发布时间：2022-01-28 00:09:17
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的调研数据分析报告样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
因此，很多企业都会利用Hadoop实现数据存储，再通过其他工具实现对大数据的高速捕获和实时分析。这里，我们将通过艾瑞咨询集团的一个真实案例，解读一下敏捷BI如何和Hadoop进行互补，帮助其实现互联网大数据分析的。
定制化项目效率低下
艾瑞咨询集团（iResearch）是一家专注于网络媒体、电子商务、网络游戏、无线增值等新经济领域，深入研究和了解消费者行为，并为网络行业和传统行业客户提供市场调查研究和战略咨询服务的专业市场调研机构。
目前，艾瑞咨询集团可以向企业提供线下报告和软件两种定制化咨询报告服务。但是，企业客户的定制化需求非常多变，艾瑞咨询集团生成一份线下报告交付周期需要3至4周，提供软件的交付周期则需要半年。再加上项目所需人工成本升高、迭代周期延长，艾瑞咨询集团往往不敢承接太多定制化项目。
通过调研，笔者发现了艾瑞咨询集团的真正需求：根据时间维度和网站汇总对用户的来源地区、来路域名、页面访问次数、停留时间、有效访问次数、跳出率、回访者、新访问者、回访次数和回访相隔天数等相关数据进行统计分析，并且还能够在动态添加条件之后，通过对监测用户行为获得的数据进行分析，以最终得出更加详细、清楚的用户行为习惯。
因此，艾瑞咨询集团迫切需要一种更加敏捷、高效的大数据分析工具提升定制化业务的效率。
大数据面前：敏捷BI PK传统BI
在解决艾瑞咨询集团面临的难题时，传统BI的做法是，IT人员事先根据需求分析进行建模，建好二次表或打Cube并提前汇总好数据，业务人员才能在前端查看到分析结果的报表。虽然这种做法很成熟，但是解决不了艾瑞咨询集团的难题。
首先，业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改。例如，定好了求和或求平均数，再想改成求方差必须再去修改模型。
其次，分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较慢。
最后，有些企业的数据量很小，也需要按照此流程和架构来进行大费周折的数据分析。
造成这些问题的本质原因是，过去的技术架构针对海量数据的计算能力不足，企业用户需要通过建模、二次表、Cube提前进行数据运算汇总。
艾瑞咨询集团希望为企业客户提交这样一份分析报告，不仅能看还能动态分析。对于艾瑞咨询集团来说，数据展现应该是起点而不是终点。看到了数据，要能交互式分析、深入向下挖掘，要能发现问题并找到答案，还要能采取行动。与数据交互的过程要足够快，如果用户每次点击需要等三五分钟才出结果，就无法进行交互分析。
并且，分析报告应能让非IT部门的同事直接在分析平台上做出来。不能把所有的分析报告需求都提交到IT部门，这样会严重增加IT部门的工作负担。同时，敏捷BI的实施和操作要简单化，让业务人员可直接使用。
同时，分析报告需求经常需要牵涉到数据层的改动，需要IT部门去改进数据层和业务层，传统BI平台需要一两个月才能完成模型梳理。敏捷BI无需事先建模，可以在分析过程中灵活调整分析维度和报表展现，需求变更可以在一天之内响应，提升企业的洞察力决策力。
与传统BI的重量建模、统一视图不同，敏捷BI采取轻量建模、N个视图的方法，不建二次表和Cube，数据导入后可以直接进行分析，并且业务人员可以实时调整分析的维度和度量的计算方式，极大地增加了灵活性，真正做到和数据对话。
既然有这么便捷的方式，为何传统BI不采用这种架构呢？那是因为，传统技术架构没有引入大数据技术，面对海量数据无法在用户点击后的几秒内就展现企业客户需要的分析结果，因此必须通过建模提前把数据汇总好，才能保证分析报表展现时的速度。
因此，实现敏捷BI的前提是采用新架构处理数据，其涉及的技术包括分布式计算、内存计算、列存储、库内计算等。敏捷BI可以通过更低的成本、更短的上线周期，快速让企业洞察到数据的含义和价值。
业务效率数倍提升
深入研究艾瑞咨询集团要分析的数据，笔者发现，艾瑞咨询集团每天要分析的数据量达几千万条，且不同企业客户的分析需求各不相同。因此，复杂多变的多维度分析需求对分析工具的分析性能提出了更高的挑战，而传统的数据库和Hadoop架构已经无法满足高性能和即时分析的需求。
为此，艾瑞咨询集团考察过国外一些知名的产品，但是当他们获知产品的价格和后续的服务费用之后只能放弃。而国内大多数的分析工具大多是上一代BI，需事先建模再进行分析，难以应对灵活的多维度分析变化需求，且针对大数据量的处理能力不能满足要求。
最终，艾瑞咨询集团选择了永洪敏捷BI技术。当艾瑞咨询集团将三个月的细节数据（约50亿条）导入敏捷BI系统，直接就可以展现出定制分析报告。对比原先基于Excel和SQL编程的分析方法，艾瑞咨询集团的业务效率获得数倍的提升：线下报告交付周期从3至4周缩短至小于1周，软件交付从半年缩短至一个月。
同时，艾瑞咨询集团原来由于担心需求变化导致没有能力交付的很多项目被收入囊中。采用敏捷BI工具后，艾瑞咨询集团可以在几天内快速搭建原型向客户展示，任意的需求变更都可以一周内调整完毕。这种快速原型试错的方式，使得艾瑞咨询集团有能力承接很多此类项目。
由于业务效率的极大提升，有能力承接更多的项目，艾瑞咨询集团的收入空间也出现了数倍的增长。与此同时，艾瑞咨询集团的客户满意度也稳步提升。
不仅如此，为了提供更加直观可交互的分析报告，提升企业用户体验，艾瑞咨询集团基于敏捷BI工具，构建了一个新型SaaS平台。艾瑞咨询集团把企业客户用Hadoop架构存储的数据，通过敏捷BI提供的接口导入到数据集市内，然后通过敏捷BI快速呈现出结果。
事实上，Hadoop和敏捷BI都有各自适用的不同业务场景，两者是相互补充的关系。当前，很多企业都采用Hadoop实现数据的存储，然后把Hadoop数据导入敏捷BI基于分布式内存计算的高性能数据集市中，之后再进行数据可视化分析。鉴于现在Hadoop在企业的应用相当广泛，永洪敏捷BI产品也支持Hadoop数据源的连接。
