首页 优秀范文 网站数据分析报告

网站数据分析报告赏析八篇

发布时间:2022-09-16 22:57:15

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篇的网站数据分析报告样本,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。

网站数据分析报告

第1篇

(讯)中国电信上海公司最近的一项大数据分析报告显示,在今年9月3日纪念胜利70周年阅兵,当日,在家收看阅兵活动的市民中,近半数是通过互联网方式收看的,包括电脑和移动终端。而且还有一个有趣的现象,在移动端收看方式中,苹果iOS设备的占比超过安卓设备。

相比通过电视机看阅兵,通过电脑收看阅兵庆典活动的市民在观看平台上有着更多的选择。从细分数据来看,15.9%的上海市民选择通过爱奇艺视频网站收看阅兵庆典活动,占比排名第一;央视网紧随其后,占比12.1%;之后依次是优酷网、乐视网和腾讯视频,占比分别为11.2%、10.6%和10.4%。同时,中国电信上海公司的大数据分析还显示,市郊居民比市区居民更愿意通过电脑端来收看阅兵活动。

在通过移动端收看阅兵活动的市民中,72%的市民通过智能手机收看,28%的市民通过平板电脑收看。另外,在这些收看了阅兵活动的移动设备中,52%使用的是iOS操作系统,48%的设备使用Android操作系统。从具体的收看数据来看,优酷视频App得到了上海大部分市民的青睐,占比达25.8%,超过四分之一,排名第一;腾讯视频App排名第二,占比21.4%;然后依次是爱奇艺App、乐视网App和搜狐视频App,占比分别为13.6%、6.6%和6.1%。这些占有率较高的Top5的App累计占比达到了74.5%。

数据表明,搜索引擎目前已经成为市民在网络上了解信息的首要途径。除了搜索引擎之外,五大门户网站的阅兵专题站也是市民在网络上了解阅兵及其相关资料的常用方式,以凤凰网为例,其阅兵专题站平均每位用户点击2.6次。(来源:IT时报 文/钱立富)

第2篇

一、大力推进电子政务建设工作,提高办公效率

1、强化网站管理工作

一是按照自治区关于《加强政府网站建设促进网络问政工作实施意见的通知》要求,完善了政府网站群信息管理制度,制定了《__区政府门户网站栏目结构规划与信息内容管理归口方案》;二是定期按月按季度统计、分析各部门网站信息情况,将结果在政府门户网站和协同办公平台上进行公布;三是自治区政府网站发展评估工作电视电话会议召开,大会公布了20__年新疆政府网站发展评估结果,“__区政府门户网站”被评为县、市级a类网站。

2、全力推进“一体化协同办公平台”应用工作

一是在区属各职能部门推进“一体化协同办公平台”应用工作,管理、维护协同办公平台日常应用,及时处理平台应用人员在使用过程中遇到的各类问题。上半年,调整一体化协同办公平台应用人员单位、部门、权限145条人次;二是定期按月按季度统计、分析各部门协同办公平台使用情况,并把结果在政府门户网站和协同办公平台上进行公布。

3、继续贯彻执行《政府信息公开条例》,加强部门政务工作的透明度

按照自治区关于《加强政府网站建设促进网络问政工作实施意见的通知》要求,制定了《__区政府信息公开管理办法》,收集、整理各委、局、办20__年政府信息公开目录,完成了《__区20__年政府信息公开年度报告》的编写、审核、审定工作,并报给市电子政务办公室,同时在政府信息公开目录中。根据自治区《关于20__年政府信息公开工作年度报告编制和公布有关事项的通知》的要求,督导区属各部门20__年政府信息公开年度报告的编写,并完成各部门公开年报情况统计工作。

4、加强协同办公设备管理

根据克区电政办[20__]1号《关于电子政务移动办公设备配置的通知》的要求,加强管理、维护协同办公设备工作,对各单位提出申请使用的数字证书、电子公章、电子签名、无线上网等设施按程序进行办理和登记,完成56个部门领导个人电子签章的制作,协调办理41套移动办公3g网卡,针对制作电子签章的领导举办了一期设备使用的培训。

二、持续加强信息化项目管理

为建立具有基础性、公益性、开放性的信息化基础设施及业务管理应用系统,加强我区信息化项目的科学化、规范化管理,推进各行业协同发展。一是加强信息化项目需求调研、需求设计、建设实施、验收等重要环节的评审管理,组织专家、业务部门、合作单位对重点环节进行评审,杜绝项目需求反复变更、重复修改,完成了10个部门25个信息化项目技术方案预审,完成社会管理服务信息系统中9个部门21项业务的初审工作;二是根据《__区信息化项目管理办法》,强化信息化项目立项管理,审核各部门申报的信息化项目,共完成8个部门13个信息化项目的立项工作,并向各业务单位下发了《20__年信息化项目审核意见书》,协调落实信息化项目资金;三是完善信息化项目推广机制,坚持“谁使用、谁推广”的原则,使用单位负责推广应用,做好人员培训、数据更新、用户管理和权限划分工作,实施项目推广应用跟踪及评价工作;四是继续建立健全项目组织管理体系,优化管理工作流程和相应的工作制度,细化项目实施环节,明确项目主责单位与协作单位职责,落实责任分工,完成信息化项目全过程建设与应用。

三、不断升级、优化社会管理服务信息系统

1、社会管理服务信息系统优化定型工作成效显著

完成医疗救助、住房保障、居家养老、社会管理、政府救助、慈善业务、老龄业务、残联业务等9个部门21项业务的优化定型工作。完成了9个部门21项业务的项目初审工作。全区各委、办、局、五个街道及69个社区、流管办1069名工作人员熟练掌握社会管理服务信息系统的培训工作全面完成。上半年,处理系统应用操作人员在使用过程中遇到的各类问题共2116次。调整人员信息及操作权限共125人(次)。到各部门、街道及社区现场指导培训374人(次)。

2、社会管理服务信息系统升级工作进一步加强

完成《__区社会管理服务系统》正式迁移升级为《__市社会管理服务信息系统》第一阶段工作。系统主体工作基本完成,能够在全市范围内使用。为乌尔禾区、独山子区、白碱滩区的系统应用工作人员提供系统推广应用的经验和软件实际操作的培训。

3、数据分析及展现平台建设进展顺利

完成数据分析及展现平台的方案制定、审核工作,对社会管理服务信息系统的基础数据、专业数据进行分析、梳理,《项目咨询分析报告》的编制工作完成。

4、完善公共服务平台建设不断加强

上半年,我办完成了市“12345”政府服务热

线、__区不和谐因素处置子系统、__区门户网站“区长信箱”整合对接工作,按照受理、立案、分流、办理(催办、督办)、评价、结案、回复(存档)七个业务流程,通过软件进一步固化了每一项业务流程的办理标准、办理主体、办理时限,形成案件办理过程的闭合式管理,实现了各类案件的集中受理、统一调度、三级联动(区、街、社区)、协同处置、齐抓共管的工作格局,实现业务网络化、电子化管理,提高了案件办理效率。自3月22日试运行共受理处置市“12345”政府热线办交办案件373条,自3月1日试运行共受理处置区门户网站区长信箱信件39条。完成家校互通平台学校信息模块、网站信息查询模块和8个数据推送接口程的设计开发,2月29日在区属各小学试运行,各模块运行正常。短信平台建设完成社区卫生强化免疫短信功能并投入使用。5、深化网站应用建设工作

为深入落实自治区“加强政府网站建设、促进网络问政工作电视电话会议”精神,完成了《__区政府门户网站深化应用建设项目》的需求调研和工作业务梳理,完成了项目总体技术方案的制定和专家评审、论证工作。完成了新版门户网站所有页面的设计工作,目前在准备实施搭建中。

四、存在的问题

1、一体化协同办公室平台各应用单位工作人员变动较频繁,交接工作不及时,造成部分单位信息更新不及时;

2、部分单位对政府信息公开意识薄弱,信息公开不够主动;

3、信息化项目实施过程中,各业务单位对项目需求分析的不够深、不够细,在开发过程中反复修改情况较为普遍;

