發布時間：2022-09-16 22:57:15
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的網站數據分析報告樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
(訊)中國電信上海公司最近的一項大數據分析報告顯示，在今年9月3日紀念勝利70周年閱兵，當日，在家收看閱兵活動的市民中，近半數是通過互聯網方式收看的，包括電腦和移動終端。而且還有一個有趣的現象，在移動端收看方式中，蘋果iOS設備的占比超過安卓設備。
相比通過電視機看閱兵，通過電腦收看閱兵慶典活動的市民在觀看平臺上有著更多的選擇。從細分數據來看，15.9%的上海市民選擇通過愛奇藝視頻網站收看閱兵慶典活動，占比排名第一；央視網緊隨其后，占比12.1%；之后依次是優酷網、樂視網和騰訊視頻，占比分別為11.2%、10.6%和10.4%。同時，中國電信上海公司的大數據分析還顯示，市郊居民比市區居民更愿意通過電腦端來收看閱兵活動。
在通過移動端收看閱兵活動的市民中，72%的市民通過智能手機收看，28%的市民通過平板電腦收看。另外，在這些收看了閱兵活動的移動設備中，52%使用的是iOS操作系統，48%的設備使用Android操作系統。從具體的收看數據來看，優酷視頻App得到了上海大部分市民的青睞，占比達25.8%，超過四分之一，排名第一；騰訊視頻App排名第二，占比21.4%；然后依次是愛奇藝App、樂視網App和搜狐視頻App，占比分別為13.6%、6.6%和6.1%。這些占有率較高的Top5的App累計占比達到了74.5%。
數據表明，搜索引擎目前已經成為市民在網絡上了解信息的首要途徑。除了搜索引擎之外，五大門戶網站的閱兵專題站也是市民在網絡上了解閱兵及其相關資料的常用方式，以鳳凰網為例，其閱兵專題站平均每位用戶點擊2.6次。(來源：IT時報 文/錢立富）
一、大力推進電子政務建設工作，提高辦公效率
1、強化網站管理工作
一是按照自治區關于《加強政府網站建設促進網絡問政工作實施意見的通知》要求，完善了政府網站群信息管理制度，制定了《__區政府門戶網站欄目結構規劃與信息內容管理歸口方案》；二是定期按月按季度統計、分析各部門網站信息情況，將結果在政府門戶網站和協同辦公平臺上進行公布；三是自治區政府網站發展評估工作電視電話會議召開，大會公布了20__年新疆政府網站發展評估結果，“__區政府門戶網站”被評為縣、市級a類網站。
2、全力推進“一體化協同辦公平臺”應用工作
一是在區屬各職能部門推進“一體化協同辦公平臺”應用工作，管理、維護協同辦公平臺日常應用，及時處理平臺應用人員在使用過程中遇到的各類問題。上半年，調整一體化協同辦公平臺應用人員單位、部門、權限145條人次；二是定期按月按季度統計、分析各部門協同辦公平臺使用情況，并把結果在政府門戶網站和協同辦公平臺上進行公布。
3、繼續貫徹執行《政府信息公開條例》，加強部門政務工作的透明度
按照自治區關于《加強政府網站建設促進網絡問政工作實施意見的通知》要求，制定了《__區政府信息公開管理辦法》，收集、整理各委、局、辦20__年政府信息公開目錄，完成了《__區20__年政府信息公開年度報告》的編寫、審核、審定工作，并報給市電子政務辦公室，同時在政府信息公開目錄中。根據自治區《關于20__年政府信息公開工作年度報告編制和公布有關事項的通知》的要求，督導區屬各部門20__年政府信息公開年度報告的編寫，并完成各部門公開年報情況統計工作。
4、加強協同辦公設備管理
根據克區電政辦[20__]1號《關于電子政務移動辦公設備配置的通知》的要求，加強管理、維護協同辦公設備工作，對各單位提出申請使用的數字證書、電子公章、電子簽名、無線上網等設施按程序進行辦理和登記，完成56個部門領導個人電子簽章的制作，協調辦理41套移動辦公3g網卡，針對制作電子簽章的領導舉辦了一期設備使用的培訓。
二、持續加強信息化項目管理
為建立具有基礎性、公益性、開放性的信息化基礎設施及業務管理應用系統，加強我區信息化項目的科學化、規范化管理，推進各行業協同發展。一是加強信息化項目需求調研、需求設計、建設實施、驗收等重要環節的評審管理，組織專家、業務部門、合作單位對重點環節進行評審，杜絕項目需求反復變更、重復修改，完成了10個部門25個信息化項目技術方案預審，完成社會管理服務信息系統中9個部門21項業務的初審工作；二是根據《__區信息化項目管理辦法》，強化信息化項目立項管理，審核各部門申報的信息化項目，共完成8個部門13個信息化項目的立項工作，并向各業務單位下發了《20__年信息化項目審核意見書》，協調落實信息化項目資金；三是完善信息化項目推廣機制，堅持“誰使用、誰推廣”的原則，使用單位負責推廣應用，做好人員培訓、數據更新、用戶管理和權限劃分工作，實施項目推廣應用跟蹤及評價工作；四是繼續建立健全項目組織管理體系,優化管理工作流程和相應的工作制度,細化項目實施環節，明確項目主責單位與協作單位職責，落實責任分工，完成信息化項目全過程建設與應用。
三、不斷升級、優化社會管理服務信息系統
1、社會管理服務信息系統優化定型工作成效顯著
完成醫療救助、住房保障、居家養老、社會管理、政府救助、慈善業務、老齡業務、殘聯業務等9個部門21項業務的優化定型工作。完成了9個部門21項業務的項目初審工作。全區各委、辦、局、五個街道及69個社區、流管辦1069名工作人員熟練掌握社會管理服務信息系統的培訓工作全面完成。上半年，處理系統應用操作人員在使用過程中遇到的各類問題共2116次。調整人員信息及操作權限共125人（次）。到各部門、街道及社區現場指導培訓374人（次）。
2、社會管理服務信息系統升級工作進一步加強
完成《__區社會管理服務系統》正式遷移升級為《__市社會管理服務信息系統》第一階段工作。系統主體工作基本完成，能夠在全市范圍內使用。為烏爾禾區、獨山子區、白堿灘區的系統應用工作人員提供系統推廣應用的經驗和軟件實際操作的培訓。
3、數據分析及展現平臺建設進展順利
完成數據分析及展現平臺的方案制定、審核工作，對社會管理服務信息系統的基礎數據、專業數據進行分析、梳理，《項目咨詢分析報告》的編制工作完成。
4、完善公共服務平臺建設不斷加強
上半年，我辦完成了市“12345”政府服務熱
線、__區不和諧因素處置子系統、__區門戶網站“區長信箱”整合對接工作，按照受理、立案、分流、辦理（催辦、督辦）、評價、結案、回復（存檔）七個業務流程，通過軟件進一步固化了每一項業務流程的辦理標準、辦理主體、辦理時限，形成案件辦理過程的閉合式管理，實現了各類案件的集中受理、統一調度、三級聯動（區、街、社區）、協同處置、齊抓共管的工作格局，實現業務網絡化、電子化管理，提高了案件辦理效率。自3月22日試運行共受理處置市“12345”政府熱線辦交辦案件373條，自3月1日試運行共受理處置區門戶網站區長信箱信件39條。完成家校互通平臺學校信息模塊、網站信息查詢模塊和8個數據推送接口程的設計開發，2月29日在區屬各小學試運行，各模塊運行正常。短信平臺建設完成社區衛生強化免疫短信功能并投入使用。5、深化網站應用建設工作
為深入落實自治區“加強政府網站建設、促進網絡問政工作電視電話會議”精神，完成了《__區政府門戶網站深化應用建設項目》的需求調研和工作業務梳理，完成了項目總體技術方案的制定和專家評審、論證工作。完成了新版門戶網站所有頁面的設計工作，目前在準備實施搭建中。
四、存在的問題
1、一體化協同辦公室平臺各應用單位工作人員變動較頻繁，交接工作不及時，造成部分單位信息更新不及時；
2、部分單位對政府信息公開意識薄弱，信息公開不夠主動；
3、信息化項目實施過程中，各業務單位對項目需求分析的不夠深、不夠細，在開發過程中反復修改情況較為普遍；
4、在項目需求分析上，對結果數據展示分析能力有待于進一步加強。
五、整改措施及建議
1、建議各應用部門平臺使用人員有變動的及時以書面的形式上報到區電子政務辦登記備案，由區電子政務辦負責調整人員信息變更和操作權限；
2、加強政務信息公開督導力度，定期對區屬各部門政府信息公開情況進行督查，并把督查結果通過政府門戶網站和協同辦公平臺向全區進行通報。
