数据分析的前景范文

数据分析的前景范文第1篇

关键词：大数据 教育系统 应用前景

中图分类号：G64 文献标识码：A 文章编号：1003-9082（2016）01-0089-01

大数据是信息技术快速发展的产物，其对教育系统能够产生深远的影响。以数据的形式呈现教育给教育领域带来了一次革新。在大数据模式之下，可以分析学生学习行为和变化的内在联系性，可以有效的挖掘教育领域更加深层次的问题。进入新世纪第一个十年间，大数据这个名词的出现为教育领域带来了全新的模式和挑战。学校在办学过程中，拥有了越来越多真实的、有用的、有价值的海量数据信息。这些强大的数据资源可以为教育发展提供强有力的智力支持和数据分析，在教育系统中大数据的应用具有强大的教育工具价值和时代意义。而积极探索将大数据如何应用到教育系统中，是需要我们重点思考的一个问题。

一、国外教育系统应用大数据的现状分析

大数据应用到教育系统中，能够对学生从小学到大学各个时期的学习行为、考试成绩以及职业规划进行详细的关联分析和研究。在国外很多这样的数据信息已经被国外政府机构完好的保存起来，用于今后的统计和分析。现阶段，大数据分析已经被应用到发达国家像美国、日本等国家的公共教育系统中，其成为了促进本国教育系统改革的重要信息基础。为了顺应时展的步伐，美国政府部门在2012年投入一项花费2亿美元的公共教育大数据计划，通过这个项目美国政府希望能够对美国的教育体系进行完善和改革。进入新世纪以后，在美国的教育系统中，逐渐兴起了一股在线教育的潮流，通过这种教育哈弗和麻省理工大学可以收集大量的数据，从而更好的研究世界各地各个国家的教学模式和学习行为，从而打造出适合不同国家学生学习的在线教育平台。通过记录学习者鼠标的点击数量，可以对学习者的学习行为和学习轨迹进行研究，发现不同类型的学习者对不同知识点的反应情况，用多少时间去学习，哪些知识点需要重复讲解或者强调，哪些学习工具和学习方式能够提高学生的学习效率。在追踪个人学习数据时，虽然是杂乱无序的，但是当很多人的数据收集到一定程度之后，群体行为就会在数据中呈现出一种规律，通过分析这些数据的内在联系性，在未来在线教育平台建设过程中才能弥补没有教师面对面交流指导存在的不足，提高知识传播的针对性，比如知识对受教者的投放强度、进度、反馈等。

二、大数据在教育领域应用的前景分析

1.利用大数据研究学生行为和变化内在的联系性

通过目前各类已广泛使用的教育信息系统途径，学生的行为会被各种数据所自动保留，例如学生在学校的时间、按时上课的情况、课堂听讲是否积极主动。在应用过程中以互联网技术和云计算等综合技术为基础，在对学生管理过程中，从数据库中寻找有价值的数据信息，经过全过程性和综合性分析，找到学生与知识之间存在的内在联系性，分析背后隐藏的逻辑关系，并做出合适的教学决策。在学校中积极应用计算机技术和智能通信设备保障了学生和家庭、学生和教师、学生和社会之间的沟通和交流。在大数据背景下，学生在学校的各种表现都可以用数据形式真真切切的反应出来。其能够表现当下学生的行为表现。一方面，可以通过学生之间的行为变化发现内在的联系性。一方面，大数据时代可以显示学生的历史行为，各种数据表单都能够记录下来。通过这些数据我们可以发现学生的学习兴趣，特长爱好等因素。另一方面，大数据可以通过云计算反应学生的变化趋势。学生的变化通常情况下都是不是很明显，只有当学生出现问题之后，才能发现，而数据从开始到结束是有时间差的，这样就可以通过数据提早发现学生的变化，避免产生不良的结果。

2.利用大数据挖掘学生内在特征

传统教学模式通常都以学生的考试成绩判断学生是否优秀，忽视了学生自主发展的空间。例如两个学生在物理考试中都取得了90分的成绩，从表面上看两个学生的分数是一样的，但是通过大数据分析可以发现，一个学生在学习过程中主要依靠的是思维能力，而另一个学生主要靠死记硬背取得高分，结果相同，但是过程明显不同，在未来这两个的人个各自的发展也不尽相同，其中以逻辑思维能力学习的学生，在今后的学习中能够更加顺畅，发展更加长远。而凭借记忆取得好成绩的学生思维能力不足，对今后的学习十分不利。相同的结果不一定具备相同的知识结构，成绩会掩盖一些不足的地方，会影响学生全面发展，而大数据能够反映学生阶段性的自我认知，对个人成长具有指导性作用，帮助学生弥补能力方面的不足，能够更加全面的反应学生在发展过程中存在的问题和风险。

3.利用大数学实现个性化教学

随着智能互联网时代的广泛普及，我们生产生活中传统基础业务系统和当前新起的物联网系统之间异构互联，产生的交互数据高效率地渗透到社会各类行业领域，为我们记录个人行为数据提供了便利的载体。更为重要的是，在这些强大数据收集终端面前，人们没有掩饰的意图，从而收集着过去无法收集及没有梳理的数据，这些海量数据让社会科学从宏观向着微观转变，让跟踪每一个人的数据都成为可能。将这些海量数据应用到教学中，实现对学生的个性化教学。在实际教学过程中，为学生提供一个个性化的教学环境是新课程改革的要求，在大数据的帮助之下，个性化的教育方式正在逐渐成为可能。大数据时代，个性化已经为教育领域提供了现实的路径，通过网络数据分析学生的兴趣、爱好、行为习惯和行为表现，然后对这些数据进行个性化判断，最终实现个性化的教育模式。在中国，个性化教学教师就是通过掌握学生的学习过程的各种数据，进行重点把握，了解学生的学习基础，从而分析学生对知识的掌握程度，避免学习过程重点的重复，以便为学生进行准确的定位。

参考文献

数据分析的前景范文第2篇

大数据是信息技术快速发展的产物，其对教育系统能够产生深远的影响。以数据的形式呈现教育给教育领域带来了一次革新。在大数据模式之下，可以分析学生学习行为和变化的内在联系性，可以有效的挖掘教育领域更加深层次的问题。进入新世纪第一个十年间，大数据这个名词的出现为教育领域带来了全新的模式和挑战。学校在办学过程中，拥有了越来越多真实的、有用的、有价值的海量数据信息。这些强大的数据资源可以为教育发展提供强有力的智力支持和数据分析，在教育系统中大数据的应用具有强大的教育工具价值和时代意义。而积极探索将大数据如何应用到教育系统中，是需要我们重点思考的一个问题。

一、国外教育系统应用大数据的现状分析

大数据应用到教育系统中，能够对学生从小学到大学各个时期的学习行为、考试成绩以及职业规划进行详细的关联分析和研究。在国外很多这样的数据信息已经被国外政府机构完好的保存起来，用于今后的统计和分析。现阶段，大数据分析已经被应用到发达国家像美国、日本等国家的公共教育系统中，其成为了促进本国教育系统改革的重要信息基础。为了顺应时展的步伐，美国政府部门在2012年投入一项花费2亿美元的公共教育大数据计划，通过这个项目美国政府希望能够对美国的教育体系进行完善和改革。进入新世纪以后，在美国的教育系统中，逐渐兴起了一股在线教育的潮流，通过这种教育哈弗和麻省理工大学可以收集大量的数据，从而更好的研究世界各地各个国家的教学模式和学习行为，从而打造出适合不同国家学生学习的在线教育平台。通过记录学习者鼠标的点击数量，可以对学习者的学习行为和学习轨迹进行研究，发现不同类型的学习者对不同知识点的反应情况，用多少时间去学习，哪些知识点需要重复讲解或者强调，哪些学习工具和学习方式能够提高学生的学习效率。在追踪个人学习数据时，虽然是杂乱无序的，但是当很多人的数据收集到一定程度之后，群体行为就会在数据中呈现出一种规律，通过分析这些数据的内在联系性，在未来在线教育平台建设过程中才能弥补没有教师面对面交流指导存在的不足，提高知识传播的针对性，比如知识对受教者的投放强度、进度、反馈等。

二、大数据在教育领域应用的前景分析

1.利用大数据研究学生行为和变化内在的联系性

通过目前各类已广泛使用的教育信息系统途径，学生的行为会被各种数据所自动保留，例如学生在学校的时间、按时上课的情况、课堂听讲是否积极主动。在应用过程中以互联网技术和云计算等综合技术为基础，在对学生管理过程中，从数据库中寻找有价值的数据信息，经过全过程性和综合性分析，找到学生与知识之间存在的内在联系性，分析背后隐藏的逻辑关系，并做出合适的教学决策。在学校中积极应用计算机技术和智能通信设备保障了学生和家庭、学生和教师、学生和社会之间的沟通和交流。在大数据背景下，学生在学校的各种表现都可以用数据形式真真切切的反应出来。其能够表现当下学生的行为表现。一方面，可以通过学生之间的行为变化发现内在的联系性。一方面，大数据时代可以显示学生的历史行为，各种数据表单都能够记录下来。通过这些数据我们可以发现学生的学习兴趣，特长爱好等因素。另一方面，大数据可以通过云计算反应学生的变化趋势。学生的变化通常情况下都是不是很明显，只有当学生出现问题之后，才能发现，而数据从开始到结束是有时间差的，这样就可以通过数据提早发现学生的变化，避免产生不良的结果。

2.利用大数据挖掘学生内在特征

传统教学模式通常都以学生的考试成绩判断学生是否优秀，忽视了学生自主发展的空间。例如两个学生在物理考试中都取得了90分的成绩，从表面上看两个学生的分数是一样的，但是通过大数据分析可以发现，一个学生在学习过程中主要依靠的是思维能力，而另一个学生主要靠死记硬背取得高分，结果相同，但是过程明显不同，在未来这两个的人个各自的发展也不尽相同，其中以逻辑思维能力学习的学生，在今后的学习中能够更加顺畅，发展更加长远。而凭借记忆取得好成绩的学生思维能力不足，对今后的学习十分不利。相同的结果不一定具备相同的知识结构，成绩会掩盖一些不足的地方，会影响学生全面发展，而大数据能够反映学生阶段性的自我认知，对个人成长具有指导性作用，帮助学生弥补能力方面的不足，能够更加全面的反应学生在发展过程中存在的问题和风险。

数据分析的前景范文第3篇

关键词：国库统计 大数据 分析与预测

一、大数据时代国库统计分析转变

（一）树立大数据思维

“大数据时代预言家”维克托认为：世界的本质就是数据，大数据将开启一次重大的时代转型，一直以来所延续的传统统计分析思想已变得陈旧且落后。国库统计分析思维应当在大数据背景下加以转变。一是关于大数据抽样调查工作的思想。抽样调查是目前统计分析工作中的重要调查方式，但应该清醒地认识到，传感器、网络和数据处理技术，为获取全局数据提供了可能，抽样调查方式越来越多的被大数据取代成为必然。二是大数据统计思想：允许数据存在不精确性。纵观目前的各类数据，一方面，数据来源不断扩展，另一方面数据处理方法飞速发展，我们应该把重心放在统计分析效率上，而不是一味地追求数据的精确性上。三是大数据相关关系的思想，由验证因果向寻求关联转变。统计分析报告是统计工作的下游产品，对决策的意义常常大于常规报表。大数据的应用，统计分析也将发生转变，在做好因果分析的基础上向寻求关联转变，原因分析更加精准和深刻，对策建议更具参考价值。

（二）被动统计到主动分析，从人工统计到智能统计

在这样一个信息爆炸的大数据时代，无论政府机构还是社会公众都可以通过多种途径获取信息，国库统计分析部门也不例外，更应该变被动为主动，对经济转型期的一些重大问题尤其是关系到可持续发展的重要问题，做好数据统计分析，提高发展质量，实现经济转型。涂子沛指出人类使用数据的巅峰形式，是通过数据赋予机器“智能”。大数据在包括国库统计分析中应用的终极形式就是分析智能化。

（三）从事后统计向事前预测转变

统计分析报告是统计工作的重要产品，完整的进度性常规分析应该包括对未来一定时期数据的预测。但由于小数据和信息量的局限，预测一般很少作为报告的重点，多是在假定发展条件、相关政策不变的情况下对未来情况做出的粗略研判，影响了统计对决策的参考价值。而大数据的核心就是将数学算法与海量的数据有效结合，来预测事情发生的可能性。大数据的广泛应用，将有利于统计报告实现由单一的事后分析，向注重事前预测转变。

二、大数据在国库统计分析全流程应用的探讨

当前，大数据浪潮带来了一场新的革命，面对经济发展的新形势新要求，国库统计分析要学会积极的运用大数据的思想和方法，来应对各种新挑战。国库统计分析要积极主动建立大数据分析应用机制，破解新常态下面对的各种问题，实现工作的创新与发展。本文重点分析国库统计分析全流程下大数据的应用。

（一）数据源：建立国库统计分析数据池

目前国库统计分析所用数据主要通过“3T”系统产生基础数据和监管类数据，通过收集各类型政策文件、影像资料、领导讲话、内网信息等形成综合性数据。但这些数据远未达到支撑大数据统计分析的基础。国库统计分析应当建立“数据池”这一基础工程，通过人行内部数据整合、银行和其它机构数据接入、互联网数据抓取和引入等多渠道扩充基础信息源和数据库，为国库统计分析的大数据应用奠定数据基础。

一是加速整合现有国库数据。我国国库汇集了各级政府财务数据和各级国库管理数据，包括从中央到县乡的各级机构化和非结构化数据，也包括税务、海关、财政、银行等部门处理的各类收支退存等国库资金运行数据，涵盖面极广。但现有数据资源存在着部门隶属、无法共享等问题，大数据要求建立统一、高效、共享的国库业务大数据池，就必须打破现有藩篱，尽早实施“国家金库工程”，完善内部数据源。

二是扩大国库统计分析数据源。最重要的是打通各级政府及其下属各部门之间的数据传输通道，实现政府办公、工商行政、招商引资、外贸出口、仲裁诉讼等政府活动所产生的数据接入共享。其次是实现一行三会、商业银行、行业协会、企业实体等生产运营数据的持续传输和报送。最后是互联网数据，互联网是大数据的重要载体，也是数据收集的快捷途径，通过各类互联网平台，门户以及行业网站，可以收集海量数据来增加国库统计分析领域数据采集的前置性和时效性。

