SAS多達幾十萬元的價格相比，R語言是一個完全免費的平臺，且功能同樣強大。
第二，安裝簡便，更新迅速，功能完善。R語言的安裝對于硬件的需求很低，且擁有Windows、Mac、Linux等多個平臺的版本。并且R通過其大量的程序包實現了功能的擴展，用戶總是能通過下載功能包獲得最新的分析模塊。
第三，R語言是被國際學術界廣泛認可，絕大多數國際知名高校都將R作為基本的教學和科研工具。
第四，R語言既是編程語言，又是高度功能化的數據分析平臺，同時具有編程語言的靈活性和功能化數據分析軟件的易用性。
（二）開展研究生R語言教學的必要性
首先，作為一種編程語言，R語言的教學可以訓練學生抽象思維、邏輯思維能力，同時作為一種數據分析平臺，R語言可以訓練學生數據分析模型的應用能力和實際操作能力，這一功能是其他非語言類軟件系統無法實現的。
其次，在研究生教學中開設R語言課程，可以極大提升學生在求職就業、考博和出國深造方面的競爭力。由于R語言在國內外學術界和業界有著巨大的影響，因此熟練掌握R語言無疑會使我們的研究生更加具備競爭力。
（三）研究生R語言教學的現狀及改革的迫切性
從當前的教學現狀來看，R語言僅僅是少數專業才有的課程。但是基于本人這幾年的教學和指導研究生的經驗來看，當前我國財經類高校研究生的動手能力較弱。其根本原因之一是缺少數據分析能力的訓練。若要在不過分增加研究生課程量的前提下迅速提高研究生這方面能力，R語言這種將抽象思維、邏輯思維、數據分析模型和數據分析實操緊密集合的平臺是最好的選擇。
（四）R語言教學的內容劃分
R語言集合了計算機語言與數據分析系統的特點，既能像SPSS那樣通過簡單操作即得到結果，又能夠項C語言那樣進行新功能的開發，尤其是其強大的圖形能力，更為數據分析人員提供了強大的數據可視化平臺。為了能夠為學生全面地講授上述內容，需要對課時進行合理分配，輔以合理的教學模式和考核模式。下面本文將以48學時的研究生課程為例，介紹R語言課程的基本內容和結構。
1.教學內容和學時分配
第一部分，R語言簡介（2學時），介紹R語言的歷史、基本操作環境、相關網站、系統本身和軟件包的安裝方法以及參考書籍等。
第二部分，R語言的數據結構（12學時），介紹向量、因子、索引、數組和矩陣、數據框、列表等概念和相關算法。這部分是后面教學的基礎，同時也是R語言區別于其他編程語言的重要方面，在教學時要突出對因子、索引（以及利用索引實現篩選等功能）、數據框等數據結構與數據分析的關系的介紹。
第三部分，R語言的編程結構（12學時），介紹成組、選擇和循環三種結構。在這部分教學中，重點在不能按照傳統程序設計語言的模式進行教學，要突出數據分析的特征，可以考慮使用R語言自己編制景點統計方法的代碼，如最小二乘法、距離判別、快速聚類等。
第四部分，R語言的繪圖功能（12學時），介紹高級繪圖語句、低級繪圖語句、交互繪圖語句以及ggplot2軟件包等。繪圖是R語言的優勢，允許使用者自由的定義圖形，尤其是ggplot2軟件包的出現，更是將R的繪圖功能推上了新的高度。這部分不但是上述第一類、第二類專業研究生所需要掌握的內容，也是第三類專業研究生應當了解的內容。
第五部分，R語言的基本統計功能（10學時），經過前述四個部分的教學，學生已經對R語言具有了較為深入的了解，并應該具有獨立編制代碼的能力。在此基礎上，可以進行本部分的教學，即對于使用R語言實現諸如回歸分析、多元統計分析、時間序列分析的方法進行介紹。由于這一部分功能均有對應的軟件包和函數，因此在軟件操作方面非常簡單，如果跳過前面幾個步驟直接進行這部分的教學會使學生對R語言一知半解，缺少對R語言核心知識的理解。
2.教學及考核方式
由于R語言是一個操作性非常強的語言平臺，傳統的課堂教學+上機的教學模式會使得理論與實踐脫節。因此建議該課程全程在機房進行，這種教學方法的優勢有三個方面：
第一，教師講解更到位。編程類課程重要的是思考過程而不是結果，因此傳統的課堂上聽講，上機課練習的模式會使得思考過程與結果脫節。而在機房上課則可以使學生跟隨教師的講解隨時練習和實驗，使得教學效果更好。
第二，師生互動更容易。學習編程的過程就是不斷試錯的過程，學生需要不斷地從發現錯誤――解決錯誤的過程中提高能力，而在這個過程中教師與學生的互動非常重要。
第三，課堂練習更直接。課堂練習在學習編程過程中具有非常高的重要性，傳統授課模式下，無法做到當天的學習內容當天聯系，是知識技能的掌握不牢，效率低下。
在考核方面，建議采取開卷上機考核的方式。由于R語言的教學具有極大的實踐性，因此“會用”才是最終的目的。同時，由于R語言極強的可擴充性，因此單純地考查學生對于R語言中一些功能代碼的記憶沒有任何意義，采取開卷的方式，重點考查學生解決數據分析問題的能力的上級考試才能夠實現對學生R語言學習水平的測度目的。
五、結論
當今社會已進入大數據時代，任何財經類專業人才的培養脫離了數據分析類教學內容都是不能適應社會需求的。而數據分析課程的理論與實踐并重的特點，要求在教學過程中既重視數據分析理論模型的講解，又重視數據分析平臺的訓練。只有這樣，才能使得財經類人才的培養跟上市場對于人才需求內容的轉變，培養出符合市場需要的人才。
參考文獻：
第2篇：大數據時代的數據分析范文
關鍵詞：大數據;財務數據;財務分析
中圖分類號：F235 文獻識別碼：A 文章編號：1001-828X（2016）027-000-01
一、大數據時代下，財務分析發展的重要性
研究發現，財務分析的理論與實務已經有一個世紀的發展，一般認為財務報表分析是財務分析的初始形式。隨著社會實踐活動的不斷豐富和發展，財務分析早已不紀的歷史局限于早期的信貸分析和投資分析。目前的財務分析主要包括經營分析、投資分析、全面系統的籌資分析，同時財務分析在資本市場、企業股價、績效評價等領域也得到了廣泛的應用。
大數據（big data），是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）第一，Volume（大量）。大數據時代的數據量十分龐大，從TB級別躍升到PB級別。第二，Velocity（高速）。，和傳統的收集整理數據相比，大數據的處理技術有著本質的不同，處理速度要快得多。第三，Variety（多樣）。數據有著不同種類的存在形式，如：視頻、圖片、網絡文獻等等。第四，Value（價值）與傳統的數據處理方式相比，大數據的數據采集量達到了一定的規模，故大數據具有數據采集及時，數據較全面，數據具有連續性、易存性等特點。進而可以從更多方面、更全面、真實的反應實際情況。
二、大數據環境下財務分析的發趨勢
會計報表按編制時間可分為月報表、季報表、半年報表和年報表。都是在生產經營業務發生后，是會計核算的最終產品，故影響企業的財務信息分析的時效性，進而對企業生產經營產生了不利的影響。隨著目前我國信息化進程不斷加速以及互聯網業務的不斷發展，實時財務報告的重要性被越來越多的企業和數據使用者重視，而大數據技術發展為實時財務報告的實現提供了可靠的依據。實時財務報告是信息化條件下會計技術和方法發展的必然產物，是信息技術與大數據技術較好交叉融合的最好表現，某些行業，如證券、保險、銀行等，這些對業務數據和風險控制“實時性”要求很高的行業，對實施實時財務報告的需求日益增加。
在大數據時代的背景下，實時財務報告的實現，首先可以通過建立企業的中心數據庫來實現，這需要企業將自己的會計信息系統和管理信息系統的通過內部局域網收集實時數據;然后是將企業局域網內的數據資料與互聯網相連，實時財務報告系統中所用到數據，就集合了企業內部局域網和互聯網的數據。財務人員處理完會計信息之后，使之網頁化，提供實時的財務數據信息。
財務人員可以借助大數據時代的背景優勢，充分利用大數據的特別，全面整體的分析財務數據，幫助企業預測和防范經營過程中可能遇到的風險。這就要求財務人員在工作中充分發揮前瞻性和戰略性的作用，不斷學習新技術，收集和整理數據信息，在數據的分析過程中預測重要的趨勢，并對企業的管理者提出自己專業的意見。
傳統的財務分析是對數據的精確分析，這種數據分析方式相對來說更適合數據量較小的分析。和大數據相比，數據的完整性和時效性不強。無法幫助財務報表的使用這個全面的了解財務狀況的全貌。“精確”將不僅僅是財務工作的全部，全面系統的分析將在未來的財務分析工作中處于越來越重要的地位。
大數據時代的超級數據量和數據的多樣存在形式，已經超越了傳統數據的管理范圍和能力。需要更新數據的查找、存儲、分析、處理等方面的方法。隨之一批新的數據管理技術和數據管理工具將不斷的涌現，在提高人們工作效率的同時，減少了工作量。
如今，隨著移動互聯網的發展、新興網絡業務的發展，以及云計算、云存儲的出現，世界經濟和社會的發展都產生了巨大的變化，為人們的生活和工作方式提供了全新的思路和防范。在大數據時代的背景下，數據分析也充分利用了大數據的特點，不斷改進數據分析的技術和方法，使之與新的數據分析思維相吻合，使財務分析與時俱進的發展。
三、結語
隨著我國的經濟不斷發展，互聯網云技術業務的拓展，大數據時代下的財務分析發展也將迎來全新的變革，同時對財務工作者來說也是全新的機遇和挑戰，在這種情況下要抓住機遇，創新思維，學習新技術，開拓新方法，合理把握大數據的特征，讓財務報告分析在企業中發揮出最大的價值，為企業和社會的發展提供充足動力。
參考文獻：
[1]胡萍.財務分析在企業管理中的應用研究[J].財經界（學術版），2012（06）.