3、一是加強信息化項目立項、需求調研、需求設計、建設實施、驗收等重要環節的評審管理，組織專家、業務部門、合作單位對重點環節的評審工作，杜絕項目需求反復變更、重復修改；二是建立健全項目組織管理體系,優化管理工作流程和工作制度,細化項目實施環節，明確項目主責單位與協作單位職責，落實責任分工，共同推動項目全過程建設與應用；三是組織各業務單位學習《__區信息化項目管理辦法》，掌握信息化項目申報與立項、項目實施、驗收與推廣應用等關鍵環節；四是申報單位要加強內部學習，提高工作人員業務水平。
4、加強對各業務軟件流程的梳理工作，在做好基礎數據分析展示分析的基礎上，強化管理數據的挖掘，通過報表、圖形等方式為業務部門提供決策性、管理型的數據。
20__年下半年工作計劃
一、繼續推進電子政務工作
一是在區屬各職能部門繼續推進“一體化協同辦公平臺”應用工作，計劃在7-8月份舉辦一體化協同辦公平臺應用、網站信息、政府信息公開、移動辦公設備應用操作培訓；二是繼續加強網站管理，完善信息制度，加強信息公開力度；三是積極推進電子印章的應用，保障電子公文的有效性、權威性，通過現代辦公手段提高工作效能。
二、繼續加強信息化項目管理
一是完成全區8個部門13個信息化項目開發和研發工作，并對項目各階段進行評審；二是完成全區8個部門13個信息化項目測試工作；三是完成全區8個部門13個信息化項目試運行工作；
四是組織相關對口專家，對全區8個部門13個信息化項目進行驗收，并形成最終驗收報告；五是完成全區信息化項目資料匯總工作。
［關鍵詞］會計信息管理；人才培養；數據分析
0引言
2012年以來，鋪天蓋地的大數據進入了我們的視線，各種流行書籍，各大網站、媒體都在談論大數據，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注。我們說，大數據，不單純是數據規模上的大，還在多樣性、速度、精確性上都有突破性增長。更重要的是，這種數據的潛在價值也是舊有數據難以企及的。我們這里暫且不論如何駕馭大數據以及有什么樣的技術要求，它給我們的一點重要啟示就是要注重數據分析的重要性。在此背景下，深圳信息職業技術學院會計信息管理專業積極探索滿足新形勢下人才需求的培養模式，使人才更好地滿足當前企業的實際需要。
1大數據時代背景引發對人才需求的變革
可以說，在未來的競爭領域，“占領市場必須先占有數據”，也就是要做到基于信息的決策———“用數據說話，做理性決策”，即進行數據分析。數據分析是從海量的數據中提取和挖掘出對企業有價值的規律和趨勢，為企業的決策提供支持，這些支持體現在四個方面：①行為預見鏡———幫助企業識別機會、規避風險；②問題良藥———幫助企業診斷問題、亡羊補牢；③跟蹤檢測———幫助企業評估效果，提升效益；④引力動力器———幫助企業提高效率，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。那么究竟靠數據分析的決策能否優于直覺決策，我們這里也要靠數據說話。有學者比較了組織中用直覺決策以及用數據分析決策的可能性，研究發現，業績優秀的組織更多地傾向于采用分析決策，尤其是在財務管理、運營、戰略等方面。因此，可以推斷，用數據分析決策比直覺決策能給企業帶來更大的價值。與此同時，根據智聯招聘網站顯示，短短兩年時間，珠三角地區數據分析人才需求已接近了需求量旺盛的傳統會計專業。可見，越來越多的公司需要能夠對公司財務等相關信息數據進行處理、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，傳統會計專業注重會計核算，即財務報表編制的整個流程及環節的掌握，而會計信息管理專業更注重對財務報表數據以及其他有用信息數據的再加工、處理、分析及呈報，以滿足管理層經營決策的需要。可以說，不同的社會發展階段和發展水平要求有不同的專業設置及專業培養目標與之適應。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的對人才的需求。然而，從當前會計信息管理專業的建設情況來看，多數院校存在培養目標不清晰、沒有明確的專業定位、與會計電算化等專業沒有明顯區分以及缺乏明確的專業核心課程等突出問題，尤其是對會計信息管理專業名稱中“信息”二字究竟如何體現沒有清晰的把握和界定。因此，會計信息管理專業的人才培養模式亟需變革。
2大數據時代背景下會計信息管理人才工作崗位及能力分析
深圳信息職業技術學院2012年成功申報會計信息管理新專業，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定位、培養目標、課程體系也成為擺在專業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建設展開了一系列的咨詢、調研、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，實現專業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特色的會計信息管理專業建設思路與方法。首先，會計信息管理專業人才就業崗位主要集中在賬務處理、管理會計、財務數據分析、預算管理、成本管理、資金管理及內部控制等方面。具體工作任務體現在：會計核算，納稅申報，管理會計，財務數據處理、加工、分析及呈報，以及預算、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域，會計信息管理專業人才應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，運用財務信息對企業經營活動進行評價；②數據分析能力，指的是掌握一定的數據分析方法，運用Excel、數據庫等現代信息技術手段對數據進行采集、處理、分析及呈現；③輔助決策能力，指的是能夠依據相應的數據分析結果，為公司日常財務等管理決策提供支持。
3大數據時代背景下會計信息管理人才培養目標
在當前互聯網時代及大數據時代，對財務人才的要求，已經不局限于傳統賬務處理，更傾向于對決策相關信息數據的處理和分析。“占領市場必須先占領數據”，公司財務和經營決策的制定更多的是基于信息的決策，即“用數據說話，做理性決策”，而數據分析即是從海量的數據中提取和挖掘出對企業有價值的規律和趨勢，為企業的決策提供支持。因此，在新形勢下，會計信息管理專業的人才培養目標可以確定為數據分析引領財務決策信息化。為了實現這一培養目標，需要三個層面的支撐體系，即基于財務會計、強化數據分析、服務管理決策。
4大數據時代背景下會計信息管理人才培養課程體系
在以數據分析引領財務決策信息化的人才培養目標指引下，我們初步形成了如下三個層次的課程體系。
（1）會計學基礎課程：會計信息管理源于會計，不能脫離財務會計，仍然要以財務會計為基礎。專業學生要了解財務報表的生成過程及會計賬務處理流程、能夠對一般企業常見經濟業務進行會計處理、進行企業納稅申報等。這方面課程主要有：會計學原理、財務會計、納稅實務。
（2）數據分析技術課程：對信息的把握體現在兩個層面，其一是與企業信息化相適應的一般管理軟件、財務軟件的使用及熟練操作以及簡單維護，能夠作為關鍵人物輔助中小企業實現財務信息化；另一層面通過對數據的采集、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。數據的來源可以來自公司內部的管理信息系統，根據需要也可以來自企業外部的國家經濟產業政策、行業市場信息等。其中，對數據的分析能力又從兩方面進行培養，一方面是分析思維方式的培養，這是起主導作用的層面；另一方面是分析工具運用的培養，信息化時代，數據量的加大要求借助于一定的分析工具才能實現數據分析。企業信息化實施及數據分析方面的主要課程有：財務報表分析、財經數據分析、應用統計學、數據庫原理及應用、數據處理軟件應用、商務智能等。