4、在项目需求分析上,对结果数据展示分析能力有待于进一步加强。

五、整改措施及建议

1、建议各应用部门平台使用人员有变动的及时以书面的形式上报到区电子政务办登记备案,由区电子政务办负责调整人员信息变更和操作权限;

2、加强政务信息公开督导力度,定期对区属各部门政府信息公开情况进行督查,并把督查结果通过政府门户网站和协同办公平台向全区进行通报。

3、一是加强信息化项目立项、需求调研、需求设计、建设实施、验收等重要环节的评审管理,组织专家、业务部门、合作单位对重点环节的评审工作,杜绝项目需求反复变更、重复修改;二是建立健全项目组织管理体系,优化管理工作流程和工作制度,细化项目实施环节,明确项目主责单位与协作单位职责,落实责任分工,共同推动项目全过程建设与应用;三是组织各业务单位学习《__区信息化项目管理办法》,掌握信息化项目申报与立项、项目实施、验收与推广应用等关键环节;四是申报单位要加强内部学习,提高工作人员业务水平。

4、加强对各业务软件流程的梳理工作,在做好基础数据分析展示分析的基础上,强化管理数据的挖掘,通过报表、图形等方式为业务部门提供决策性、管理型的数据。

20__年下半年工作计划

一、继续推进电子政务工作

一是在区属各职能部门继续推进“一体化协同办公平台”应用工作,计划在7-8月份举办一体化协同办公平台应用、网站信息、政府信息公开、移动办公设备应用操作培训;二是继续加强网站管理,完善信息制度,加强信息公开力度;三是积极推进电子印章的应用,保障电子公文的有效性、权威性,通过现代办公手段提高工作效能。

二、继续加强信息化项目管理

一是完成全区8个部门13个信息化项目开发和研发工作,并对项目各阶段进行评审;二是完成全区8个部门13个信息化项目测试工作;三是完成全区8个部门13个信息化项目试运行工作;

四是组织相关对口专家,对全区8个部门13个信息化项目进行验收,并形成最终验收报告;五是完成全区信息化项目资料汇总工作。

第3篇

[关键词]会计信息管理;人才培养;数据分析

0引言

2012年以来,铺天盖地的大数据进入了我们的视线,各种流行书籍,各大网站、媒体都在谈论大数据,一时间成为这个时代最热门的话题。同时,这也引起了我们的关注。我们说,大数据,不单纯是数据规模上的大,还在多样性、速度、精确性上都有突破性增长。更重要的是,这种数据的潜在价值也是旧有数据难以企及的。我们这里暂且不论如何驾驭大数据以及有什么样的技术要求,它给我们的一点重要启示就是要注重数据分析的重要性。在此背景下,深圳信息职业技术学院会计信息管理专业积极探索满足新形势下人才需求的培养模式,使人才更好地满足当前企业的实际需要。

1大数据时代背景引发对人才需求的变革

可以说,在未来的竞争领域,“占领市场必须先占有数据”,也就是要做到基于信息的决策———“用数据说话,做理性决策”,即进行数据分析。数据分析是从海量的数据中提取和挖掘出对企业有价值的规律和趋势,为企业的决策提供支持,这些支持体现在四个方面:①行为预见镜———帮助企业识别机会、规避风险;②问题良药———帮助企业诊断问题、亡羊补牢;③跟踪检测———帮助企业评估效果,提升效益;④引力动力器———帮助企业提高效率,加强管理。不可否认,个别公司的决策人具有超人的战略眼光以及敏锐的洞察力,单靠直觉也能给公司带来巨大价值。那么究竟靠数据分析的决策能否优于直觉决策,我们这里也要靠数据说话。有学者比较了组织中用直觉决策以及用数据分析决策的可能性,研究发现,业绩优秀的组织更多地倾向于采用分析决策,尤其是在财务管理、运营、战略等方面。因此,可以推断,用数据分析决策比直觉决策能给企业带来更大的价值。与此同时,根据智联招聘网站显示,短短两年时间,珠三角地区数据分析人才需求已接近了需求量旺盛的传统会计专业。可见,越来越多的公司需要能够对公司财务等相关信息数据进行处理、加工、分析以为公司管理层决策提供信息支持的人才。可以说,传统会计专业注重会计核算,即财务报表编制的整个流程及环节的掌握,而会计信息管理专业更注重对财务报表数据以及其他有用信息数据的再加工、处理、分析及呈报,以满足管理层经营决策的需要。可以说,不同的社会发展阶段和发展水平要求有不同的专业设置及专业培养目标与之适应。从会计电算化到会计信息管理背后的推动力是时代的变革引发的对人才的需求。然而,从当前会计信息管理专业的建设情况来看,多数院校存在培养目标不清晰、没有明确的专业定位、与会计电算化等专业没有明显区分以及缺乏明确的专业核心课程等突出问题,尤其是对会计信息管理专业名称中“信息”二字究竟如何体现没有清晰的把握和界定。因此,会计信息管理专业的人才培养模式亟需变革。

2大数据时代背景下会计信息管理人才工作岗位及能力分析

深圳信息职业技术学院2012年成功申报会计信息管理新专业,并于2013年下半年开始首届招生。与此同时,会计信息管理的专业定位、培养目标、课程体系也成为摆在专业任课教师面前的重大课题。近几年来,全体专任教师围绕会计信息管理专业建设展开了一系列的咨询、调研、走访,并定期进行讨论、交流,扎扎实实了解实际中的人才需求,实现专业人才供给与人才需求无缝对接。到目前,初步形成了具有专业特色的会计信息管理专业建设思路与方法。首先,会计信息管理专业人才就业岗位主要集中在账务处理、管理会计、财务数据分析、预算管理、成本管理、资金管理及内部控制等方面。具体工作任务体现在:会计核算,纳税申报,管理会计,财务数据处理、加工、分析及呈报,以及预算、成本、资金管理等。其次,在新形势下会计信息管理人才的工作岗位领域,会计信息管理专业人才应具备如下三方面能力:①会计核算能力,指的是熟悉并掌握会计信息生成系统,运用财务信息对企业经营活动进行评价;②数据分析能力,指的是掌握一定的数据分析方法,运用Excel、数据库等现代信息技术手段对数据进行采集、处理、分析及呈现;③辅助决策能力,指的是能够依据相应的数据分析结果,为公司日常财务等管理决策提供支持。

3大数据时代背景下会计信息管理人才培养目标

在当前互联网时代及大数据时代,对财务人才的要求,已经不局限于传统账务处理,更倾向于对决策相关信息数据的处理和分析。“占领市场必须先占领数据”,公司财务和经营决策的制定更多的是基于信息的决策,即“用数据说话,做理性决策”,而数据分析即是从海量的数据中提取和挖掘出对企业有价值的规律和趋势,为企业的决策提供支持。因此,在新形势下,会计信息管理专业的人才培养目标可以确定为数据分析引领财务决策信息化。为了实现这一培养目标,需要三个层面的支撑体系,即基于财务会计、强化数据分析、服务管理决策。

4大数据时代背景下会计信息管理人才培养课程体系

在以数据分析引领财务决策信息化的人才培养目标指引下,我们初步形成了如下三个层次的课程体系。

(1)会计学基础课程:会计信息管理源于会计,不能脱离财务会计,仍然要以财务会计为基础。专业学生要了解财务报表的生成过程及会计账务处理流程、能够对一般企业常见经济业务进行会计处理、进行企业纳税申报等。这方面课程主要有:会计学原理、财务会计、纳税实务。

(2)数据分析技术课程:对信息的把握体现在两个层面,其一是与企业信息化相适应的一般管理软件、财务软件的使用及熟练操作以及简单维护,能够作为关键人物辅助中小企业实现财务信息化;另一层面通过对数据的采集、整理、分析报告,满足管理层基于信息的决策以及决策的科学化。数据的来源可以来自公司内部的管理信息系统,根据需要也可以来自企业外部的国家经济产业政策、行业市场信息等。其中,对数据的分析能力又从两方面进行培养,一方面是分析思维方式的培养,这是起主导作用的层面;另一方面是分析工具运用的培养,信息化时代,数据量的加大要求借助于一定的分析工具才能实现数据分析。企业信息化实施及数据分析方面的主要课程有:财务报表分析、财经数据分析、应用统计学、数据库原理及应用、数据处理软件应用、商务智能等。