[2]梁建軍.財務分析在企業管理中的應用探討[J].現代經濟信息，2013（20）.
[3]趙曉麗.財務分析在企業管理中的應用研究[J].中國鄉鎮企業會計，2014（08）.
[4]張銘.大數據，撬動財務變革[J].新理財，2014（07）.
第3篇：大數據時代的數據分析范文
如果說有哪一個企業準確地定義了大數據，當屬谷歌公司。谷歌為了存儲海量搜索數據而設計的專用文件系統GFS（Google File System），為大數據的收集和分析提供了可能。谷歌對搜索詞條的處理，能夠精準地記錄下人們進行搜索行為的時間、內容和方式，追蹤和存儲人們的搜索行為的同時還能夠預測出搜索者下一步將要做什么。對海量數據的抓取、存儲和分析，然后據此進行預測的能力，就是所謂的“大數據”。
顛覆還是滅亡：數據分析決定企業未來
大數據時代的到來，就像是工業革命的浪潮一樣，注定會給社會帶來一次革命。無論對社會、企業還是個人來說，都將會是一次世界觀的改變。企業在這樣的環境下，如果不能利用數據分析主動出擊，注定會被淹沒在歷史的潮流中。任何人和組織都可以衡量出利用大數據能獲得的巨大商業價值和競爭優勢，同時也意味著一些不會數據分析的企業和組織會在競爭中處于劣勢地位，并逐漸走向滅亡。
如果不能合理利用數據的價值，企業將會付出慘痛的代價。搜索巨頭公司谷歌在2007―2010年間計劃在本地搜索列表中加入GOOG-411語音識別服務，但是谷歌并沒有自己的語音識別技術，于是與Nuance公司達成合作協議購買許可。由于缺乏對數據資源的保護意識，Nuance公司沒有在合同中規定由誰來保管語音翻譯記錄，導致記錄全部由谷歌自己保存。谷歌根據這些記錄創建了一個新的語音識別系統，占盡優勢。
在大數據時代，數據的原有角色發生了變化，大數據之于企業，不再是商業活動的附屬品，而是重要的企業資源，收集、分析、利用……每一個環節都成為企業全新商業能力的體現，并決定著企業的未來發展。
大數據來襲，企業只有一個選擇，那就是顛覆以往的思維方式和管理模式，接受并盡可能多地掌握數據資源，利用數據分析，這樣企業的未來才能有所保證。
大數據創造出的商業價值
在技術和需求的雙重推動下，越來越多企業和個人意識到數據是巨大的經濟資產，像貨幣或黃金一樣，它將帶來全新的創業方向、商業模式和投資機會。
在大數據時代，大數據滲透到各個行業，數據的價值遠遠超出你的想象，千萬不要隨便拋棄。一些耳熟能詳的大企業，IBM、亞馬遜、Facebook、Twitter、蘋果等，對大數據的價值鏈與角色定位給予了足夠的重視，它們能夠更快地處理數據，形成自己獨特的洞見，更深入地挖掘和利用數據形成自己的差異性競爭力，這使他們能夠遠遠超越競爭對手。
2012年是電商的一年，亞馬遜、阿里巴巴等電商憑借自身的先進技術和對數據資源的積累與掌控也必將成為新時代的引領者，其他的公司也都會從中獲利。
2012年7月10日，天貓、阿里云與萬網聯合推出“聚石塔”平臺，目前已有超過兩萬的商家入駐“聚石塔”。該平臺是基于“云計算”的大數據分析平臺，為天貓和淘寶平臺的電商及電商服務商提供數據云等服務，比如買家的訪問量、訪問頻率、偏好商品、品牌偏好、跨店鋪點擊等數據并依此做出淺層分析，而未來會更加豐富和多樣，不僅可以看到銷量的高低，甚至還可以看出高低的原因。“聚石塔”為開發者與賣家都帶來了巨大的商業價值。
2012年雙十一購物節，“聚石塔”的運作著實為電商們助力不少。提前幾個月的預熱，將數據匯總到大平臺上，將瀏覽過網頁，有購買意向，已經收藏或者下單的消費者數據匯總，根據有效訂單分析出應該生產多少產品，如何調配物流等信息，大力度促銷時訂單能以最快的速度處理，極大地節省了商家處理訂單的時間，并根據不同狀況迅速作出反應，由此締造出淘寶日交易額191億元的傳奇。
大數據時代全新商業模式的誕生
大數據時代，一切皆可“量化”。當文字、方位、溝通都變成了數據，世間萬物都可以數據化。大數據會引領我們的思維、商業、管理產生巨大變革。企業和消費者都可以用前所未有的方式來體驗新的環境。大數據必然會成為公司新的利潤增長點，而數據分析所帶來的利潤，是不可想象的。
如同“大數據時代預言家”維克托?邁爾-舍恩伯格形容的那樣：“數據的真實價值就像是漂浮在海洋中的冰山，第一眼只能看到冰山的一角，但是絕大部分隱藏在表面之下。”擁有數據的企業擁有著無法估量的財富。同時，他也提出了大數據價值鏈的三大構成：數據本身、技能與思維。根據所提供價值的不同來源，會出現三類大數據公司：基于數據本身的公司，它們擁有大數據或者可以收集大量數據；基于技能的公司，它們掌握專業技能但不一定能提出數據的創新用途；基于思維的公司，數據和技能并不是成功的關鍵，而讓它們脫穎而出的是它們的創新思維，怎樣挖掘數據新價值的想法。谷歌與亞馬遜，正是數據、技能、思維三者同時具備的公司。
亞馬遜的Kindle電子書閱讀器里面記錄了一些內容，比如讀者反復標記過和強調的地方，如果這些數據被作者和出版社了解，就有可能實現它的潛在價值，提高作品的質量和銷量，尤其可以分析判斷和預測出哪些主題的書籍更有可能成為暢銷書。這些將來也可能成為企業間的新的合作方式。
不遠的將來具有數據挖掘能力的公司將備受資本青睞。以廣告業為代表，營銷模式也會從傳統的面向群體的營銷轉向個性化營銷，從流量購買轉向人群購買。
追求個性化的營銷變革
大數據給營銷帶來新的變革，這種變革會波及產品和營銷等多方面。從生產設計到品牌促銷，都能更好地滿足消費者個性化的需求。
“當傳統營銷還常常談及細分市場時，數字時代已經沒有細分市場的概念了，每個人都是一個處理單元，每個人接收到的信息都可以是個性化的。”而這一切都有賴于數據分析。數據分析讓企業更好地掌握市場以及消費者的各種動態信息，以便進行更精準的市場細分和目標定位，為每一個消費者提供個性化的產品乃至全方位立體化的優質服務。
在大數據時代，企業可以提供個性化的產品定制，通過消費者反饋來幫助企業改進產品。企業獲得的數據量越大，越是能夠針對個人消費者提供個性化服務。在同質化的背景之下，建立差異化的品牌提供個性化的服務成為企業能夠脫穎而出的關鍵，而數據分析能幫助企業更好地實現這一點。
定價可以差異化。大數據技術手段已經能夠幫助商家實現自動定價系統，企業可以根據數據平臺及時收集價格數據，變化和調整價格。甚至可以根據不同購買能力的消費者，量身定價，推薦商品，將折扣信息一對一地反饋給消費者。