（二）数据采集与存储：软件与硬件结合

大数据的应用中，由于数据来源非常广泛且类型多样化，需要存储和分析挖掘的数据量也是十分庞大的，因此数据展现和处理的高效性以及可用性十分重要。因而，大数据的收集和存储应当通过先进的计算机技术自动实现，并结合线下需求采取人工收集等传统方法，以补足系统无法收集的数据的遗漏。国库统计分析数据的采集应当在国库大数据资源池基础上，通过构建云计算应用平台，统筹整合各直属国库大量分散的数据和软硬件资源，通过应用云计算平台的资源和功能，以提升和优化整体效能，从而实现全国国库统计分析的大集成、大整合以及大应用。对于其他横向联网数据，比如一些保密性较强的科学研究数据和企业生产经营数据，则可以与研究机构和企业建立合作关系，使用特定系统接口等相关方式采集数据。

在数据存储方面，在通过完善的物理存储技术和云计算平台等软硬件设施的基础上，按国库统计层级建立分级仓储式数据中心，以人行总行为总库，各项业务与非业务数据达到汇总存储，各级行通过内部接口或云计算平台实现数据上传下载，同时本级行建立分中心数据存储仓，采集本级区域内纵向和横向数据并存储。同时按照保密和信息安全等要求，实施分级授权和设置防火墙、实时加密存储数据和卷标存储加密等技术。

（三）数据清洗与结构化处理

国库海量的、不规则的数据无法提供有效决策支持，只有通过数据清洗技术将大数据转变为结构化和规则化的数据，才能体现大数据价值。数据清洗包括检查数据一致性，处理无效值和缺失值等，是发现并纠正数据文件中可识别的错误的最后一道程序。经过数据清洗技术处理残缺数据、错误数据和重复数据后将有效数据写入数据库。

在国库大数据统计分析上，通过数学知识（概率、统计、离散化等）建立合理模型，充分利用和挖掘数据内容。综合运用开源类和非开源类数据分析工具包括R、Python、MATLAB、SPSS、EVIEWS等软件进行数据分析。具体实现统计分析、数据挖掘和模型预测等功能，并以可视化的结果予以呈现。统计分析包含假设检验、差异分析、相关分析、方差分析、回归分析、logistic回归分析、因子分析、聚类分析、主成分分析、判别分析、bootstrap技术等。数据挖掘包含相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘等。模型预测包含预测模型、机器学习、建模仿真等。

在统计分析过程中，国库统计分析应该重点实现云应用的创新与共享。统计人员可以根据业务的新要求，在云平台数据开放接口的基础上，自由构建合理的数学模型和算法，实现业务应用的创新和扩展。与此同时，以算法的方式将统计人员的智力成果和业务知识固化，当经验证为可信任应用时，可自动进入云平台的应用共享库，在得到授权的前提下，自由使用或补充完善，实现知识固化、资源共享。

（四）国库运行智能化统计分析

在云应用平台上，国库统计分析首先要将日、旬、月和年作为数据的时间维度，将国库收入、国库支出以及国库库存等统计指标作为数据的为空间维度，利用云计算的强大能力，并借助数据分析展示工具，预先计算处理数据。或者根据用户事先提交的数据挖掘需求自动完成相关数据预处理。统计分析人员随时可以从两个维度上深度挖掘数据，并使用QLikView等数据分析工具，实现统计大数据的多维度、可视化展示。

二是实现常规统计分析的智能化生产。可以通过完善和丰富大数据应用平台的分析功能，实现机器式的学习，输入必要的参数后，系统将自动计算数据，并关联提取大数据池中的相关数据和信息，进而依据特定的模板输出分析报告，最后由分析人员对输出的分析报告进行质量把关和进一步的补充完善。

三是构建统计分析数据模型，提高预警预测水平。不断进行新的分析预测数学模型的探索和构建，充分利用国库统计大数据平台上的海量数据和动态实时数据，不断提高预测水平。

（五）数据展示与反馈

以智能化统计分析为主的大数据应用技术，为数据结构化和可视化的展示提供了支持。简要国库运行数据、系统化运行指标、国库资金运行报告、国情和舆情监测报告、企业和金融服务报告、国库运行情况预测等为中央银行、各级政府部门制定有关政策提供统计信息和参考依据，充分发挥国库在国家预算执行中的促进、反映和监督作用。同时建立信息反馈机制，对现有统计分析结果予以反馈，还包括对未满足需求提出反馈，丰富和完善大数据应用成果，充分发挥国库统计分析应用大数据的社会价值。

综上所述，从全流程看，大数据应用自数据端建立“”数据池“”到处理端智能分析在到应用端数据展示，大致可以通过下图（图1）形象展示：

三、有效提升大数据应用的政策建议

（一）从制度层面保障大数据统计分析的有效开展

制定专门的大数据应用法律法规，在由总行统一部署、统一实施的基础上，各地区分支机构结合当地实际制定特色大数据应用和发展规章制度。从数据产生、采集、存储、挖掘和应用等大数据处理全流程做出明确安排。一是通过总行层面的发文、通知等鼓励通过大数据方法加强国库统计分析，建设大数据共享和应用平台；二是强化大数据统计所需软硬件采购、数据源互联互通及模块化分割等作出具体安排；三是要求大数据应用所应达到的在信息、统计报告、预测与预警等功能上的目标和绩效予以明确，充分利用大数据平台提供统计分析支持；四是强化信息技术安全，防止信息泄露、网络攻击、系统失灵等问题，明确应急处置方案。做到严格立法，有法可依，有章可循。

（二）加大基础设施建设和人才投入，满足大数据应用的软硬件要求

大数据基础设施可分为硬件和软件两类。硬基础设施主要包括用于收集、存储、分析和应用大数据的信息化系统架构；软件基础设施主要包括各类数据信息、数据挖掘和大数据应用专业软件以及金融企业的人力资源。人民银行应通过专项资金投入等方式构建大数据应用的软硬件设施和和培养专业人才，并通过持续培训使全体员工了解并使用大数据进行国库统计分析。也可邀请专业的大数据解决方案服务商作为咨询顾问，整合国库不同生产系统数据，优化数据应用行为，加快统计系统建设步伐。

（三）提高大数据管理和应用能力

国库统计分析应不断的加强国库运行数据的采集、储存、保护和管理工作，不断提升统计分析水平。加强对国库统计分析中涉及的地方债、营改增、房地产、小微企业经营、财政专户、盘活库存等热点领域可以设计建立相应跟踪监测指标体系。与此同时加强改革数据的统计制度、方法以及程序，研究大数据共享制度，为宏观经济分析提供便捷、坚实的大数据基础。

建立国库大数据分析应用机制是新形势下的当务之急。国库统计分析需不断改革创新，强化大数据的思维，提高大数据的意识和驾驭大数据的能力，积极探索新的大数据应用方法和途径，从而在国家宏观决策、服务经济社会发展、服务国库管理方面，进一步提升国库统计分析服务的能力和水平。

参考文献：

[1]沈昱池.大数据时代我国财政信息共享的思考[J].地方财政研究，2015（11）：47-67

[2]陈健慧，赵昕.国库统计分析数据集中系统建设[J].金融电子化，2010，03：89-90

数据分析的前景范文第4篇

“数字地球”是空间信息技术发展中的重要概念。“数字地球”的构想是美国副总统戈尔于1998年提出的，其实质是网络基础设施、数据库与计算机构成的数字化地理虚拟系统，目的是使人们能够通过数字化信息网络，自由地链接、调用地理信息。“数字地球”的核心是3S集成技术。3S包括GPS、RS和GIS。GPS即全球定位系统，可通过坐标系统进行全天候精确定位、定性和定时，在导航、测绘、军事、农业、考古等方面的应用前景广阔。RS即遥感技术，各类卫星遥感能够全天候对地表实时监测，深入、准确地监测地表景观的状态。GIS即地理信息系统，是各类空间数据与属性数据的集成数据库平台，能够进行各类空间分析、演变分析与三维成像。GIS、RS与GPS所采用的数据格式具有共通性，能够达到无缝连接，极大地拓展了风景园林中分析、规划与设计的一体化能力。

二、空间信息技术促进风景园林专业技能变革

空间信息技术的发展能够大幅促进我国风景园林专业技能的变革。主要的变化包括空间数据、景观的监测与分析、工作效率化方面。风景园林研究、规划和设计均涉及各类空间数据。对于规划设计人员来说，获取、处理有效的数据是重要的专业技能。针对基础数据内容庞杂、种类繁多且尺度不一的特点，我国已经着手建设地图数据库、测绘档案等数据基础设施。各类商业遥感影像也是重要的数据源，可以根据用户要求有针对性的调取。规划设计人员能够在GIS平台上，对空间数据进行分析，从而准确地掌握基地的地表状况，提高规划设计方案的合理性。风景园林从业人员可以利用遥感技术对地貌景观进行广域、实时、高精度的监测，并通过GIS进行定量化分析；通过RS和GIS技术，规划师可以定量地掌握绿地植被分布状态，在GIS中可以进行时间序列演变分析、土地适宜性评价、热岛分析、空间分析（包括网络分析、可达性分析、叠加分析等）、景观指数分析等，为绿地规划、城乡与区域规划提供基本的依据。引入数字技术能够大幅提高工作效率。空间数字信息技术，尤其是3S集成技术的不断发展与完善，促进了数据与软件的无缝兼容，推动了园林设计的自动化进程。设计自动化包括办公流程自动化、数据采集自动化、输入输出自动化、分析自动化和管理自动化。办公电子设备与软件集成化发展提高了数据传输与处理的效率，国家大力推动的数据标准化与共享化也有力提升了规划设计人员采集、分析和处理数据的能力。

三、高校风景园林专业空间信息技术教学的目的

（一）加强对空间数据的理解

风景园林专业的规划设计课程涉及到空间数据的处理。空间信息技术教学实际上是围绕空间数据的获取、处理、分析而展开的。目前学生普遍缺乏对空间数据的理解，对于空间数据的基本属性、数据的格式与转换、数据的来源缺少科学的认知。空间信息技术教学可以使学生深入掌握各类空间数据的特征、理解数据的含义和表达、了解数据的来源途径和获取方法，熟练运用不同的空间数据格式转换技能，为识别有效数据、处理数据奠定基础。

（二）掌握空间数据的获取能力

空间数据来源广泛、质量混杂，初学者往往难以理清数据的来源渠道。比如有学生在课题中利用遥感图像进行绿化地解析，所采用的数据为网络下载的栅格数据，这类数据失真性较大，并不能用于绿地定量研究。出现这种错误的根本原因在于学生没有了解有效数据的获取途径。教学中应使学生了解国际、国家和省市等相关机构和商业公司的各类空间数据范围及其特性，以及这些数据对于风景园林专业的用途，使学生具有识别有效数据，掌握有效数据获取途径的能力。

（三）掌握基本的空间分析方法

深入、正确的空间分析是获得合理的规划设计方案的前提，也是对规划设计方案进行调整的基础。因此，应使园林专业学生了解、掌握利用GIS软件处理空间数据和进行空间分析的方法。GIS平台中的空间分析模块包括叠加分析、缓冲区分析、可达性分析、距离分析、表面分析、计量统计等功能，可进行时间序列演变与空间格局的量化分析，也可以利用统计结果进行各类景观指数的演算，并制作相应的主题图，作为规划设计的依据。

（四）掌握数据库能力

数据库是对各类工作数据的管理平台。对于景观规划、园林遗产保护、园林植物与应用方向的学生来说，需要收集、管理各类园林资源、植物和地理空间数据。而现实状况中，这些数据往往数量庞大、来源复杂、格式多样，如何管理好这些数据成为影响工作结果的重要因素之一。数据库是解决这个问题的重要方法。空间信息技术教学应使学生获得数据库构建技能，进一步提升其管理数据、使用数据的能力与效率，对其将来的工作具有很好的促进作用。

四、高校风景园林专业空间信息技术课程设置

风景园林专业是应用性较强的专业，与社会实际需求结合紧密。而空间信息技术本身是系统性的科学，因此需要以风景园林专业特点为中心进行知识点提炼，建立有针对性和系统性的教学体系。风景园林专业课程包括理论与设计两大类型，成系列的规划设计课程为教学体系的中心，相关理论知识点是围绕提高学生规划设计能力这个目标来设置的。因此，空间信息技术课程也应以园林规划设计为中心，设置相应的教学内容，通过培养学生空间数据处理技能达到提高规划设计能力的目的。一般来说，高校园林专业所设置的园林规划设计系列课程包括园林设计与园林规划两大内容。园林设计是针对中小尺度的场地，包括庭园设计、专类公园设计、综合公园设计、广场设计、居住区绿地设计、街旁绿地设计、带状公园设计等课程，园林规划是在大尺度的场地上实施的绿地系统规划、风景区规划、度假区景观规划、滨水区景观规划等。设计的尺度越大，与城市、社区以及自然环境的关系越复杂，就越需要学生具备较好的数据收集和处理能力，并能够掌握、应用一定的空间分析方法。笔者认为，针对园林专业课程内容和技能要求，可将空间信息技术教学内容划分为三个模块，每个模块有不同的教学内容与目的，且与相应的园林教学课程相对应。三个模块包括基础模块、数据处理模块和空间分析模块，基础模块是理论教学，数据处理与空间分析模块是实践教学。基础模块以学生认知空间数据为基本目的，主要包括空间数据的格式与分类、空间数据的作用与意义、地理坐标系统与地图学基本知识、3S技术原理、数据库基础、数据基础设施与常用空间数据源等教学内容。数据处理模块与园林设计课程相对应，以学生在设计过程中能够正确获取、处理基地环境数据为目的，教学内容包括DEM高程数据处理、GPS数据获取与转换、CAD文件格式转换、RS地物分析等。空间分析模块与园林规划课程相对应，以学生在规划过程中能够进行科学地空间分析为根本目的，主要教学内容包括叠加分析、缓冲区分析、可达性分析、距离分析等，并使学生能够制作主题图，作为规划的依据。基础模块、数据处理与空间分析三个模块教学内容应依次进行，只有掌握前一个模块内容，方能进行下一个模块的教学。基础模块必须开设独立的课程，数据处理与空间分析模块既可以是独立的课程，也可以作为园林设计课程中的组成单元，或者采用连续性的讲座形式。

五、难点与展望

数据分析的前景范文第5篇

关键词：大数据；企业管理模式；创新途径

随着我国科学技术的快速发展，智能终端以及互联网技术的广泛应用以及普及，对相关的应用储存以及视频监控等方面都呈现出一种快速增长模式，大量的数据都能够展现出大数据时代的到来。但是当前我国企业管理过程中没有将大数据的作用充分的发挥出来，不能够为企业的发展带来有效的社会价值以及经济利益等，因此，企业应该与时俱进，在当前大数据的背景下积极主动的创新企业管理模式，提升企业管理过程和流程的创新和完善，最终能够有效实现企业自身经济利益和自我价值的增长。