(3)决策能力提升课程:新形势下财务人员面对和服务的更多是企业的管理层和决策层,会计信息管理专业学生要清楚公司管理层和决策层需要哪方面的决策信息支持,并通过数据分析方法进行提供,同时给出合理化建议。这方面课程主要有:管理会计、财务管理、成本管理等。其中,财经数据分析课程能够使学生掌握系统的数据分析方法,包括数据收集、数据处理、数据分析、数据展现及报告撰写各环节的基本理论及操作技能,同时熟练地运用数据分析的思想和方法分析企业的财务数据,为管理层决策提供信息支持。数据分析软件应用课程能够让学生熟练运用Excel等常见数据分析工具、软件进行数据录入、数据整理和数据分析的方法和技巧,培养学生操作Excel等数据分析软件的基本技能。商务智能(含数据挖掘)课程依托商务智能平台,从商务智能概念、商务智能结构、多维数据集内容、数据挖掘、交付等主要内容,使学生在了解如何运用商务智能的工具、架构以及规则的基础上,分析企业数据,为企业管理层提供信息化决策支持系统。

5结语

不同的社会发展阶段和发展水平要求有不同的专业设置及专业培养目标与之适应。从会计电算化到会计信息管理背后的推动力是时代的变革引发的对人才的需求。大数据时代下会计信息管理人才培养目标为数据分析引领财务决策信息化。相应课程体系为财务会计基础课程、数据分析技术课程、决策能力提升课程。我们共同期待,会计信息管理人才将通过数据分析对企业财务等管理决策带来价值增值。

主要参考文献

[1]陈宪宇.大数据时代企业相关职位设置与人才培养[J].经营与管理,2014(9):43-47.

[2]谭立云,李强丽,李慧.大数据时代数据分析人才培养的思考及对策[J].黑龙江科技信息,2015(3):57.

第4篇

人们对APP并不陌生,但看似信手拈来的APP对于广大的开发者来说却是一件难事。开发方向选择错误、开发速度慢、对用户需求不了解、APP市场推广不利、后台服务器支持不给力等,都可能造成一个APP无疾而终。华为PowerApp可以帮助APP开发者解决上述问题。“我们也曾经从事过应用开发,知道开发过程的艰难。因此,我们在设计PowerApp平台之初,就走访了大量客户和合作伙伴,了解他们在开发过程中会遇到什么样的问题。”华为PowerApp产品经理陈峥介绍说,“与其他众多BaaS厂商由一个成功的应用切入,进而扩展到BaaS平台不同,PowerApp惟一的出发点就是为开发者提供全过程的APP开发服务,将其从繁杂的后端工作中解脱出来,把主要精力放在前端产品的业务实现和用户体验的提升以及业务推广上。”

华为PowerApp包含行业报告、能力模块、测试模块、运营支撑、推广模块、运维模块等多个模块,为APP开发者提供了从项目立项到开发、测试直至推广和运维的全过程服务。举例来说,APP开发者在选定一个开发项目时可能会苦于无从了解用户需求和市场趋势。PowerApp可以提供行业数据分析报告,或通过大数据平台对各类日常的新闻进行搜集、整理和分析,为开发者提供第一手的资料。再比如,华为自己拥有电信级的测试标准、流程和服务,可以为开发者提供测试服务。此外,华为还与世界知名的云测试厂商SOASTA合作,为开发者提供云测试服务。许多移动APP开发者都是个人或是初创企业,他们可能没有能力或资金对新产品进行推广。华为建立了开发者联盟,通过智汇云电子市场、线下活动和华为终端设备等助开发者一臂之力,帮助其对移动APP进行推广。

PowerApp虽然具备了丰富的功能模块,但华为也清楚不可能凭一己之力对APP开发者提供全方位的支持,华为PowerApp需要大量的合作伙伴。在PowerApp会的现场,记者见到了PowerApp几个主要的合作伙伴,包括SOASTA、安全宝、青云等。

第5篇

[关键词] 大学生;经管类专业;数据分析能力;职业竞争力;问题;策略

[中图分类号] G320 [文献标识码] B

近年来,随着全球经济一体化进程的加快和网络时代信息获取的便捷程度的极大提高,“用数据说话,做科学决策”已成为企业提高经营管理水平的必然选择,在全球500强企业中,90%以上的重要投资和经营决策都取决于充分的数据分析支持。数据分析在企业战略规划、项目投资决策、融资决策、营销决策、生产运营与管理决策中发挥的作用和价值日益显现,并已被我国政府部门和各行各业越来越多的企业所认同。在这一时代背景下,社会对项目数据分析师、市场调查分析师这些高技能应用型人才的需求旺盛,供给缺口巨大,据权威部门预测,在未来几年,我国对专业项目数据分析师的需求预计可达20万人,调查分析师的市场缺口则在100万人以上。面对社会对数据分析人才的强劲需求和高校经管专业毕业生就业难并存的局面,高校应充分地认识到,当今社会数据分析能力已成为经管类大学毕业生在职场中生存的一项核心能力,积极探讨提升经管类专业大学生数据分析能力的有效策略,对于更好地适应社会需求,提高大学生的职业竞争力具有重要的意义。

一、社会对数据分析人才的技能与素质要求分析

数据分析是指运用适当的统计分析方法对收集来的大量数据进行整理、分析,从数据中提取有用信息并形成分析结论,提出有价值的决策参考建议的过程。数据分析师是指在不同行业中,专门从事数据搜集、整理、分析,并依据数据做出行业或市场研究、评估和预测的专业人员。笔者通过对各大招聘网站数据分析师、市场调查/市场分析师等职位招聘信息的搜索和分析,深入挖掘并归纳出社会用人单位对数据分析师职位的技能和能力素质要求(详见下表1),以期为高校经管专业学生数据分析能力的培养提供参考。

从表1可以看出,数据分析能力是一种综合实践能力,它要求数据分析人员在了解行业状况及公司业务流程的基础上,构建数据分析的思路,主动地搜集相关数据,运用恰当的统计分析方法,借助于统计分析软件对数据进行处理和分析,从而得出分析结论,并撰写出有价值的分析报告。

通过以上分析,笔者认为,高校在经管类专业学生的培养定位中应对数据分析能力的培养给予充分的重视。应要求所有经管类专业的学生具备基本的数据分析能力,以适应本专业领域业务数据的收集、整理和初步分析的需要,并有针对性地培养出一批具有较强数据分析能力的学生,为他们考取项目数据分析师、调查分析师等资格证书创造条件,使他们有机会成为各行业中数据分析领域的高级专门人才。

二、经管类专业大学生数据分析能力培养中存在的主要问题

(一)经管类专业课程体系设置中缺少数据分析能力培养模块

当前,在许多高校经管类专业的培养方案中,较少设有专门讲授数据分析内容的课程。与数据分析相关的内容分散于《大学计算机基础》、《数据库应用基础》、《统计学》、《市场调查与预测》等课程,学生虽然从多门课程中接触到与数据分析相关的一些内容,但各门课程的教学资源未能实现有效的整合,如,《大学计算机基础》课程一般在大一开设,该门课程中将Excel软件作为办公自动化软件之一,一般只讲授简单的文字和数据录入及处理,并未涉及Excel软件的高级数据分析功能。而《统计学》和《市场调查与预测》课程一般在大二开设,主要侧重于从理论上介绍数据的收集、整理和数据分析的各种方法,以及市场调查和市场预测的各种方法,这两门课程主要为数据分析提供方法论的指导。这样的课程体系设置中就缺少了将数据分析的方法与数据分析的工具结合起来培养学生数据分析实际技能的课程,致使学生并未能有效、深入地掌握实际的数据分析技能。