渠道變得多樣化。隨著微博和SNS等社交網絡平臺的廣泛運用，整個銷售渠道都進行了改進，包括實體店、電視購物、郵購、電子商務、手機商務等。同時在交付手段和支付方式上也實現多樣化。消費者可以根據自己的需要選擇不同的方式進行交付和支付。
互動成為促銷的重要成分，商家也會更加重視用戶體驗和反饋。廣告會更有針對性，在每一個客戶終端，都會自動為消費者彈出適合其心理的廣告。數據分析可以創造更精準與美妙的用戶體驗。
亞馬遜銷售額的三分之一都來自于它的個性化推薦系統。當用戶瀏覽網頁的時候，每一次點擊都會被記錄下來，瀏覽歷史和基本資料分析出消費者的購買偏好，更加精準地為每一位用戶推薦他最可能購買的商品。無形中為亞馬遜增加許多潛在的利潤。
數據分析，企業的GPS
數據分析與預報平臺就像是GPS，將消費者活動的全景收納進來。類似谷歌搜索、騰訊微博等網絡社區、社交網站的消息使人們的行為和情緒變化的細節變得可測量。
第4篇：大數據時代的數據分析范文
一、何謂大數據
“大數據”這個術語最早期的引用可追溯到apache org的開源項目Notch。當時，大數據用來描述為更新網絡搜索索引需要同時進行批量處理或分析的大量數據集。隨著谷歌Map Reduce和Google File System （GFS）的，大數據不再僅用來描述大量的數據，還涵蓋了處理數據的速度[1]。
大數據（big data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。（在維克托?邁爾-舍恩伯格及肯尼斯?庫克耶編寫的《大數據時代》中[大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據的方法）大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）[2]。
二、大數據時代下石油化工企業信息化現狀
1.認識不足
大數據時代是一個較為新鮮的事物，因而來說，較多的企業還不能夠有效的把握大數據時代的特性，以順應大數據時代的發展。就現代企業信息化現狀而言，較多的企業都存在對于大數據時代特點的忽視，缺乏對于信息化技術以及策略的開發，對于信息數據的處理仍然停留在傳統的基礎階段，只是簡單的對于企業內部辦公以及財務數據進行統計分析；這對于現代企業的市場競爭以及自身的發展而言是極為不利的。大數據時代強調的是對于整體性數據的收集、統計以及分析，而現在較多的企業都只是對于部分數據分析處理，因而來說只有提升認識才能進一步的改善企業信息化現狀。
2.投入不足
對于大數據時代而言，企業如果想要從分化的把握數據以及透過數據獲取價值性的信息，必須通過科學的技術以及充分的人力作為保障，而對于我國企業的現狀獲知得出，很多的企業都缺乏足夠的投入，無論是技術手段還是人力資源的配備，企業的重心投入已經停留在傳統的部門，對于信息化部分的投入缺乏力度。此中所說的投入不足主要展現為高級技術人才的缺乏以及技術研發以及購買資金的投入，這對于我國企業的未來發展是極為不利的。
3.缺乏系統規劃
關于大數據時代下的企業信息化建設，眾多企業都存在一個較大的誤區，企業信息化建設以及運作并不是一個單獨的個體，而是一個系統化的整體，其不僅需要科學化的制度以及技術作為基礎，同時還需要集合企業的數據以及戰略等多方面因素結合，進而成為一個貫穿企業整體結構的系統化工程。就我國企業的信息化建設規劃上，筆者看到的更多的是信息化建設過程中，企業管理者并沒有進行全局的把握以及規劃，往往是獨立進行，這樣信息化系統不僅不能獲取較為具有價值的信息，同時還容易在今后的企業發展中由于價值的不明確體現而受到忽視。
4.相關制度不健全
對于我國大多數的企業而言，都已經開始著手對于企業內部的信息化建設，但與國外企業相比，我國企業的信息化建設程度便展現出巨大的劣勢。其主要原因在于，首先就政府層面上來說，政府缺乏有效的政策進行引導，不僅引導不足，現階段我國政府對于企業的信息化建設保障政策也極為缺乏。其次對于企業內部的層面而言，企業信息化建設過程中必須依照嚴格的制度化準則作為杠桿進行，據筆者的了解，很多企業在進行信息化建設的過程中往往將制度化的建設放置與最后，這是不對的，應當與信息化的建設并行，確保信息化建設的目標實現[3]。
三、企業信息化構建原則
在企業進行信息化構建的過程中，堅持怎樣的構建原則也就決定了未來說建立的信息化系統所能產生的效能。因而來說，對于信息化系統的構建而言，科學化的構建原則是尤為必要的。筆者認為，在對于企業信息化構建的過程中，應當主要堅持以下方面的原則進行：
1.以人為本原則
現代社會任何企業在競爭的過程中，其主要決定性資源都是人，企業信息化構建在未來推出的過程中，需要以人為主體進行操控，因而來說堅持以人為本的原則對于信息化系統的構建，能夠最大限度的提升信息化系統的科學性以及可操作性，同時也能夠最大限度調動信息化系統在推出的過程中員工使用以及學習的積極性。
2.協調性原則
熟悉石油化工企業的都會知道，石油化工企業其產業鏈較大，因而來說，在對于石油化工企業進行信息化系統構建的過程中，一定要堅持協調性的原則進行構建，其中不僅需要協調部門之間的信息化板塊建設，同時還需要對于產業鏈上下游系統的協調性建設。強化企業內部信息化系統的協調性是為了保障，企業信息化系統在推出的過程中，能夠更好的推動各個環節之間的銜接，發揮最大效應。
3.需求為先原則
任何企業在經營的過程中都不能孤立的存在，其都需要依賴上下游企業的支持，同時其也必須以市場需求為導向而進行。因而來說對于石油化工企業來說，在進行企業信息化構建的過程中，滿足以需求為先的原則進行構建，能夠有效的保障在未來的發展過程中，信息化系統能夠與市場需求的變化形成良好的切合點。
四、大數據時代石油化工企業信息化構建策略
1.強化重視度提升
思想對于行為具有指導性，思想的轉變才能進而影響人主觀行為的轉變，因而來說，只有強化思想的轉變，提升對于信息化系統建設的重視度，才能在大數據的時代之下，構建自身的核心競爭力，強化對外競爭。強化對于重視度的提升，不僅展現為領導層的重視度提升，其需要全方面的員工意識形態上的重視度提升。全方位的意識形態轉變，重視度提升，為石油化工企業在今后的信息化構建過程中提供了強有力的保障。