关键词：关键词：税务数据分析 分析主题 业务分析模型
1. 引言
税务系统信息化工作的不断发展和大量有价值信息的积累，为加强税务数据分析、推进“信息管税”提供了坚实的基础。如何才能更好地进行税务数据分析呢？总结这几年的工作经验，笔者认为采用业务分析模型进行税务数据分析可以极大的促进这项工作，下面来看一下如何在税务数据分析工作中应用业务分析模型。
2. 业务分析模型和税务数据分析的概念
要想研究如何在税务数据分析工作中应用业务分析模型，首先要搞清楚本文所称的“业务分析模型”和“税务数据分析”分别是什么？
2.1 什么是业务分析模型
（1）定义
模型是指客观事物的抽象表达形式，一般表现为设计图、计算机程序、计算公式或是一个无二义性的概念描述等。业务分析模型是关于如何取得分析主题的结论而建立的模型，它有四个要素：分析主题、所属业务对象、对象属性、结论算法，其中分析主题、所属业务对象和结论算法有且只有一个，对象属性可以有一个或多个。
分析主题用来说明业务分析模型能够解决什么问题，是业务分析模型的核心，其它要素都是围绕分析主题设立的。所属业务对象用来说明分析工作所面对的客体，是一个客观事物对象。结论算法用来说明业务分析模型如何解决问题，它的质量决定着整个业务分析模型的质量，是业务分析模型的关键，用公式表示是：R = F(O1,O2,……,On)，R表示得出的分析结论，F表示结论算法，O1,到On表示n个对象属性，基于数据库分析的结论算法就是一个SQL语句。对象属性一般就是结论算法中出现的参数，如果某个对象属性的过滤条件不为空，则表示该对象属性会限定所分析的业务对象范围。
（2）与数据模型的区别
业务分析模型不同于计算机系统开发领域内的数据模型，二者的区别如图1：
图1：业务分析模型与数据模型的区别对照表
2.2 什么是税务数据分析
（1）定义
税务数据分析是指为了实现特定的目的，按照科学的规则对税务部门积累掌握的大量有价值信息进行提取、计算、加工，并把结果展现出来或是根据结果进行后续处理的全部工作。它一般先要确定分析命题(即整个分析工作的目的框架)，再将它细化为多个分析主题，然后对每个分析主题进行分析。如果分析命题特别简单，可以只有一个分析主题。
（2）分类
税务数据分析主要分为事前防控分析类、事中辅助分析类、事后监督分析类和宏观分析类。
（3）主要作用
税务数据分析的主要作用是通过对税务部门积累的大量有价值信息的分析，找出存在的问题，或是确定税务事物的达到程度，或是探索税收经济规律，然后对找出的已经存在的问题进行补正并惩戒违规的税务人员或纳税人，对找出的正在发生且尚未保存的问题进行阻断或是风险警示，用确定的税务事物所到达程度来辅助完成生产业务工作，把探索出的税收经济规律用做决策的参考。
3. 税务数据分析工作中应用业务分析模型的理由及意义
明白了业务分析模型和税务数据分析这两个概念后，下面来看一下为什么要在税务数据分析工作中应用业务分析模型和这样做的意义。
3.1 为什么要在税务数据分析工作中应用业务分析模型
从以上两个概念可以看出税务数据分析工作是对税务部门积累的大量有价值信息进行分析的工作过程，而业务分析模型可以使分析工作规范化和量化。因此在税务数据分析工作中应用业务分析模型可以使工作更加规范、计算机实现税务数据分析工作也更加容易，所以在税务数据分析工作中应该使用业务分析模型。
3.2 在税务数据分析工作中应用业务分析模型的意义
（1）业务分析模型要优于单一数据指标，它可以对分析主题所涉及的所有方面进行全面分析，使税务数据分析的结果更加全面、合理，错误率也更低。
（2）使税务数据分析系统在建设过程中业务需求和技术实现之间有了规范的接口，提高了效率。
（3）通过建立业务分析模型可以促进税务人员对相关业务的深入理解，从而培养人才、锻炼队伍。
（4）通过建立业务分析模型，可以找出哪些涉税信息以前还掌握的不足，再通过新建系统或升级原有系统重新获得这些数据，从而促进税务管理。
4. 如何创建业务分析模型
税务数据分析工作不同于生产业务工作，没有审批流转等复杂流程，一般功能相对单一，因此税务数据分析工作的质量基本上决定于分析结果的质量。因而作为决定分析结果质量的业务分析模型的质量，就会最终决定税务数据分析工作的质量。业务分析模型对于税务数据分析工作如此重要，那么如何创建业务分析模型呢？它应该在什么时候由哪些人创建呢？创建业务分析模型的一般流程是什么样的呢？有什么要求吗？
4.1 成立组织机构
要想建立业务分析模型，就必须先要成立一个建立它的组织，这个组织就是业务分析模型小组，它在项目建设之初与业务需求组同时成立并隶属于业务需求组。它由下列人员组成：小组长、业务人员、数据库操作人员、技术人员等(以上人员均可兼任)。小组长负责协调整个小组的事务，业务人员负责调查调研座谈、对象属性选取、结论算法的描述性定义等；技术人员负责把描述性的结论算法转换成计算机表达式；数据库操作人员负责从数据库中抽取属性值并通过已经转换成计算机表达式的结论算法得出分析结论。
4.2 结论算法的设计原则
业务分析模型的应用是为了让税务数据分析工作变得更加规范清晰，把复杂问题简单化，所以结论算法的设计原则是：简单明了，原则上不能再拆分。如果分析主题很复杂，可以采用下面第五、(二)2所述的复合应用的方式来解决。
4.3 结论算法的遵从要求
业务分析模型建立以后，用它分析出的结果有的被用于指导经济发展，有的被用于追究相关人员责任，有的被用于税收生产业务，都是非常严肃的，所以决定分析结果的结论算法必须有严格的遵从要求，它的遵从要求及次序如下：
（1）如果国家法律法规中有明确规定的，从其规定；
（2）如果国家标准中有明确规定的，从其规定；
（3）如果上级机关有明确规定的，从其规定；
（4）如果行业标准有规定的，从其规定；
（5）如果存在通用惯例，遵从惯 例；
（6）以上皆不存在，自行研究确定。
制定业务分析模型的结论算法时，按以上次序自上而下进行匹配，首先被匹配到的就是制定结论算法的适用遵从要求。
4.4 建立业务分析模型的流程