(二)缺少实用性强的培养学生数据分析能力的实践教材

近年来,一些出版社出版了一批以Excel或SPSS为分析工具的统计分析教材,如:黄等编著的《Excel统计分析基础教程》、邓维斌等编著的《SPSS19(中文版)统计分析实用教程》等教材,这些教材在内容体系上与《统计学》教材大体相同,教材内容涉及面广,与企业实际需求结合不紧密且难度较大,对于没有数据分析基础的学生来讲很难掌握,而且有些高级统计分析方法在企业的实际工作中也很少能应用到。

(三)缺乏数据分析理论与实践能力兼备的教师队伍

培养学生的数据分析能力,首先需要拥有一支既懂数据分析理论又能指导学生统计软件操作的高水平的教师队伍,而长期以来统计学教学中一直存在的重理论,轻实践的状况,使得能够讲授《数据分析》实践课程的教师严重缺乏,这也是影响学生数据分析能力培养的关键制约因素。

(四)学生对数据分析存在畏惧心理

对于许多初次接触统计学和数据分析的学生,经常会对书中大量的数学公式和复杂的软件操作产生畏惧心理和回避心理,加之一些统计学教师在教学过程中对学生的学习没有加以正确的引导,致使很多学生从一开始就对掌握数据分析这门有用的技能失去了的兴趣和学习的信心,从而必然会影响到学习的效果。

三、经管类专业大学生数据分析能力提升策略的探讨

(一)完善学生数据分析能力培养模块

为强化学生数据分析能力的培养,高校经管类各专业的培养方案中应设置培养学生数据分析能力的模块。笔者认为,首先应将已开设的与学生数据分析能力培养相关的《大学计算机基础》、《数据库应用基础》、《统计学》、《市场调查与预测》等课程的内容进行有机地整合,在此基础上,在大三学年开设《数据分析基础》实践必修课,以加强学生数据分析的实际技能,构建学生数据分析能力的完备知识体系。同时,经管各专业还可根据需要增设《SPSS软件应用》作为专业选修课,以满足那些对数据分析有浓厚兴趣,准备考取项目数据分析师、调查分析师资格证书,有志于成为数据分析专门人才的学生的需求。

(二)开发实用性强的《数据分析》实践教材

借鉴社会项目数据分析师、调查分析师资格认证相关培训教材,编写一部《数据分析基础》实践教材,教材将以通用的Excel软件为分析工具,这样可以降低学习难度,从心理上拉近与非统计专业学生的距离,目的是使经管专业的学生掌握必知必会的数据分析概念、流程和操作,以适应社会对经管类应用型人才应具备基本的数据分析技能的需求。教材的内容体系将按数据分析的流程构建,具体内容将设以下7大模块:1.数据分析概述;2.数据采集;3.数据处理;4.数据分析(包括数据分析方法、数据分析工具的使用);5.数据呈现;6.报告撰写;7.综合案例。

(三)培养一支数据分析理论与实践能力兼备的教师队伍

针对当前部分高校缺乏数据分析理论与实践能力兼备的讲师队伍的难题,学校可以采取“引进来,走出去”的办法多渠道解决专业师资力量不足的问题,一方面可以从其他学校聘请专业教师授课,也可以派出本学校中、青年教师到其他设有统计学专业的高校进行短期的进修学习,以提高数据分析的理论水平和实践能力,此外,学校还可以鼓励本校中、青年教师考取项目数据分析师等资格证书,以深入地了解社会对数据分析能力的需求,使学校的人才培养定位与社会需求能够实现无缝对接。

(四)培养学生对数据分析的浓厚兴趣

记得有一位资深的数据分析人士曾说过:“统计学是一门很难,但是很有趣,更是很有用的工具学科。懂得如何使用它的人总是乐在其中,而尚未入门的人则畏之如虎。”笔者结合多年的教学经验认为,要想将《统计学》这样一门多数人认为很难的课程让初学者理解它、接受它,对它产生浓厚兴趣,需要借助一些人们生活中的小案例,将难懂的统计学的基本概念和公式还原回生活当中,用来解释社会经济现象,帮助学生发现隐藏在数据背后的规律。总之,培养学生对数据分析的浓厚兴趣,是提升经管类专业学生数据分析能力的关键所在。

[参 考 文 献]

[1]邓维斌,周玉敏,高锡荣.经管专业数据分析能力研究[J].数字通信,2013(2)

第6篇

自2013年5月7日爱奇艺和PPS宣布合并后,在不到半年的时间里,网络视频格局被彻底改变。合并后的爱奇艺,一跃成为中国最大的网络视频平台,全平台用户规模、时长均为视频行业第一。全平台第一的优势逐渐把爱奇艺的营销价值释放出来,可以说,10月16日,爱奇艺公司宣布了旗下爱奇艺、PPS两个品牌的品牌策略就是一个明确的信号。

协同效应释放营销价值

PPS视频业务与爱奇艺进行合并,两个网站的互补性是非常强的。爱奇艺是以网页端为主,而PPS是以客户端为主,而二者的共同点就是在移动端的发力都非常迅猛。除此之外,PPS与爱奇艺的公司文化也是互补的。

“爱奇艺走的是品质路线,而PPS则主张草根文化,二者结合完全符合我们现在的品牌需求,那就是又要接地气,又要有高富帅的精神,所以二者结合是挺有意思的。”爱奇艺首席营销官王湘君如此描述二者合并之后的优势互补效应。

通过品牌重新定位后的升级,爱奇艺和PPS两个品牌之间形成了明晰的差异化定位,既保持了各自的品牌独立性,又实现了更强的互补性。爱奇艺属于新主流的视频媒体,被更多赋予了媒体的特性,而PPS更多的属性是工具,突出娱乐色彩。从营销的角度看,爱奇艺与PPS合并使两者的规模更大,品牌影响力更强,不仅能实现更广泛的用户覆盖,更能针对品牌需求,更有效地进行推广组合。 爱奇艺与PPS合并产生了协同效应,对于客户来说更有吸引力,因为可以为广告主带来更大的利益。

移动端广告投放需求爆发

自PC时代形成的视频格局,当移动互联网浪潮袭来,相对于固步自封者,创新者更有机会赢得市场之战,改变游戏规则,重新划定市场领地。而合并PPS之后的爱奇艺,毫无疑问成为视频市场上最大的赢家。爱奇艺在移动端拥有先发优势,PPS在传统的客户端拥有优势,爱奇艺与PPS合并,进而确立了其在移动领域的绝对优势。

艾瑞数据显示,爱奇艺和PPS在移动视频用户覆盖和月度观看时长两大关键数据上处于行业绝对领先地位:在用户月度覆盖方面,领先第二名优酷土豆67.5%;而在月度观看时长方面,超过第二位106%,比排名第二和第三的PPTV、优酷土豆相加还多出1234.5万个小时。

合并一个月后,爱奇艺、PPS就已完成视频数据、业务数据和广告分析系统数据迁移,并进行双品牌多端投放系统切换,至此,爱奇艺、PPS销售团队能够在一套系统中完成下单、监测、效果分析等一系列广告投放工作。

用户在不同终端、不同时段接触广告的次数都能够通过新的投放系统进行有效控制,针对不同类型广告主的差异化投放需求,爱奇艺则通过双品牌优势资源组合制定相应的广告投放方案。

由于移动视频广告的客户投放数量直线上升,特别是汽车、化妆品、奢侈品、消费电子产品等行业的代表性品牌,逐渐从尝试投放转变为常规投放。针对此,爱奇艺组建独立的团队销售移动端广告,与其他视频网站的经营方式区别开来。

目前,无论是流量绝对值还是广告收入份额,爱奇艺都牢牢占据行业第一的位置。爱奇艺的移论动端流量达到全站流量的45%-50%,移动视频广告形式更趋成熟,营业收入增长速度开始超过PC端的整体增长速度。王湘君说:“今年Q4的移动端视频广告收入应该可以占到整体规模的15%左右。”

全平台大数据营销

在大数据时代的今天,视频网站优质的内容资源为品牌广告营销提供丰富的可能性和更多的传播机会,而品牌元素与视频内容精准结合则催生出更具价值的营销体验。对于爱奇艺和PPS而言,未来发展的重点一定是其有独家优势的地方,这就是基于大数据的视频营销。