2.加大投入力度
石油化工行業是一個高科技密集型行業，信息化實施的程度和實施的成效，在很大程度上影響著石油化工行業的競爭能力。石油化工行業上中下游的各個業務領域投資巨大、人員眾多，各產業價值鏈的關聯度較高，某一業務的發展會對其他環節業務造成重大影響，所以，大型石油企業更需要實現上中下游產業的一體化協同發展。因而來說，石油化工企業為了有效的迎合大數據時代的需求，以提升自身的對外競爭力，其不僅需要強化自身在進行信息化系統構建過程中的資金投入，同時還需要一定的科技投入，這樣才能夠保障未來石油化工企業的信息化系統具有較高的實用性以及價值。
3.科學規劃信息化系統
專家認為，未來石油化工企業將以集中集成、智能應用為原則，運用物聯網、云計算等信息技術，以生產運行智能化、資產管理智能化和企業管理信息化為切入點，開展數據中心和智能工廠建設，實現資源“高利用、低排放、減量化、低污染”，進一步構建資源節約、環境友好的生產方式，增強公司可持續發展能力，提高生態文明。科學規劃信息化系統建設，能夠保障系統之內的各個環節都有實際的意義，同時其在實際的使用過程中能夠相互進行補充以及保障，提升資源的最大化利用度。
第5篇：大數據時代的數據分析范文
關鍵詞：新常態；卷煙影響；新媒體；大數據
中圖分類號：F274 文獻標識碼：A
文章編號：1005-913X（2015）05-0057-02
一、引言
在大數據時代，消費者的生活娛樂以及消費信息本身就作為數據而被記錄和存儲下來，并具有真實、前瞻、海量的特點。消費者在主動搜索他想要的工作、學習、娛樂和生活信息，這些搜索數據能夠真實反映消費者的訴求，且反映了消費者需求形成的早期想法。應用大數據技術，企業可以對消費者主動表達的購買意圖和行為軌跡的信息數據進行分析提煉，隨時了解消費者的意圖，理解消費者，從消費者的角度出發去思考營銷和創新，以大數據驅動企業營銷戰略。卷煙行業在此背景下，應充分意識到大數據可能帶來的對營銷方式的巨大沖擊。
美國資深科技記者、IT企業咨詢顧問奧爾霍斯特編著的《大數據分析點“數”成金》以大數據分析的商業及金融價值為主線，對獵尋大數據源、組裝大數據、分析大數據等進行了深入探索。該書詳細介紹了不同類型的數據源及其對企業的重要意義、企業投資大數據技術的成功商業案例、有效利用數據集的必備技能，解析了打造大數據分析系統所需的存儲、加工、軟件平臺及其他構成要素，海量數據的安全工具和技術，系統潛在風險及其規避方法，以及怎樣對大數據進行分析并從中提取有價值的可用信息，并詳實闡述了如何將大數據融入企業文化等問題。
國內學者對大數據在煙草行業的應用研究并不多見。高學彥、王棟、白曉東對煙草商業省級數據中心建設模式進行了研究探討，從煙草商業信息化發展歷程入手，通過對數據源理念的思考，從技術和應用角度提出了省級數據中心建設的5種模式。周亮對“大數據”如何應用于煙草各條線的業務進行了大膽的預測，并就浙江煙草如何打造和利用“大數據”提出了基于現狀的合理建議。
二、卷煙營銷創新模式分析
（一）推進新媒體營銷，加強消費者行為引導
以微信、智能手機為代表個人新媒體終端為煙草商業企業快速構建消費者個人移動大數據庫提供了捷徑。以煙草商業企業微信公眾平臺為例，煙草公眾平臺可以向“粉絲”（零售戶、消費者）推送包括產品信息、最新活動、新聞資訊等信息，能夠完成包括產品咨詢、客戶等功能，可以成為企業CRM系統的一部分。煙草企業可以通過公眾賬號二維碼、零售渠道面對面推廣等方式，讓零售戶、消費者訂閱煙草公眾平臺賬號。煙草企業可以通過公眾賬號的用戶分組（根據商圈、群體特征等劃分零售戶、消費者）和地域控制，針對不同用戶的需求，實現精準的消息推送。然后，煙草企業以微信公眾平臺為營銷核心，借助個人關注頁和朋友圈，實現品牌的病毒式傳播。
煙草商業企業可以設置自己品牌的專屬二維碼圖案，以各類優惠活動吸引用戶關注，開拓O2O的營銷模式。二維碼是移動互聯網的入口，微信“掃一掃”是連接煙草官方微信和零售戶、消費者的便捷渠道。目標人群只需用手機微信中的“掃一掃”功能掃描煙草企業專屬的品牌二維碼，便可獲得一張存儲于微信中的電子會員卡，可以享受煙草企業提供的會員優惠和專屬服務。由于微信一般與QQ或手機號捆綁在一起，微信使用者一般不會更變微信號，因此，微信會員卡的持久使用率很高。
通過“微信公眾平臺+微信會員卡”的新媒體營銷模式，煙草商業企業可以將區域信息平臺與微信營銷對接，不斷更新大數據庫，分析“粉絲”的日常信息關注點，利用微信消息一對一推送功能，實現煙草商業企業與“粉絲”之間的精準營銷。微信消息推送對目標人員群的到達率是100%。對于零售戶而言，煙草商業企業可以選擇產品介紹、銷售政策、網上訂貨、網上支付、網上調研、零售戶致富工程、消費者調研結論等作為重點消息推送類型，增強零售戶對煙草企業營銷策略的認識，提高煙草銷售的透明度，吸引零售戶主動執行煙草銷售的增量、提檔策略；對于消費者而言，煙草企業可以選擇產品定位介紹、網上調研、特定市場卷煙消費牌號引導、卷煙消費方式引導等作為重點消息推送類型，加強對消費者卷煙消費行為的引導，實現卷煙銷售的增量提檔。
（二）構筑“零售終端生態圈”，實施“零售戶致富工程”
煙草商業企業可以通過大數據對于“零售終端”進行全新的研究，目標在于構建“零售終端生態圈”。在零售終端的存續經營活動中，圍繞零售終端有煙草工業企業、非煙產品生產商、煙草商業企業、非煙產品經銷商、消費者、非煙服務提供商（充值、快遞收發等）、金融機構（提供個體戶、小微企業服務等）、周邊社區人群等一系列組織機構，形成一個商業生態系統，本文稱之為“零售終端生態圈”。
第6篇：大數據時代的數據分析范文
關鍵詞：大數據時代；高校數字化圖書館；咨詢服務
近年來，伴隨著數字化技術及網絡技術的迅猛發展，信息的傳播與存儲媒介不斷更新，并進一步趨于科學化、合理化發展，伴隨而來的是信息數據數量的爆炸式增長，big-data時代（大數據時代）正式到來。信息技術的發展不僅推動大數據時代的產生，更進一步帶動了相關信息服務機構建設的內涵性轉變。高校圖書館作為服務高校教學、科研支撐體系的重要組成部分，建設一座適應大數據時展，適應高等教育改革建設、能夠提供有效咨詢服務的數字化圖書館已經成為當前高校圖書館建設的主要攻堅方向。如何把握大數據時代來臨所提供的機遇，同時應對信息時代變化發展的挑戰，筆者認為，重點是要對兩個反面的問題進行深刻分析。一是要針對大數據時代與高校圖書館建設的內在聯系進行深刻分析，明確二者之間的互動影響機制。二是針對分析成果，對圖書館信息咨詢服務提出合理化的改革建議，更好的提升高校數字化圖書館建設質量。