建立业务分析模型是一个业务性和创新性难度都非常高的工作，所以必须经过形成初稿、验证讨论、专家评审、印证四个环节，每一个环节的成果都是阶段性成果，都必须入案存档。如果业务分析模型的结论算法非常简单或是算法遵从要求属于上面提到的1、2、3、4条的，可以实行简易流程，简易流程不需要专家评审和印证环节，最终讨论稿即为定稿。业务分析模型建立的流程如图6
（1）形成初稿环节
首先是业务人员通过发放调查问卷、深入纳税人和基层税务机关调研、召开座谈会等方式，全面掌握分析主题所涉及的全部因素及关键因素。在此基础上，针对分析主题提出业务分析模型草稿，然后与字典小组进行充分沟通并由字典小组确定所有概念后形成初稿。这是建立业务分析模型最关键的一步，也是最耗费时间与精力的一步。
（2）验证讨论环节
初稿形成后就要进行验证讨论，验证讨论时一般应以会议的形式进行，参与会议的人员除了包括全体业务分析模型小组成员外，还可邀请相关功能模块小组的成员参加。首先由技术人员将结论算法转换为计算机表达式，然后由数据库操作人员从数据库中取出实际数据代入表达式计算出结果，再由业务人员与实际情况验证并判断是否合理。一般要经过多轮验证并且不断修改完善后形成最终讨论稿。
（3）专家评审环节
讨论稿形成后，需邀请相关领域的专家进行评审。评审时业务分析模型小组全体成员都要参加并解答专家的质疑，评审结束后根据专家的意见进行修改，并再次验证讨论后形成评审稿，一般只评审一次。
（4）印证环节
从一个角度对客观事物得到的认识，换一个角度就可能完全不同了，所以形成评审稿后，还需要再选择几个另外的分析角度进行印证，全部印证合理后才能形成定稿，如果印证明显不合理，就需要再次修改结论算法并重新验证讨论，必要时还要重新进行专家评审。
5. 在税务数据分析工作中如何应用业务分析模型
建立好业务分析模型后，就要在税务数据分析工作中应用了。那么业务分析模型在税务数据分析工作中有哪些应用呢？又分别如何应用的呢？
业务分析模型在税务数据分析工作中的应用分为一般应用和高级应用两类，一般应用是指直接使用业务分析模型中的属性或分析结论，高级应用是指对得出的分析结论进行二次加工后再使用。下面就这两类应用分别说明如下：
5.1 初级应用
（1）直接展现结论
对于临时性的或是宏观分析类、事中辅助类税务数据分析工作，它的分析结果不再需要后续处理，所以这类工作中的业务分析模型的分析结论一般都是直接展现。这些分析结论可能是一份分析报告，也可能是一个数值或是一段描述，如税收与经济发展运行情况、地区税源增量(总量)发展趋势、主要税种税源分布、行业地区税负、税收总体状况分析等都是直接显示分析报告，再如双定户核定税额分析直接显示税额数值等。
（2）准备基础数据
准备基础数据就是在税务数据分析系统的独立数据库里把分析时需要用到的所有基础数据从各原始数据库里通过ETL(抽取Extract、转换Transform、装载Load)工具生成的工作过程，这是税务数据分析系统开发过程中的一项非常关键又非常复杂的基础工作。有了业务分析模型以后，这项工作就可以变得异常简单。通过下面提供的利用业务分析模型产生数据库表的方法，把税务数据分析系统内的每一个分析主题的模型分别转变为一个数据库表，就能完成这项工作。
利用业务分析模型产生数据库表，就是在给定的数据库里生成一个数据库表，该表的列与业务分析模型中的对象属性和分析结论一一对应。与对象属性对应的列的名称和类型，就是业务分析模型中对象属性的名称和类型；与分析结论对应的列的名称和类型，是分析主题的名称和分析结论类型。利用业务分析模型中对象属性中的过滤条件，从原始数据库中查询出所有对象属性值并计算出分析结论值输入数据库表就可以了。
5.2 高级应用
（1）通过与临界值比较对所属对象定性
所谓临界值就是对事物的性质、程度进行界定的临界点，它一般为一个数值，可由以下几种途径获得：法律规定、国家或行业标准规定、上级文件规定、行业惯用、自行约定等。比如山东省地方税务局规定年纳税额大于50万元的属于重点税源户，这里的50万元就是临界值。
对于事前防控类分析和事后监督类分析即可配合临界值对业务分析模型的所属对象进行定性，然后系统自动采取后续处理。这种应用一般都是由开发人员在后台设定，无需人工干预。正是由于这种应用才使税务数据分析工作的自动化程度越来越高。
（2）复合应用
所谓复合应用就是一个业务分析模型的分析主题和分析结论，是另一个业务分析模型的对象属性的名称和值，这两个业务分析模型组成父子关系，这种复合应用可以无限层的复合。子模型只能有一个父模型，而父模型可以有一个或多个子模型。复合应用可以将复杂的业务分析模型简单化，是业务分析模型应用的常见方式。
6. 结束语
税务数据分析工作是税务管理部门的重要工作之一，因此积极研究这一工作并不断探索新的工作思路、工作方法、实用工具等是税务管理者的责任，希望本文对于税务数据分析工作能有所帮助，哪怕能起到抛砖引玉的作用，笔者也会感到非常欣慰。
参考文献：
[1] 刘建丽等. 基于决策树的税务数据分析. 现代计算机(专业版)，2003年11期
前几年在某大型跨国公司管理团队时，我意识到“大数据”在HR管理中的作用。在管理团队薪酬时，IT系统不仅处理薪酬流程，还提供对标数据支持决策：调薪周期开始时，公司把调薪预算从上到下分解到各级经理，经理会具体分析每个下属员工应该分配多少预算。一般会考虑：一、员工当期绩效表现，二、目前在公司内同类工作岗位中所处薪酬水平？三、与同行和竞争对手的同类岗位相比处于什么水平？经理根据业务需要确定是否要努力保留一位员工，通过预算分配使员工处于合理的薪酬水平。这个系统不仅提供了公司内按职位角色细分的薪酬分布曲线，同时提供了行业薪酬分布曲线，使管理人员能直观看到员工调薪前后在公司内及市场上的薪酬“分位值”。
公司如果有规范的职位职务体系基础容易统计内部薪酬分布，行业的数据一般来自大型HR咨询公司的薪酬数据库。做跨公司的职位职务对应匹配却是件有挑战性的事情――你怎么知道A公司的八级软件工程师相当于B公司的十级咨询顾问呢？传统上，我服务的那家公司是定向的对标指定，即人工对应到具体同类型公司的同类型岗位。随着技术的发展，现在时髦的基于文本分析的“大数据分析”能够解决更广泛的职位匹配问题，再结合薪酬数据库，能够提供更准确做薪酬对标。可以预计，这种对标方法会成为一种更加普及的应用。