真正的大数据营销要具备大数据的技术能力,以及足够量级的平台。爱奇艺和PPS合并后体现了大数据的力量。根据艾瑞MUT和IUT的8月数据,爱奇艺和PPS全网用户月度覆盖达到3.57亿,移动视频累计月度用户覆盖高达54.63%,在行业内遥遥领先,合并后的规模化效益得以充分体现。

第7篇

关键词:大数据分析技术;毕业设计质量分析

中图分类号:TP393 文献标识码:A 文章编号: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 毕业设计工作现状分析

1.1 什么是毕业设计工作

毕业设计是高职院校教学的最后一个实践环节,是对所学知识全面的总结以及系统的运用,通过毕业设计,学生可将课堂上学习到的知识与实践知识联系起来,同时还可以锻炼学生运用相关专业知识的能力。

毕业设计的难度要大于一般的课堂教学中的课程设计,因为通常毕业设计设计的知识面很广,可以很好的锻炼学生将理论知识运用到实践中的能力。

1.2 毕业设计工作对于人才培养的重要意义

毕业设计工作对于一个即将踏入社会的学生来说是非常有意义的,具体包含以下几个方面。

(1)毕业设计可以提高毕业生的综合素质和能力

在中医院校信息技术类专业的教学中,毕业设计是教学的最后一个环节。学生在离开校园之前,要对其最后的理论知识与实践应用进行综合训练,同时,学生综合素质也要得到相应的培养和提高,毕业设计对提高毕业生的创新能力以及科研水平也有很大的帮助。

(2)毕业设计是学生进入工作岗位前的演练

毕业设计可以看做是对即将进入工作岗位的毕业生的最后演练,在校教育的最后一年,学生面临多种选择,就业、创业等。同时他们也面临着四个转变:从经济不独立到经济即将独立的个人转变;从同龄人活动群体到非同龄人活动群体转变;从教师指导下的学习、工作项独立的学习、工作转变;从学习为主到工作为主的生活节奏的转变。

为了学生可以顺利的步入竞争激烈的社会,毕业设计成为重要的过渡阶段,在这一环节,可以迅速的增强学生的自信心,提高学生的综合素质和各项能力,增强学生的就业竞争力。

(3)毕业设计可以成为衡量专业教育水平的标准

毕业设计是学生对所学知识的运用,因此毕业设计的质量在一定程度上可以代表所学专业的教育水平和总体的教学质量。毕业设计是高校专业教育最后的一个环节,可以对教学的质量进行综合性的检验,是衡量高校专业教学总体水平的重要标准。

1.3 当前毕业设计工作中存在的问题

(1)缺乏分析

在以往每一届毕业生的毕业设计工作中,都只是简简单单的教师指导,学生主导执行,然后到最后的毕业设计答辩,得到最终的结果,以往的毕业设计工作到这就结束了,缺乏最终的总结分析,通过对毕业设计工作的总结分析,毕业生才能更清楚明白的了解本次毕业设计自己毕业设计作品结果。

(2)对于存在的问题不清晰

在毕业设计工作过程中将会有许多的问题或矛盾出现,以往的毕业设计工作没有将这些问题很好的呈现,更没有发现这些问题的实质所在,也就没有很好的解决这些矛盾,所以毕业设计工作也就没有体现出最重要的意义。

(3)学生评价不准确

在当毕业生根据自己的毕业设计作品而进行答辩时,各专业也都将会为每位毕业生的毕业设计作品给予相应的分数,人们往往会通过这个分数去衡量一个毕业生,这往往是不准确的,可能是由于在做毕业设计作品期间,学生忙于找工作等原因,影响到毕业设计的质量,所以说以分数衡量学生是不准确的。

(4)对教学的指导意义不明确

毕业设计不仅仅是一个对学生的培训和实践,也是衡量高校专业教学水平的一个很好的教学标准,但是目前许多专业中的毕业设计工作对各专业没有推动作用,毕业设计工作反馈回来的结果对教学改革没有明确的指导作用。

2 大数据分析技术

2.1 什么是大数据分析技术

大数据分析技术,通俗地讲,是在多样或巨量数据中快速收集和分析数据,获得有价值信息的技术和能力,主要包括数据采集、存储、 管理、分析挖掘、可视化等技术及其集成。

当前,大数据不仅指数据量的巨大,更重要的是要对大数据进行分析,只有通过分析才能获取更多智能、深入、有价值的信息。大数据之所以具备战略意义,之所以能够有效提升竞争能力,不在于掌握了何等巨量的数据,而在于其有能力对这些有价值的数据进行处理和运用。没有高性能的分析工具,大数据的意义与价值就不可能得到有效的洞察和释放。因此,解决大数据问题的核心,是大数据分析技术, 它是最终决定信息是否具有价值的决定性因素。

一般而言, 大数据分析主要涵括预测性分析能力 (Predictive Analytic Capabilities)、数据质量和数据管理 (Data Quality and Master Data Management)、可视化分析( Analytic Visualizations)、 语义引擎( Semantic Engines)、数据挖掘算法(Data MiningAlgorithms)等五个基本方面。

具体的大数据处理方法有很多,但大数据处理的基本流程可以概括为四个步骤:采集;导入和预处理;统计和分析;挖掘。不同于传统的数据处理,运用大数据分析技术进行数据处理,其基本理念可以凝炼为:要全体,不要抽样;要效率,不要绝对精确;要相关,不要因果。从具体操作的层面来看,大数据处理可能用到的大数据分析技术包括:数据采集、基础架构、数据存取、统计分析、数据挖掘、数据处理、模型预测、结果呈现等。

2.2 大数据分析技术对毕业设计工作的意义与价值

大数据分析技术在毕业设计分析工作的过程中有着重要的使用价值,具体的价值主要包括以下几方面内容。

(1)大数据分析技术保障毕业设计分析工作顺利开展。当面对7届(从2005届到2011届)毕业生,854件毕业设计作品时,没有一个良好的技术手段,是无法对如何庞大的工作进行整理和汇总。大数据分析技术可以解决数量大的问题,所以说大数据分析技术保障了工作的顺利开展。

(2)大数据分析技术保障毕业设计分析工作顺利进行。在面对如此多的数据进行统计整理时,将会遇到许多无用或错误的数据(俗称“脏数据”),这些“脏数据”对毕业设计分析工作有着很大的影响。大数据分析技术在面对着这些“脏数据”,选择删掉,从而保障了毕业设计分析工作的顺利进行。

(3)大数据分析技术保障毕业设计分析工作顺利完成。当完整对数据的整理和汇总后,这样的工作其实仅仅完后了一部分,还要对这些数据进行整理分析,这才是本次工作的重点。大数据分析技术是对有关联的数据进行再一次的整理和分析,并将分析的结果以某种形式呈现,从而可以更直观的表现出某种观点,从而实现分析的最终目的。

3 毕业设计分析工作的目标与流程

3.1 毕业设计分析工作预期实现的最终目标

本次毕业设计分析工作主要为了解决上述中毕业设计工作中存在的问题,所有本次毕业设计分析工作的主要目标有以下几方面。

(1)整理分析历届毕业设计工作内容。本次毕业设计数据分析统计的数据概况如下:

3个专业:计算机科学与技术、信息管理与信息系统、专升本

7届毕业生:从2005届到2011届7届毕业生的毕业设计作品。

41位指导教师:统计7届毕业生的所有指导教师信息。

854件毕业作品:统计7届毕业设计中所有毕业设计作品的全部信息。

(2)客观的评价学生。在本次毕业设计分析工作中,分析了学生的毕业设计成绩和指导教师的指导时间,通过时间的长短可以较为客观的评价学生的能力。

(3)将存在问题呈现,直面问题。将毕业设计质量分析的结果以绘图的方式呈现,直观的看出毕业设计工作中存在的问题与矛盾,促进问题与矛盾的解决,从而使毕业设计工作在以后的开展过程中更加有力、有序的进行。