一、大数据背景下企业面临的挑战

（一）数据实时分析

随着企业的不断发展，内部和外部环境不断变化，需要处理的数据和信息越来越多。并且加上数据数量的不断增加，企业在正确处理的过程当中实时会受到一定的影响，因此，在当前大数据的背景下，对数据进行实时分析是当前大数据背景下企业面临的挑战[1]。

（二）数据安全

在企业管理当中存在很多的企业以及客户的信息，并且中间还存在很多的个人信息。在大数据时代下，企业应该保护好这些信息。在比较混乱的网络环境当中，企业想要更好的面对大数据时代带来的挑战就应该运用有效的方法和措施处理好数据的安全问题，促进企业更好的发展。

（三）数据多样化整合

在大数据背景下，企业收集数据的过程中，不仅需要传统渠道收集之外，还遇见了社交网络环境以及电子商务环境等对信息进行处理，比如图片或者是视频等形式。在很多的信息当中，企业应该运用多样化的方法对其进行整理，但是对于一些难度比较大的非结构性的数据信息来说，企业很难对其进行处理，因此，数据多样化的整合就是大数据背景下企业面临的挑战。

二、传统企业管理模式中存在的问题

（一）缺乏专业的数据分析管理人才

在当前大数据的背景下，企业管理当中对数据的分析和处理工作不仅仅是将传统企业经营管理当总的数据信息做简单的数据判断和处理，大数据对信息的整合已经超越了企业传统管理当中的市场营销以及信息化范畴，因此，就需要具备较强综合能力和综合素质的专业人才对企业经营管理过程中的数据进行有效的分析和整合。但是就当前我国企业的发展形势来看，企业当前所拥有的人才都是传统模式下的，很大的程度上制约了企业内部大量人才的成长和培养，因此，综上所述，传统企业管理模式中导致数据处理和分析人才的匮乏。

（二）企业忽视了大数据的应用

在传统的企业管理模式当中，很多领导者根本就没有将大数据对企业管理所起到的重要作用重视起来，其主要的原因还是因为没有意识到大数据时代到来的重要作用，能够为企业所带来的价值，很多企业的领导者对大数据的作用忽视掉了，认为大数据实际上就是在工作当中对一些数据进行简单的整理和归纳这样根本就不能够为企业带来作用和价值，这些传统的领导者认为企业盈亏以及财务报表等一些宏观上的数据，而这些比那些虚无的数据更加有用得多。但是在当期大数据时代快速发展的今天，就应该充分利用大数据的作用和优势，等待大数据到来所提供的机会，让企业能够更加良好的发展。

（三）企业数据处理的不够及时

在世界经济快速发展的今天，人与人之间的沟通以及信息的数量和传播速度等成本逐渐失去了对企业经济发展的制约程度，企业发展的内、外部环境都在不断的发展和变化当中，也就是说，企业当前应该面对的已经不再是停留在简单信息利用方面是否对称那么简单了。企业在管理当中需要更多的数据进行分析，并且应该应用相应的数据对企业近期的经营状况等进行详细的了解，在处理市场上经济当中所产生的不同问题过程当中，企业的领导者应该明确自身的选择，在当前信息化水平快速发展的今天，企业都不可能做到独善其身，企业如果在发展当中不积极主动的面对这种状态，就会在未来的发展和竞争当中消失。在当前大数据的背景之下，很多企业都面临着企业内部的数据处理和分析工作量越来越大。

（四）企业的智能化和商业化程度不高

企业的智能化和商业化程度不高，随着大数据时代的到来，企业的商业化和智能化并没有为大数据的到来做出贡献，没有适应大数据的发展，也就是说商业化和智能化并没有在企业的管理当中获得更加普遍的使用。这样就会让企业在实际的经营管理当中不能够良好的面对大数据时代到来所带来的冲击，不能够很好的将危机转化为挑战和机遇，更有的企业因此而逐渐走向了企业经营管理的“寒冬”。

三、大数据背景下企业管理模式的创新研究

（一）培养具有较强数据分析专业的人才

在当前大数据的背景下，想要创新企业的管理模式就应该培养具有较强数据专业分析专业的人才。大数据时代背景下的人才培养模式与传统的人才培养以及需求都不是相同的。在大数据的背景下，企业管理模式上的创新是需要能够具备较强企业经营管理、数据分析、整合数据以及相关市场营销理论知识高素质的综合性专业人才，这样的人才应该能够分析和整合数据、运用数据以及重视数据人才，将企业的数据当成是企业发展过程中最重要的东西，也可以从分析数据的角度为企业的未来发展和进步设计重要的管理决策，促使企业在整个未来发展的战略性发展占有极为重要意义和作用[2]。

（二）重视大数据在企业管理中的作用

在当前大数据的背景下，想要创新企业的管理模式就应该重视大数据在企业管理当中的作用。想要彻底的转变当前模式下的传统企业管理模式，转变企业领导者的意识，企业领导者应该主动积极的寻求转变，不能够再按照传统的管理方法进行管理了，不然就会在当前大数据快速发展的时代下被落后，而导致无法获得正常的发展[3]。因此，企业的领导者应该重视大数据时代所具有的商业价值，应该将企业的管理决策与实际需求等及时的与企业的领导者进行沟通和交流，在企业落实智能化和商业化的过程当中通常就会与各种各样的管理者进行分析和沟通，促使企业的领导者应该真正的充分的认识和理解大数据对企业自身管理和发展所具有的重要作用，当传统的就数据分析方法已经不能够满足当前社会经济发展，那么大规模的企业信息数据分析的系统化建设就能够顺利的开展。

（三）及时处理好企业的数据，对企业的对策进行分析

在当前大数据的背景下，想要创新企业的管理模式就应该及时的处理好被禁在当前信息传播速度非常快的背景下，企业想要在市场经济激烈竞争当中一直保持良好的经营状态，一定要加快处理由于大量数据，并且能够对其加以有效的、适当的分析，能够在快速掌握企业经营状况以及相应的应对不断发展的社会市场形势。应该对企业的数据应该做出比较全面、深入的收集和挖掘，并且能够将其作为游侠的基础，对企业的大数据展开有效的研究和分析，从而能够更进一步的帮助企业做好企业管理的决策和运营[4]。因此，应该需要企业重视数据工作的处理和分析工作，因为这些数据自身所具备的即时性都能够促进企业的快速发展。

（四）增强企业的智能化和商业化程度

在当前大数据的背景下，想要创新企业的管理模式就应该增强企业的智能化和商业化程度。本文认为，应该先左后企业信息化管理的基础，但是这里所说的信息化管理并不是仅仅是企业内部管理当中实现无纸化以及自动化管理，这样的信息化管理只是表面上的，比较形式化的东西，实际上企业的信息化管理应该是培养企业的员工能够具备数据质量意识和信息意识，让不同的信息用户都能够反手数据之间的不同，感受数据就是系统和企业的生命。数据本身所具有的可靠性和真实性都是企业当中一个信息系统成功的重点[5]。另外，还应该重视人在的引进和自身的培养，同时还应该重视企业自身的管理知识水平，通过知识等方面的共享以及获取企业智能化和商业化发展的解决方法。

结语

综上所述，在当前大数据的背景下，为各个企业的管理带来了机遇和挑战，现代企业的管理和创新会出现比较大的变革。在企业未来的发展过程中，大数据将会发挥出其十分重要的作用，因此大数据时代的到来对于企业的管理来说是一种完全新型的管理模式。基于此，企业应该在当前大数据的背景下，培养具有较强数据分析专业的人才，重视大数据再说企业管理中的作用，及时处理好企业的数据，对企业的对策进行分析，增强企业的智能化和商业化程度，以此来促进企业未来的长足发展。

参考文献：

[1]时钟平,柯铁军,薛传佳,冯立颖,郝晓冰.大数据背景下高校学生教育管理模式的创新———基于燕山大学“燕园在线”网络综合服务平台的思考[J].学理论,2016,(07):181-182.

[2]查先进,杨海娟.大数据背景下信息管理专业人才培养模式改革创新影响因素研究———以湖北高校为例[J].图书情报知识,2016,(02):21-29.

[3]鲁珊,张曼.大数据背景下酒店现状及经营管理模式创新研究———以长沙市星级酒店为例[J].技术与市场,2016,(02):95+97.

[4]王凯旋,蒋元涛.大数据时代航运企业商业模式创新趋势与思路研究———以马士基航运为例[J].物流科技,2015,(05):17-19+26.

数据分析的前景范文第6篇

科技创新景气循环我们称之为科技创新波动，是指区域及其科技管理部门在组织引导科技创新部门完成其科技创新活动的过程中，从创新研发、创新产品生产、创新产品销售及产业化各方面所表现出来的规模和数量的不断上升和下降的循环往复运动。这种循环波动，不仅表现在反映微观部门的各种科技创新变量的运动过程中，而且也表现在反映国家总体行为的各种科技创新变量的运行过程中。

2深圳南山科技创新景气指数构建方法

2．1指标选取与数据处理

2．1．1指标筛选

在深圳市南山区统计局的支持下，本文收集了与科技创新活动相关的季度指标53个，季度数据1378个，覆盖年份从2007年1季度到2013年2季度共26个季度，涵盖了南山区高新技术、电子信息、生物医药、新材料，光电一体等几大产业。根据数据的缺失情况，以及指标的重要性和波动性，配合科技创新的过程、结构维度进行指标的筛选。

2．1．2数据处理

由于原始数据在统计过程中不可避免的存在某些失误，为了避免这些数据对分析结果造成损害，因此有必要对原始数据进行处理。本文中把数据正常值界定在内，对异常值和缺失值通过均值法或线性趋势法对其进行替换。对数据进行初步处理之后，计算相应的同比增长率序列。为了剔除季节变动要素和不规则变动要素给景气指数分析结果带来的负面影响，本文采用Eviews中X－12法对数据进行季节调整。

2．2综合景气指数指标的确定

2．2．1基准循环的选取

基准循环既是分析波动周期及波动特征的主要依据，目前国际上正在使用的景气指数有三种循环:古典循环、增长循环、增长率循环。由于目前我国的科技发展速度较快，科技创新投入总量和各项指标都在增长，很少出现绝对量下降的情况，只是增长速度的变化幅度较大，因此本文区域科技创新景气分析采用同比增长率循环法来反映科技创新指标的变化情况。

2．2．2基准指标的确定

景气指数体系是以基于有关科技创新变量相互之间的时差关系来指示景气动向的。基准指标就相当于衡量其时间序列先后顺序的尺度。根据重要性、波动性以及能够敏感反映科技创新变化活动的原则，本文选取了正在申请专利数量为基准指标。这主要是由于专利的申请数量能准确的反映一个区域的科技状态，同时它也是科技力量强弱的一个重要标志。

2．2．3科技创新景气指数指标分类

对初选指标进行筛选后，按这些指标与基准指标之间的时差关系划分为先行、一致和滞后指标组。分组的方法很多，目前采用较多的主要有时差相关分析法、K－L信息量法、聚类分析和谷峰对应法。根据各方法的性质和要求，本文选用时差相关分析法对景气指标进行分析。

2．3科技创新景气指数构造

2．3．1南山区科技创新扩散指数计算

扩散指数(DI)是在对各个科技指标循环波动进行测定的基础上，所得到的扩张变量在一定时点上的加权百分比，能有效地预测科技创新循环的转折点。

2．3．2南山区科技创新合成指数计算

扩散指数虽然能有效地预测科技创新循环的转折点，但不能明确地表示循环变化的强弱，不能反映波动的振幅。而合成指数正好能弥补这些缺点，本文用美国商务部的合成指数计算方法来构建科技创新的景气指数。

3南山科技创新景气指数分析

3．1长期景气波动分析

从总体来看，根据一致合成指数的走势，深圳南山区的科技创新景气指数可划分为四个阶段。

3．2短期景气波动分析

深圳南山区的科技创新景气指数是基于季度数据进行测度的，因此具有更好的时效性。有助于动态地把握科技创新活动的状态，并对制定相关的政策给予辅助。结合近几个季度的走势分析看:(1)先行指数反弹明显，科技创新有望走出不太景气的状态。先行指数在经过11年下半年的低迷之后于12年1季度出现阶段回升，并于2季度上升至100．69，但是上升势态并不稳固，小幅波动之后进入一个企稳回升的上行期，预示着后续季度科技创新景气指数有向好的趋势。(2)一致指数上行企稳。科技创新景气指数在前几年出现了逐季下行的走势，由11年3季度的景气高点下滑到12年3季度的景气历史次低点，景气度由此进入一个不太景气的低迷状态。但是，最近几个季度的数据显示，景气状态逐渐回暖，连续四个季度景气值稳步回升，由99．62微张到13年2季度的100．57，一致指数上升势态明显。(3)景气预警指示灯显示南山区科技创新景气状态由11年3季度的非常景气逐渐下滑到12年3季度的不景气，12年3季度和13年1季度连续显现2个季度不太景气的预警信号，但13年2季度的景气状态出现回暖状态，进入正常状态。最近几个季度的综合预警灯信号表明，深圳南山区的科技创新活动经过一个低迷期后进入一个回暖上升通道。

4主要研究结论

本文以创新周期为理论基础，基于季度数据构造了南山区的科技创新景气指数，为政府科技政策和科技统计工作的改革提供了示范基础，主要得出了以下结论:

结论1:本文的数据是基于深圳南山区科技统计改革的成果，采取季度数据，对测度区域科技创新发展具有很好的时效性;利用合成指数方法构建的创新景气指数能清晰地反映科技创新状态由下降、稳定、恢复到增长的波动特征以及转折点，有助于对我国区域科技创新景气状态进行测度和监测，这是目前以基于年度数据和简单指数构建方法做出的创新指数所不能及的。

结论2:科技创新景气指数能够很好的反映科技创新活动的时序性。不同创新指标对科技创新景气指数的测度结果具有不同时点的影响，说明各个创新活动的作用和影响存在时滞性，创新景气指数的构建有助于把握区域科技创新活动的时序性和动态性。

数据分析的前景范文第7篇

 

目前，随着信息技术的发展及其在各行各业的应用，以信息技术为代表的科技革命不断取得突破，利用现代信息技术与旅游业景区管理工作有机地结合对景区资源环境保护是一种有效的技术手段，是景区信息化与数字化建设中的重要组成部分，是提升旅游服务质量的有效途径，是建设"数字景区"及"智慧景区"发展的必然趋势，.旅游强省是贵州省在"十二五"期间的一个重要发展目标，旅游业也将被培育成国民经济的战略性支柱产业和人民群众更加满意的现代服务业( 贵州省发改委，2013) .