HR咨询公司薪酬数据库的客观性和准确性往往存有争议，大企业做对标时一般会购买几家咨询公司的数据，相互参照使用。然而，现在互联网上各种“晒工资”网站越来越多，例如，基于互联网的大数据分析可能颠覆传统的薪酬数据库服务，企业能够更加实时、准确地做职位薪酬对标，提升人才管理水平。
HR部门的价值从后台服务职能，发展到帮助业务部门挖掘、培养、发展人才，成为企业业务的驱动者，人才相关数据的分析为这样的工作方式转型提供了可能性。不仅是薪酬数据分析，从下图所示的HR相关数据可以产生很多分析机会。
例如某些专业岗位招聘如何选择候选细分人群，需要在用人成本、人才质量、使用风险以及细分人群供应量等不同因素中平衡，可以通过数据挖掘方法，根据不同人才寻源策略确定相应的候选人细分对象；又如雇主品牌建设，通常员工敬业度调研结果中薪酬是一个抱怨因素，可是，实际薪酬水平以及期望薪酬水平与员工的敬业度、员工绩效之间有多深的关联？不同的薪酬或者奖金结构方式会对敬业度产生什么影响？再例如提高招聘质量，国外某保险公司对数百例初级销售人员聘用后的实际业绩分析发现，应聘人资质与业绩相关度较高的因素有：简历文本质量（语法准确、表述清楚）、教育经历完整性、高端产品销售的经验、过去类似工作的成功、不确定环境下工作的能力等，并有意思地发现大学档次、大学成绩、推荐人资质等因素与业绩相关度不高。除此之外，在员工保留因素、销售人员绩效、出勤率预测、继任计划、人才管道计划、高潜力人才挖掘等人力资源管理领域，数据分析都有广泛的应用。
《市场调查与预测》作为高职高专市场营销专业的一门主干课程,是一门应用性很强的专业技能课程。但是,目前本课程的教学模式多采用灌输式、填鸭式教学,以教师讲授知识为主,并辅以必要的作业练习,不注重调动学生学习的积极性和主动性,不注重培养学生的分析和解决问题的能力。随着经济和管理现象日益复杂。市场情况的瞬息万变及知识经济的到来,社会对人才素质的要求越来越高,而目前本课程的教学模式培养的学生却难以适应社会的需要,必须进行改革。
二、研究设计
1.项目导向式的课程教学模式运作
(1)组建市场调研项目团队。在第一次上课的时候,教师首先给学生介绍课程的整体实施方案,然后每3~5名学生自由结合为项目小组,并推举组长。
(2)接受市场调研任务。调研项目来源于实际问题,一是接受企事业单位的委托调查项目,二是在教师指导下学生自选的社会热点问题调查项目。近几年,学生调查项目涉及到了居民消费现状及需求、企业经营现状与竞争力、大学生行为及就业能力、社会热点问题等方面近百个调查项目。
(3)确定行动领域,构建学习情境。教师对于完成市场调研项目需要开展的工作,确定行动领域,并通过案例、资料、典型成果等建构学习情境,确保课程学习处于工作场景与氛围中。
(4)分解并提出完成调研项目的阶段性学习与工作任务。教师在创设的学习情境中,带领学生剖析阶段性工作过程,提炼学习与工作任务。
(5)学习与训练结合,完成项目。上课时学生按项目组集中就座,在了解课程学习任务和工作任务之后,分阶段完成小组调研项目的企划方案和调查问卷、完成200份问卷访谈、完成调查资料整理和编码录入、数据分析、调研报告撰写,实现了学习与训练的有机融合。
(6)伴随着教学进程,学生协作完成一个完整项目的调研任务,实现了培养市场调研素质与能力的预期目标。
2.工作过程分解与技能模块设计
所谓工作过程,是指为完成工作任务并获得工作成果而进行的一个完整的工作程序,在这个完整的工作程序中可细分为若干个子环节,也就是技能模块。其设计思路为:基于市场调查与预测工作过程知识、能力要求,以工作过程为参照系,以完成职业工作应具备的专业技术能力项目为依据。就企业营销调研活动过程来看,一般可分为以下几项技能模块:
(1)方案制定技能模块。《调研方案》是对某一具体调研项目所做的安排,如《顾客满意度调研方案》。一般包括调研目的、调研对象及单位、调研项目、调研时间安排、组织实施计划等,其核心内容是调研项目的设计,它是问卷设计的基础。任何一项调研活动,无论其规模大小,都要设计一份调研方案。
(2)抽取样本技能模块。这一模块的训练,主要是训练学生运用已有的“抽样调查”知识,学会编制抽样框,按调研方案要求确定调查单位,抽取样本。
(3)问卷设计技能模块。一项调研活动的关键在问卷设计,问卷设计技能包括根据调研项目设计问句及回答方式、问卷版面设计等,其中关键的问题在于如何把比较笼统、抽象的调研指标和项目转化为在问卷上反映、被调研者直接回答的问句,并以调研对象易于接受、便于回答的作答方式一并构成问卷格式。
(4)调研方法技能模块。调研方法是运用调研问卷获取数据资料的桥梁,不同的调研主题、调研对象需要选择不同的调研方法。调研方法包括文案调研法、访问法、观察法、网络调研法、电话调研法和实验法等,这一模块的技能训练主要是要让学生了解各种方法的涵义、特点、运用条件,能根据调研对象、环境、条件等,确定适宜的调研方法。
(5)数据处理技能模块。这一模块的技能训练包括对调研资料的整理和分析能力。数据资料的整理,是提高数据资料价值和调研分析报告的基础和关键,包括统计分组、设计整理表、计算汇总等,应训练学生如何根据研究目的和调研对象特点正确分组、设计整理表,并根据整理表进行归类整理;数据分析是运用统计方法对数据进行计算分析,在训练过程中,不仅要训练学生掌握统计方法,更重要的是训练学生如何有针对性的选用合适的分析方法,并能够把各种方法结合起来进行分析,挖掘出数据的深刻内涵。这一模块的训练,还应包括学生运用Excel或SPSS分析软件上机进行数据资料的整理分析训练。
(6)调研报告技能模块。调研报告是整个调研活动的最终结果,一切功效都是通过调研报告体现出来的。这一模块不仅要进行调研报告撰写格式的训练,更为重要的是要训练学生如何用数字说话。包括如何选择最能反映所说明问题的数据;采取哪一类型的数据表达方式:如何在报告中恰当地使用图表等。
(7)市场预测模块。市场预测就是以市场调查所获得的信息资料为基础,运用科学的方法和手段对事物未来的演变规律和发展趋势进行预测和推断。本模块重点是要掌握市场预测的基本理论和基本方法,包括市场预测的基本原则及程序、预测的内容及方法等。