(3)以强有力的数据分析推动教学改革。通过对毕业设计作品质量进行分析,从而可以查看出学生总体的学习范围,并且可以促进教学内容的改变,推动教学体系的前进。

3.2 毕业设计分析工作的阶段和流程

本次毕业设计工作主要有四个阶段,分别是数据采集、数据处理与集成、数据分析以及数据解释,具体每个阶段的工作内容以及工作目标详见表1所述。

4 毕业设计分析数据模型设计

(1)相关分析模型

相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系。例如,在本次的毕业设计质量分析中,以X和Y分别记一个毕业设计作品质量和该作品毕业生的性别,或分别记毕业设计作品质量与指导教师的指导时间,则X与Y显然有关系,而又没有确切到可由其中的一个去精确地决定另一个的程度,这就是相关关系分析。

相关关系分析模型也是本次大数据分析过程中使用的主要的分析依据模型。

(2)对应分析模型

对应分析也称关联分析,通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异,以及不同变量的各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。在本次毕业设计质量分析中,使用对应分析模型主要是为了以点的形式形成趋势,从而可以在趋势中看到数据波动变化。

(3)对比分析模型

对比分析是按照同一个参考依据,将同一类别的不同变量放在一起形成对比,通过不同变量的变化趋势,进而分析变量之间存在的某种关系。

根据上述的分析模型进行相关数据的采集收集以及整理过程,如整理毕业设计成果形式数据分析时的内容如图2所示。

5 毕业设计分析工作指标设计

在本次毕业设计分析工作过程中,整理的大量指标及其数据,具体的指标有教师指导毕业设计的数量、毕业设计成果形式、科研项目衍生课题数量、参加二次答辩分析、不同软件开发技术的毕业设计作品、不同数据库技术的毕业设计作品、不同作品成果形式的毕业设计作品数量、作品扩展形式等众多分析指标,分析指标的具体内容详见表2所述。

6 毕业设计工作分析结果

6.1 分析报告结果形态

笔者与团队经过长时间的整理,最终将如此多的数据整理汇总,并对毕业设计作品的质量进行分析,本次分析的结果改变了以往纸质分析报告的常规,本次的毕业设计质量分析结果以Web化的形式呈现,网站地址为:http://,如图3所示。

本次的分析结果以网站的形式呈现,这样这设计的主要目的及意义有以下几方面内容。

(1)方便快捷。本次主要使用的是ECharts画图的方式,运用ECharts多种绘图的方式,将数据导入到ECharts画图代码中,可直接生成图像,也可对图像进行形状改变,从而方便快捷。

(2)修改整理方便。当在分析的过程中,可能发现某些数值或字段是缺失或错误的,可在源数据中进行准确查找,并可将查找后的结果直接写在代码中,这将会自动从新绘制新的图形,从而可以在修改、查错的过程提供方便。

(3)分析结果直观、效果强。以网站形式将分析的结果呈现,可以直观、方便地看到毕业设计质量分析的结果,同时也可根据每个分析指标结果的色彩不同,从而可以更加直观的展示出各个字段之间的差异性,从而使分析的结果更具有可视化。

6.2 分析结果呈现

(1)历届教师指导毕业设计作品成绩层次汇总分析

首先对历届教师指导毕业设计数量进行统计,具体统计结果如图4所示。

然后对历届教师指导毕业设计作品成绩进行统计,并对其成绩层次比例进行汇总分析,具体分析结果如图4所示。

从图4中可以看出,历届教师人均指导毕业设计的数量成逐步上升趋势,从图5教师指导毕业设计的质量来看,所有的毕业设计中,优秀比率在30%以上的教师有9人(22%),优秀比率在30%以下的教师有32人(78%),从而充分的说明了,教师指导的力度不够,从而促使毕业设计的优秀率偏低。

(2)指导教师初评成绩分析

对历届指导教师初评平均成绩与毕业设计参加一次答辩时的平均成绩进行统计分析,统计结果如图6所示。

从图中可以看出,指导教师给自己所指导的毕业设计的打分(平均值),普遍高于一次答辩时评委组给相应毕业设计的打分(平均值)。

充分的体现出指导教师对自己所指导的毕业设计作品的存在一定的“私心”,指导教师没有进行严格把关,展现出毕业设计工作中的问题。

(3)毕业设计所用软件开发技术分析

对历届毕业设计作品中所使用的软件开发技术进行统计分析,结果如图7所示。

在本次分析的过程中,也根据性别进行统计,统计分析结果如图7所示。

通过两个分析结果,可以看出HTML/CSS和JS/Jquery是毕业设计中用的最多的技术;.NET、C#的比例也较高,但从趋势来看,C#的比例有下降趋势;JAVA、JSP和C/C++呈上升趋势;PHP的比例相对稳定;ASP技术明显呈下降趋势。结合性别分析发现,男生中,使用C#与使用JAVA的人数基本持平,约为1.3:1,而女生中,这一比例达到2.8:1,说明女生更倾向于使用C#。

根据上述的分析,可以为本专业类教学内容体系的改变提供重要的依据,学院可以根据学生使用的比率而进行教学内容的改革。

7 毕业设计分析工作存在的不足与改进

7.1 存在的不足

(1)指标点少。由于本次毕业设计分析工作是第一次对毕业设计质量进行分析,所以在设计和整理的过程中所使用的指标点都较少,所以造成本次毕业设计分析内容有待升华。

(2)关联性低。在进行关联数据分析时,对收集到的数据关联分析较低,没有充分的发挥出每一个字段的价值,同时,在本次毕业设计质量分析中,关联分析力度不足,如没有对毕业生的在校职位与毕业设计最终成绩分析、指导教师的年龄与指导毕业设计作品成绩分析等,这都是本次毕业设计分析工作中的所欠缺的。

(3)数据清洗度不高。虽然在前期对数据进行清洗处理,但是处理的力度不够,所以在分析过程中,仍能发现存在许多错误的数据,这样给毕业设计分析工作带来了一定的影响。

7.2 下一步计划

根据本次毕业设计分析工作中存在的问题,在以后的分析工作中,将加大对指标点的统计整理,如学生的籍贯、学生在校期间获得的奖项、教师的工龄、教师的性别等等,同时也将增加每个指标点之间的关联分析,从而使每个指标点数据更加有意义。

8 结束语

随着国家技术的不断发展,信息化的不断发展,大数据分析也起到了越来越大的作用,为每个项目的发展和前进提供了重要的依据。本文也结合了大数据分析技术对毕业设计作品进行质量分析,从分析结果中得到许多的结论,也为教学改革提供依据,从而也推动了整个教学内容体系的完整和发展。

参考文献:

[1]刘智慧,张泉灵.大数据技术研究综述.智能系统与控制研究所,2014-06.

[2]任长春.浅谈高职教育中毕业设计环节的教学改革[J].科技信息,2009(35).

第8篇

关键词:大数据 企业 竞争情报 数据挖掘

中图分类号: G250.2 文献标识码: A 文章编号: 1003-6938(2012)06-0009-06

1 引言

随着信息技术的不断发展,互联网的普及利用,各种终端设备记录了人类社会复杂频繁的信息行为从而产生了惊人的数据量。据国际数据公司(IDC)的研究报告称,2011年全球被创建和被复制的数据总量为1.8ZB,并预测到2020年,全球将拥有35ZB(1ZB=10亿TB)的数据量[1]。大数据已经渗透到每一个行业和领域,被视为“未来的新石油” ,逐渐成为重要的生产因素。随着消费者、企业、各个经济领域不断挖掘大数据的潜力,我们正处在一个巨大浪潮的尖峰,这个浪潮就是大数据驱动的技术创新、生产率提高、经济增长以及新的竞争形势和新价值的产生[2]。近年来,大数据技术研究和应用迅速发展,许多国家已经意识到了大数据的重要性,并作为战略性技术大力推动其发展,大数据时代已悄然而至。