 

如何利用信息技术实现"旅游强省"重要发展目标的同时解决环境和资源日益突出的问题、确保贵州旅游资源的可持续利用与旅游业的可持续发展，抓好资源环境保护尤为关键。针对上述问题，本文提出智慧贵州景区资源保护决策支持系统的研究。

 

决策支持系统是具有一定智能作用的人机交互的计算机应用系统 .DSS 是在管理科学、运筹学、控制学和行为科学等基础上发展起来的，以计算机技术、仿真技术和信息技术为手段，辅助决策者以人机交互方式进行半结构化或非结构化决策的人机系统。如今，随着各种决策分析方法的研究以及人工智能技术、信息处理技术、网络技术等与 DSS的结合，DSS 已在资源管理、灾害预测、重大决策评价、政策决策和各种分析等方面得到广泛应用( 王家辉等，2003; 黄解军等，2009; 杭艳秀等，2010; 刘博元等，2011; 蒋栋等，2011) .决策支持系统是智慧景区的核心组成部分，与一般的景区业务系统相比，能实现更高效的管理与服务，为景区资源保护、提升旅游服务总体目标提供信息技术保障。景区资源保护问题涉及信息量大，主要涉及地图数据、普查数据、遥感数据、调查数据和其他数据，采用决策支持系统对景区资源保护是一种有效的技术手段，能有效解决目前发展旅游业的同时保护资源环境的问题。对于景区资源保护，决策支持系统可以提供以下 4 个方面的决策参考：1) 景区特征的可视化，包括信息获取及存储，使之转化为数字化的信息;2) 景区特征数据分析，包括景区生态环境承载力分析、景区石漠化、水土流失概况分析等等;3) 景区资源环境保护方案分析，包括景区资源环境保护决策方案生成、分析、选择与优化;4) 经济成本与效益分析。

 

1 决策支持系统的结构与特点

 

1. 1 决策支持系统的结构

 

目前，被当前大多数 DSS 所采用结构是 5 个部件四库结构的交互式计算机软件系统，其由 Sprague提出的由两库结构逐渐发展而来 .5 个部件分别为： 人机接口、数据库、知识库、模型库和方法库。其基本结构如图 1 所示。

 

2. 1 决策支持系统的特点

 

DSS 作为一门交叉学科，有着完整的理论框架。

 

近年来随着 DSS 在发展过程中不断的与新技术融合，促成了其在具有人机交互性、技术集成性、决策有效性和系统开放性 4 个方面的特点。

 

1) 人机交互性

 

DSS 是辅助决策者以人机交互方式进行半结构化或非结构化决策的辅助决策工具。DSS 具有一定的智能行为，但系统本身并不是自己做出决策，而必须结合决策者的知识和经验同决策者一起做出决策。此外，由于解决半结构化或者非结构化决策问题，存在许多不确定因素，需要对决策过程进行反复研究，这就要求系统必须提供用户界面友好、人机交互性强的用户界面，便于对决策结果不满意的用户，提供界面接口修改相关的模型和参数，重新设计方法和决策方案。

 

2) 技术集成性

 

决策是根据客观的可能性，在占有一定信息和经验的基础上，借助一定的工具、技术和方法，对影响目标实现的诸因素进行分析、计算和判断选优后，对未来行动做出决定。决策是一个复杂的问题，涉及的学科众多。

 

3) 决策有效性

 

决策的有效性主要体现在决策支持系统能够综合相关领域数据和模型等知识解决实际问题，为政府、企业、科研机构或个人提供相关的数据图表、报告等辅助参考信息，帮助决策者进行某些综合性、战略性的辅助决策。概而言之，DSS 的目标是提供合理性、可行性、适用性三者兼具的措施或解决方案，并产生一定的社会效益和经济效益。

 

4) 系统开放性

 

DSS 是一个开放的系统，其强调决策者能够针对不断变化的标准、条件和环境，增加、修改或删除系统模型库中的模型或数据库中的数据，以确保系统结构的灵活，便于针对新的标准规范或需求进行扩展。此外，DSS 的开放性很大程度上减少了因标准变化或需求更改带来的系统重复开发的成本。

 

2 总体框架与技术路线

 

集成 GIS、数据仓库、仿真等技术能够为景区资源保护决策支持系统提供有效的技术途径。GIS 具有空间数据管理、空间分析和三维可视化表达等功能。数据仓库技术与决策支持系统的集成，能够对海量数据合理规范的存储组织，抽取或整合需要的数据分析达到决策支持的目的。仿真技术与 DSS集成则是指通过建立模型并利用其来模拟系统的运行，得到被仿真系统的基本特性，最终对用户的决策提供支持。通过集成以上技术，系统可以提供给用户可以空间分析、数据存储、数据精确分析、可视化表达等功能，使景区管理者或决策者及时、准确的掌握景区资源概况等信息，进而为景区资源保护提供辅助决策。

 

2. 1 总体框架

 

根据智慧贵州景区资源环境保护和旅游业发展的需求，构建如图 2 所示的"智慧贵州景区资源环境保护决策支持系统框架".如图 2 所示，纵向上看，决策支持系统 5 个部件的四库结构能够直观、具体、鲜明的体现。横向上看，智慧贵州景区资源保护决策支持系统的构建主要包括以下几个功能模块：1) 数据库管理模块;2) 地理信息空间分析模块;3) 环境承载力评价模块;4) 资源保护模块等。

 

首先，系统根据资源环境保护决策需求，利用数据仓库技术对景区空间基础数据、多专题数据和其他数据进行规范化存储，通过对所需数据进行抽取，加强资源与环境信息的集成与整合。其次，在模型库、知识库的支持下，运用数据挖掘( Data Min-ing,简称 DM) 技术，对各种信息进行复合叠加等处理，进而对景区环境承载力、生态环境脆弱性、敏感性等进行评估。最后，基于景区多源数据，结合环境承载力评价模型和资源保护模型等对景区资源环境进行监测，当监测景区的生态环境有退化的趋势，就启动方法库中的环境保护方案，科学有效的地控制景区游客容量与资源利用，实现贵州旅游资源的可持续利用和旅游业的可持续发展，使景区发展达到保护与利益最大化。

 

2. 3 技术路线

 

本文采用综合决策支持系统 对智慧贵州景区资源环境保护决策支持系统进行构建( 彭霞等，2011) .综合决策支持系统是由 20 世纪 80 年代中期发展的智能决策支 持 系 统 与 20 世纪 90 年代出现的数据仓库 、联机分析处理和数据挖掘等新系列技术相融合的技术路线组成( 如图 2) .

 

智能决策支持系统是传统决策支持系统与人工智能结合组成。

 

数据仓库是指面向主题的、时变的、集成的永久性数据集合 .数据仓库最初的提出是为了支持经营、管理中的决策，而将多个数据库中的数据加以融合、提取、整理的解决方案。

 

目前，数据仓库主要用于按决策者需求对传统数据库数据进行抽取、转换和重新组织。OLAP 是基于数据仓库环境的信息分析处理过程，是数据仓库最典型的应用。数据仓库侧重于对多维数据的存储和管理，而 OLAP 侧重于多维数据的分析.典型的 OLAP 操作包括上卷、下钻、切块和切片、旋转等操作，上卷和下钻就如同二叉树中的父子节点关系一样，即上卷是通过子节点获得父节点信息，下钻是通过父节点获得所有的子节点信息。切块是通过对有关维设置一个查询条件，获取其部分属性值，得到具有 2 个以上属性的立方维结果。切片则指仅包含具体的某一条属性，是切块的组成单元。旋转则是指将某个在列上显示的维属性换到行上，成为行属性，或者相反。总之，OLAP这一系列的操作目的是将数据转换成辅助决策信息。数据挖掘又称为知识发现,是指通过一系列的人工智能和统计方法，从数据仓库中提取隐含的、有潜在应用价值的信息进行更精确的分析。该技术解决了决策支持系统中知识库知识贫乏的问题。

 

智慧贵州景区资源环境保护决策支持系统通过综合决策支持系统的技术路线，使系统具备以下3 个主要特性： 一、具备传统决策支持系统以模型计算为核心的解决定量分析问题的能力; 二、传统决策支持系统与人工智能的结合，形成以规则式、数据集、决策树等类型的知识库，使系统具备了以知识推理形式解决定性分析问题的能力，三、系统不仅能利用模型和知识辅助决策，而且能够通过数据挖掘( DM) 和联机分析处理( OLAP) 从数据中获取辅助决策信息和知识。因此，智慧贵州景区资源环境保护决策支持系统能够分别发挥传统决策支持系统、智能决策支持系统及数据仓库等新技术的辅助决策优势，实现更有效的综合辅助决策。

 

3 结束语

数据分析的前景范文第8篇

关键词：输电架空线路 三维全景可视化 优化选线

中图分类号：TM75 文献标识码：A 文章编号：1674-098X（2016）12（c）-0022-02

输电架空线路设计规划的前期主要任务就是线路路径的优化和杆塔模型的选型工作。在以前的工程设计过程中，路径的优化工作主要靠人工决策，杆塔的选型主要根据以往线路的选型经验，在相应的统计分析基础上进行。这样就会有很大的局限性，不能从宏观上考虑输电架空线路工程的设计；不能很好地从经济角度进行分析，直观地进行选线方案的比选；地图资料陈旧，与实际现场差异很大，不能很好地进行全数字化表达；不能充分地考虑微地形等因素；针对这些现象，以三维全景可视化技术作为基础，快速模拟三维线路走廊的地形，同时以高精度的影像数据作为基础，结合电网矢量数据和高程模型，对规划重点的地形如河流、房屋、农田、道路进行三维立体表达。通过三维全景可视化输电架空线路选线平台可以更加直观真实地处理越来越复杂的三维空间数据，提高线路规划的准确性。同时，在我国电力行业率先建立三维全景可视化输电架空线路平台，将填补国内相关领域的空白，并且可以与国外的相关技术相抗衡。因此建立全景三维可视化输电架空线路平台是进一步提高工作效率、降低成本、发展技术的新途径。输电架空线路规划设计可以采用图1的实现机制。

1 三维线路路径初选

基于输电架空线路的基本构建，需要结合可视化场景的相关数据构建，注重影像相关数据的合理分析，结合高程数据的应用，做好输电架空线路实际专业性的分析。关于影像数据的基本分析，结合航空摄影的基本应用，卫星影像全面实现。关于高程数据的相关应用和分析，需要结合数字高程模型，实现矢量数据的有效性分析和应用，注重地理信息数据的根本分析。

三维全景可视化平台采用虚拟与现实相结合的技术特点，利用高精度的DOM和DEM数据，构造成真实的三维场景。操作者可以在三维的空间中管理已经生成的输电电线路、设计新的输电线路，并根据现场的实际情况适时调整和优化线路路径选线执行方案，快捷地提取路径断面供设计进行预排位，同时提供对三维输电电设备模型的信息查询、交叉跨越分析等功能，使线路路径的走向更加经济合理化，其主要功能包括以下几点。

（1）三维全景可视化场景下的放大、缩小、漫游、飞行浏览等基本操作，对可视范围内的地物、输电设备进行可视三维化。并且生成杆塔定位图、断面图。

（2）基于三维全景可视化场景下的地形、地貌以及线路的走向，进行线路路径优化设计。其主要表现在：追加新线路、在现有线路上增加杆塔、移动转角塔、删除转角塔、直线塔与转角塔互换。

（3）在三维场景中加入点、线、面等标识符号，这样便于在线路优化选择上进行标记。便于对输电线路路径选择进行综合考虑。

2 气象资料的分析选取

输电架空线路优化设计过程中对气象资料的分析选取，一般受限于以下几个因素。

（1）设计可靠性标准。

（2）气象原始资料的选取与分析。

（3）资料概率的统计方法。

（4）线路所经过地区的气象灾害调查结果。

（5）气象环境的分析，主要针对线路所经过区域的气象环境的计算，结合这些数据对线路设计进行判定，给出工程可用的气象信息与路径规划。

3 杆塔排位优化

在得到每条线路的断面数据后进行杆塔的排位优化。

杆塔规划：进行杆塔的排位设计时，要根据水平档距、垂直档距、高程、塔基高度以及杆塔模型等数据情况进行排位设计，同时还要考虑对地安全距离以及各种跨越情况对排位设计的影响。

造价分析：对不同的地形、地质条件、线路占地、土方量、工程造价等进行综合分析，得出实施此条线路的工程费用，并与造价进行比较，从而选出经济合理的输电架空线路。

4 参数影响分析

除了地理条件和跨越物对线路设计优化的影响外，还要综合考虑到导线参数和外界环境对弧垂的影响。

导线分为架空线和地线两种，主要的参数包括导线材质、拉断力、导线直径、导线单位长度下的重量、导线弹性系数、膨胀系数、运行应力。

外界因素包括天气环境、温度、湿度、覆冰情况、大风条件等。

根据每段耐张段的设计参数对伽马头的排位影响进行排位与优化。

5 桩位成果输出

通过在断面图上的杆塔预排位及其排位优化，在三维场景中自动生成排位后杆塔的位置。利用三维的高度真实性，用户可以从不同位置和不同视角观测杆塔位置和设计后的线路走向，以便对杆塔排位进行进一步调整和优化。根据排位结果，工程勘测员可以在现场对断面、杆塔位置进行确认、修正和补测。对杆塔排位进一步优化，最终线路设计结果以桩位成果表输出。

6 弧垂分析以及成果输出

对于弧垂的分析过程，主要是结合杆塔中间点的相关线路下垂情况，做好有效性的模拟，在电力线路距离地面高度逐渐小于下垂高度的同时，线路直接触碰地面，往往需要及时调整杆塔的位置，对杆塔密度进行及时的调整，通过合理控制电力线的下垂高度，分析弧垂的功能，结合野外勘测工作，并尽可能降低工作量。输出数据的同时，就要结合杆塔数据基本坐标形式，实现信息的有效输出，并注重属性数据的合理应用，做好数据的保存工作，进而实F实地勘测的应用。

7 结语

该文根据输电架空线路的设计要求，利用数字高程模型和影像数据，采用高分辨率的影像做为基础数据源，辅以现状输电电网矢量数据。结合二维GIS和三维GIS的突出特点，实现对输电架空线路的线路走廊规划和区域优化，为提高输电线路设计的可行性以及辅助线路设计提供了依据和参考。

基于三维全景可视化输电线路路径选择平台能够将部分路径优化工作提前到规划科研阶段进行，能够使路径走向更加合理，缩短线路路径，降低投资。高分辨率影像图对房屋判读能力良好，配合GPS在外业现场作业，对房屋的避让能够达到比较好的效果。项目的实施能够减少房屋拆迁量，减少后续勘测设计返工现象，减少了工程建设对人民生活造成的不利影响，林地砍伐减少，保护环境，加快设计进度，能够比传统作业提前工期。系统实施能够大大减少设计、施工阶段的困难，加快工程进度，为线路顺利投产运营打下了基础。