1 大數據時代與數字化圖書館
（1）大數據與大數據時代
大數據通常意義下被認為是一種數量巨大，種類繁多的非結構性數據。其在維基百科的解釋是：或稱巨量數據、海量數據、大數據，指的是所涉及的數據量規模巨大到無法通過人工，在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。
大數據的"大"不是單純的數量大小問題，否則我們完全可以沿用如"海量數據"等類似概念表述數據量的增長，之所以提出相應的大數據概念，是因為大數據確有自身的特點。概括當前業界的普遍看法，學界將大數據的特性歸結為"4V"，即速度（Velocity）快，即數據增長速度快，相應的需要的處理速度業需要快； 容量（Volume）大，即需要的存儲設備及設施需求大，相應產生的計算分析量呈現幾何式增長；分類（Variety）多，即來源多元化；價值（value）大，即有較大利用價值，其分析結果對于相應行業有很大的指導意義。
伴隨大數據時代的背景，大數據的研究與應用已經成為學界熱點問題。"大數據"概念即誕生之日起便得到了來自相應行業及機構的極大關注。維克托o邁爾o舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，大數據將為人類的生活創造前所未有的可量化的維度。[2]大數據已經成為了新發明和新服務的源泉，而更多的改變正蓄勢待發。世界各國普遍對大數據的探索與應用給予了極大關注，如美國奧巴馬政府啟動并實施的"大數據研究和發展計劃"、英國、澳大利亞等四個國家的學者聯合開展的"世界大數據周"活動等。值得我們關注得是，大數據時代的來臨也已引起圖書館、信息與情報界的廣泛興趣，圖書館學研究者也廣泛參與到諸多的大數據研究項目中，并進一步推動了與大數據關聯緊密的網絡計量學等學科的快速發展。
（2）數字化圖書館與高校圖書館
數字化圖書館誕生于20世紀90年代，得益于計算機技術、網絡技術、數字技術等高新手段在圖書、情報領域的廣泛應用，傳統圖書館的結構、服務與發展理念產生了歷史性變革。數字化圖書館的實質就是把館藏信息數字化形成大型知識體。并憑借數字化手段進一步豐富館藏資源內容，完善館藏信息類型結構，通過購置配備電子圖書、電子期刊、電子報紙、數據庫、音視頻資源等在內的海量數字資源，實現信息資源數字化與傳遞網絡化、同時通過信息技術共享化、集成化實現圖書館咨詢服務的全面升級。高校圖書館作為現代圖書館的重要組成部分，是為高等學校教學和科學研究服務的學術機構，是高等學校的文獻與情報信息中心，在高等教育事業的發展中發揮著極其重要的支撐作用。數字化圖書館建設是當前各高校圖書館建設的主要方向，同時也是保持高校圖書館持續、健康、科學發展的必要之舉。
（3）大數據時代與數字化圖書館建設
大數據時代對于當今的數字化圖書館建設有著良性的互動影響機制，下面對二者的關系作以簡要分析：
從某種意義上說，數字圖書館本身就可以理解為一個大型的數據庫，其持有的數據具有典型的大數據容量大、 種類多、具有價值等特性。圖書館作為提供公眾信息服務的重要機構，承擔著將有用信息組織集合并提供信息服務的職能，隨著數字化圖書館建設成為時代趨勢，圖書館也就越來越成為大數據重要來源及重要載體之一。同時數字化圖書館也承擔了為大數據提供必要的技術試驗和應用空間的"責任"。
反之，大數據時代的不斷向前，進一步刺激了數字技術、存儲技術、及網絡技術和信息分析方式的變革，也將在一定程度上加速數字化圖書館的現代化進程。將對大數據4V特性的理解應用于數字圖書館建設過程中，使得捕獲、挖掘、分析各類知識轉化為圖書館積累信息的新模式， 更為數字圖書館提供高層次的信息咨詢與知識咨詢服務服務創造了有利條件，也將進一步為數字化圖書館建設營造良好的內部運行氛圍。
2 大數據時代高校數字化圖書館的服務走向對策
（1）加快數字化圖書館信息技術變革升級，提供更加智能化信息服務
用戶是圖書館信息服務工作的軸心，要應對大數據時代對數字化圖書館建設的機遇與挑戰，重點就在于深入了解信息受眾需求，提供更合理化，更具針對性的智能化信息服務。我們只有切實的了解用戶的需求趨向，需求動態，并借此研究出其需求規律，才能提高圖書館信息服務的實效性和針對性！高校圖書館主要用戶來源于教師和學生兩個群體，用戶對信息的需求多偏向與教學、科研等方面，且對于專業的集中度較高，不同類型高校對于圖書館信息服務的側重是有所不同的，伴隨著我國教育水平的不斷提高，高校圖書館在高等教育中所扮演的角色也越來越重要。在大數據時代的背景下，加快高校數字化圖書館的信息技術變革也就成為了我們應對4V特性非結構化大數據對信息服務為主的圖書館服務帶來影響的首要方式，也是我們能夠提供智能化信息服務的前提。為此，我們必須在存儲技術，數據分析技術等方面持續加大投入，如此才能實現信息服務及高校圖書館職能的最大價值化！
（2）加速信息咨詢服務模式升級，提供更具實效性的信息服務
大數據時代環境下，數據的收集和傳遞成本日益下降，由此帶來的是信息數據量急劇增長，同時更進一步增加了數據的復雜性。傳統知識信息咨詢服務模式已經不能滿足大數據環境下用戶需求。圖書館傳統的檢索與傳遞等服務方式在用戶中的影響逐漸弱化，地位及關注度主要下降。當下的信息用戶需要的是如何在海量的信息中如何檢索到與所需信息契合度高的有價值數據。這也是與大數據時代的數據分析理念不謀而合的。因此，信息服務要對用戶的不同信息需求加以分析研究，明確用戶信息目標！同時，信息服務要根據用戶信息需求目標的變化進行技術調整和重組信息，始終保證滿足用戶解決問題的信息需求！在教學、科研及知識需求日益精細的今天，知識平民化，唯有適應時代，實現知識咨詢服務模式的與時俱進，才能讓圖書館始終成為信息服務的中心與領頭羊，這也是高校數字化圖書館建設過程中必須要關注的問題之一。
參考文獻：
[1]維基百科：http：///wiki/大數據.
[2][英] 維克托?邁爾-舍恩伯格，[英] 肯尼思?庫克耶 著，大數據時代[M]盛楊燕，周濤.譯杭州，浙江人民出版社.2013.