（3）決策能力提升課程：新形勢下財務人員面對和服務的更多是企業的管理層和決策層，會計信息管理專業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，并通過數據分析方法進行提供，同時給出合理化建議。這方面課程主要有：管理會計、財務管理、成本管理等。其中，財經數據分析課程能夠使學生掌握系統的數據分析方法，包括數據收集、數據處理、數據分析、數據展現及報告撰寫各環節的基本理論及操作技能，同時熟練地運用數據分析的思想和方法分析企業的財務數據，為管理層決策提供信息支持。數據分析軟件應用課程能夠讓學生熟練運用Excel等常見數據分析工具、軟件進行數據錄入、數據整理和數據分析的方法和技巧，培養學生操作Excel等數據分析軟件的基本技能。商務智能（含數據挖掘）課程依托商務智能平臺，從商務智能概念、商務智能結構、多維數據集內容、數據挖掘、交付等主要內容，使學生在了解如何運用商務智能的工具、架構以及規則的基礎上，分析企業數據，為企業管理層提供信息化決策支持系統。
5結語
不同的社會發展階段和發展水平要求有不同的專業設置及專業培養目標與之適應。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的對人才的需求。大數據時代下會計信息管理人才培養目標為數據分析引領財務決策信息化。相應課程體系為財務會計基礎課程、數據分析技術課程、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據分析對企業財務等管理決策帶來價值增值。
主要參考文獻
［1］陳憲宇．大數據時代企業相關職位設置與人才培養［J］．經營與管理，2014（9）：43－47．
［2］譚立云，李強麗，李慧．大數據時代數據分析人才培養的思考及對策［J］．黑龍江科技信息，2015（3）：57．
人們對APP并不陌生，但看似信手拈來的APP對于廣大的開發者來說卻是一件難事。開發方向選擇錯誤、開發速度慢、對用戶需求不了解、APP市場推廣不利、后臺服務器支持不給力等，都可能造成一個APP無疾而終。華為PowerApp可以幫助APP開發者解決上述問題。“我們也曾經從事過應用開發，知道開發過程的艱難。因此，我們在設計PowerApp平臺之初，就走訪了大量客戶和合作伙伴，了解他們在開發過程中會遇到什么樣的問題。”華為PowerApp產品經理陳崢介紹說，“與其他眾多BaaS廠商由一個成功的應用切入，進而擴展到BaaS平臺不同，PowerApp惟一的出發點就是為開發者提供全過程的APP開發服務，將其從繁雜的后端工作中解脫出來，把主要精力放在前端產品的業務實現和用戶體驗的提升以及業務推廣上。”
華為PowerApp包含行業報告、能力模塊、測試模塊、運營支撐、推廣模塊、運維模塊等多個模塊，為APP開發者提供了從項目立項到開發、測試直至推廣和運維的全過程服務。舉例來說，APP開發者在選定一個開發項目時可能會苦于無從了解用戶需求和市場趨勢。PowerApp可以提供行業數據分析報告，或通過大數據平臺對各類日常的新聞進行搜集、整理和分析，為開發者提供第一手的資料。再比如，華為自己擁有電信級的測試標準、流程和服務，可以為開發者提供測試服務。此外，華為還與世界知名的云測試廠商SOASTA合作，為開發者提供云測試服務。許多移動APP開發者都是個人或是初創企業，他們可能沒有能力或資金對新產品進行推廣。華為建立了開發者聯盟，通過智匯云電子市場、線下活動和華為終端設備等助開發者一臂之力，幫助其對移動APP進行推廣。
PowerApp雖然具備了豐富的功能模塊，但華為也清楚不可能憑一己之力對APP開發者提供全方位的支持，華為PowerApp需要大量的合作伙伴。在PowerApp會的現場，記者見到了PowerApp幾個主要的合作伙伴，包括SOASTA、安全寶、青云等。
[關鍵詞] 大學生；經管類專業；數據分析能力；職業競爭力；問題；策略
[中圖分類號] G320 [文獻標識碼] B
近年來，隨著全球經濟一體化進程的加快和網絡時代信息獲取的便捷程度的極大提高，“用數據說話，做科學決策”已成為企業提高經營管理水平的必然選擇，在全球500強企業中，90%以上的重要投資和經營決策都取決于充分的數據分析支持。數據分析在企業戰略規劃、項目投資決策、融資決策、營銷決策、生產運營與管理決策中發揮的作用和價值日益顯現，并已被我國政府部門和各行各業越來越多的企業所認同。在這一時代背景下，社會對項目數據分析師、市場調查分析師這些高技能應用型人才的需求旺盛，供給缺口巨大，據權威部門預測，在未來幾年，我國對專業項目數據分析師的需求預計可達20萬人，調查分析師的市場缺口則在100萬人以上。面對社會對數據分析人才的強勁需求和高校經管專業畢業生就業難并存的局面，高校應充分地認識到，當今社會數據分析能力已成為經管類大學畢業生在職場中生存的一項核心能力，積極探討提升經管類專業大學生數據分析能力的有效策略，對于更好地適應社會需求，提高大學生的職業競爭力具有重要的意義。
一、社會對數據分析人才的技能與素質要求分析
數據分析是指運用適當的統計分析方法對收集來的大量數據進行整理、分析，從數據中提取有用信息并形成分析結論，提出有價值的決策參考建議的過程。數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，并依據數據做出行業或市場研究、評估和預測的專業人員。筆者通過對各大招聘網站數據分析師、市場調查/市場分析師等職位招聘信息的搜索和分析，深入挖掘并歸納出社會用人單位對數據分析師職位的技能和能力素質要求（詳見下表1），以期為高校經管專業學生數據分析能力的培養提供參考。
從表1可以看出，數據分析能力是一種綜合實踐能力，它要求數據分析人員在了解行業狀況及公司業務流程的基礎上，構建數據分析的思路，主動地搜集相關數據，運用恰當的統計分析方法，借助于統計分析軟件對數據進行處理和分析，從而得出分析結論，并撰寫出有價值的分析報告。
通過以上分析，筆者認為，高校在經管類專業學生的培養定位中應對數據分析能力的培養給予充分的重視。應要求所有經管類專業的學生具備基本的數據分析能力，以適應本專業領域業務數據的收集、整理和初步分析的需要，并有針對性地培養出一批具有較強數據分析能力的學生，為他們考取項目數據分析師、調查分析師等資格證書創造條件，使他們有機會成為各行業中數據分析領域的高級專門人才。
二、經管類專業大學生數據分析能力培養中存在的主要問題
（一）經管類專業課程體系設置中缺少數據分析能力培養模塊
當前，在許多高校經管類專業的培養方案中，較少設有專門講授數據分析內容的課程。與數據分析相關的內容分散于《大學計算機基礎》、《數據庫應用基礎》、《統計學》、《市場調查與預測》等課程，學生雖然從多門課程中接觸到與數據分析相關的一些內容，但各門課程的教學資源未能實現有效的整合，如，《大學計算機基礎》課程一般在大一開設，該門課程中將Excel軟件作為辦公自動化軟件之一，一般只講授簡單的文字和數據錄入及處理，并未涉及Excel軟件的高級數據分析功能。而《統計學》和《市場調查與預測》課程一般在大二開設，主要側重于從理論上介紹數據的收集、整理和數據分析的各種方法，以及市場調查和市場預測的各種方法，這兩門課程主要為數據分析提供方法論的指導。這樣的課程體系設置中就缺少了將數據分析的方法與數據分析的工具結合起來培養學生數據分析實際技能的課程，致使學生并未能有效、深入地掌握實際的數據分析技能。
（二）缺少實用性強的培養學生數據分析能力的實踐教材
近年來，一些出版社出版了一批以Excel或SPSS為分析工具的統計分析教材，如：黃等編著的《Excel統計分析基礎教程》、鄧維斌等編著的《SPSS19（中文版）統計分析實用教程》等教材，這些教材在內容體系上與《統計學》教材大體相同，教材內容涉及面廣，與企業實際需求結合不緊密且難度較大，對于沒有數據分析基礎的學生來講很難掌握，而且有些高級統計分析方法在企業的實際工作中也很少能應用到。
（三）缺乏數據分析理論與實踐能力兼備的教師隊伍
培養學生的數據分析能力，首先需要擁有一支既懂數據分析理論又能指導學生統計軟件操作的高水平的教師隊伍，而長期以來統計學教學中一直存在的重理論，輕實踐的狀況，使得能夠講授《數據分析》實踐課程的教師嚴重缺乏，這也是影響學生數據分析能力培養的關鍵制約因素。
（四）學生對數據分析存在畏懼心理