3.进程设计。教学既可以采取单项训练,也可以采取集中综合训练。单项实训,是将七个模块作为七个子项目,随各章节教学,在课堂学习过程中通过讲练结合的方式来完成,这种方法是过去常用的方法。综合实训是一种“单独设置”的实训方式,一般集中安排1~2周,其设计原则是:以企业真实项目为背景,按照“讲做结合、以做为主,分块推进、逐步合成”的做法,采取单项训练与综合训练相结合、模块化与综合化相结合、教师指导与学生操作相结合。
4.教学活动实施。教学活动的实施,可以引入行动导向的教学观,即按照学生是学习过程的中心,教师是学习过程的组织者与协调人,在教学中与学生互动,让学生通过“独立地获取信息、独立地制定计划、独立地实施计划、独立地评估计划”的指导思想实施。采取“讲做结合、分步推进”思路逐步展开,指导教师应做好专业指导和进程控制,实施全过程管理。
三、结束语
本课程改革将以学院的“三大园区”为教学平台,以工作过程为教学流程,以真实的案例作为教学载体,这将极大的促进工学结合和产、学、研结合,有力的促进学院“三大园区”的发展。
参考文献:
[1]唐凤秀:高职《市场调查与预测》课程实践教学探索[J]. 柳州职业技术学院学报.2009(3):66-68
关键词：数据分析应用率；分析应用点；四个层次；数据中心；仪表盘
中图分类号：N37 文献标识码：B 文章编号：1009-9166（2009）02（c）-0063-02
现代企业的决策往往是在整合大量信息资料的基础上制定出来的，对数据的理解和应用将是企业决策的基石。与传统的操作型应用相比，数据利用的应用建设难度更大，它是随着管理水平而发展，同时又取决于业务人员的主观意识，这就决定了以数据利用为核心的应用建设不可能一蹴而就，而是一个长期迭展的建设过程。从2003年起工厂开始全面推进数据分析应用工作，经历过曲折，同时也有收获。经过多年的努力，工厂的数据分析应用工作开始进入良性发展阶段，笔者认为有必要对工厂目前数据分析应用工作作一总结和思考。
一、工厂数据分析应用工作开展现状
工厂数据分析应用工作推进至今已有四五年的时间，从最初全面调研工厂数据量和数据分析应用状况，将数据分析应用率指标作为方针目标定量指标来考核，到后来将数据分析应用工作的推进重心从量向质转移，采用以项目为载体进行管理，着重体现数据分析应用的实效性，再到目前以分析应用的需求为导向，以分析应用点为载体，分层次进行策划。经过上述三个阶段，工厂数据分析应用工作推进机制得到了逐步的完善，形成了广度深度协同发展的信息资源利用管理框架。截止到目前，工厂数据分析应用率达到96%，四个层次的分析应用点共计100多个，数据分析应用工作在生产、质量、成本、物耗、能源等条线得到广泛开展，有效推动了工厂管理数字化和精细化。2007年，工厂开始探索细化四个应用层次的推进脉络，进一步丰富工厂信息资源利用框架，形成层次清晰、脉络鲜明、职责分明的信息资源利用立体化的推进思路。
1、第一层次现场监控层。第一层次现场监控层，应用主体是一线工人和三班管理干部，应用对象是生产过程实时数据，应用目标是通过加强生产过程控制，辅助一线及时发现生产过程中的异常情况，提高生产稳定性。例如制丝车间掺配工段的生产报警，通过对生产过程中叶丝配比、膨丝配比、梗丝配比、薄片配比、加香配比等信息进行判异操作，对异常情况通过语音报警方式提醒挡车工进行异常处理；例如卷包车间通过在机台电脑上对各生产机组的工艺、设备参数、实时产量、质量、损耗数据的监控，提高对产品质量的过程控制能力。第一层次应用以上位机和机台电脑上固化的监控模型为主，制丝车间每个工序、卷包车间每种机型的应用点都有所不同，为此我们建立了制丝车间以工序为脉络，卷包车间以机种为脉络的应用点列表，围绕脉络对第一层次应用点进行梳理，形成第一层次应用的规范化模板。制丝车间第一层次应用点模板包括工序名称、应用点名称、应用模型描述、应用对象、应用平台、异常处置路径等基本要素。卷包车间应用点模板横向根据机种分，纵向按上班及交接班、上班生产过程中、下班及交接班三个时间段分，通过调研分别列出挡车工针对每个机种在三个时间段分别要查看的数据和进行的操作。随着模板的扩充和完善，一线职工的知识、经验不断充实其中，第一层次应用点模板将成为一线工人和三班管理干部日常应用监控的标准，同时可以规避人员退休或调动带来的经验、知识流失的风险。2、第二层次日常管理分析层。第二层次日常管理分析层，应用主体是一般管理干部，应用对象是产质损、设备、动能等指标，应用目标是通过加强对各类考核指标的监控和分析，提高工厂整体的关键绩效指标水平。例如制丝车间的劣质成本数据汇总和分析，通过对车间内各类废物料、劣质成本的数据进行汇总、对比和分析，寻找其中规律及薄弱环节，并寻根溯源，采取措施，降低劣质成本。例如卷包车间的产量分析，通过对产量数据、工作日安排、计划产量进行统计和汇总，结合车间定额计划、作业计划和实际产量进行分析，寻找实际生产情况与计划间的差异，并分析原因。第二层次应用以管理人员个性化的分析为主，呈现出分析方法多样化、应用工具多样化的特点。但是万变不离其中的是每个管理岗位的管理目标以及围绕管理目标开展的分析应用是相对固定的，至少在短期内不会有太大的变化。为此我们建立了一份以重点岗位为脉络的应用点列表，围绕脉络对第二层次应用点进行梳理，形成第二层次应用的规范化模板。模板包括岗位名称、管理目标、应用点名称、应用描述、涉及主要考核指标、应用平台、应用频次、分析去向等基本要素。通过构建第二层次应用点模板，明确了每个管理岗位应用信息资源支撑管理目标的内容和职责。随着新的管理目标的不断提出以及应用的逐步深入，模板每年都会有更新和扩充。3、第三层次针对性分析应用层。第三层次针对性分析应用层，应用主体是项目实施者，应用对象是各类项目的实施过程，例如QC项目、六西格玛项目、质量改进项目，或针对生产中的特定事件进行的分析和研究。应用目标是通过应用数据资源和统计方法开展现状调查、因果分析、效果验证等工作，提高各类项目实施的严密性和科学性。第三层次的应用工具在使用初级统计方法的基础上会大量应用包括方差分析、回归分析、正交试验、假设检验、流程图等在内的中级统计方法。以QC活动为例，我们可以看出其实施过程无一不与数据应用之间有密切的联系[1]。