参考文献

数据分析的前景范文第9篇

关键词：定量分析；教学模式；大数据；案例教学

中图分类号：G4

文献标识码：A

doi：10.19311/ki.16723198.2017.01.080

1引言

管理定量分析课程是应用统计学、运筹学、预测与决策等理论和方法研究经济管理问题的系列应用性课程，它通过收集、整理、分析和解释实际数据来获得有价值的信息和知识，探索经济管理问题的运行规律，辅助企业管理决策和提高管理效率。

近年来，大数据的出现对企业的生产、经营和决策等活动带来了深刻的影响和变换。越来越多的企业致力于应用大数据技术来挖掘企业经营数据的内在价值。

大稻菁际醯某鱿郑对管理定量分析课程教学带来了机遇和挑战，一方面，它极大地丰富了管理定量分析的教学内容，提供了诸多的新理念、新技术和新工具；另一方面，它对现有的管理定量分析课程的教学内容、教学模式和教学团队等带了更高的要求，已有的教学模式难以匹配大数据时代对管理人才提出的高要求。

如何顺应大数据时代的新趋势开展管理定量分析课程教学，如何结合新趋势优化管理定量分析课程设置，如何建立适应大数据背景下的管理定量分析课程教学团队，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是现有的管理定量分析课程教学所面临的问题，这也促使我们不得不去思考、探究、优化甚至改革现有的管理定量分析课程教学模式。

2现有的管理定量分析课程教学概述

笔者所在的教学团队来自于武汉科技大学管理学院，承担全院《管理统计学》、《运筹学》、《系统工程》等课程教学，具有丰富的教学经验。然而，在教学实践当中，我们发现：尽管现有的管理定量分析课程教学模式比较成熟，但是仍存在“三多三少”的不足，而这些不足恰恰难以应对大数据背景下对管理定量分析课程教学带来的挑战。

2.1理论讲授较多，实践教学较少

随着市场竞争的日趋激烈，越来越多的企业采用定量分析方法进行企业决策，管理定量分析方法也成为管理类专业的重要课程。然而，实际教学过程中却发现，学生对该类课程的积极性不高，学习过程中出现畏难，不耐烦等消极情绪，导致实际教学效果大打折扣。

究其原因，一方面，目前的管理定量分析方法主要介绍各种不同类型的定量方法的原理、模型和理论，因而教师主要采用理论讲授为主的教学手段，加上定量分析方法这类课程对数学要求较高，有不少理论模型、数学公式和逻辑推理，对学生的数学要求较高，相对于理工类学生，管理类专业的学生数学基础较为薄弱，因而学生本能地会产生排斥心理；另一方面，现有的定量分析方法主要讲授其原理，大部分老师缺乏参与企业实际管理决策的经历和经验，难以向学生讲授应用定量分析方法解决企业实际管理决策的情景和过程。

2.2数学推导较多，案例应用较少

目前，关于管理定量分析课程教学存在两种观点：一种是“重理论轻应用”，该种观点认为管理定量分析课程是一门综合统计学、运筹学、预测与决策等理论和方法的理论课程，应该注重定量分析的理论和方法的讲授，以理论推导和数学模式为主；另外一种是“轻理论重应用”，该种观点认为管理定量分析课程应该强调统计学、运筹学、预测与决策等在经济管理中的应用，以Excel和SPSS等工具为手段，突出应用案例教学。

目前，“重理论轻应用”的教学模式占大多数，这种模式注重理论讲授和数学推导，理论方法与实际案例结合不够，学生掌握了零散知识，但无法解决实际问题。此外，部分教材也以理论讲授为主，缺乏深度的应用案例，也不注重定量分析软件的应用，学生面对实际问题往往束手无策。

2.3知识传授较多，综合训练较少

管理定量分析课程考核一般采取闭卷考试，题型包括填空题、单项选择题、多项选择题、简答题和计算题等，尽管题型多样，但是这种考核方式仍然只能考察学生对基本的单一知识点掌握情况，难以考察其综合运用定量分析方法解决实际问题的能力。

然而，大数据时代的到来对从业者提出了更高要求，除了掌握基本的定量分析方法原理，还要求从业者具备应用定量分析方法来实现数据获取、数据预处理、统计建模、模型检验、模型评价、模型部署等，从而解决实际问题的综合能力。而这些综合能力无法通过单一知识点的考核来实现，需要通过参与理论学习、软件操作、模拟场景或实际项目等综合训练才能够达到。

3大数据背景下管理定量分析课程教学探讨

面对发展迅猛的大数据技术，现有的管理定量分析课程教学模式难以跟上大数据时代对其提出的新要求。如何顺应大数据时代的新趋势开展管理定量分析课程教学，如何结合新趋势优化管理定量分析课程设置，如何建立适应大数据背景下的管理定量分析课程教学团队，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是现有的管理定量分析课程教学所面临的问题，这也促使我们去思考、探究、优化甚至改革现有的管理定量分析课程教学模式。

3.1构建知识融合的课程设置

合理的课程设置是开展课程教学的前提，更是人才培养质量的重要保障。课程设置应适应于教学目的、培养目标和学科发展趋势。

最初，管理定量分析课程以“统计学”、“运筹学”为主干。随后，根据学科的发展趋势，先后加入“统计软件应用”、“计量经济学”等新课程。近年来，大数据的发展对从业者提出了更高要求，简单定量分析方法传授难以适应新要求，需要从业者掌握更多的分析方法和数据挖掘、机器学习等新技术。遵循知识融合的思路，管理定量分析课程应引入大数据分析、数据挖掘、机器学习等前沿技术，加强SPSS/SAS/R等操作能力，尤其应注重培养应用新技术解决企业实际经营管理问题的能力。

3.2探讨案例驱动的教学模式

尽管目前的管理定量分析n程有多媒体教学、板书教学等方式，但是管理定量分析课程仍以理论教学为主，简单统计工具应用为辅，忽视了培养学生的实际操作能力，无法形成“教-学-用”的良性闭环。

大数据时代下，数据拥有更大的价值，从业者应具备从数据中挖掘知识和信息的能力。因而，管理定量分析课程应引入实际案例，综合训练应用定量分析方法解决实际问题，挖掘新知识和新信息的能力。

管理定量分析课程教学应逐步转向理论传授、案例驱动相结合的模式。近年来，业界出现了不少应用大数据解决企业管理决策问题的案例。例如IBM开展基于大数据的订购分析；Google利用大数据预测全球流感趋势；百度预测春运流量等。这些都为管理定量分析课程教学提供了丰富的案例。

在课堂教学之外，通过参加大数据竞赛、邀请大数据分析专业人员开展讲座，参加科研项目，参与企业实习等，培养学生应用SPSS/SAS/R等处理和分析数据的综合能力。

3.3建设学科交叉的教学团队

管理定量分析课程教学离不开教师和教学团队的支持。大数据对管理定量分析课程教学提出了新要求，新背景下的管理定量分析课程教学涉及统计学、运筹学、统计软件、计量经济学、数据挖掘等不同学科的知识，因而建设一支适应大数据背景下的新要求的管理定量分析课程教学团队尤为重要。

目前，管理定量分析课程的教学师资主要以统计学和运筹学等学科背景为主，大部分老师未掌握数据挖掘、机器学习、R、SPSS等，建设学科交叉的教学团队是课程教学质量的重要保障。新型的管理定量分析教学应加强SPSS、R、数据挖掘、机器学习等的学习，建立学科交叉的教学团队，加强管理统计软件和数据挖掘等训练，注重理论教学和上机实践的结合，培养学生应用分析工具进行实践的能力。

4结语

管理定量分析课程是一类应用统计学、运筹学等理论和方法研究经济管理问题的系列应用性课程。大数据技术的迅猛发展对现有的管理定量分析课程教学带来了极大的挑战。本文以大数据背景下的管理定量分析课程教学模式为主线，首先，分析并总结现有的管理定量分析课程教学的“三多三少”的特点和不足；其次，结合大数据背景探讨了新型的管理定量分析课程教学模式，提出了：（1）构建知识融合的课程设置；（2）探讨案例驱动的教学模式；（3）建设学科交叉的教学团队的新型管理管理定量分析课程教学模式，它融合了课程设置、教学模式和团队建设，注重定量分析理论和应用的结合，有助于顺应大数据时代对管理类专业学生的新要求，培养他们的数据驱动的量化分析和管理决策意识，增强其解决实际问题的能力，进而提升其职业竞争力。

参考文献

[1]顾剑华.关于工商管理专业管理定量分析课程建设的思考[J].当代教育论坛，2009，（4）：127128.

[2]邓淇中，周志强.管理定量分析课程教学改革探讨[J].当代教育理论与实践，2013，5（4）：9294.

[3]龚丽.管理定量分析课程的教学探讨[J].大学教育，2014，（17）：111112.

[4]李静辉，王旭，程培峰等.管理定量方法课程教学目标的定位[J].测绘与空间地理信息，2011，34（2）：1921.

数据分析的前景范文第10篇

关键词：商品市场；合成景气指数；扩散景气指数；转折点

中图分类号：F713

文献标识码：A

文章编号：1003―7217(2008)06―0081―06

一、引言

发达的商品市场是现代市场经济的重要标志之一。随着市场经济的发展，我国商品市场也日益发达，商品市场的景气波动问题也就越来越引起研究者的注意。商品市场景气波动是宏观经济景气波动的一个重要分支，对商品市场景气的分析预测不仅能够帮助我们更好地把握宏观经济景气动向，而且能够促进商品市场的平稳健康发展。因此，对商品市场景气转折点的分析预测具有重要的理论和现实意义。

20世纪80年代中期，景气指数的分析方法开始引入我国。国家信息中心经济预测部、中国社会科学院数量经济与技术经济研究所以及吉林大学等科研机构均对我国宏观经济景气进行过分析和预测。此外，国家统计局中国经济景气监测中心于2006年构建了我国天然气消费行业景气指数体系。商务部市场运行司于2006年构建消费预警系统，并在短期内推出了“消费综合景气指数”研制系统。但是，尽管近些年来对我国宏观经济的分析与预测以及对具体行业景气分析的研究文献不断增多，但对于我国商品市场流通领域的景气分析却严重滞后，到目前为止，还很少有人对我国商品市场进行景气分析和预测。因此，本文旨在对我国商品市场景气进行分析，并以此为基础对我国商品市场的转折点进行预测。

文章的基本思路是：通过构建我国商品市场景气指标体系，建立我国商品市场1999年4月～2008年2月的先行合成指数、一致合成指数、先行扩散指数以及一致扩散指数，并对当前的商品市场形势进行分析，再以此为基础，利用VAR模型对我国商品市场景气指数进行预测，通过预测结果来判断商品市场景气转折点可能出现的时间。

二、当前商品市场景气分析

我们从近60组能够反映商品市场景气波动的月度经济数据中，按照景气指标选取的要求选出了10个经济指标作为我国商品市场景气分析的先行指标以及一致指标，其中先行景气指标有：轻工业增加值、汽车产量、进口总额、金融机构工资性现金支出和微型电子计算机，一致景气指标有工业增加值、流动资产周转率、原材料购进价格指数、全国商品零售价指数以及重工业增加值。作为参照系，本文的基准循环选取的是社会消费品零售总额增长率，这主要是因为零售市场景气波动对我国消费品市场与生产资料市场均能产生重大影响，是商品市场波动的风向标。基准日期则是用工业增加值、工业产品销售率、流动资产周转率、销售成本利润率、原材料购进价格指数、全国居民消费价格指数、全国商品零售价格指数等与商品市场波动基本一致的指标，采用国际通用的HDI方法确定得来(如表1所示)。受统计数据的时间长度限制，仅对1999年以来的商品市场进行分析。

根据《中国人民银行统计季报》(1999～2008年)以及《中国经济景气月报》(1999～2008年)提供的数据，我们采用美国商务部的编制方法，编制了我国商品市场先行合成指数(Y1)、先行扩散指数(Y2)、一致合成指数(Y3)以及一致扩散指数(Y4)。由于篇幅有限，本文将不把已经计算出来的1999年4月～2008年2月的先行、一致扩散指数以及先行、一致合成指数的具体数据列上，有兴趣的读者可以向作者直接索取。先行、一致合成指数与先行、一致扩散指数走势如图1、图2所示。

从表1以及图1、图2上看，我国商品市场在1999年4月～2008年2月一共经历了三次景气波动，目前正处于尚未完成的第三次景气波动中，下面结合图表对我国1999年4月～2008年2月商品市场的景气状态进行分析。

第一轮景气波动：1999年5月～2002年3月。受宏观经济逐步回暖的影响，商品市场从1999年5月开始从上一轮景气波动的波谷中走出，一致扩散指数在1999年12月以后的8个月中均达到100％，说明各个一致景气指数均在上升期间，景气回升势头十分强劲，经过19个月的扩张，这一轮景气波动于2000年11月达到顶峰。其后，受全球经济增长放慢及美国9・11事件的影响，我国商品市场景气开始快速地向下滑落，合成指数图形的走势显示，这一轮下跌幅度较大，先行合成指数从最高位的101.8下跌到了最低的97，一致合成指数也下跌了4个指数点。这一轮景气周期于2002年3月滑落至最低点，历时35个月。

第二轮景气波动：2002年3月～2005年11月。这一轮景气波动的启动得益于我国国内消费需求的启动，在国际需求不旺的情况下，我国长期实施的扩大内需的政策开始显现成效。商品市场景气指数从2002年初的波谷开始回升，走出了一波长达30个月的扩张行情，先行扩散指数与一致扩散指数均在很长时间内处于100％。从合成指数图形上看，这轮景气波动幅度也是比较大的。2004年8月，第二轮景气波动达到波峰，但是此时宏观经济已经出现局部过热现象，而后在国家采取“管住土地，管紧信贷”等一系列紧缩政策的调控下，景气指数在到达顶峰后开始快速回落，2005年11月到达第二轮景气波动的波谷，不过从合成指数上看，这一轮波谷比上一轮的波谷相对要高一些，同时收缩期的时间长度也相对短一些。