對于許多初次接觸統計學和數據分析的學生，經常會對書中大量的數學公式和復雜的軟件操作產生畏懼心理和回避心理，加之一些統計學教師在教學過程中對學生的學習沒有加以正確的引導，致使很多學生從一開始就對掌握數據分析這門有用的技能失去了的興趣和學習的信心，從而必然會影響到學習的效果。
三、經管類專業大學生數據分析能力提升策略的探討
（一）完善學生數據分析能力培養模塊
為強化學生數據分析能力的培養，高校經管類各專業的培養方案中應設置培養學生數據分析能力的模塊。筆者認為，首先應將已開設的與學生數據分析能力培養相關的《大學計算機基礎》、《數據庫應用基礎》、《統計學》、《市場調查與預測》等課程的內容進行有機地整合，在此基礎上，在大三學年開設《數據分析基礎》實踐必修課，以加強學生數據分析的實際技能，構建學生數據分析能力的完備知識體系。同時，經管各專業還可根據需要增設《SPSS軟件應用》作為專業選修課，以滿足那些對數據分析有濃厚興趣，準備考取項目數據分析師、調查分析師資格證書，有志于成為數據分析專門人才的學生的需求。
（二）開發實用性強的《數據分析》實踐教材
借鑒社會項目數據分析師、調查分析師資格認證相關培訓教材，編寫一部《數據分析基礎》實踐教材，教材將以通用的Excel軟件為分析工具，這樣可以降低學習難度，從心理上拉近與非統計專業學生的距離，目的是使經管專業的學生掌握必知必會的數據分析概念、流程和操作，以適應社會對經管類應用型人才應具備基本的數據分析技能的需求。教材的內容體系將按數據分析的流程構建，具體內容將設以下7大模塊：1.數據分析概述；2.數據采集；3.數據處理；4.數據分析（包括數據分析方法、數據分析工具的使用）；5.數據呈現；6.報告撰寫；7.綜合案例。
（三）培養一支數據分析理論與實踐能力兼備的教師隊伍
針對當前部分高校缺乏數據分析理論與實踐能力兼備的講師隊伍的難題，學校可以采取“引進來，走出去”的辦法多渠道解決專業師資力量不足的問題，一方面可以從其他學校聘請專業教師授課，也可以派出本學校中、青年教師到其他設有統計學專業的高校進行短期的進修學習，以提高數據分析的理論水平和實踐能力，此外，學校還可以鼓勵本校中、青年教師考取項目數據分析師等資格證書，以深入地了解社會對數據分析能力的需求，使學校的人才培養定位與社會需求能夠實現無縫對接。
（四）培養學生對數據分析的濃厚興趣
記得有一位資深的數據分析人士曾說過：“統計學是一門很難，但是很有趣，更是很有用的工具學科。懂得如何使用它的人總是樂在其中，而尚未入門的人則畏之如虎。”筆者結合多年的教學經驗認為，要想將《統計學》這樣一門多數人認為很難的課程讓初學者理解它、接受它，對它產生濃厚興趣，需要借助一些人們生活中的小案例，將難懂的統計學的基本概念和公式還原回生活當中，用來解釋社會經濟現象，幫助學生發現隱藏在數據背后的規律。總之，培養學生對數據分析的濃厚興趣，是提升經管類專業學生數據分析能力的關鍵所在。
[參 考 文 獻]
[1]鄧維斌，周玉敏，高錫榮.經管專業數據分析能力研究[J].數字通信，2013（2）
自2013年5月7日愛奇藝和PPS宣布合并后，在不到半年的時間里，網絡視頻格局被徹底改變。合并后的愛奇藝，一躍成為中國最大的網絡視頻平臺，全平臺用戶規模、時長均為視頻行業第一。全平臺第一的優勢逐漸把愛奇藝的營銷價值釋放出來，可以說，10月16日，愛奇藝公司宣布了旗下愛奇藝、PPS兩個品牌的品牌策略就是一個明確的信號。
協同效應釋放營銷價值
PPS視頻業務與愛奇藝進行合并，兩個網站的互補性是非常強的。愛奇藝是以網頁端為主，而PPS是以客戶端為主，而二者的共同點就是在移動端的發力都非常迅猛。除此之外，PPS與愛奇藝的公司文化也是互補的。
“愛奇藝走的是品質路線，而PPS則主張草根文化，二者結合完全符合我們現在的品牌需求，那就是又要接地氣，又要有高富帥的精神，所以二者結合是挺有意思的。”愛奇藝首席營銷官王湘君如此描述二者合并之后的優勢互補效應。
通過品牌重新定位后的升級，愛奇藝和PPS兩個品牌之間形成了明晰的差異化定位，既保持了各自的品牌獨立性，又實現了更強的互補性。愛奇藝屬于新主流的視頻媒體，被更多賦予了媒體的特性，而PPS更多的屬性是工具，突出娛樂色彩。從營銷的角度看，愛奇藝與PPS合并使兩者的規模更大，品牌影響力更強，不僅能實現更廣泛的用戶覆蓋，更能針對品牌需求，更有效地進行推廣組合。 愛奇藝與PPS合并產生了協同效應，對于客戶來說更有吸引力，因為可以為廣告主帶來更大的利益。
移動端廣告投放需求爆發
自PC時代形成的視頻格局，當移動互聯網浪潮襲來，相對于固步自封者，創新者更有機會贏得市場之戰，改變游戲規則，重新劃定市場領地。而合并PPS之后的愛奇藝，毫無疑問成為視頻市場上最大的贏家。愛奇藝在移動端擁有先發優勢，PPS在傳統的客戶端擁有優勢，愛奇藝與PPS合并，進而確立了其在移動領域的絕對優勢。
艾瑞數據顯示，愛奇藝和PPS在移動視頻用戶覆蓋和月度觀看時長兩大關鍵數據上處于行業絕對領先地位：在用戶月度覆蓋方面，領先第二名優酷土豆67.5%；而在月度觀看時長方面，超過第二位106%，比排名第二和第三的PPTV、優酷土豆相加還多出1234.5萬個小時。
合并一個月后，愛奇藝、PPS就已完成視頻數據、業務數據和廣告分析系統數據遷移，并進行雙品牌多端投放系統切換，至此，愛奇藝、PPS銷售團隊能夠在一套系統中完成下單、監測、效果分析等一系列廣告投放工作。
用戶在不同終端、不同時段接觸廣告的次數都能夠通過新的投放系統進行有效控制，針對不同類型廣告主的差異化投放需求，愛奇藝則通過雙品牌優勢資源組合制定相應的廣告投放方案。
由于移動視頻廣告的客戶投放數量直線上升，特別是汽車、化妝品、奢侈品、消費電子產品等行業的代表性品牌，逐漸從嘗試投放轉變為常規投放。針對此，愛奇藝組建獨立的團隊銷售移動端廣告，與其他視頻網站的經營方式區別開來。
目前，無論是流量絕對值還是廣告收入份額，愛奇藝都牢牢占據行業第一的位置。愛奇藝的移論動端流量達到全站流量的45%-50%，移動視頻廣告形式更趨成熟，營業收入增長速度開始超過PC端的整體增長速度。王湘君說：“今年Q4的移動端視頻廣告收入應該可以占到整體規模的15%左右。”
全平臺大數據營銷
在大數據時代的今天，視頻網站優質的內容資源為品牌廣告營銷提供豐富的可能性和更多的傳播機會，而品牌元素與視頻內容精準結合則催生出更具價值的營銷體驗。對于愛奇藝和PPS而言，未來發展的重點一定是其有獨家優勢的地方，這就是基于大數據的視頻營銷。
真正的大數據營銷要具備大數據的技術能力，以及足夠量級的平臺。愛奇藝和PPS合并后體現了大數據的力量。根據艾瑞MUT和IUT的8月數據，愛奇藝和PPS全網用戶月度覆蓋達到3.57億，移動視頻累計月度用戶覆蓋高達54.63%，在行業內遙遙領先，合并后的規模化效益得以充分體現。
關鍵詞：大數據分析技術；畢業設計質量分析
中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2016）11-0125-05
Abstract： Big data analysis technology is nowadays the most cutting-edge computer technology， through big data analysis technology can provide business decision-making basis for managers. In this paper， the work experience of the author's many years of Guiding College of traditional Chinese medicine（TCM） information technology graduates graduate design works， based on the data analysis technology of previous graduate design works quality analysis and research， and presents the final analysis results.