近年来，在质量改进项目和QC项目的评审工作中已逐步将“应用数据说话、运用用正确合理的统计方法，提高解决问题的科学性”作为项目质量考核标准之一。而六西格玛项目实施的核心思想更是强调“以数据和事实驱动管理”，其五个阶段[2]D（定义）、M（测量）、A（分析）、I（改善）、C（控制），每个阶段都要求结合如FMEA（失效模式后果分析），SPC（统计流程控制），MSA（测量系统分析），ANOVE（方差分析），DOE（实验设计）等统计方法和统计工具的应用。4、第四层次主题性应用层。第四层次主题性应用层，应用主体是中层管理者，应用对象是专业性或综合性的分析主题，应用目标是通过专业科室设计的专题性分析模型或综合性分析模型，为中层管理层提供决策依据。工厂在实施了业务流程“自动化”之后，产生了大量的数据和报表。如何将工厂的业务信息及时、精炼、明确地陈述给中层管理层，以此来正确地判断工厂的生产经营状况，是摆在我们眼前的一个突出问题。大家都有开车的经验，司机在驾驶车辆的时候，他所掌握的车况基本上是来自汽车的仪表盘，在车辆行使的过程中，仪表盘指针的变化，告知汽车的车速、油料、水温等的状况，驾驶员只要有效地控制这些指标在安全范围之内，车子就能正常地运行。我们不妨将仪表盘的理念移植于工厂，建立工厂关键指标及运行管理仪表盘，将工厂的关键信息直观地列在上面，及时提醒各级管理人员工厂生产运营是否正常。
⑴关键绩效指标监控系统。对分布在各处的当前及历史数据进行统一展示，以工厂关键绩效指标为中心，支持统计分析和挖掘，可为中层管理者提供工厂关键绩效指标一门式的查询服务，使各业务部门寻找、阐释问题产生的原因，以有效监控各类关键绩效指标，及时采取改进措施，提高生产经营目标完成质量。⑵系统运行状态监控系统。通过数据采集、手工录入等各种渠道收集各类系统的运行状态，及时掌握故障情况，采取措施加以闭环，将因系统故障造成对用户的影响减至最小，确保各类系统的稳定运行和有效应用。通过建立系统运行状态监控系统，中层管理人员上班一打开电脑进入系统，就能了解到当天及上一天各类系统的运转情况，发生了什么异常，哪些故障已经得到解决，哪些故障还未解决。⑶第四层次主题性分析应用。在展示关键绩效指标和系统运行状态的基础上，由各专业科室思考专业条线上的分析主题，采用先进科学的理念和方法对数据进行分析和挖掘。近两年来，工厂充分发挥专业科室的优势和力量，相继设计和开发了工艺质量条线的六西格玛测评系统，设备条线的设备效能分析系统，还有质量成本核算与分析系统。通过这些分析主题的支持，工厂管理人员可以更方便快捷地了解质量、设备、成本等条线上的关键信息，及时采取相应措施，从而提升管理效率。
二、数据分析应用工作存在的不足及思考
工厂数据分析应用工作的推进方法从最初的采用数据分析应用率单个指标进行推进发展到目前按上文所述的四个层次进行推进，每个层次的推进脉络已经逐步清晰和明朗，但事物发展到一定的阶段总会达到一个瓶颈口，目前工厂数据分析应用工作存在的问题及措施思考如下：
1、从推进手段上要突破信息条线，充分发挥专业条线的力量。信息条线作为推进工厂数据分析应用的主管条线，其作用往往局限在技术层面上的支撑。虽然信息条线每年都会规划形成工厂数据分析应用整体的工作思路和具体的实施计划，但是无论从工厂层面还是从车间层面来讲，单纯依靠信息条线从侧面加以引导和推进，使得数据分析应用工作始终在业务条线的边缘徘徊，与产量、质量、设备、消耗、成本、动能等各个条线本身工作的结合度有一定的距离。所以工厂要进一步推进数据分析应用工作，调动起业务人员的积极性和主动性，突破现有的瓶颈，应该考虑如何调动起专业条线的力量。一是可以在年初策划应用点的时候要加强专业条线对车间业务自上而下的指导，引导管理人员加强对缺少数据分析支撑的工序、岗位/管理目标的思考；二是建立平台加强各车间同性质岗位之间的沟通与交流，均衡各个车间的数据分析应用水平和能力；三是对车间提交的分析报告给出专业性的指导意见。2、要加强对数据中心的应用。数据中心的建立可以使业务系统从报表制作、数据导出等功能中解放出来，专注于事务处理，将数据应用方面的功能完全交给数据中心来解决。目前，数据中心已建立了涉及产量、质量、消耗等各个条线的Universe模型，并对全厂管理干部进行了普及性的培训。但是从目前应用情况来看，还比较局限于个别管理人员，追寻原因如下：一是业务系统开发根据用户需求定制开发报表，业务人员通常习惯于从现成的报表中获取信息。如果要求业务人员使用数据中心工具自行制作报表模板，甚至可能需要将其导出再作二次处理，那么业务人员一定更倾向于选择第一种方式。二是近几年来人员更替较多，新进管理人员不熟悉数据中心应用，导致数据中心应用面受到限制。随着今后MES的建设，业务系统中的数据、报表、台帐和分析功能将有可能由业务用户自行通过集成在MES中的数据中心前端开发工具来访问和灵活定制。因此，要尽快培养工厂业务人员数据中心的应用能力，包括数据获取以及报表定制方面的技能。笔者认为应对方法如下：一是对于岗位人员变更做好新老人员之间一传一的交接和培训；二是适时针对新进管理人员开展集中培训；三是通过采用一定的考核方法。3、提高新增应用点的质量。工厂每年都会组织各部门审视第一、第二层次应用点列表，围绕重点工序和重点管理岗位调研有哪些应用上的空白点是需要重点思考的，以新增分析应用点的方式进行申报和实施。同时针对第三层次针对性分析应用，工厂也会要求部门以新增分析应用点的方式将需要数据支撑的项目进行申报。作为一项常规性工作，工厂每年都会组织部门进行应用点的申报，并按项目管理的思想和方法实施，事先确立各个应用点的应用层次、数据获取方式、实现平台，并对其实施计划进行事先的思考和分解，确定每一个阶段的活动目标、时间节点以及负责人员，每个季度对实施情况予以总结，并动态更新下一阶段的实施计划。该项工作从2005年起已经连续开展了三年，部门可供挖掘的应用点越来越少，如何调动部门的积极性，保持并提高应用点的实效性，我们有必要对新增分析应用点的质量和实施情况进行考评，考评标准为：一是新增分析应用点是否能体现数据应用开展的进取性、开拓性和创新性；二是新增分析应用点是否能切实提高管理的精细化和科学化水平；三是新增分析应用点是否能采用项目管理的思想和方法实施，按时间节点完成各项预定计划。