第7篇：大數據時代的數據分析范文
伴隨著信息科技的迅猛發展，基礎層的云計算、大數據等因素的成熟帶來了人工智能的進步，近年來人工智能概念發展十分迅速，深度學習帶來的技術突破使得復雜任務處理準確率得到大幅提升，人工智能步入其發展黃金期。“十三五?劃”提出了“重點突破新興領域人工智能技術”，國家層面和地方層面也都相繼出臺了其他各項政策對發展人工智能和大數據進行有力支持。發展人工智能有望成為經濟發展的新動力。國內外互聯網巨頭憑借其先天用戶數據豐富、資源配置高效等方面的優勢，以各種形式在加速布局人工智能領域。在大數據處理能效顯著提升與人工智能快速滲透的時代背景下，金融決策平臺搭載人工智能技術，使金融數據的分析越來越科技化、多樣化與普適化，雖然在我國金融數據的挖掘和應用尚在起步階段，但金融數據作為大數據中最具含金量的數據源，也逐漸受到越來越多的重視。
二、技術理論基礎與金融決策
傳統的數據服務軟件提供給客戶的主要是行情展示、行情推送等基礎的服務，而互聯網技術和互聯網金融企業的蓬勃發展，共同促進了金融機構的建設，人工智能的正在從專用型（特定于某一場景）轉變為通用型，將基于數據、算法和計算的互聯網技術群與實際場景相互聯系起來，協同發展。正是由于人工智能突破傳統局限的范疇，才能使其真正將技術拓展至泛智能的應用，更具普適型的Applications隨之產生。基于對金融參與者全方位的大數據分析、以及不斷機器模擬學習和推進人工智能技術，提供精準內容服務和數據輔助處理服務更為高效；幫助個人或者機構作出適合其風險偏好、收益要求、投資年限等的金融決策平臺不斷產生。
在以人工智能技術融合進金融決策系統分析的過程中，仍舊以基礎金融理論為指導，以馬科維茨理論的均值方差模型為基礎，在所構建的投資組合中，以最低的風險水平上賺取最高的收益率為目標。在按照一定算法篩選出滿足一定收益風險指標的投資策略組合，保證其組合符合投資人的風險收益偏好。基于人工智能技術的更高級的算法和技術操作，可以在金融決策過程中進行更為廣泛的量化投資策略，包含諸如行業輪動策略、量化擇時策略、多因子Alpha體系以及其他各類事件驅動策略決策。在人工智能技術的前提下，由學習系統、決策系統、智能執行構成的智能，通過數據監測和模塊分析對外界實時金融數據的處理結果進行相應操作。
無論是自籌數據、公共數據還是產業數據協同，數據的挖掘過程繁復，容易造成數據失真，人工的方式失誤程度更高，同時數據級別都是海量單位，大量數據存在方式為非結構化的形式，金融大數據的處理工作面臨挑戰。但融合人工智能技術的數據挖掘真實性、完整性更為可靠，并且在風險管理與交易這種復雜數據的處理方面，人工智能的應用將大幅降低人力成本并提升金融風控及業務處理能力。金融決策系統搭載人工智能技術的應用可以說是金融機構與客戶的交互入口，傳統的數據服務以人工服務的模式展開，客服面臨的80%的問題是簡單、重復的問題，但卻消耗大量的人力和時間成本；同時，客服的服務內容大都來自企業自由知識體系，受整體外部金融環境的影響較少，這使得企業智能化應用相對容易，并且針對不同需求的客戶提供不同專業的智能服務也變得不再是遙不可及。人工智能技術在既有技術的基礎上，將出現顯著的突破，其應用價值也將顯著提升。人工智能技術在促進商業模式智能化的融合上也發揮著舉足輕重的作用。
阿里巴巴旗下螞蟻金服2016年公布的數據中，網上銀行的花唄與微貸業務上，使用機器學習將虛假交易率降低了十倍，機器人問答準確率超過80%，人工智能在于客戶溝通及數據挖掘中發揮了重要作用。交通銀行推出的網點智能機器人，足以分擔大量大堂經理的工作，分流客戶，節省客戶時間。平安集團下設人工智能實驗室大規模研發人工智能金融應用，人機結合有效解決了客戶問題，并能實現個性化服務。為客戶金融決策行為提供得力輔助。
三、研究意義
金融數據大多是以時間序列的形式展示出來，而金融時間序列中包含了諸多金融知識和規律，在大數據和人工智能背景下的金融數據挖掘和分析是從指定金融網頁上的金融模塊中采集相關數據，運用智能科技手段進行分析、處理相關金融數據并指導相關金融決策的過程，研究智能技術在金融數據分析中的應用可以為金融決策系統提供新的理論基礎。
金融數據存在的范圍極廣泛，經濟活動和商業活動中都存在大量金融數據，但用戶對于數據的需求與使用情況多元化，金融數據決策系統可以根據用戶的實際需求進行調整，跨區域、低成本、全透明、全數字地持續跟蹤市場變化，充分發揮互聯網技術的作用，大大降低投資理財費用，并且能夠精確、快速匹配投資需求，同時保持實時數據披露和高流動性，使得客戶可以以最低的信息成本獲取更高的信息收入。在用戶的數據分析過程中，有效性越高，信息不對稱的成本越低，便越有利于對決策的客觀性和穩定性，以及越有利于金融市場的穩定性與規范性。
第8篇：大數據時代的數據分析范文
【關鍵詞】大數據時代；醫院；統計信息管理；策略
一、醫院統計信息管理的作用
統計信息管理工作對于醫院的運營發展來說有著極其重要的作用，其在具體工作中主要體現在以下幾方面：
1.監管醫療質量。通過統計醫院在運行管理中的各項相關信息，能夠有助于掌握醫院在該時間段內的醫療水平，明確掌握在該時期內患者的患病率以及主要患病原因，從而有針對性地制定現階段的醫療工作方案，增強醫療質量。
2.促進考核管理工作的開展。通過信息統計，能夠幫助管理部門有效掌握現階段各相關科室的工作情況，明確各科室在工作中所存在的問題和不足，以此為依據來開展相關考核管理工作，提高醫護人員在工作中的積極性、責任心和規范性，從而促進整體醫護工作水平的提高。
3.為決策的制定提供有效依據。隨著醫改工作的不斷深入，醫院行業內的競爭也越來越激烈，只有通過準確及時的信息才可以有效掌握醫院在各個階段的運行情況，從而制定出有針對性的發展策略和發展方案，保證醫院的健康發展，增強自身競爭力。
4.整合醫院資源，提高資源利用率。通過統計工作，能夠更好掌握當下醫院內部所有人力、物力資源的情況，從而找出醫院在資源配置方面所存在的問題和不足，制定更加切實有效的資源配置方案和配置計劃，提高資源的利用率。在具體工作中，對于人力資源的統計，主要是針對當下醫護人員的技術能力、工作情況、資質等相關信息數據，以此來協調各個科室內的醫護人員配置，避免在部分科室出現醫護人員較多，無法得到充分利用的情況，將醫護人員的利用率最大化。而對物力資源的統計則有助于掌握各項設備儀器材料的使用情況，及時更新補充所需要的儀器設備材料，并做好對儀器設備材料的有效管理，找出在日常使用中所存在的材料不合理使用或者儀器設備閑置等問題，及時調整相關采購計劃和使用計劃，避免儀器設備材料的浪費，有效控制相關成本。
5.完善醫療體系。通過分析研究信息統計數據能夠更好地分析和掌握當下醫院在運行管理中所存在的缺陷缺點，從而為醫療體系的完善和優化提供良好依據，不斷完善醫療體系，不斷增強醫院的臨床醫護服務水平。
二、醫院統計信息管理存在的主要問題
（一）缺乏對信息統計管理工作的重視。在現階段的醫院統計信息管理工作中，有相當一部分醫院都缺乏在這一方面工作的重視。首先，在人力資源配置方面，缺乏必要的專業人才，并且現有工作人員在能力素質方面也相對較差，信息統計的效率和準確性都亟待提高。其次，在當下管理結構體系建設方面也缺乏必要的重視，管理體系相對比較隨意和混亂，統計信息管理工作流于形式，難以發揮應盡的作用和責任。