Key words： information technology； big data analysis technology； graduation design quality analysi
1 畢業設計工作現狀分析
1.1 什么是畢業設計工作
畢業設計是高職院校教學的最后一個實踐環節，是對所學知識全面的總結以及系統的運用，通過畢業設計，學生可將課堂上學習到的知識與實踐知識聯系起來，同時還可以鍛煉學生運用相關專業知識的能力。
畢業設計的難度要大于一般的課堂教學中的課程設計，因為通常畢業設計設計的知識面很廣，可以很好的鍛煉學生將理論知識運用到實踐中的能力。
1.2 畢業設計工作對于人才培養的重要意義
畢業設計工作對于一個即將踏入社會的學生來說是非常有意義的，具體包含以下幾個方面。
（1）畢業設計可以提高畢業生的綜合素質和能力
在中醫院校信息技術類專業的教學中，畢業設計是教學的最后一個環節。學生在離開校園之前，要對其最后的理論知識與實踐應用進行綜合訓練，同時，學生綜合素質也要得到相應的培養和提高，畢業設計對提高畢業生的創新能力以及科研水平也有很大的幫助。
（2）畢業設計是學生進入工作崗位前的演練
畢業設計可以看做是對即將進入工作崗位的畢業生的最后演練，在校教育的最后一年，學生面臨多種選擇，就業、創業等。同時他們也面臨著四個轉變：從經濟不獨立到經濟即將獨立的個人轉變；從同齡人活動群體到非同齡人活動群體轉變；從教師指導下的學習、工作項獨立的學習、工作轉變；從學習為主到工作為主的生活節奏的轉變。
為了學生可以順利的步入競爭激烈的社會，畢業設計成為重要的過渡階段，在這一環節，可以迅速的增強學生的自信心，提高學生的綜合素質和各項能力，增強學生的就業競爭力。
（3）畢業設計可以成為衡量專業教育水平的標準
畢業設計是學生對所學知識的運用，因此畢業設計的質量在一定程度上可以代表所學專業的教育水平和總體的教學質量。畢業設計是高校專業教育最后的一個環節，可以對教學的質量進行綜合性的檢驗，是衡量高校專業教學總體水平的重要標準。
1.3 當前畢業設計工作中存在的問題
（1）缺乏分析
在以往每一屆畢業生的畢業設計工作中，都只是簡簡單單的教師指導，學生主導執行，然后到最后的畢業設計答辯，得到最終的結果，以往的畢業設計工作到這就結束了，缺乏最終的總結分析，通過對畢業設計工作的總結分析，畢業生才能更清楚明白的了解本次畢業設計自己畢業設計作品結果。
（2）對于存在的問題不清晰
在畢業設計工作過程中將會有許多的問題或矛盾出現，以往的畢業設計工作沒有將這些問題很好的呈現，更沒有發現這些問題的實質所在，也就沒有很好的解決這些矛盾，所以畢業設計工作也就沒有體現出最重要的意義。
（3）學生評價不準確
在當畢業生根據自己的畢業設計作品而進行答辯時，各專業也都將會為每位畢業生的畢業設計作品給予相應的分數，人們往往會通過這個分數去衡量一個畢業生，這往往是不準確的，可能是由于在做畢業設計作品期間，學生忙于找工作等原因，影響到畢業設計的質量，所以說以分數衡量學生是不準確的。
（4）對教學的指導意義不明確
畢業設計不僅僅是一個對學生的培訓和實踐，也是衡量高校專業教學水平的一個很好的教學標準，但是目前許多專業中的畢業設計工作對各專業沒有推動作用，畢業設計工作反饋回來的結果對教學改革沒有明確的指導作用。
2 大數據分析技術
2.1 什么是大數據分析技術
大數據分析技術，通俗地講，是在多樣或巨量數據中快速收集和分析數據，獲得有價值信息的技術和能力，主要包括數據采集、存儲、 管理、分析挖掘、可視化等技術及其集成。
當前，大數據不僅指數據量的巨大，更重要的是要對大數據進行分析，只有通過分析才能獲取更多智能、深入、有價值的信息。大數據之所以具備戰略意義，之所以能夠有效提升競爭能力，不在于掌握了何等巨量的數據，而在于其有能力對這些有價值的數據進行處理和運用。沒有高性能的分析工具，大數據的意義與價值就不可能得到有效的洞察和釋放。因此，解決大數據問題的核心，是大數據分析技術， 它是最終決定信息是否具有價值的決定性因素。
一般而言， 大數據分析主要涵括預測性分析能力 （Predictive Analytic Capabilities）、數據質量和數據管理 （Data Quality and Master Data Management）、可視化分析（ Analytic Visualizations）、 語義引擎（ Semantic Engines）、數據挖掘算法（Data MiningAlgorithms）等五個基本方面。
具體的大數據處理方法有很多，但大數據處理的基本流程可以概括為四個步驟：采集；導入和預處理；統計和分析；挖掘。不同于傳統的數據處理，運用大數據分析技術進行數據處理，其基本理念可以凝煉為：要全體，不要抽樣；要效率，不要絕對精確；要相關，不要因果。從具體操作的層面來看，大數據處理可能用到的大數據分析技術包括：數據采集、基礎架構、數據存取、統計分析、數據挖掘、數據處理、模型預測、結果呈現等。
2.2 大數據分析技術對畢業設計工作的意義與價值
大數據分析技術在畢業設計分析工作的過程中有著重要的使用價值，具體的價值主要包括以下幾方面內容。
（1）大數據分析技術保障畢業設計分析工作順利開展。當面對7屆（從2005屆到2011屆）畢業生，854件畢業設計作品時，沒有一個良好的技術手段，是無法對如何龐大的工作進行整理和匯總。大數據分析技術可以解決數量大的問題，所以說大數據分析技術保障了工作的順利開展。
（2）大數據分析技術保障畢業設計分析工作順利進行。在面對如此多的數據進行統計整理時，將會遇到許多無用或錯誤的數據（俗稱“臟數據”），這些“臟數據”對畢業設計分析工作有著很大的影響。大數據分析技術在面對著這些“臟數據”，選擇刪掉，從而保障了畢業設計分析工作的順利進行。
（3）大數據分析技術保障畢業設計分析工作順利完成。當完整對數據的整理和匯總后，這樣的工作其實僅僅完后了一部分，還要對這些數據進行整理分析，這才是本次工作的重點。大數據分析技術是對有關聯的數據進行再一次的整理和分析，并將分析的結果以某種形式呈現，從而可以更直觀的表現出某種觀點，從而實現分析的最終目的。
3 畢業設計分析工作的目標與流程
3.1 畢業設計分析工作預期實現的最終目標
本次畢業設計分析工作主要為了解決上述中畢業設計工作中存在的問題，所有本次畢業設計分析工作的主要目標有以下幾方面。
（1）整理分析歷屆畢業設計工作內容。本次畢業設計數據分析統計的數據概況如下：
3個專業：計算機科學與技術、信息管理與信息系統、專升本
7屆畢業生：從2005屆到2011屆7屆畢業生的畢業設計作品。
41位指導教師：統計7屆畢業生的所有指導教師信息。
854件畢業作品：統計7屆畢業設計中所有畢業設計作品的全部信息。
（2）客觀的評價學生。在本次畢業設計分析工作中，分析了學生的畢業設計成績和指導教師的指導時間，通過時間的長短可以較為客觀的評價學生的能力。