2 大数据的含义与特征

目前对大数据还没有标准的定义,通常认为它是一种数据量很大、数据形式多样化的非结构化数据。亚马逊网络服务、数据科学家John Rauser曾提到一个简单的定义:大数据是任何超过了一台计算机处理能力的庞大数据量[3]。维基百科定义为:大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合[4]。百度百科定义为:大数据通常用来形容一个公司创造的大量非结构化和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。从各种各样类型的数据中快速获得有价值信息的能力,就是大数据技术[5]。IBM从三个基本特性角度来定义大数据,即:“3V”:体量(Volume),速度(Velocity)和多样性(Variety)。也有人为大数据包括三个要素,即:大分析(Big Analytic)、大带宽(Big Bandwidth)和大内容(Big Content)[6]。

概括起来,大数据的特征主要体现在如下几个方面:

(1)数据总量规模增长巨大。同一类型的数据在快速增长,目前在传感器网络、地理信息导航系统、社会网络(如微博)、即时通讯(如QQ)、电子商务(如淘宝)、数字图书馆、网络日志等领域都产生了庞大的数据,规模在不断扩大。如淘宝目前每天活跃数据量已经超过50TB,共有4亿条产品信息和2亿多名注册用户在上面活动。零售巨头沃尔玛每小时都要处理100多万笔客户交易,数据库估计超过2500万亿字节——相当于美国国会图书馆书籍数的167倍,而移动互联网用户发送和上传的数据量达到1.3EB[7]。

(2)数据增长的速度呈指数级持续增长。目前很多领域的数据都以惊人的速度增长,根据WinterCorp的调查显示,最大的数据仓库中的数据量每两年增加3倍(年均增长率为173%),其增长速度远超摩尔定律增长速度。照此计算,2015年最大数据仓库中的数据量将逼近100PB[8]。大数据的动态性强,要求分析处理应快速响应,在动态变化的环境中快速完成分析过程,有些甚至必须实时分析,否则这些结果可能就是过时、无效的。如导航定位系统、股票分析系统等对数据实时处理有着较高的要求,大数据分析和处理的方法必须能快速地适应相关业务更新频率加快的需求。

(3)新的数据来源和数据类型在不断增加。目前产生大数据的领域在不断增加,数据类型不仅包括普通文本、照片、动画、音频与视频等,还有像位置信息、链接信息等新类型的数据。伴随着社交网络、移动计算和传感器等新技术不断的应用,大数据中有许多是非结构化数据或半结构化数据,没有特定的描述模型,数据结构是不固定、不完全或不规则的。

(4)数据的价值日益突现。大数据犹如一座富矿,通过海量数据的处理、整合分析,可以发现新的知识,从而创造新的更大的价值。大数据为许多行业带来新的商机和发展机遇,充分利用大数据可为企业带来强大的竞争力。大数据分析能从庞大的数据中发现稀疏而有高价值的知识和规律,为预测和决策提供相关支持。如视频监控的数据量通常十分大,虽然绝大部分可能没有实际利用价值,但几秒镜头捕捉到某罪犯体貌特征,可能对公安部门而言就是十分珍贵的。大数据分析就是要进行披沙拣金,发现这些珍贵的信息。

综上所述,对于大数据中“大”的理解,主要有两个方面,第一是指大量的、快速增长的数据,第二则是数据中所蕴含的价值量较大。可见,大数据之“大”,并不光是指数据的数量之大,它的意义还在于数据的价值之大。

3 大数据对企业竞争情报的影响

情报研究是利用数据和信息提炼出有价值的情报,为决策提供有关方案,也就是对数据进行处理、组织和解释,以揭示其潜在的知识,转化为可执行利用的情报。企业竞争情报分析就是从原始的数据中发现关于竞争环境、竞争对手和竞争策略情报的过程,从而形成高附加价值的产品。因此,大数据分析在对象、运用的方法和目标等方面都与企业竞争情报研究有许多交集,大数据的兴起必然对企业竞争情报产生深刻的影响。

3.1 企业提升竞争力需要大数据的支持

数据竞争已经成为企业提升核心竞争力的利器。来自各个方面零碎的庞大数据融合在一起,可以构建出企业竞争的全景图,洞察到竞争环境和竞争对手的细微变化,从而快速响应,制定有效竞争策略。庞大的数据更具有统计意义,能为各种预测模型提供支持,从而能预测未来的发展趋势,帮助企业获得先机。相关的数据整合在一起,能不断产生新的信息和知识,有助于提高生产率、降低经营成本。如2008年初,阿里巴巴平台上整个买家的询盘数急剧下滑,自然导致买盘的下降,说明欧美对中国采购量在下滑。海关是卖了货出去以后再获得数据,而阿里巴巴提前半年时间就从询盘上推断出世界贸易发生变化了[9]。企业的竞争不再只是劳动生产率的竞争,而是知识生产率的竞争。数据是信息的载体,是知识的源泉,是企业创造价值和利润的原材料,因此,基于知识的竞争将集中体现在基于数据的竞争上。正如马云所说,未来是数据竞争的时代,谁拥有数据,谁就拥有未来。如今各行各业都出现了以数据分析为竞争力的企业,它们都是在数据分析的基础上与其他企业展开竞争,以提升核心竞争能力,保持或获得行业领先地位,如谷歌、宝洁、沃尔玛等世界知名公司。沃尔玛就建立了一个超大的数据中心,其存储能力高达4PB以上,通过大数据分析,沃尔玛掌握了顾客的购买习惯,不同商品一起购买的概率,购买者在商店所穿行的路线、购买时间和地点,从而确定商品的上架布局以及对分类进行优化;决定对各个商店的不同商品进行增减,以保持最优的库存,降低成本;洞察销售全局,瞬间捕获到各种细微的变化,从而快速响应,制定营销策略;利用大数据工具对供应链进行分析以选择供应商、优化物流配送方案和进行价格谈判等;利用大数据分析工具对热销商品品种和库存的趋势进行分析,以选定需要补充的商品,分析顾客购买趋势和季节性购买模式,以确定降价商品,并对其数量和运作做出反应[10]。可见,大数据已经成为企业的核心资产,对数据的掌控可以形成对市场的支配,并且获取巨大的回报。大数据是企业用于提升核心能力的重要手段,而为提升企业竞争优势的大数据分析是企业竞争情报研究的重要范畴。

4.2 注重数据的清洗与过滤

大数据时代企业所要处理的数据比较多,但数据的质量往往参差不齐,如有些数据不一致或不准确、数据陈旧以及人为造成的错误等,通常被称之为“脏数据”。由于数据挖掘是数据驱动,因而数据质量显得十分重要。“脏数据”往往导致分析结果的不正确,进而影响到决策的准确性。由于大部分的数据库是动态的,许多数据是不完整的、冗余的、稀疏甚至是错误的,这将会给数据的知识发现带来困难。由于人为因素的影响,如数据的加工处理以及主观选取数据等,从而使得数据具有某些噪声,会影响数据分析模式抽取的准确性。大量冗余数据也会影响到分析的准确性和效率。因此,在数据挖掘分析时,首先需要进行数据预处理,也就是要对数据进行净化和过滤,删除一些无关的数据。数据清洗是一个减少错误和不一致性、解决对象识别的过程[12]。一般通过概率统计等原理查找数值异常的记录。如在网站的日志文件数据处理中,可以通过检查URL的后缀删除认为不相关的数据,可使用一个缺省的后缀名列表帮助删除文件,去掉一些不能反映用户行为的记录,过滤一些请求错误和失败的记录等。

在大数据时代,不能不计成本盲目的收集各种海量的数据,否则将成为一种严重的负担。数据的体量只是大数据的一个特征,而数据的价值、传递速度和持续性才是关键。为了达到这些目标,企业竞争情报收集可以采用最小数据集的方法,指通过收集具有代表性的最少的数据,更好地掌握一个观察对象所有的特点或者一个事件所处状态,其核心是针对被观察的对象建立一套精简实用的数据指标,采用一定取样标准选择和过滤相关数据。总之,通过对数据质量的控制和管理,可以提高数据分析的准确性,进一步提高竞争情报工作的效益。