（二）管理技術落后，存在安全隱患。當下雖然大部分醫院都已經構建相應的信息化管理系統，但是沒有做好各相關系統之間的串接，所以在信息全面統計和共享方面存在一定的問題，影響了醫院信息統計管理工作的效率和質量。統計信息在醫院日常經營管理中發揮著極其重要的作用，需要通過統計信息來做好對臨床診斷、藥物使用等方面的工作的開展，對于數據的時效性和準確性都有著非常高的要求。并且由于在現階段基本都是采用計算機來進行相關信息統計工作的開展和信息統計數據的處理保存，所以統計信息管理系統自身在安全性方面也存在較大問題，比如木馬病毒、黑客入侵、工作人員行為不規范等等，都會導致統計信息數據的丟失或者泄露。一旦出現信息數據的泄露或者丟失，都會嚴重影響醫院的發展，并且還有可能導致嚴重的醫患糾紛。
（三）統計信息利用率較低。醫院統計信息管理的作用是為了幫助醫院更好開展內部管理工作，制定切實有效的發展策略和發展計劃。在此過程中必須做好對相關統計信息結果的有效分析，只有這樣才可以將這些信息數據背后所潛藏的價值挖掘出來。然而在當下對于統計信息并沒有充分利用，整體利用率較低，數據的時效性較差，難以滿足現階段工作的需求。并且相關統計信息管理人員自身也缺乏這一方面的意識，沒有做好對信息數據的挖掘，導致統計信息管理工作流于形式。
三、大數據時代醫院統計信息管理工作的有效途徑
（一）增強信息化意識，明確信息管理目標。為了更好促進醫院統計信息管理工作水平的提高，在現階段醫院管理層需要正確認識信息化管理的重要性和價值，強化醫院內部的信息化建設和信息化管理，明確當下信息化管理的目標和目的，學習和引進先進的管理理念，并結合自身實際情況積極開展相關信息化建設，不斷促進統計信息管理工作效率和質量的提高。
（二）增加基礎設施建設力度，不斷提高信息化水平。在大數據時代，醫院統計信息管理工作必須在時效性和準確性方面得到進一步提升，而這都需要建立在相應基礎硬件設施和軟件設施的基礎之上。因此醫院需要結合自身實際情況強化在基礎設施方面的建設，投入足夠的人力物力，（下轉第60頁）構建信息化的統計信息管理部門，引入先進的計算機設備、軟件程序、統計分析系統等等，為統計信息管理信息化工作的開展奠定良好基礎。
（三）完善統計指標體系，增強信息利用率。醫院統計信息管理工作的任務不僅僅在于對各項相關信息數據的采集和儲存，更需要做好對相關統計信息的分析研究，挖掘信息數據的內在價值。在以往的信息統計管理工作中由于技術設備等方面的限制，難以實現對海量醫院信息的統計分析，但是通過應用大數據技術，就可以實現對信息數據的深入挖掘和高效處理。因此為了實現這一目標，就必須制定相應的統計指標體系，指導和規范相關統計工作的開展，及時評價和評估相關工作的質量，明確工作中所存在的問題不足，并將分析得到的結果儲存在信息數據庫中，通過數據庫來實現對這些問題不足的高效處理。在此過程中大數據技術所發揮的作用是極其重要的，它能夠實現對各項相關數據信息的整合分析，深入挖掘這些數據背后所顯示出的問題。
（四）增強風險防范意識，保障系統安全運行。大數據技術的應用離不開計算機技術、互聯網等的支持和參與，所以在具體的統計信息管理工作中，非常容易受到各種網絡風險的影響，例如病毒、黑客入侵，因此在當下必須具備相應的風險防范意識，根據具體情況，合理采用相應的防火墻和安全防護技術，有效阻擋病毒黑客的侵襲侵入。同時還需要做好對相關工作人員的規范管理，制定合理科學的工作流程要求和管理要求，指導工作人員的工作，規范工作人員在信息統計工作中的行為，避免因為工作人員行為不規范而導致信息數據出現泄露或者丟失的問題。
四、結語
第9篇：大數據時代的數據分析范文
[關鍵詞＼]大數據；數字化環境；數據挖掘；引證關系
[中圖分類號＼]G250 ＼[文獻標識碼＼]A ＼[文章編號＼]2095-3712（2014）25-0088-04
一、引言
（一）大數據
截止到2011年，全球信息總量已經突破1.8千萬兆億，并不斷以驚人的速度膨脹變大，這意味著“大數據”時代已經降臨。哈佛大學知名學者提出：“這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。”針對這樣的一個變化，大數據時代最大的轉變就是，放棄對因果關系的渴求，取而代之的是關注相關關系。也就是說只要知道“是什么”，而不需要知道“為什么”。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。
（二）大數據下圖書館服務模式的轉變
全球信息迅速膨脹帶來的數字資源的快速發展，使得有效利用大量結構化、半結構化和非結構化的復雜數據逐漸成為圖書館工作的主旋律。隨著數據爆炸時代的來臨，以及網絡數字化環境的日益成熟，讀者迫切需要一個可以簡捷、快速獲得所有知識的理想平臺。同時，圖書館作為一個面向大眾的知識服務機構，不僅需要了解客戶需要什么服務，更需要通過圖書館―用戶的服務關系去挖掘正在發生什么、預測和分析將來會發生什么，以便圖書館為讀者提供更好的服務模式并積極應對未知的危機及挑戰。
二、大數據時代下的數據挖掘和情報分析機理
（一）知識挖掘
引入先進的技術手段，如知識挖掘算法、索引規則等，對各類文獻資源數據進行處理和分析，使得文獻的揭示由表面信息深入到各類文獻之間存在的復雜關系中，繼而幫助用戶發現潛藏在數據背后的信息。通過知識挖掘處理，展現給讀者的文獻資源不再是一個點對點的結果表示，而是揭示各信息資源關聯關系的立體知識體系。深入分析用戶需要的甚至用戶潛在的知識需求，為其提供更加精準化的知識發現服務。
（二）情報分析
基于已有的結構化和非結構化數據的知識組織和表示，綜合應用數據挖掘、學習和推理技術，得出文獻資源的增減變動方向和變化趨勢，實現自動化、智能化的深入分析，幫助用戶獲取具有動態性、知識性和前沿性的情報知識。情報分析的主要作用是通過設置人機交互接口與用戶進行交互。用戶可以通過一定的軟件環境指導學術原始數據的采集、抽取和分析處理過程及查看分析結果，并應用可視化技術動態直觀地展現海量信息資源中潛在的規律和發展趨勢。
（三）中文發現系統
中文發現系統以各類結構化、半結構化和非結構化數據為底層基礎，通過先進的數據倉儲、數據挖掘及搜索引擎等技術手段，全面揭示館藏內及館藏以外的各種學術文獻的應用、管理，并深入挖掘大量數據資源背后的信息，為用戶和圖書館提供知識發現服務。
圖1 中文發現系統讀者需要的知識往往大于圖書館或系統所能想到的范圍，考慮到用戶的這一實際需求，中文發現系統通過挖掘各類數據與用戶行為之間的立體關系，實現以下效果：
發現知識：通過系統平臺、技術手段，深入分析圖書館員的工作與用戶的搜索行為，對信息資源進行充分的挖掘、關聯和升值，更加全面和深入地揭示資源和服務的整體性，使得信息的查找和定位更加細化和快捷，幫助讀者發現所有所需資源。
洞察全局：使用戶感受到的文獻信息資源是一個整體，不再是一個龐大而零散割裂的“信息孤島”。最終形成一個完整的情報分析體系，幫助讀者和文獻單位建立文獻信息的全局概念，全面掌握研究學習的趨勢與內容。
價值再生：深入挖掘各文獻資源之間的立體關系，實現圖書、期刊、學位論文、會議論文等資源之間互引的立體引證關系與趨勢發展關系，分析挖掘大數據背后的潛藏信息，從而幫助讀者發現潛在的知識需求與研究信息。
三、中文發現系統功能案例分析
（一）引文分析
系統利用各種數學及統計學的方法進行比較、歸納、抽象、概括等，對圖書、期刊、論文、著者等分析對象的引用和被引用現象進行分析。使用的方法有圖論、模糊集合、數理統計等數學方法和邏輯思維方法，目的在于揭示文獻所蘊含的情報特征和相關關系。