（3）將存在問題呈現，直面問題。將畢業設計質量分析的結果以繪圖的方式呈現，直觀的看出畢業設計工作中存在的問題與矛盾，促進問題與矛盾的解決，從而使畢業設計工作在以后的開展過程中更加有力、有序的進行。
（3）以強有力的數據分析推動教學改革。通過對畢業設計作品質量進行分析，從而可以查看出學生總體的學習范圍，并且可以促進教學內容的改變，推動教學體系的前進。
3.2 畢業設計分析工作的階段和流程
本次畢業設計工作主要有四個階段，分別是數據采集、數據處理與集成、數據分析以及數據解釋，具體每個階段的工作內容以及工作目標詳見表1所述。
4 畢業設計分析數據模型設計
（1）相關分析模型
相關分析是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度。相關關系是一種非確定性的關系。例如，在本次的畢業設計質量分析中，以X和Y分別記一個畢業設計作品質量和該作品畢業生的性別，或分別記畢業設計作品質量與指導教師的指導時間，則X與Y顯然有關系，而又沒有確切到可由其中的一個去精確地決定另一個的程度，這就是相關關系分析。
相關關系分析模型也是本次大數據分析過程中使用的主要的分析依據模型。
（2）對應分析模型
對應分析也稱關聯分析，通過分析由定性變量構成的交互匯總表來揭示變量間的聯系。可以揭示同一變量的各個類別之間的差異，以及不同變量的各個類別之間的對應關系。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。在本次畢業設計質量分析中，使用對應分析模型主要是為了以點的形式形成趨勢，從而可以在趨勢中看到數據波動變化。
（3）對比分析模型
對比分析是按照同一個參考依據，將同一類別的不同變量放在一起形成對比，通過不同變量的變化趨勢，進而分析變量之間存在的某種關系。
根據上述的分析模型進行相關數據的采集收集以及整理過程，如整理畢業設計成果形式數據分析時的內容如圖2所示。
5 畢業設計分析工作指標設計
在本次畢業設計分析工作過程中，整理的大量指標及其數據，具體的指標有教師指導畢業設計的數量、畢業設計成果形式、科研項目衍生課題數量、參加二次答辯分析、不同軟件開發技術的畢業設計作品、不同數據庫技術的畢業設計作品、不同作品成果形式的畢業設計作品數量、作品擴展形式等眾多分析指標，分析指標的具體內容詳見表2所述。
6 畢業設計工作分析結果
6.1 分析報告結果形態
筆者與團隊經過長時間的整理，最終將如此多的數據整理匯總，并對畢業設計作品的質量進行分析，本次分析的結果改變了以往紙質分析報告的常規，本次的畢業設計質量分析結果以Web化的形式呈現，網站地址為：http：//，如圖3所示。
本次的分析結果以網站的形式呈現，這樣這設計的主要目的及意義有以下幾方面內容。
（1）方便快捷。本次主要使用的是ECharts畫圖的方式，運用ECharts多種繪圖的方式，將數據導入到ECharts畫圖代碼中，可直接生成圖像，也可對圖像進行形狀改變，從而方便快捷。
（2）修改整理方便。當在分析的過程中，可能發現某些數值或字段是缺失或錯誤的，可在源數據中進行準確查找，并可將查找后的結果直接寫在代碼中，這將會自動從新繪制新的圖形，從而可以在修改、查錯的過程提供方便。
（3）分析結果直觀、效果強。以網站形式將分析的結果呈現，可以直觀、方便地看到畢業設計質量分析的結果，同時也可根據每個分析指標結果的色彩不同，從而可以更加直觀的展示出各個字段之間的差異性，從而使分析的結果更具有可視化。
6.2 分析結果呈現
（1）歷屆教師指導畢業設計作品成績層次匯總分析
首先對歷屆教師指導畢業設計數量進行統計，具體統計結果如圖4所示。
然后對歷屆教師指導畢業設計作品成績進行統計，并對其成績層次比例進行匯總分析，具體分析結果如圖4所示。
從圖4中可以看出，歷屆教師人均指導畢業設計的數量成逐步上升趨勢，從圖5教師指導畢業設計的質量來看，所有的畢業設計中，優秀比率在30%以上的教師有9人（22%），優秀比率在30%以下的教師有32人（78%），從而充分的說明了，教師指導的力度不夠，從而促使畢業設計的優秀率偏低。
（2）指導教師初評成績分析
對歷屆指導教師初評平均成績與畢業設計參加一次答辯時的平均成績進行統計分析，統計結果如圖6所示。
從圖中可以看出，指導教師給自己所指導的畢業設計的打分（平均值），普遍高于一次答辯時評委組給相應畢業設計的打分（平均值）。
充分的體現出指導教師對自己所指導的畢業設計作品的存在一定的“私心”，指導教師沒有進行嚴格把關，展現出畢業設計工作中的問題。
（3）畢業設計所用軟件開發技術分析
對歷屆畢業設計作品中所使用的軟件開發技術進行統計分析，結果如圖7所示。
在本次分析的過程中，也根據性別進行統計，統計分析結果如圖7所示。
通過兩個分析結果，可以看出HTML/CSS和JS/Jquery是畢業設計中用的最多的技術；.NET、C#的比例也較高，但從趨勢來看，C#的比例有下降趨勢；JAVA、JSP和C/C++呈上升趨勢；PHP的比例相對穩定；ASP技術明顯呈下降趨勢。結合性別分析發現，男生中，使用C#與使用JAVA的人數基本持平，約為1.3：1，而女生中，這一比例達到2.8：1，說明女生更傾向于使用C#。
根據上述的分析，可以為本專業類教學內容體系的改變提供重要的依據，學院可以根據學生使用的比率而進行教學內容的改革。
7 畢業設計分析工作存在的不足與改進
7.1 存在的不足
（1）指標點少。由于本次畢業設計分析工作是第一次對畢業設計質量進行分析，所以在設計和整理的過程中所使用的指標點都較少，所以造成本次畢業設計分析內容有待升華。
（2）關聯性低。在進行關聯數據分析時，對收集到的數據關聯分析較低，沒有充分的發揮出每一個字段的價值，同時，在本次畢業設計質量分析中，關聯分析力度不足，如沒有對畢業生的在校職位與畢業設計最終成績分析、指導教師的年齡與指導畢業設計作品成績分析等，這都是本次畢業設計分析工作中的所欠缺的。
（3）數據清洗度不高。雖然在前期對數據進行清洗處理，但是處理的力度不夠，所以在分析過程中，仍能發現存在許多錯誤的數據，這樣給畢業設計分析工作帶來了一定的影響。
7.2 下一步計劃
根據本次畢業設計分析工作中存在的問題，在以后的分析工作中，將加大對指標點的統計整理，如學生的籍貫、學生在校期間獲得的獎項、教師的工齡、教師的性別等等，同時也將增加每個指標點之間的關聯分析，從而使每個指標點數據更加有意義。
8 結束語
隨著國家技術的不斷發展，信息化的不斷發展，大數據分析也起到了越來越大的作用，為每個項目的發展和前進提供了重要的依據。本文也結合了大數據分析技術對畢業設計作品進行質量分析，從分析結果中得到許多的結論，也為教學改革提供依據，從而也推動了整個教學內容體系的完整和發展。
參考文獻：
[1]劉智慧，張泉靈.大數據技術研究綜述.智能系統與控制研究所，2014-06.
[2]任長春.淺談高職教育中畢業設計環節的教學改革[J].科技信息，2009（35）.