4.3 关注新数据类型的分析方法

在大数据时代,企业无论是日常运营,还是重大战略决策,都会在各种各样的信息系统中留下各种数据记录,这些数据通过技术整合起来,可以再现一个企业的运行轨迹和发展全景。竞争情报研究就是发现有价值的知识和模式,洞察企业竞争环境,预测未来,从而获得竞争优势。随着信息技术的普及应用,新的数据类型不断产生,下面一些新的数据类型和分析方法值得关注。

(1)实时数据。如微博、短信等大量的动态数据流,是一种十分重要的竞争情报源。数据流挖掘是对数据进行单遍现行扫描,快速处理数据,提供实时近似结果的技术。如窗口技术采用分而治之的策略,将流数据按照特定的需求分配到不同的窗口,进入窗口内的数据才会被处理,以减少分析处理的数据量;而概要数据结构技术将数据流进行概括统计的数据结构代表原始数据,而不是保留数据流中的全部数据,从而减少处理的数据量[13]。在大数据时代,竞争情报分析的数据许多是连续、快速、随时间变化的,对如此巨大的数据流,企图存储或者扫描所有的数据都是不实际的,只有采用动态的数据流挖掘分析技术才能有效解决数据的冲击,获得实时近似的结果。数据流挖掘技术能为竞争情报提供实时查询服务和处理,从而促使企业的“触角”保持足够的敏捷性。

(2)动态数据。从时间的维度发现有关变化规律。时间序列分析是指从大量不同时间重复测得的数据中发现前后数据相似或者有规律的模式、趋势和突变的方法,主要的技术主要是相似模式发现,包括相似模式聚类和相似模式搜索时间序列,采用的主要挖掘方法主要有小波变换法和经验模态分解法[14]等。在大数据时代,各种数据源源不断的产生,比如交易数据、网站访问日志等,从中必然会呈现出时间上的规律,企业希望从积累了大量的历史数据中分析出一些模式,以便从中发现商业机会,通过趋势分析,甚至预先发现一些正在新涌现出来的机会,比如企业可以通过数据时间序列分析了解产品销售的旺季和淡季,制定针对性的营销策略,减少生产和销售的波动性,从而获得利润和竞争优势。

(3)关联数据。关联数据发现技术是分析数据之间的联系,将孤立、离散的数据点结合产生数据链或者数据图,随后从多个数据源中查出匹配给定关联模式的实例、最后再对匹配的实例评估。目前已应用的主要方法有:图论的稀有度监测法、图熵法和基于谓词的逻辑归纳推理法等[15]。关联发现技术特别适合于动态的数据发现未知的模式,而大数据中隐含了大量未知、潜在的关系,新模式的发现有利于企业采取“蓝海”战略,抢占先机,从而获得竞争优势。

(4)社会网络数据。社会网络分析也叫链接挖掘,是通过网络中的关系分析探讨网络的结构及属性特征,其挖掘重要任务的是基于链接的节点排序、基于链接节点的分类、节点聚类、链接预测、子图发现等[16]。在大数据时代,大量相关的数据聚合在一起,相互支撑解释和印证,形成了复杂的数据网络,数据之间的关系具有非常重要的价值,如通过消费者行为的链接数据挖掘能发现传销顾客网络,从而制定找出利润最大化的顾客群,又如从人际关系的网络节点的中心度来分析竞争对手,从而制定相关的竞争策略等。

4.4 促进数据分析的可视化

数据可视化技术指的是运用计算机图形学和图像处理技术,将数据转换为图形或图像显示出来,并进行交互处理的方法和技术,其本质是从抽象数据到可视化结构的映射。在大数据时代,数据只是原材料,其真正的价值需要通过知识和情报来实现。企业竞争情报分析的结果必须是可理解的,才能较为容易地转化为生产力。可视化可以反映数据的语义关系,加快数据的处理速度,使庞大的数据得到充分有效利用;可以在人与数据间实现交互,帮助人们观察到数据中隐含的问题,为发现和理解有关规律提供有力工具。可视化使竞争情报更加易于理解和运用。采用一定的分析模型将相关的数据组织在一起,直观地表达竞争情报和竞争情报之间的逻辑关系,如进行一些关联分析,以生动形象的方式显示描绘人物、公司和事件之间的联系,探索事件、人、地点、产品和组织间潜在关系并预测可能产生的结果,辅助决策过程。可视化可作为一种基础技术嵌入到企业竞争情报分析工具中,人们总是希望看到研究报告中的生动图像,而不是一大堆枯燥的数据,企业竞争情报研究结果通过可视化方式,采用不同数据维度提供给不同层次的决策者使用,便于理解,支持企业高效运营。因此,可视化技术是大数据时代企业竞争情报研究的有效工具。

4.5 探索大数据新的分析技术和工具的应用

大数据时代企业竞争情报面临的数据量是无法比拟的,对一些实时性要求较高的决策,分析方法的速度和效率显得十分重要。传统的竞争情报分析方法显然难于处理不断增长的、庞大的、异构的数据,只有借助新的处理技术才能实现数据提取和清洗、分析和利用。目前大数据相关技术研究已取得一定的进展。如“MapReduce”是一种简洁的并行计算模型,它在系统层面解决了扩展性、容错性等问题,通过接受用户编写的函数,自动地在可伸缩的大规模集群上并行执行,从而可以处理和分析大规模的数据。“MapReduce”具有简洁的模型、良好的扩展性、容错性和并行性,可以进行复杂深入的数据分析,随着其性能的不断改进和分析能力的不断增强,能够帮助人们从大数据中分析和发现有用的知识[17]。如何提高数据挖掘算法的效率和适应性,使挖掘方法具有一定规模的伸缩性,是数据分析较为突出的问题。应用实时性技术和分布并行算法技术是提高数据挖掘方法效率和实用化的有效途径。此外,统计分析语言标准化也有助于提高数据分析效果。如R语言是主要用于统计分析、绘图的语言和操作环境,其功能包括数据存储和处理系统、数组运算工具、完整连贯的统计分析工具。R语言针对大数据将广泛使用的统计算法进行了优化,能够在短暂的时间内从大量的数据中发现有意义的信息[18]。目前业界对大数据的处理分析方法已开始进行了一些探索,并且开发了一些相关的工具。企业竞争情报研究应该针对大数据的特点,吸收和融合数据挖掘分析新的技术方法,不断创新和发展。

5 结语

企业竞争情报可以帮助企业洞察竞争环境,发现新的竞争对手、判断竞争的发展性动向,及时做出相关的反应,从而获得较大的竞争优势。大数据提供了一个全新的信息生态环境,给企业竞争情报研究带来了深刻的影响,促使其不断地创新和变革,以适应企业在大数据时代获取核心竞争力的需求。大数据时代的企业竞争情报研究将走传统情报分析方法与大数据技术相结合的发展道路。目前基于大数据的企业竞争情报研究刚刚起步,许多问题仍然需要进一步探讨。

参考文献:

[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]涂兰敬.专家观点:“大数据”与“庞大数据”的区别[J].网络与信息,2011,(12):37-38.

[7]国金证券.“大数据”行业专题分析报告[EB/OL].[2012-08-01]..

[8]王珊等.架构大数据:挑战、现状与展望[J].计算机学报,2011,34(10):15-16.

[9]国金证券.“大数据”行业专题分析报告[EB/OL].[2012-08-01]..

[10]涂子沛.大数据[M].广西师范大学出版社,2012:161,

304-306.

[11]毕强.网络信息集成服务研究综述[J].情报理论与实践,2004,(1):21-25.

[12]郭志懋.数据质量和数据清洗研究综述[J].软件学报.2012,12(11):22-28.

[13]JiaweiHan Micheline Kamber.范明,孟小峰译.数据挖掘概念与技术[M].北京:机械出版社,2007:306-320.

[14]倪志伟等.动态数据挖掘[M].北京:科学出版社,2010:31,232.

[15]张公让.商务智能与数据挖掘[M].北京:北京大学出版社,2010:151-159.

[16]约翰·斯科特.刘军译.社会网络分析法[M].重庆:重庆大学出版社,2007:1-6.

[17]覃雄派等.大数据分析——RDBMS 与MapReduce 的竞争与共生[J].软件学报,2012,2(1):33-42.