引文分析可以幫助讀者超越時間空間，跨學科組織文獻，同傳統的分類法和主題法截然不同，使文獻有序化，有利于對文獻由表及里地深入展開分析，更易于量化。引文分析能夠幫助一些研究學者通過文獻引用頻率的分析研究測定某一學科的重要性或某一作者的影響力。通過文獻間的相互引證關系，分析某學科（或專業）文獻的參考文獻的來源和學科特性，不僅可以了解該學科與其他學科有哪些些聯系，而且還能探明其信息的來源及分布特征，從而為制定本學科的信息管理方案和發展規劃提供依據。另外可以通過被引用率與引用率來研究文獻老化規律。可根據某著者被別人引用的程度衡量該文獻學術價值和影響。
系統通過引文分析不只實現期刊與期刊的引證，同時實現不同文獻類型、不同文獻信息要素之間的相互引證關系，最終實現一個立體的引用分析，方便讀者和圖書館全面掌握文獻信息的被引和施引關系。
功能描述：提供期刊與期刊、圖書與圖書、圖書與期刊、期刊與圖書的前向與后向引證關系；提供被引和施引文獻列表與鏈接，方便反向分析研究；中文期刊引用分析數據由4000萬完善到7000萬；引文關系數據總共超10億條；提供圖書、期刊、學位論文、會議論文等不同文獻之間相互引用的立體引用分析，即引文鏈狀分析；提供作者、出版社、刊名、作者單位、主題詞、分類等信息的引文網狀分析。
圖2 中文發現系統的引文分析功能（二）學術源流
學術源流可以把文獻資源的研究單位從單一的文獻深化到文獻中存在的知識關聯中，通過學術源流可以按照知識概念形成知識相關鏈，這些關聯就是知識關聯的基礎。系統通過單向或雙向線性知識關聯構成的鏈狀結構延展開來，直到我們獲得解決問題的正確信息。通過學術源流可以按照作者形成學者相關鏈。針對文獻的基本要求，詳細分析出文獻學科領域與文獻作者信息間的關系；通過作者機構可以按照機構形式形成研究機構相關鏈。建立作者機構關聯后檢索作者所在機構可以分析相關文獻，了解作者所在機構的研究情況，使讀者能夠更清楚地了解作者的研究方向以及作者所在機構的研究方向。
功能描述：知識相關鏈，提供通過分析知識源、知識活動和知識主體等得到的立體知識鏈，并提供這些知識鏈之間的關聯信息；作者相關鏈，提供作者與作者之間的多維關聯信息；作者機構相關鏈，提供作者機構與作者機構之間的多維關聯信息。
其他策略：提供知識、作者、作者機構等要素之間的立體關聯信息，方便追溯與挖掘學科與文獻信息的研究領域和研究方向；提供學術關聯關系與文獻信息的反向鏈接，便于再次學習查找。
（三）趨勢分析
趨勢分析是通過對搜索主題的年代和篇數的相關數字資料進行分析，對比多個連續的相同指標，得出它們增減變動方向變化趨勢的一種分析方法。讀者通過搜索查找主題，得到該主題的趨勢曲線分析，并對其查找出的內容結果根據年代進行分析，可讓讀者快速了解搜索主題的學術趨勢。可以查看不同年代該學術主題的數據研究，無論是在上升或下滑趨勢曲線中，當曲線在某一階段處于上升或者處于波峰階段時，即是在該時間段內學術研究興盛的時段；當曲線在某一階段處于下滑或者處于波谷階段時，即是在該時間段內學術研究低迷的時段，同時也具有學術趨勢發展的預判分析，為預測該學術未來發展的趨勢提供幫助。
功能描述：學術發展現狀，通過歸納、總結各類文獻數據的產出量與各項指標，總結出搜索主題在規定時間段內的學術發展趨勢；深入挖掘、分析文獻信息發展趨勢的波峰與波谷，結合搜索主題的各項指標與關聯指標，分析預測其未來發展趨勢。
圖3 中文發現系統的趨勢分析功能（四）知識關聯與生長方向分析
知識不僅是一個立體的存在，同時也有著廣泛的空間屬性，知識與知識之間有著千絲萬縷的聯系，這些聯系就是知識關聯的基礎。通過知識的關聯，我們可以從A知識延伸至B知識、C知識……進而延展開來，直到我們獲得解決問題的正確信息。知識關聯是我們從事知識活動和知識管理的基礎，知識管理的目的是科學組織和有效利用知識，而知識關聯是科學組織和有效利用知識的基本出發點和理論依據。因此，可以說，知識管理的本質是知識關系的管理，通過對知識關系的管理來達到科學組織和有效利用知識的目的。
知識關聯是知識發現和知識創造的起點，揭示知識載體之間存在的各種關聯。可以從觸發一個知識點，從而帶動另一個知識點由平穩過渡到加速發展的過程，同時支持多個主題或同類主題的學術產出等方面的對比與生長趨勢。可以通過對比同一領域發展相關性分析將來的發展趨勢，還可以通過知識關聯對生長方向進行分析，發現這些行為之間的關聯性、連續性，或以某一中介為紐帶建立起具備參考價值的趨勢曲線。
功能描述：提供同類主題、學科、領域等文獻資源的知識發展方向分析，方便研究某一學科領域或者主題方向的知識發展；挖掘分析多個主題、學科、領域等文獻資源的知識生長方向，便于發現不同學科領域或者主題之間的知識關聯性；提供不同機構的學術文獻生長方向分析，便于合理有效地利用和掌握機構的知識體系。
圖4 中文發現系統的知識關聯與生長方向分析功能
（五）可視化
通過計算機可視化技術，對統一結構化的文獻信息字段進行深度比對分析，繼而根據檢索關鍵詞的類型、時間、作者、學術價值等基本要素形成數量統計學方面的分析報告，并以可視化的圖表形式展現。同時，也可對相關研究主題進行對比分析研究，并生成相關對比分析圖表，這可以幫助讀者了解相關學科熱門程度，合理選擇研究、開題方向，為科研人員宏觀研究數據提供了參考信息等，還可以幫助圖書館以直觀的方式直接查看圖書館信息資源的相關統計與發展趨勢信息。
功能描述：查看――讀者可根據檢索關鍵詞的類型、時間、作者、學科、學術價值等要素，對得到的檢索結果進行統計分析聚合后，查看圖表統計結果；輸出――讀者可以對檢索結果進行下載、打印等操作。
其他策略：提供圖書、期刊等學術發展趨勢曲線圖表；提供研究主題、學科的關聯對比分析曲線圖表；提供揭示圖書館各文獻信息現狀與發展趨勢曲線圖表。
（六）智能輔助
傳統的信息檢索系統中，用戶通過輸入檢索詞提交給系統，得到檢索結果并從中查找所需要的信息。中文發現系統在此基礎上加入智能輔助系統，主要方式是主動推送信息給用戶，在輸入檢索詞時系統自動判斷用戶所輸入的檢索詞是要找到什么，并將用戶所需要的信息推送給用戶。比如檢索一個作者時，系統會主動推送作者的簡歷與相關文章。
功能描述：提供檢索關鍵詞的相關詞條解釋；提供圖書、期刊等導航推送；分析用戶搜索行為，提供常用學科的推送；提供搜索作者的簡歷、發表文章、學術研究產出等推送；通過用戶的搜索習慣，發現讀者的潛在搜索需求，并進行主動推送。
四、結論
中文發現系統建立在日益增長的海量數字資源基礎之上，其宗旨在于打破以往的書刊目錄發現和文獻全文發現方式，為讀者提供具備完善的知識挖掘與情報分析功能的知識發現系統。以數據挖掘的相關技術為支撐，對這些文獻資源進行數據關聯與情報分析處理，深入發現隱藏在大量數據背后的信息，從而建立功能強大的新一代學術資源發現平臺，幫助讀者簡捷、快速獲得所有需要的知識。對讀者來說，中文發現系統是學習的工具；對圖書館來說，它是一個研究學習平臺，也是一個功能強大的文獻管理平臺。
參考文獻：
＼[1＼] 王曉佳.大數據時代下的情報分析與挖掘技術研究＼[J＼].情報學報，2013（6）.
＼[2＼] 王偉.基于數據挖掘的圖書館用戶行為分析偏好研究＼[J＼].情報科學，2012（3）.
＼[3＼] 韓翠峰.大數據帶給圖書館的影響與挑戰＼[J＼].圖書與情報，2012（5）.
＼[4＼] 何少卓.淺談數據挖掘及其在圖書館的應用＼[J＼].圖書館界，2004（3）.
＼[5＼] 蔣引娣.數字圖書館數據挖掘的基礎研究＼[J＼].現代情報，2007（8）.