三、结束语。随着近几年来技术平台的相继成熟以及管理手段的逐步推进，工厂业务人员用数据说话的意识已经越来越强，但是要真正使工厂管理达到“三分技术、七分管理、十二分数据”的水平，还有很长的路要走，这既需要我们的业务人员从自身出发提高应用数据的水平和能力，同时也需要工厂从管理手段和管理方法上不断拓宽思路、创新手段，真正实现数据分析应用成为工厂管理的重要支撑手段。
作者单位：上海卷烟厂
参考文献：
在以往的商业地产市场分析调查中，很多细微的数据是难以取得的。建造一座商场前，地产开发商通常需要知道几件事：这座商场的辐射范围有多大？该地区的人流情况如何？他们的消费水平有多高？过去这一切全靠人工调查获得，毛大庆认为，请顾问公司做市场调研，其得出的结果非常宽泛。这种人工调查方式很难满足开发商全部的需求。
在移动互联网的时代，手机成为人们常用的工具。用户通过手机搜索比较用餐或购物的商家，并习惯通过线上的方式完成支付。“这个过程中，有一个东西被忽略了，就是我们的信息也被别人搜集了，万科现在要做的事情就是与百度合作，把这些浪费掉的信息收集到一起。”万科副总经理肖劲对《环球企业家》说。而毛大庆对此总结道：“我们要用互联网技术捕捉到传统业务需要的更精准信息。经过总结、提炼，改良自身的服务和产品。”
今年6月，百度与万科正式确立了战略合作伙伴关系。宣布未来双方将在万科商用旗下的社区商业、生活广场、购物中心系列业态中，尝试引入百度的LBS技术服务（即基于位置的服务）。显然，用百度的搜索技术和定位技术研究消费群体，通过百度的大数据分析，万科想打造一套“消费者、商户、运营商”在内的商业生态系统。而对于百度来说，通过跟商业地产的合作抓住中国零售业数据，在这种探索中也会创造出更多的商业模式。
玩转数据
通过与百度的合作，万科正式上线了管理系统―V-in。在肖劲看来，这套系统可以分为两个维度：第一，通过该系统万科可以让消费者更快得到他们想要的信息；其次，针对商场人流的数据分析，万科可以更精确地分析商户定位和推广策略。
透过大数据分析，万科可以针对不同消费者设定个性推送“菜单”。消费者可以通过移动终端搜索功能，获取万科旗下购物中心的商户信息、信誉评价、活动及优惠信息，方便事先进行购物规划。然后，利用地图功能，进行最佳交通路线规划及行车导航。万科将用户从线上带到线下，引导他们到购物中心的店铺进行消费。针对驾车、公共交通和步行到场的消费者，提供不同的导航服务。
这个模型的理想之处在于，用户从搜索商场开始就已经进入了万科数据库。通过搜索这一举动可以引导用户到达商场，用户还可以在手机上标记停车位置。进入商场后，用户可以使用手机导航直至购物过程结束，之后在百度指引下找到自己的停车位。甚至离开后，百度仍然可跟踪他的去向。“客户消费的过程就是提供给他们服务的过程，同时也可以收集他们的路径。”肖劲表示，通过数据会形成一个非常严谨的分析结果。其中，对客户信息的分析层面，目前把消费群体描绘成17种类型。而随着数据的增加，客户标准量越来越清晰，这些类型的划分会逐渐减少。
万科商业运营管理团队根据V-in系统的大数据分析报告，亦可以为商户提供增值服务。V-in系统的大数据分析可以成为商户经营方式、促销手段的参考依据，在租户协调、推广策略等方面也能帮助万科商场运营管理团队做出科学的经营分析和判断。
“通过百度的室外人流轨迹分析，我们发现，有大量人群从回龙观小区前往相对较远的万科位于昌平的商场购物。”百度LBS分析人员告诉《环球企业家》，这个结果比他们原本预计的商场辐射范围更广，依据这个信息，万科可能考虑到回龙观投放广告，再通过数据分析出广告效果，之后选择下一步的行动。
在V-in上线之前，判断商家的经营水平只有营业额一个维度，而V-in的启用增加了更多判断依据。万科不仅希望得到数据，更希望通过V-in系统的大数据分析得到更有价值的运营管理思路，帮助商家及时调整经营策略，提高消费者的粘性。
关键词：大数据；地方本科院校；经管人才培养
中图分类号：G4
文献标识码：A
doi：10.19311/ki.1672-3198.2017.08.085
地方本科教育必须面向区域经济发展，加快改革，实现经管人才的供给侧改革。统计大数据的到来，经管专业担负培养与社会需求匹配的可以进行大数据挖掘及分析的人才，这亟待改革大数据时代的经管人才培养方案。进行经管人才供给侧改革有必要，研究经管专业大数据人才教学改革极具现实意义。首先，从《2013年大数据市场应用与趋势调研报告》显示，全球28%的企业和中国25%的企业利用大数据进行分析市场，淘宝，阿里巴巴等都在利用大数据进行消费者消费喜好，发现空白细分市场进行蓝海战略营销计划。利用传统统计中的推断统计结果具有一定的抽样误差更迫切需求大数据经管人才。欧美著名大学和国内名校（北大、人大MOOC）的在线教育平台，为传统教育带来挑战。大数据时代，获取知识渠道多样化，人才培养方式通过利用有效的知识平台，促进师生教学共长，努力培养具有创新能力和意识的应用型人才极具意义。
1 大数据时代经管人才必备的技能
当前，我国高校培养的大数据分析人才集中于计算机科学与技术，人工智能等理工科极强的学科，市场对大数据人才的需求分别在各个专业尤其经管专业的大数据人才（金融、会计学、市鲇销调查等等）需求量极大，对从事经管行业的经管人才特提出更高的要求。
1.1 较强的经管专业基础
一个优秀的经管数据分析人员，首先应该具备扎实的统经济管理专业基本理论。经管大数据分析人才需要较强的专业基础及统计学能力，既要具备对现象的敏锐洞察力，又要有专业的经济学知识，扎实的传统统计理论基础，又要有大数据的挖掘能力及收集数据的能力。因此，大数据经管人才具备的行业知识储备越扎实，善于捕捉行业发展的热点与方向的能力越强，切合行业实际需要的分析结论越具有现实经济意义，这是大数据时代经管人才的复合型能力的体现。
1.2 计算机软件操作能力