第三轮景气波动：2005年11月以来至今尚未完成。第三轮景气波动在复苏期间比起前两轮要缓慢一些，从合成指数看，在到达上一轮景气波动的波谷之后，先行合成指数与一致合成指数均在底部徘徊了几个月的时间，上升的速度比不上前面两轮的强劲，但是在完成底部的盘旋后合成指数上升速度很快，先行合成指数在2006年稍作调整后于2007年9月达到了这一轮波动的波峰，而一致合成指数则是一直向上，到2007年底已经直逼上一轮的高点，该轮高点位置目前还不能判断。扩散指数自2005年年底的上转点起来以后，经历了比较长的扩张期，先行扩散指数在2007年9月出现了该轮景气的下转点，一致扩散指数虽然到2008年2月为止还没有穿越0.5的分界线，但是从走势上看下转点的位置应该也已经不远。这一轮景气波动与前两轮比较起来，虽然波谷徘徊时间较长，但是上升时速度较快。 从现有结果来看，根据HDI方法确定的基准日期，2005年11月以来的这一轮景气的转折点还没

有到来，一致扩散指数与一致合成指数也还没有到达波峰，但是先行扩散指数与先行合成指数的转折点已经可以看到，相信这一轮景气的转折点很快就会到来。接下来，将构建VAR模型对商品市场景气指数进行预测，对这一轮景气的转折点进行判断。

三、商品市场景气指数的预测

以前面计算出来的先行合成指数、先行扩散指数、一致合成指数以及一致扩散指数的月度数据为基础，利用计量经济学中常用的VAR模型对我国商品市场2005年末以来的这一轮景气波动的转折点进行预测。

由于扩散景气指数与合成景气指数的编制采用的是同一组经济指标，先行与一致指标的选取也是以同一个基准指标(社会消费品零售总额增长率)为参照指标进行选取的，而且通过GRANGER因果检验得知先行合成指数(Y1)、先行扩散指数(Y2)、一致合成指数(Y3)以及一致扩散指数(Y4)两两之间都互相存在GRANGER因果关系，也就是说它们可以互相作为彼此的内生变量对待。因此，当把Y1、Y2、Y2、Y4当成内生变量向量，把截距项C当成外生变量向量时，完全满足VAR模型的条件。 首先，采用LR统计量准则对最佳滞后阶数进行判断。依靠EVIEWS5.0软件，可得VAR模型滞后长度为16时，LR值显著，因此，滞后阶数取16。为简便起见，把依靠EVIEWS5.0软件估计的VAR模型结果用式(1)来表示，把矩阵A1、A2…A16、C的具体数据略去。

yit=A1yi(t-1)+A2yi(t-2)+…+A16yi(t-16)+C　(1)

模型的R2=0.999，这说明回归式拟合得非常好。

其次，通过检验模型的平稳性和模型残差，得知被估计的VAR模型所有单位根的模都小于1，即位于单位圆内，满足模型稳定条件，而且各残差都是白噪声序列，模型检验通过。

最后，用式(1)对原数据进行动态模拟，模拟的结果如图3所示。从动态模拟结果可知，模拟的曲线形状虽然与原曲线不完全重合，但基本趋势是差不多的，而且转折点也基本一致。

综上所述，以上建立的模型不仅拟合度较高并且是经得起实验检验的。根据前两轮景气波动的时间长度，可以判断这一轮景气波动的转折点将在不久的将来出现，因此本文根据式(1)来预测2008年3月～2009年12月的商品市场的先行扩散指数、一致扩散指数、先行合成指数以及一致合成指数，预测的结果如表2所示。

四、景气转折点的预测分析

为了直观地观察商品市场未来的走势，绘制1999年4月～2009年12月的先行合成指数与一致合成指数、先行扩散指数与一致扩散指数的波动图形，见图4与图5。

在前面对于扩散指数与合成指数的分析中，我们判断2008年我国的商品市场的转折点将很快出现，而从VAR模型预测得出的图像上看，这个观点显然得到了证实。

从图4中可以发现，先行合成指数在2007年9月就出现了波峰，一致合成指数滞后先行合成指数6个月，于2008年3月到达波峰，该轮扩张期时间长达两年。其后商品市场合成指数开始向下运行，到2008年10月这一轮的先行合成指数的波谷出现，收缩时间仅为一年零1个月，但是一致合成指数滞后了8个月，到2009年6月一致合成指数的波谷才出现，收缩时间也只有一年零3个月。

从图5看，先行扩散指数也是在2007年9月就到达了景气的下转点，而一致扩散指数则是在2008年3月就穿过了0.5的分界线，滞后先行扩散指数6个月。根据预测结果，2008年10月先行扩散指数就再次出现了景气上转点，收缩时间与先行合成指数一样也只有1年零1个月，而一致扩散指数也在2009年3月出现了景气上转点，滞后5个月，收缩时间仅为一年。

由于扩散指数与合成指数编制的方法的不同，两者测量出来的商品市场景气波动的幅度与转折点的日期也是不同的。需要通过扩散指数与合成指数之间的联系，以及他们与基准日期之间的关系，对接下来的转折点日期进行判断。

首先对基准日期的波峰进行判断。通过比较可以发现，一致扩散指数到达这一轮景气波动的下转点的时间要比一致合成指数到达波峰位置的时间早，大约提前了1个月，但是，对比1999～2008年的扩散指数与合成指数的各个转折点的日期，这种时间上的出人是正常的(见表3)。从表3上可以看出，先行扩散指数与先行合成指数的景气转折点出现的时间差基本上都不超过2个月，而这个转折点出现的时间刚好相同，这个是比较稳定的。一致扩散指数与一致合成指数的景气转折点，除去第三轮的第一个谷位有7个月的时间差外，其他时间差也在3个月以内，而这一轮景气转折点两者的时间差为+1个月，这个也是稳定的。从先行景气指标的先行月份来看，VAR模型预测的转折点时间也是合理的。从几次转折点出现的时间上看，先行合成指数的转折点比一致合成指数的转折点平均领先6个月，此次也是恰好6个月；先行扩散指数的转折点比一致扩散指数的转折点平均领先8个月，此次领先11个月，基本上时间差距也不大。因此，通过预测得到的图形走势是稳定的。由于一致扩散指数与一致合成指数的景气下转点的时间基本上与商品市场基准日期波峰的时间差为+3个月，因此，我国商品市场从2005年11月开始的这一轮景气波动将在2008年6月左右到达波峰。

再对这轮景气波动的谷位进行判断。从预测结果来看，2005年开始的这一轮景气波动，将在2009年走完完整的周期。根据预测结果，先行扩散指数与先行合成指数均在2008年10月就已经出现上转点，这意味着我国商品市场的收缩期即将结束。2009年3月一致扩散指数出现景气上转点，滞后先行扩散指数5个月，这与前面计算的平均滞后时间相比稍微短一些，但出入不大。一致合成指数则是在2009年6月出现波谷，滞后先行合成指数8个月，比平均值6个月稍长。一致合成指数与一致扩散指数出现转折点的时间相差3个月，与前期相比，尚在波动范围之内。总体来说，各指标的预测值与前期各转折点相比还是比较稳定的。由于一致扩散指数与一致合成指数的景气上转点的时间基本上与商品市场基准日期波谷的时间差为+2个月，那么结合合成指数以及扩散指数与基准日期之间的数据关系，可以判断2009年8月左右我国将迎来这一轮景气波动收缩期的终点。

数据分析的前景范文第11篇

关键词：大数据；背景；企业；财务管理；思考；变革

一、前言

社会经济的全面发展，现代科学技术的不断更新和进步，当前数据也在飞速增长中，全球逐渐进入到了大数据时代中。处在市场竞争的社会环境之中，企业需要积极开展自身的财务管理工作，提升经济管理工作的水平和效率。数据和信息在现代企业的发展中发挥了积极作用，企业对于数据资产的重视程度也在不断的提升。现代企业通过对海量的数据进行全面分析和处理，能够为企业开展各项工作提供良好的决策支持。处在大数据的背景之下，企业在开展财务管理工作的过程中，需要采用积极有效的方式和策略，加强自身财务管理的变革工作。

二、大数据背景概述

（一）大数据的内涵

大数据主要是指需要采取新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。对大数据的分析和处理，人们主要是通过云计算实现的，同时还需要积极使用关系分析法，完成对于各项事物的智慧型预测工作，并提供相关价值服务。现阶段，大数据在实际应用过程中，有明显的价值化、多样化、大量化以及快速化的特征表现。众所周知，大数据作为互联网经济时代的一项重要技术产物，可谓一种颠覆性的技术变革，在很大程度上可影响企业各项管理工作。处在大数据背景之下，企业的传统管理思维均发生了极大的改变，可最大限度确保企业所做出决策的正确性，同时还可显著提升其决策的实现效果。

（二）大数据背景的优势和不足

大数据时代的到来，给当前社会的经济发展、企业的生产经营以及人们的日常生活等带来了极大的便利。处在大数据背景之下，企业需要针对数据信息所反映的本质进行全面认识，不断挖掘数据本身所涵盖的信息，充分认识大数据蕴含的能量。随着经济全球化的深入发展，现代企业在生产经营过程之中，需要积极面对各项经济信息、市场变化信息等，在综合多项数据信息的基础之上，做出正确的决策，这时候就需要企业管理者和决策者针对信息进行全面分析和处理。发挥大数据的优势作用，能够帮助企业从数据信息所反映出的情况出发，综合自身的经济发展状况和市场发展趋势，正确做出良好的经I方案和决策。但是不容忽视的是，大数据背景在实际运行过程之中仍存在着一些问题，主要是体现在企业在收集各项信息和数据的时候，容易涉及到客户的一些隐私信息，如何有效减少伤害客户隐私的现象出现，是企业做好数据分析工作中的一项重要内容，同时信息的收集过程之中，还会出现一些表面信息，甚至虚假信息，这时候就需要将其中的虚假信息进行有效控制和筛选，这就对工作提出了较高的要求。

三、大数据背景对于企业开展财务管理工作的重要性

（一）大数据背景对于企业财务管理工作的影响

处在大数据背景之下，企业自身的财务管理工作将会发生较大的改变，主要体现在如下方面：首先，在大数据的时代背景下，企业经营发展过程中所面临的市场经济环境变化更加迅速，这时候企业在开展财务管理工作的时候需要及时更新自身的财务信息，以往情况中，企业自身的财务会计报表提供了重要的财务管理信息，而在当前环境下，企业需要更加全面收集更多的信息和数据，积极利用数据技术，针对各项数据和财务信息进行充分挖掘，主要包括客户数据、企业经营发展状况、企业各个部门的内部情况以及市场变化信息等方面。其次，大数据时代还会对企业财务管理的实际决策工作产生重大影响。处在大数据背景的环境之下，企业需要在充分考虑到海量数据的所提供的信息进行决策，企业能够综合到的信息越多越全面，产生的失误概率也就越少。积极应用大数据的各项信息处理技术，能够有效减少财务管理工作者的工作量，提升工作效率。再者，大数据背景还会对现代企业自身财务管理信息人员产生重要影响。当前社会之中，大数据时代的到来，对于企业财务管理信息人员提出了更高的要求，财务人员需要能够掌握更高的整合数据信息的能力，同时还要能够全面分析出信息和数据之间的因果关系，为财务管理工作提供良好的决策依据。

（二）大数据背景对企业财务管理工作的积极意义

大数据背景能够为企业积极开展财务管理工作，提供良好的前提条件，促进企业不断提升自身财务管理工作的整体水平和能力。大数据时代的逐渐发展，能不断引导现代企业建立健全科学化、合理化的财务管理运作模式，不断改革财务管理制度，提升企业精准化分析和处理各项信息数据的能力，提升企业财务管理工作的整体效果，对于企业实现更高的经济效益和社会效益具有积极作用和意义。同时大数据背景下，企业积极开展财务管理工作，促进企业财务管理工作有效融入到经营管理工作之中，提升企业的良好运营能力。

数据分析的前景范文第12篇

1　地理信息系统简介

地理信息系统（Geographic　Information　System，GIS）是一种采集、存储、管理、分析、显示与应用地理信息的计算机系统，是分析和处理海量地理数据的通用技术［3］．它广泛应用于测绘、地图制图、资源管理、灾害监测、国土规划管理等领域．GIS在林业中的应用包括：天然林保护、生物多样性保护、防治土地沙漠化、区域综合治理决策支持等［4］．

2　GIS在森林监测中的应用

2．1　森林资源调查与评估

要实现对森林资源的管理，需要获取有用的森林资源基础数据．运用GIS数据获取功能，可以把不同历史时期的森林资源分布图进行矢量化，也可以通过与RS综合应用，解译遥感图像，获取森林资源分布现状．宁晓波等［5］在贵州省森林资源清查及评价工作中引进3S技术，克服传统森林资源清查存在的调查周期长、现势性差、主观影响大、数据可靠性低等问题．结果显示应用3S技术，林业用地的综合判读精度为93．5％，节约成本，取得显著的经济效益和社会效益．荆耀栋等［6］应用3S技术，对新疆维吾尔自治区精河县的精河林场森林资源进行调查、基础数据的处理，并进行合理区划和面积统计．张怡春［7］应用3S技术，通过分析森林资源、森林景观与DEM，对黑龙江东北部汤旺河近40年的森林资源变化进行分析，提出了对林业资源管理利用、生态环境建设方面的重要建议．黎良财等［8］以广西沙塘林场为实验区，将GPS采集到的森林资源数据导入GIS软件中，对准确的森林资源调查方法进行了探索．

2．2　植被监测

森林信息诸如面积、蓄量、类型、林种、树种结构、分布及变动情况等，在很长一段时间内只能通过文字和表格记录在森林资源档案中，在信息更新很快、以低碳经济保护林业资源的今天，显然在很大程度上与主流的经济取向相违背．通过信息网络和新的管理系统，可以实现森林信息的无纸化管理和方便快捷的查询、更新．上述森林信息是处于不断的动态变化中，传统的林业管理方式在数据更新方面需要耗费大量的人力物力和财力，该方法不能对变更的数据及时更新，也不利于数据的传递．抑或是传统的管理数据库能够比较快速地更新数据，但这也仅仅是反映在数量上，而未反映在空间上，难以分析林业空间变化规律和预测变化趋势，给林业管理和决策带来一定的影响．GIS具有较强的空间数据管理和分析功能，它可以有效地对森林空间数据进行组织和管理，提供数据查询、数据分析、成图输出，具有数据库管理、更新、维护等功能，辅助管理层决策．