關鍵詞：大數據 企業 競爭情報 數據挖掘
中圖分類號： G250.2 文獻標識碼： A 文章編號： 1003-6938（2012）06－0009-06
1 引言
隨著信息技術的不斷發展，互聯網的普及利用，各種終端設備記錄了人類社會復雜頻繁的信息行為從而產生了驚人的數據量。據國際數據公司（IDC）的研究報告稱，2011年全球被創建和被復制的數據總量為1.8ZB，并預測到2020年，全球將擁有35ZB（1ZB=10億TB）的數據量［1］。大數據已經滲透到每一個行業和領域，被視為“未來的新石油” ，逐漸成為重要的生產因素。隨著消費者、企業、各個經濟領域不斷挖掘大數據的潛力，我們正處在一個巨大浪潮的尖峰，這個浪潮就是大數據驅動的技術創新、生產率提高、經濟增長以及新的競爭形勢和新價值的產生［2］。近年來，大數據技術研究和應用迅速發展，許多國家已經意識到了大數據的重要性，并作為戰略性技術大力推動其發展，大數據時代已悄然而至。
2 大數據的含義與特征
目前對大數據還沒有標準的定義，通常認為它是一種數據量很大、數據形式多樣化的非結構化數據。亞馬遜網絡服務、數據科學家John Rauser曾提到一個簡單的定義：大數據是任何超過了一臺計算機處理能力的龐大數據量［3］。維基百科定義為：大數據是指無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合［4］。百度百科定義為：大數據通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關系型數據庫用于分析時會花費過多時間和金錢。從各種各樣類型的數據中快速獲得有價值信息的能力，就是大數據技術［5］。IBM從三個基本特性角度來定義大數據，即：“3V”：體量（Volume），速度（Velocity）和多樣性（Variety）。也有人為大數據包括三個要素，即：大分析（Big Analytic）、大帶寬（Big Bandwidth）和大內容（Big Content）［6］。
概括起來，大數據的特征主要體現在如下幾個方面：
（1）數據總量規模增長巨大。同一類型的數據在快速增長，目前在傳感器網絡、地理信息導航系統、社會網絡（如微博）、即時通訊（如QQ）、電子商務（如淘寶）、數字圖書館、網絡日志等領域都產生了龐大的數據，規模在不斷擴大。如淘寶目前每天活躍數據量已經超過50TB，共有4億條產品信息和2億多名注冊用戶在上面活動。零售巨頭沃爾瑪每小時都要處理100多萬筆客戶交易，數據庫估計超過2500萬億字節——相當于美國國會圖書館書籍數的167倍，而移動互聯網用戶發送和上傳的數據量達到1.3EB［7］。
（2）數據增長的速度呈指數級持續增長。目前很多領域的數據都以驚人的速度增長，根據WinterCorp的調查顯示，最大的數據倉庫中的數據量每兩年增加3倍（年均增長率為173%），其增長速度遠超摩爾定律增長速度。照此計算，2015年最大數據倉庫中的數據量將逼近100PB［8］。大數據的動態性強，要求分析處理應快速響應，在動態變化的環境中快速完成分析過程，有些甚至必須實時分析，否則這些結果可能就是過時、無效的。如導航定位系統、股票分析系統等對數據實時處理有著較高的要求，大數據分析和處理的方法必須能快速地適應相關業務更新頻率加快的需求。
（3）新的數據來源和數據類型在不斷增加。目前產生大數據的領域在不斷增加，數據類型不僅包括普通文本、照片、動畫、音頻與視頻等，還有像位置信息、鏈接信息等新類型的數據。伴隨著社交網絡、移動計算和傳感器等新技術不斷的應用，大數據中有許多是非結構化數據或半結構化數據，沒有特定的描述模型，數據結構是不固定、不完全或不規則的。
（4）數據的價值日益突現。大數據猶如一座富礦，通過海量數據的處理、整合分析，可以發現新的知識，從而創造新的更大的價值。大數據為許多行業帶來新的商機和發展機遇，充分利用大數據可為企業帶來強大的競爭力。大數據分析能從龐大的數據中發現稀疏而有高價值的知識和規律，為預測和決策提供相關支持。如視頻監控的數據量通常十分大，雖然絕大部分可能沒有實際利用價值，但幾秒鏡頭捕捉到某罪犯體貌特征，可能對公安部門而言就是十分珍貴的。大數據分析就是要進行披沙揀金，發現這些珍貴的信息。
綜上所述，對于大數據中“大”的理解，主要有兩個方面，第一是指大量的、快速增長的數據，第二則是數據中所蘊含的價值量較大。可見，大數據之“大”，并不光是指數據的數量之大，它的意義還在于數據的價值之大。
3 大數據對企業競爭情報的影響
情報研究是利用數據和信息提煉出有價值的情報，為決策提供有關方案，也就是對數據進行處理、組織和解釋，以揭示其潛在的知識，轉化為可執行利用的情報。企業競爭情報分析就是從原始的數據中發現關于競爭環境、競爭對手和競爭策略情報的過程，從而形成高附加價值的產品。因此，大數據分析在對象、運用的方法和目標等方面都與企業競爭情報研究有許多交集，大數據的興起必然對企業競爭情報產生深刻的影響。
3.1 企業提升競爭力需要大數據的支持
數據競爭已經成為企業提升核心競爭力的利器。來自各個方面零碎的龐大數據融合在一起，可以構建出企業競爭的全景圖，洞察到競爭環境和競爭對手的細微變化，從而快速響應，制定有效競爭策略。龐大的數據更具有統計意義，能為各種預測模型提供支持，從而能預測未來的發展趨勢，幫助企業獲得先機。相關的數據整合在一起，能不斷產生新的信息和知識，有助于提高生產率、降低經營成本。如2008年初，阿里巴巴平臺上整個買家的詢盤數急劇下滑，自然導致買盤的下降，說明歐美對中國采購量在下滑。海關是賣了貨出去以后再獲得數據，而阿里巴巴提前半年時間就從詢盤上推斷出世界貿易發生變化了［9］。企業的競爭不再只是勞動生產率的競爭，而是知識生產率的競爭。數據是信息的載體，是知識的源泉，是企業創造價值和利潤的原材料，因此，基于知識的競爭將集中體現在基于數據的競爭上。正如馬云所說，未來是數據競爭的時代，誰擁有數據，誰就擁有未來。如今各行各業都出現了以數據分析為競爭力的企業，它們都是在數據分析的基礎上與其他企業展開競爭，以提升核心競爭能力，保持或獲得行業領先地位，如谷歌、寶潔、沃爾瑪等世界知名公司。沃爾瑪就建立了一個超大的數據中心，其存儲能力高達4PB以上，通過大數據分析，沃爾瑪掌握了顧客的購買習慣，不同商品一起購買的概率，購買者在商店所穿行的路線、購買時間和地點，從而確定商品的上架布局以及對分類進行優化；決定對各個商店的不同商品進行增減，以保持最優的庫存，降低成本；洞察銷售全局，瞬間捕獲到各種細微的變化，從而快速響應，制定營銷策略；利用大數據工具對供應鏈進行分析以選擇供應商、優化物流配送方案和進行價格談判等；利用大數據分析工具對熱銷商品品種和庫存的趨勢進行分析，以選定需要補充的商品，分析顧客購買趨勢和季節性購買模式，以確定降價商品，并對其數量和運作做出反應［10］。可見，大數據已經成為企業的核心資產，對數據的掌控可以形成對市場的支配，并且獲取巨大的回報。大數據是企業用于提升核心能力的重要手段，而為提升企業競爭優勢的大數據分析是企業競爭情報研究的重要范疇。
4.2 注重數據的清洗與過濾
大數據時代企業所要處理的數據比較多，但數據的質量往往參差不齊，如有些數據不一致或不準確、數據陳舊以及人為造成的錯誤等，通常被稱之為“臟數據”。由于數據挖掘是數據驅動，因而數據質量顯得十分重要。“臟數據”往往導致分析結果的不正確，進而影響到決策的準確性。由于大部分的數據庫是動態的，許多數據是不完整的、冗余的、稀疏甚至是錯誤的，這將會給數據的知識發現帶來困難。由于人為因素的影響，如數據的加工處理以及主觀選取數據等，從而使得數據具有某些噪聲，會影響數據分析模式抽取的準確性。大量冗余數據也會影響到分析的準確性和效率。因此，在數據挖掘分析時，首先需要進行數據預處理，也就是要對數據進行凈化和過濾，刪除一些無關的數據。數據清洗是一個減少錯誤和不一致性、解決對象識別的過程［12］。一般通過概率統計等原理查找數值異常的記錄。如在網站的日志文件數據處理中，可以通過檢查URL的后綴刪除認為不相關的數據，可使用一個缺省的后綴名列表幫助刪除文件，去掉一些不能反映用戶行為的記錄，過濾一些請求錯誤和失敗的記錄等。
在大數據時代，不能不計成本盲目的收集各種海量的數據，否則將成為一種嚴重的負擔。數據的體量只是大數據的一個特征，而數據的價值、傳遞速度和持續性才是關鍵。為了達到這些目標，企業競爭情報收集可以采用最小數據集的方法，指通過收集具有代表性的最少的數據，更好地掌握一個觀察對象所有的特點或者一個事件所處狀態，其核心是針對被觀察的對象建立一套精簡實用的數據指標，采用一定取樣標準選擇和過濾相關數據。總之，通過對數據質量的控制和管理，可以提高數據分析的準確性，進一步提高競爭情報工作的效益。