传统的统计学理论及传统的统计软件（excel、spss）仅仅能体现学生的动手能力，动动鼠标能完成基本的数据分析，但对于数据分析模块及分析原理并不清楚，同时对计算机的编程能力较弱。大数据时代，数据分析范围不是抽样调研数据，不是传统的入户调查数据，而是对海量数据的挖掘及分析归类、分析得出结论，数据海量是传统统计软件完成不了的，大数据背景下，经管人才一定要具备计算机软件操作机编程能力，它主要涉及到数据库、程序设计、软件开发等计算机软件的各个方面。掌握的计算机能力水平越高，能够挖掘的数据信息越丰富，提供决策支撑力度就越大，发现空白市场，潜在客户的能力就越强。
1.3 扎实的统计学理论基础
大数据产生的基石是传统数据基础理论，传统统计主要的分析方法是统计和推断统计，通过样本数据统计量推断总体参数过程，从而描述总体特征。经管人才必备的实践能力必须首先建立在具有扎实统计理论基础之上的人才。拥有统计学相关理论知识，利用概率论及数理统计分析现实经济问题便能熟能生巧。大数据知识的掌握及充分利用，必须以统计学知识为前提。
2 大数据经管人才模式构建
我国经济发展之迅速，如何在现有经济条件下寻求新的经济增长源泉，发现新的经济增长空白，是建立在定性和定量分析的基础上，尤其定量分析及其重要。因此，构建大数据经管人才模式势在必行。首先是要培养大数据应用型教师团队。大数据人才模式的构建首先需要培养教育新思想的应用型教师团队，高校教师学习能力强，要主动充实自己，寻求专业前沿知识。应用型地方本科院校应鼓励授课教师向双师双能型转化，取得相关经管职业资格证书，并去企业兼职，这样才能成为理论兼实践相结合的实用性人才。同时，要培养校外知名专家到学校开设专题讲座，补充学校师资力量，只有与社会需求匹配的教师才能培养出与社会需求匹配的人才。其次是开放互动教学，培养具有数据素养的大数据经管人才。传统灌输式的教学方式及单一教学手段是当前课堂教学的主流，利用互动式思维，研讨式教学理念培养学生、激励学生的问题意识及批判思想，用收集大数据、大数据案例教学、大数据数据分析及相关问题挖掘学生的潜能。譬如，教师上课时，可以设计一个大型项目，需要大数据挖掘，学生组队进行挖掘数据，分析数据并设计算法，同时编程建模，撰写分析报告，从项目设计到结论生整个流程都是由学生完成。学校要多鼓励学生积极参加大学生各类创新实践项目比赛，从比赛中提升自己，锻炼学生的实践创新能力。第三充分利用校企合作平台，提升学生认知数据信息的重要价值。市场竞争激烈，经管尤其金融等行业以及电子商务专业的人才供需错位。当前教学内容重理论轻实践，重系统缺针对性，加速供需错位比。因此，学校可以搭建校企合作平台（非学校、企业、社会本位模式）的第四种“学校+企业”复合教育模式。该模式培养的经管人才以市场和社会需求为导向，整合双方优势资源，进行交换和合作，人才既有扎实理论基础，又有企业实践能力，并能在企业合作中完成自己不具有知识的积累，这将是学校完成大数据经管人才培养的重要补充和深化。校企教育平台建设（笔者所在院，现在正在逐渐搭建的与苏州产业园区的冠名班正是基于此思路）同时可以从具体的项目招收，共同构建课程体系，并共同修订现有人才方案完成大数据经管人才的培养，并从供给侧经管人才结构改革方面实现人才的匹配供给，从而培养出具有独立利用大数据思维及能力进行经管数据挖掘、整理分析、管理与决策的经管复合型人才，以适应社会发展之需。
3 结语
随着大数据时代的来临，经管数据的海量特征，尤其金融会计行业的整体数据规模巨大特征，其客户及商业商户交易数据的价值既蕴含商机又能开拓潜在市场，对我国经济发展将会带来巨大变革，但当前经管大数据挖掘人才稀缺，形成了供需错位的现象，通过大数据应用型经管人才的培养，培养高水平及实践性较强的经管人才既能适应当前的社会发展，又能对区域经济的发展起到重大贡献，同时也能解决毕业生一毕业就面临失业的尴尬局面。因此，地方高等院校培养实践性、应用型的经管人才势在必行。
参考文献
[1]韩学军.发达国家应用型创新人才培养模式的比较研究[J].理论界，2009，（1）.
三年以上工作经验 | 男| 26岁（1987年12月10日）
居住地：上海
电 话：139********（手机）
E-mail：
最近工作 [ 1年7个月]
公 司：XX电子有限公司
行 业：电子技术/半导体/集成电路
职 位：心理咨询课课长
最高学历
学 历：本科
专 业：应用心理学
学 校：青岛大学
自我评价
本人性格热情开朗，待人友好，为人诚实谦虚。工作勤奋，认真负责，能吃苦耐劳，尽职尽责，有耐心。具有亲和力，平易近人，善于与人沟通。在平时学校生活中，做过很多兼职。锻炼成了吃苦耐劳的精神，并从工作中体会到乐趣，尽心尽力。并通过心理学观察身边的人和事，让自己能更好的认识自己与他人。
求职意向
到岗时间： 一周之内
工作性质： 全职
希望行业： 教育/培训/院校
目标地点： 上海
期望月薪： 面议/月
目标职能： 讲师/助教
工作经验
2012/8—至今：XX电子有限公司 [ 1年7个月]
所属行业： 电子技术/半导体/集成电路
人力资源部 心理咨询课课长
1、主导推动完成员工心理异常三级预防、通报体系，为各阶主管高效辨识、通报心理异常员工提供参考标准；
2、员工心理问题咨询及行政服务；
3、汇总、统计来访咨询员工信息数据,拟定包含员工年龄特征、性别特征、基层员工问题特征、各厂区问题特征等各维度分析报告提报主管，根据主管要求制定相应对策；
4、组织筹建职业指导室，为员工提供职业指导、职业素质测评及职业咨询类服务，并帮助员工结合公司内部职位要求做好职业生涯规划；
5、推动、完善公司员工心理自助网络平台(包含网上预约咨询服务、心理网站链接服务等)。
2010/7—2012 /7：XX医疗有限公司[2年]
所属行业：医疗/护理/卫生
临床心理治疗门诊心理健康调研究员
1、针对大学生来访者进行电话咨询，当面访谈，协助主医师进行必要的干预和咨询治疗；
2、对乡村留守儿童的心理健康调查研究，编制问卷、问卷调查、数据分析、重点咨询、完成报告等系列工作；
3、协助康宁医院经验丰富的精神科医生的日常诊断和治疗工作；
4、与多名患者家属及患者进行详细访谈，对数据运用心理统计学整理分析。
教育经历
2006/9--2010 /7 青岛大学 应用心理学 本科
证 书
2012/9 国家心理咨询师（三级）
2008 /6 大学英语六级
2007/6 大学英语四级