2．2．1　森林景观监测应用

GIS在描述景观特征方面，具有节省时间和费用、处理较大的信息量、可以对景观进行多层面分析、数据补充和更新快捷等特点［9－10］．在森林景观管理中应用GIS技术，可以简化管理程序，促进管理信息化和规范化．曹辉［11］以GIS技术为平台，将福州国家森林公园的森林景观资源进行划分，并评价了景观生态质量．杨珍珍等［12］以大兴安岭呼中林场调查数据为基本资料，利用GIS技术对图形、数据进行处理分析，并结合景观生态学的原理和方法，按用地类型和优势树种划分研究区森林景观要素类型组，选取多项景观格局指标，对其景观的结构分布和空间格局特征进行系统的分析研究．孙玉军等［13］以吉林省汪清林业局金沟岭林场为例，以电子林相图和森林资源二类调查资料为基础，运用GIS技术和景观生态学原理与方法，同时采用类平均聚类法，对林场的景观格局进行了分析，定量地划分森林类型．付春风［14］依据广州市数字化林相图和土地利用图等资料，通过景观组成要素分析，拟定广州市流溪河国家森林公园森林景观分类系统，利用GIS与数字制图手段编制流溪河国家森林公园森林景观类型图．罗龙海等［15］以1999年沐川县森林资源分布图和DEM数据为信息源，运用GIS空间分析功能，用坡度、距离两个分量对沐川林场主要观景线路上森林景观斑块类型进行景观敏感度评价．夏伟伟等［16］以2004年SPOTS卫星影像数据为基础资料，应用遥感技术、地理信息系统技术和多种森林景观结构分析指标，对庞泉沟自然保护区的森林景观结构类型和异质性进行分析．

2．2．2　森林动态变化监测

林木在生长过程中不可避免的受到自然或人为因素的影响，诸如：山体滑坡、植被砍伐等而发生覆盖变化，通过GIS及GIS与其他技术综合应用，可以及时方便地了解森林动态．刘常富等［17］在RS和GIS的支持下，应用景观生态学的理论和方法，借助各种遥感影像，采用景观空间格局指标定量分析，研究1992～2006年沈阳城市森林景观格局的动态变化，对城市森林景观类型合理性进行论证．李登科等［18］在GIS技术的支持下，利用SPOT影像数据、TM影像数据、DEM数据等，综合分析陕西省吴起县土地利用状况、植被覆盖度变化、坡耕地面积、土壤侵蚀强度等，研究其在退耕还林前后的变化．侯文良等［19］通过对新疆维吾尔自治区巴楚县1999年、2004年两期的TM影像进行解译和判读，利用地理信息系统空间分析技术，结合野外调查，对森林资源的地类进行空间分析，从而得出巴楚县森林资源空间变化分布状况．白艳芬等［20］利用1995年TM影像和2000年ETM影像，分别提取青海湖流域的植被指数，计算植被覆盖度，根据覆盖度等级的空间分布特征，比较分析研究区域植被覆盖变化情况及原因．李虎等［21］以新疆全区为研究区域，综合应用遥感与GIS技术，对1996年和2001年两期TM遥感影像进行解译，研究境内的森林资源动态变化．

2．2．3　森林病虫害监测

病虫害是林业灾害之一，也是森林监测中一个重要的研究内容，在国内也有很多研究成果．黎镇湘等［22］通过分析比较传统的森林病虫害监测技术和现代集成技术的优缺点，指出RS与GIS集成技术在监测的及时性和准确性、最优路径选择、缓冲区分析方面的巨大潜力，以及该集成技术与三维可视化技术在森林病虫害监测中的应用前景．王蕾等［23］通过总结3S技术在森林虫害动态监测中的应用现状，介绍3S集成在森林虫害动态监测中的应用动态及应用趋势，并在总结实际工作经验的基础上从害虫的生存环境角度构建森林虫害动态监测3S集成技术体系．

3　林业管理

3．1　日常管理信息系统

传统的管理信息系统数据源主要为表格、统计数据、报表，处理以属性数据和统计分析数据为主，输出结果为报表、报告、表格．而现实中林业分布具有区域性等特征，且林业管理受到分布区域自然条件和基础设施的限制．GIS技术以图形图像及地理特征属性为数据源，以图形图像产品、统计报表、文字报告、表格等方式为主要的输出结果，因此，GIS技术在处理空间属性数据方面具有独特优势．应用GIS技术，可以给林业管理带来极大的方便．洪军等［24］人以研究区域森林资源调查资料为数据源，结合区内地形地势，应用地理信息系统，按照森林功能类型将研究区域的森林进行划分．张超等［25］利用福建省永安市2003年森林资源基础地理信息数据，考虑区域生态、经济、市场、自然环境、生物物候等原则，应用地理信息系统建模技术，建立了县级林业区划模型．李新贵等［26］对贵州省林业有害生物管理地理信息系统的内业和外业系统部分设计提出了初步构架．曹庆先等［27］以ArcView为平台，根据林业有害生物信息管理的实际工作流程，设计开发了“基于GIS的天津市林业有害生物管理信息系统”．郭志华等［28］设计并实现了仁寿县森林资源管理地理信息系统，详细介绍其体系结构、主要功能、数据库、模块功能等，该信息系统已应用在仁寿县森林分类区划界定、集体林权改革、林业血防等工作中．冯仲科等［29］针对我国森林资源经营管理还处于比较粗放的水平，把现代测绘科学应用于林业研究中，构建基于广义3S技术的森林资源经营管理系统，同时也展望基于广义3S技术的森林资源经营管理系统．

3．2　应急管理

森林应急管理主要为损害损毁林木生长等突发事件做预测和控制，森林火险是其中之一．预防和监控着火点，建立相应的应急预案，是GIS在林业中的应用方向之一．文中就GIS技术应用在森林火险等级划分，着火点监控，火场模拟和应急综合信息系统建设方面的文献做介绍．

3．2．1　林业火险区划与着火点监控

火险区划是进行林业火险监控的第一要务，是摸清森林火险基本数据、进行火险应急管理的前提，没有进行火险区域和等级区划的应急管理系统都不是科学的系统．而着火点的监控与准确定位是分析扑火路径与决策考虑的首要问题．因此，林业火险区划和着火点监控具有必要性．唐季林等［30］以甘肃省迭部县为例，应用TM影像，结合地面调查和实验，在综合分析评价的基础上模拟森林火险领域，以各自然沟系作为总体评价单元，用小班火险等级加权平均计算面积、沟系的平均火险等级及迭部县平均火险等级．胡林等［31］通过收集北京市房山区1987～2003年林火历史和现实数据，运用GIS和通信技术，建立数学模型，实现房山区森林火险动态区划．朱煌武等［32］选取一实际林区，收集与森林防火相关的地理信息资料，建立地理信息系统，设计并实现了复杂条件下林火蔓延的计算机模拟预测，完成森林火灾扑救辅助决策系统的建设，并在预测结果的基础上提出了合理、优化的防火道开设方案．在地形复杂的林区，监测林火定位、测距等受到极大的影响，李龙国等［33］研究设计了与视频监控技术结合的GIS系统，实现二维平面地图、三维立体场景和监控画面三者所显示区域的一致和相互间的联动控制功能，该系统设计开发完成后，应用在内蒙古白狼林区，给森林防火提供了有效的管理平台．于文华等［34］根据森林防火管理的实际需求，以瞭望塔视频监控设备为硬件基础，提出了双点定位方法与单点定位方法相结合的综合方案，综合运用组件GIS、ArcSDE引擎、以NET为开发工具，设计并实现鹫峰国家森林公园森林火灾定位系统，解决了目前森林防火着火点现场定位问题．

3．2．2　林火蔓延模拟与路径选择

在确定了着火点位置后，需综合分析该地点的地形、地貌、坡度、风向、气候等实际情况，应用计算机程序模拟火势蔓延，初步划定火场范围，选定扑火最优路径．朱启疆等［35］分析森林火灾发生发展的因素，应用地理信息系统和遥感技术，利用植被起火概率图控制像元，在火场扩展中将Rothermel模型和经验模型结合使用，考虑坡度和风向带影响，实现了火场在地理信息系统支持下的空间蔓延动态模拟．黄作维等［36］综合分析林火蔓延的影响因子，借助基于GIS的林火蔓延模型，结合林火蔓延算法并考虑到环境因素的影响，进行火场空间蔓延计算机模拟和火行为的时空格局分析．宋丽艳等［37］利用GIS软件建立林火蔓延模拟的空间背景，运用林火蔓延模型且综合考虑火场条件，采用点到点的传播方式，实现林火蔓延的动态模拟，结果表明，地形条件一定时，林火的初始蔓延速度和风速的大小对林火蔓延有明显的影响，不同的坡向和坡位也会影响林火的蔓延速度．毛学刚等［38］在GIS技术的支持下，建立林火蔓延的空间背景数据库，采用王正非林火蔓延模型和遍历算法，设计并实现了任意地点、任意气象条件下的林火蔓延动态仿真模拟．王明玉等［39］以河北省张家口地区为例，将最短路径问题与成本路径分析相结合，以地形数据、网络数据、植被数据等作为基本数据，实现最优路径的确定．

3．2．3　防火信息系统建设

防火信息系统建设是GIS在林业应用领域中非常重要的一部分，通过与现代通信技术和数据技术相结合，能够充分发挥GIS空间分析的能力，有较多的研究成果和文献．如：沙宗尧等［40］应用ArcSDE引擎和Or－acle数据库管理系统，实现了C／S与B／S相混合的森林防火信息监测模式，建立湖北省森林防火地理信息系统．李元鸿［41］通过收集整理数据，利用SuperMap作为开发平台，建立了祁连山自然保护区森林防火地理信息系统．何全军［42］利用Map　Objects控件开发广东省林火监测地理信息系统，提供防火信息查询，实现对森林火灾发生地点的快速定位，及时了解详实的火场及周边环境信息，辅助火灾扑救决策．况代智［43］利用基础地理数据和气象卫星遥感数据以及气象资料，借助GIS组件，设计并实现了集空间定位、空间分析、火险预警预测、损失评估等功能于一体的森林防火信息系统．张玉红［44］等在VB环境下，基于AO技术，设计并实现了哈尔滨市森林防火地理信息系统．

数据分析的前景范文第13篇

【关键词】TD-LTE 室内分布 业务结构 业务模型 数据吞吐量

1 前言

TD-LTE[1]网络的优势在于能够更好地支持高速数据与多媒体业务，而国内外3G业务的发展规律表明，视频电话、流媒体等高速数据业务70%都发生在室内环境中。作为解决室内覆盖的主要方式，TD-LTE室内分布系统势必会成为TD-LTE网络建设的重心。

TD-LTE的室内分布技术目前已经研究得比较多，张绍伟等人[2]就TD-LTE的馈入收发分缆式室内分布干扰进行了综合分析；何红等人[3]则详细剖析了TD-LTE室内分布的架构及系统隔离需求，并给出了相关的建设方式；笔者也从传播模型、MIMO设计及改造等角度阐述了TD-LTE的室内分布改造方法[4]。但这些研究绝大部分都是从TD-LTE室内分布建设的角度进行论证，对于发生在室内的高速数据业务类型、结构及相关模型分析得很少。笔者早在2011年就系统地介绍了TD-LTE在室内的覆盖模型、容量模型、干扰模型和组网模型等[5]。而在覆盖模型中，牵涉到的业务发生场景，对室内的业务模型分析是大有裨益的。钱振技等人[6]对GSM室分系统分场景优化作了一番探讨，借助于此，本文将给出TD-LTE不同场景下的业务模型，为运营商的室内网络规划和建设提供依据。

2 流程分析

业务模型是对用户使用业务行为的统计性表征，所表征的是用户使用业务的强度的统计量，是宏观特性的体现。TD-LTE室内业务模型首先需要根据室内分布发生的场景，确定业务可能发生的楼宇、区域。由于不同的场景内用户行为的差异性比较大，人口密度及用户密度也不尽相同，因此需要针对各类场景确定用户的业务行为模型，在此基础上根据各种业务的结构模型，计算出每种业务的平均数据流量，汇总得出各场景下的用户流量，如图1所示。

3 场景密度

按照文献[5]、[6]的结论，共有写字楼、商场超市、宾馆酒店等9种场景，基本上能够涵盖目前数据业务发生的所有区域。虽然TD-LTE采用OFDM、MIMO以及CQI等技术，导致其业务模型比2G/3G要复杂得多，但各场景内的用户模型仍然可以沿用3G模型，如式（1）所示。

室内用户总数=建筑面积×楼宇的实用面积比例×占有比例×手机拥有率 （1）

参考国外提供的资料和国内的工程经验，得出经验值，如表1所示。

4 业务种类

根据前述流程分析，需要进一步确认TD-LTE业务种类。传统的业务种类包含业务类型、业务特性参数、业务承载和业务质量目标四个方面，可以通过等效爱尔兰法（Equivalent Erlang）、后爱尔兰法（Post Erlang-B）、坎贝尔法（Campbell）和随机背包法（Stochastic Knapsack）等算法展现出来。而TD-LTE只能根据具体开展的数据业务（含VoIP）类型，确立适宜的承载方式。

TD-LTE协议定义了1―9的标准QCI（QoS Class Identifier，QoS分类指示），并规定了可扩展的128―254的QCI值，包括业务类型、优先级、时延、抖动等4项指标，如表2所示。

由此，3GPP根据业务带宽的大小对业务承载给出了相关建议，如表3所示。

5 业务模型

5.1 业务结构

在确定业务场景和种类后，需要对每一种业务进行细分，确定其业务结构及模型。每种典型业务均存在带宽需求、BHSA（忙时服务接入）要求、PPP占空比和会话时长要求。其平均流量可采用式（2）来计算：

平均业务流量=（带宽要求（kbps）×BHSA×

PPP占空比×PPP会话时长）/3600 （2）

对于其他可能存在的未知业务，以冗余系数（假设取20%）替代，由此得到表4。

此外，由于数据业务发生在手机或数据卡终端上，因此，还需要对每一类场景和业务种类确定相应的终端用户比例。考虑到存在不同场景但用户具备类似的使用习惯，如写字楼与会议中心、宾馆酒店，商场超市与娱乐场所，会展中心与体育场馆、民航机场等，以下给出用户使用模型（终端比例）建议，如表5所示。

5.2 下行业务数据量

结合表4和表5，运用式（3）计算每场景各种业务的每用户平均吞吐量：

每场景的单用户业务吞吐量=∑i 平均业务流量×终端比例（3）

其他未知业务的每用户业务吞吐量则计算如下：

未知业务的单用户吞吐量=

∑i平均业务流量×终端比例×20%

（4）

依此推算出该场景下每用户的数据吞吐量，如式（5）所示：

单用户数据量=∑i单用户业务吞吐量+未知业务的单用户吞吐量 （5）

具体结果如表6所示。

5.3 总吞吐量

由于上述每用户数据量是根据业务结构中的下行带宽要求计算出来的（详见表4），因此，表6中计算的只是各场景下的综合下行业务数据量，对于上/下行汇总的，需要根据业务的承载比例来评估。表3虽然给出了TD-LTE的业务承载模式，但只是最小能力需求的表征，并不能反映实际的数据量大小。

在TD-LTE室内业务的发生过程中，由于业务的随机和综合性，很难测算其上下行的业务特征。笔者曾经研究出一种适合TD-LTE业务需求的时隙配比法TCAS[7]，其中涉及各类业务的上下行比例配置，可以作为参考，如表7所示。

各类业务的上下行配置比例进行加权，得到混合业务的平均上下行比例，如式（6）所示：

（6）

各类场景下的总吞吐量则可计算如下：

（7）

结合表6的下行数据量，计算结果如表8所示。

6 结语

TD-LTE作为一种重要的数据接入手段，对于承载室内的高速数据业务，尤其是非对称性业务具有无可比拟的优势。但室内数据业务特殊杂乱，相对无规则可言。因此，业务模型的建立是异常复杂的。本文从流程、场景、业务种类等几方面入手，涉及的数据业务涵盖了3GPP协议定义的所有常规业务，利用统计学分析业务行为和结构特性，建立起科学的室内业务模型，为网络规划、容量配置以及后期的优化提供了支撑。

参考文献：

[1] 胡宏林，徐景. 3GPP LTE无线链路关键技术[M]. 北京： 电子工业出版社， 2008.