4.3 關注新數據類型的分析方法
在大數據時代，企業無論是日常運營，還是重大戰略決策，都會在各種各樣的信息系統中留下各種數據記錄，這些數據通過技術整合起來，可以再現一個企業的運行軌跡和發展全景。競爭情報研究就是發現有價值的知識和模式，洞察企業競爭環境，預測未來，從而獲得競爭優勢。隨著信息技術的普及應用，新的數據類型不斷產生，下面一些新的數據類型和分析方法值得關注。
（1）實時數據。如微博、短信等大量的動態數據流，是一種十分重要的競爭情報源。數據流挖掘是對數據進行單遍現行掃描，快速處理數據，提供實時近似結果的技術。如窗口技術采用分而治之的策略，將流數據按照特定的需求分配到不同的窗口，進入窗口內的數據才會被處理，以減少分析處理的數據量；而概要數據結構技術將數據流進行概括統計的數據結構代表原始數據，而不是保留數據流中的全部數據，從而減少處理的數據量［13］。在大數據時代，競爭情報分析的數據許多是連續、快速、隨時間變化的，對如此巨大的數據流，企圖存儲或者掃描所有的數據都是不實際的，只有采用動態的數據流挖掘分析技術才能有效解決數據的沖擊，獲得實時近似的結果。數據流挖掘技術能為競爭情報提供實時查詢服務和處理，從而促使企業的“觸角”保持足夠的敏捷性。
（2）動態數據。從時間的維度發現有關變化規律。時間序列分析是指從大量不同時間重復測得的數據中發現前后數據相似或者有規律的模式、趨勢和突變的方法，主要的技術主要是相似模式發現，包括相似模式聚類和相似模式搜索時間序列，采用的主要挖掘方法主要有小波變換法和經驗模態分解法［14］等。在大數據時代，各種數據源源不斷的產生，比如交易數據、網站訪問日志等，從中必然會呈現出時間上的規律，企業希望從積累了大量的歷史數據中分析出一些模式，以便從中發現商業機會，通過趨勢分析，甚至預先發現一些正在新涌現出來的機會，比如企業可以通過數據時間序列分析了解產品銷售的旺季和淡季，制定針對性的營銷策略，減少生產和銷售的波動性，從而獲得利潤和競爭優勢。
（3）關聯數據。關聯數據發現技術是分析數據之間的聯系，將孤立、離散的數據點結合產生數據鏈或者數據圖，隨后從多個數據源中查出匹配給定關聯模式的實例、最后再對匹配的實例評估。目前已應用的主要方法有：圖論的稀有度監測法、圖熵法和基于謂詞的邏輯歸納推理法等［15］。關聯發現技術特別適合于動態的數據發現未知的模式，而大數據中隱含了大量未知、潛在的關系，新模式的發現有利于企業采取“藍海”戰略，搶占先機，從而獲得競爭優勢。
（4）社會網絡數據。社會網絡分析也叫鏈接挖掘，是通過網絡中的關系分析探討網絡的結構及屬性特征，其挖掘重要任務的是基于鏈接的節點排序、基于鏈接節點的分類、節點聚類、鏈接預測、子圖發現等［16］。在大數據時代，大量相關的數據聚合在一起，相互支撐解釋和印證，形成了復雜的數據網絡，數據之間的關系具有非常重要的價值，如通過消費者行為的鏈接數據挖掘能發現傳銷顧客網絡，從而制定找出利潤最大化的顧客群，又如從人際關系的網絡節點的中心度來分析競爭對手，從而制定相關的競爭策略等。
4.4 促進數據分析的可視化
數據可視化技術指的是運用計算機圖形學和圖像處理技術，將數據轉換為圖形或圖像顯示出來，并進行交互處理的方法和技術，其本質是從抽象數據到可視化結構的映射。在大數據時代，數據只是原材料，其真正的價值需要通過知識和情報來實現。企業競爭情報分析的結果必須是可理解的，才能較為容易地轉化為生產力。可視化可以反映數據的語義關系，加快數據的處理速度，使龐大的數據得到充分有效利用；可以在人與數據間實現交互，幫助人們觀察到數據中隱含的問題，為發現和理解有關規律提供有力工具。可視化使競爭情報更加易于理解和運用。采用一定的分析模型將相關的數據組織在一起，直觀地表達競爭情報和競爭情報之間的邏輯關系，如進行一些關聯分析，以生動形象的方式顯示描繪人物、公司和事件之間的聯系，探索事件、人、地點、產品和組織間潛在關系并預測可能產生的結果，輔助決策過程。可視化可作為一種基礎技術嵌入到企業競爭情報分析工具中，人們總是希望看到研究報告中的生動圖像，而不是一大堆枯燥的數據，企業競爭情報研究結果通過可視化方式，采用不同數據維度提供給不同層次的決策者使用，便于理解，支持企業高效運營。因此，可視化技術是大數據時代企業競爭情報研究的有效工具。
4.5 探索大數據新的分析技術和工具的應用
大數據時代企業競爭情報面臨的數據量是無法比擬的，對一些實時性要求較高的決策，分析方法的速度和效率顯得十分重要。傳統的競爭情報分析方法顯然難于處理不斷增長的、龐大的、異構的數據，只有借助新的處理技術才能實現數據提取和清洗、分析和利用。目前大數據相關技術研究已取得一定的進展。如“MapReduce”是一種簡潔的并行計算模型，它在系統層面解決了擴展性、容錯性等問題，通過接受用戶編寫的函數，自動地在可伸縮的大規模集群上并行執行，從而可以處理和分析大規模的數據。“MapReduce”具有簡潔的模型、良好的擴展性、容錯性和并行性，可以進行復雜深入的數據分析，隨著其性能的不斷改進和分析能力的不斷增強，能夠幫助人們從大數據中分析和發現有用的知識［17］。如何提高數據挖掘算法的效率和適應性，使挖掘方法具有一定規模的伸縮性，是數據分析較為突出的問題。應用實時性技術和分布并行算法技術是提高數據挖掘方法效率和實用化的有效途徑。此外，統計分析語言標準化也有助于提高數據分析效果。如R語言是主要用于統計分析、繪圖的語言和操作環境，其功能包括數據存儲和處理系統、數組運算工具、完整連貫的統計分析工具。R語言針對大數據將廣泛使用的統計算法進行了優化，能夠在短暫的時間內從大量的數據中發現有意義的信息［18］。目前業界對大數據的處理分析方法已開始進行了一些探索，并且開發了一些相關的工具。企業競爭情報研究應該針對大數據的特點，吸收和融合數據挖掘分析新的技術方法，不斷創新和發展。
5 結語
企業競爭情報可以幫助企業洞察競爭環境，發現新的競爭對手、判斷競爭的發展性動向，及時做出相關的反應，從而獲得較大的競爭優勢。大數據提供了一個全新的信息生態環境，給企業競爭情報研究帶來了深刻的影響，促使其不斷地創新和變革，以適應企業在大數據時代獲取核心競爭力的需求。大數據時代的企業競爭情報研究將走傳統情報分析方法與大數據技術相結合的發展道路。目前基于大數據的企業競爭情報研究剛剛起步，許多問題仍然需要進一步探討。
參考文獻：
［1］F.Gantz and D.Reinsel.The 2011 Digital Universe Study： Extracting Value from Chaos［EB/OL］.［2012-08-18］.ww
/collateral/demos/microsites/emc-digitaluniver
se-2011/index.htm.
［2］Big data：the next frontier for innovation，competition and productivity［R］.McKinsey Global Institute，2011.
［3］Philip Russom.big data analytics［EB/OL］.［2012-08-01］.
.
［4］Big data［EB/OL］.［2012-08-18］.
［6］涂蘭敬.專家觀點：“大數據”與“龐大數據”的區別［J］.網絡與信息，2011，（12）：37-38.
［7］國金證券.“大數據”行業專題分析報告［EB/OL］.［2012-08-01］..
［8］王珊等.架構大數據：挑戰、現狀與展望［J］.計算機學報，2011，34（10）：15-16.
［9］國金證券.“大數據”行業專題分析報告［EB/OL］.［2012-08-01］..
［10］涂子沛.大數據［M］.廣西師范大學出版社，2012：161，
304-306.
［11］畢強.網絡信息集成服務研究綜述［J］.情報理論與實踐，2004，（1）：21-25.
［12］郭志懋.數據質量和數據清洗研究綜述［J］.軟件學報.2012，12（11）：22-28.
［13］JiaweiHan Micheline Kamber.范明，孟小峰譯.數據挖掘概念與技術［M］.北京：機械出版社，2007：306-320.
［14］倪志偉等.動態數據挖掘［M］.北京：科學出版社，2010：31，232.
［15］張公讓.商務智能與數據挖掘［M］.北京：北京大學出版社，2010：151-159.
［16］約翰·斯科特.劉軍譯.社會網絡分析法［M］.重慶：重慶大學出版社，2007：1-6.
［17］覃雄派等.大數據分析——RDBMS 與MapReduce 的競爭與共生［J］.軟件學報，2012，2（1）：33-42.