[2] 张绍伟，张海涛. TD-LTE馈入收发分缆室内分布系统

干扰分析[C]. 2012 TD-LTE网络创新研讨会， 2012.

[3] 何红，古庆利. TD-LTE室内分布系统的建设方式[J]. 移动通信， 2013（8）： 29-33.

[4] 肖清华，朱东照. TD-LTE室内分布设计改造分析[J]. 移动通信， 2011（10）.

[5] 肖清华，周京胜. TD-LTE室内分布模型研究[C]. 2011 TD-LTE网络创新研讨会， 2011.

数据分析的前景范文第14篇

关键词：大数据旅游管理应用

旅游业的发展对于国民经济发展有着积极的推动作用，旅游景点的建设带动区域经济发展，带动相关产业链的发展，包括基础设施、住宿、餐饮等产业。近年来，借助互联网，旅游业获得很好的发展。人们利用互联网搜索旅游景点、食宿等信息，也可以利用互联网预订酒店、购买门票等。例如通过携程网、去哪网等，购买机票、火车票、订购酒店等都十分方便，极大地促进了旅游业的发展。

一、旅游大数据

大数据泛指海量的数据。旅游大数据就是旅游业各供应链环境产生的数据的总和，包括旅游的供应商、中介商、旅游者、旅游管理部门等在整个旅游过程和旅游服务产生的数据信息。旅游数据信息有着重要的价值，通过对数据的分析，可以更好地发展旅游业。旅游大数据可以分为结构化和非结构化的数据。结构化的数据也就是数据库，是指那些可以被存储和整理的数据。非结构化的数据是指非数据类型的格式，包括文档、图片、网页、报表、音视频等。

二、大数据在旅游管理中的应用

1.大数据用于旅游者的需求分析

通过旅游大数据的分析，可以实现旅游需求的有效预测，旅游需求预测可以为旅游决策提供参考和依据。一般情况下，旅游需求是政府进行旅游规划的重要依据，通过对旅游需求的预测，可以保证旅游服务各供应链之间实现协同合作。旅游需求的内容包括：硬件需求，也就是对旅游设施的需求，旅游业的开展需要相配套的设施，例如，交通设施、食宿设施以及旅游景区的硬件设施等；软件需求，也就是对旅游服务的需求，包括导游、景区介绍等。由于硬件建设是一个缓慢和持续的过程，也相对稳定，需求的预测比较简单。旅游服务有季节性、不可存储性和无形性的特点，变化比较频繁，如果预测的旅游需求差距较大，则可能带来较大的成本风险。因此，旅游服务才是需求预测的重点内容。对于旅游的供应商或者中介商而言，如果旅游需求预测不准确，会出现准备不足的情况，影响到服务的等待时间以及服务质量，影响游客的体验。如果服务准备过多，则会造成服务的成本增加以及服务资源的浪费。例如，九寨沟景区出现的游客滞留事件以及上海外滩出现的踩踏事件等，都是由需求预测不准确引发的事故，损害到游客和服务供应商双方的利益。旅游需求的分析和预测主要通过统计学的算法实现。现阶段，关于旅游需求的统计学预测模型有定性模型、结构模型、仿真模型、趋势外推模型四种。定性模型主要采用问卷的方式，对未来旅游趋势进行预测；结构模型是通过建立旅游需求同影响需求的变量关系，实现需求的预测；仿真模型是通过结构模型和趋势外推模型组合的预测模型；趋势外推模型使用历史数据进行未来需求的预测。在实际的需求预测中，无论采取何种模型，都需要考虑成本、时间以及其他限制因素的关系，进行综合性的考虑。

2.大数据用于游客市场的细分以及营销

通过对旅游大数据的分析，可以实现对游客市场的细分，进而有针对性地开展旅游营销活动。旅游服务提供者合理地划分游客市场，预测游客需求，更好地提供旅游服务。旅游大数据包括游客的基本属性、旅游偏好、行为特征等众多方面，从多方面分析游客旅游行为，细分游客，进而推测旅游营销的可行性，实现精准营销。游客的基本属性主要指游客的性别、年龄、经济收入、教育程度等情况。行为特征是指游客选择的出游方式（自驾游、旅游团、火车、汽车、飞机等）、旅游的动机（休闲、娱乐、度假等）等。游客偏好主要是指游客的食宿偏好、交通偏好等。对于旅游的供应商和中介商而言，旅游大数据有助于对游客进行有效的识别，挖掘潜在的游客，进而开展旅游营销。旅游过程中，对于出现的客源流失以及满意度不高的情况，可以通过旅游数据进行原因调查，比如采取网络评价、投诉记录、游记等方式，找到旅游景点存在的问题，及时进行补救，寻找和开发旅游兴趣点，提升游客的满意率。因此，利用旅游大数据，对游客的各项基本属性和行为偏好分析，可以实现对全国的市场进行旅游客源的精准定位。同样的，旅游大数据对于游客而言也有着积极作用。通过游客数据的分析，旅游市场进行细分，提供个性化的旅游模式，更好地满足旅游消费者的需求。现阶段，旅游消费可以说逐步向着买方市场过渡，游客的需求成为旅游市场发展的风向标，游客对于旅游的多元化和个性化需求促使旅游模式发展变化。例如，传统的旅游模式主要为观光旅游，也就是游客游览风景，体验当地的风土人情。买方市场下的旅游模式，逐步朝着多元化的方式发展，集休闲、观光、户外健身、度假等为一体。游客还可以通过旅游大数据，了解到旅游景区的情况，包括天气情况、住宿情况、交通情况以及旅游项目等等，并根据其他游客对于旅游景区的评价决定自己的旅游去向。对于旅游的管理机构而言，旅游大数据同样可以促进旅游景区的管理。通过旅游大数据，可以对未来时间内的游客数量以及车流量进行有效的预测，例如，根据景区的售票情况以及酒店的预定情况，预测游客的数量。根据游客的旅游属性，可以进行相应旅游资源和服务的准备工作，保证游客的旅游满意度。通过景区的监控系统，实现对景区人员的实时监控，同时也可以利用监控数据，进行景区资源的合理分配。

3.大数据在旅游规划和宏观调控中的应用

旅游大数据有很好的前瞻性，可以对旅游市场进行剖析以及对旅游需求进行预测。利用大数据，在旅游规划时，可以预测旅游景区运营时的市场规模，为旅游景区的规划提供数据支持。前面已经论述到，大数据时代下，通过旅游大数据的分析，可以对游客的各种属性进行数据分析，包括游客的数量、来源地、年龄、性别、旅游偏好等等内容，进而进行旅游市场的细分，开展精准的旅游营销。这些工作都是旅游规划需要关注的内容。在进行旅游景区规划时，需要对旅游景区进行整体的设计，包括旅游的线路、旅游的交通、旅游的基础设施等，都需要提前做好规划，而规划的依据，便是旅游的大数据。同样的，旅游大数据可以用于旅游的宏观调控。相较于政府利用行政、法律和规划进行旅游市场的调控，信息调控这种方式更加有效。旅游大数据以旅游信息为基础，旅游发展已经开始围绕买方市场进行，收集游客的需求，实现旅游市场的自我调节，减少政府对旅游业的干预。在大数据时代下，政府和旅游企业都应逐步加强对大数据的利用，建立旅游的大数据平台。一方面利用数据为决策提供数据服务，另一方面可以提供一些增值性服务。例如，建立旅游信息的平台，引导游客的旅游方向以及完善旅游的服务内容。以移动互联网为例，手机是重要的通讯工具，可以研发旅游的APP，集旅游、交通、住宿、餐饮、娱乐为一体，为游客提供旅游信息，同时宣传旅游的注意事项和安全急救常识等。目前，许多景区也利用互联网络，开展智慧旅游，例如，游客利用手机扫描景区二维码，便可以实现实时的旅游讲解。

4.利用大数据实现旅游信息的共享与协同

利用旅游大数据的方式，可以将众多的旅游信息结合起来，用于旅游需求的分析和预测。大数据的使用，将旅游服务的各环节参与者联系起来，实现旅游数据的共享，也就是旅游供应的信息流、服务流、价值流的统一，实现旅游的协同服务。旅游服务各供应商之间的联系更加密切，一方出现旅游需求，信息及时传递给其他参与方，及时地做出判断。旅游产品作为服务种类的一种，其生产和消费是同时发生的，游客只能在景区内获得旅游体验，而不能在购买之前体验旅游产品，因此，游客对于旅游产品都有着一定的预期。这种预期会影响着游客的旅游需求。例如，游客在选择景区之前，利用其他游客分享的旅游评论，进行旅游景区的选择。

参考文献：

[1]刘志霞.大数据在旅游管理中的应用探讨研究[J].广东技术师范学院学报,2016(4).

[2]王春丽.大数据时代旅游管理专业教学创新研究[J].中外企业家,2015(10).

[3]彭惠林.基于大数据的信息化时代高职旅游管理专业案例教学手段应用研究[J].旅游纵览,2017(2).

[4]潘冰,李云鹏.中国旅游发展笔谈——旅游大数据的现状与未来(一)[J].旅游学刊,2017(9).

[5]潘冰,李云鹏.中国旅游发展笔谈——旅游大数据的现实与未来(二)[J].旅游学刊,2017(10).

[6]薛武.“大数据”在我国旅游业的运用现状及前景分析[J].旅游纵览,2014(10).

数据分析的前景范文第15篇

一、引言

近年来，计算机与信息技术迅速发展迅猛，导致大数据在各个领域产生出现。各种数据源源不断的产生、汇集，导致了“海量数据”的出现。由于互联网的迅猛发展以及普及，人的生活方式逐渐受到大数据的影响，必将会带来人们思维方式的改变，社会的进步与发展起到推动作用。大数据的标志并不是掌握数据，获取海量数据，对这些数据进行分析研究，根据数据分析结果，对相关事件出现的概率进行统计预测，依据这些预测数据，做出科学合理的决策，避免造成不必要的损失。传统的企业管理模式在大数据时代已经不能适应，降低了企业在新形势下的的竞争力。不能够根据客户消费记录和相关资料分析出有用的信息，就会在新的竞争中被淘汰。随着社会发展逐渐步入大数据时代，这种发展趋势与环境，对企业来说存在各种挑战，更多的是发展机遇。因此，以大数据为时代背景，进行企业管理的相关研究显得更加重要。

二、大数据的含义

早期的“大数据”定义是美国麦肯锡信息咨询公司给出的，具体为： “数据已经成为各行各业重要的生产因素”。 “大数据”在维基百科中的定义是：“用常规的软件工具在允许的时间范围内对内容进行抓取、管理以及处理的数据的集合就是大数据”。本文认为，所谓的“大数据”是指传统的数据库软件处理能力以及信息技术不能够处理的海量数据。

根据相关统计数据，目前我国的大数据技术以及服务市场的规模已经从2011年的7760 万美元增长到2016年的6.17 亿美元，其增长幅度高达795%。在未来的五年里，复合增长率也会保持高速增长，预测高达 51.4%，并且市场规模的增速也很大，预计会扩大 7 倍。但是，我国很多的企业目前还没完全适应“大数据”的冲击，面对很多的挑战。

三、传统模式和大数据背景下企业管理模式创新比较

传统模式指的是以问题作为驱动，从具体的企业管理问题出发的探索型创新；利用专业知识，以人性化管理以及制度管理作为出发点，定量分析与定性分析相结合，研究出解决问题的方法，实现企业管理领域的创新。在大数据时代背景下，企业的创新环境与创新条件比较复杂，而且充满各种不确定多变因素，企业也有更多可能的创新选择，将有更多企业管理的创新方法。传统企业管理模式好比是“池塘捕鱼”； 大数据背景下，企业管理创新模式好比是“大海捕鱼”，具有更多的不确定性，同是供可选择的“鱼”也多了起来。由于企业外部环境的变化，大数据环境下的企业管理创新与传统企业管理有本质区别。

四、大数据背景下企业管理模式创新

1.获取数据与数据平台形成

大数据时代背景下，由数据或者问题驱动企业的创新管理，企业数据平台扮演着重要角色，在企业经营活动中起着数据的监测、收集、分析、处理、存储的作用。

2.企业创新问题与方案决策

在企业经营活动中，一旦发现问题，首先要确定是否需要创新企业管理，获取、收集相关数据是与决策有关的因素。可借助计算机信息技术收集相关数据，是否要进行创新以及创新能否成功，都要根据收集到的数据进行决策。要进行管理的创新，首先需要做的是界定创新问题：确定需要创新的领域与范围；通过对数据的初步分析，具体阐述创新问题。依据创新问题界定，利用各种数据分析技术，挖掘数据中隐藏的深层次信息。根据数据分析结果作，对拟定的备选方案的可行性再分析验证，选出可信度最大的方案。

3.动态数据与实施创新方案

创新方案实施的过程，同时也是不断积累绩效数据、实施数据的过程，把这些实时数据进行收集、分析、整理，将其加入数据共享平台数据源，分析反馈这些实时数据，对企业在创新方案的实施过程中出现的偏差实时纠正，实时监控、优化创新方案，确保顺利完成创新目标。从而确保创新方案的实施过程，是一个实时反馈与持续改进的过程，进而提高企业创新方案成功的概率。

4.??时数据与提升创新方案

大数据时代背景下，在创新方案实施过程中，一直都有数据的分析结果对其进行实时的验证，进而根据企业面临的内外环境进行相应的修正以及调整，保证创新方案的顺利进行；每个企业的内外部环境都是不相同的，避免引入其他的类似的创新方案所带来的不适应的现象；对企业的创新方案实施的过程中，实时的收集数据，进行数据的分析，根据分析到的结果，进行原有管理方案的修改，达到提升创新方案的效果。